Modelowanie danych hodowlanych

1. Wykład wstępny
2. Algebra macierzowa
3. Wykorzystanie różnych źródeł informacji w predykcji wartości hodowlanej

4. Kowariancja genetyczna pomiędzy spokrewnionymi

osobnikami
5. Best Linear Unbiased Prediction (BLUP): model jednocechowy z pojedynczym efektem losowym
6. Best Linear Unbiased Prediction (BLUP): model wielocechowy
7. Metody redukcji wymiarów modeli wielocechowych BLUP
8. Analiza danych powtarzalnych w czasie
9. Predykcja genomowej wartości hodowlanej
10. Model jednostopniowy
11. Rozwiązywanie układu równań liniowych
12. Estymacja parametrów genetycznych
13. Spotkanie z osobą praktycznie zaangażowaną w prowadzenie rutynowej oceny wartości hodowlanej bydła
14. Podsumowanie tematyki przedmiotu. Dyskusja.
1. The numerator relationship matrix A
2. Dekmpozycja macierzy A
3. Odwrotność macierzy A
4. Software

Copyright ©2022, Joanna Szyda

The numerator relationship matrix A
 The numerator relationship matrix A

• Coancestry / kinship coefficient → część alleli identycznych przez

pochodzenie (identical by descent; IBD) między parą osobników

• Additive genetic relationship coefficient / współczynnik

spokrewnienia → 2 x coancestry

• Numerator relationship matirx / macierz spokrewnień addytywnie

genetycznych / A

R.A. Mrode 2005 Linear Models for the Prediction of Animal Breeding Values Copyright ©2022, Joanna Szyda
 Model bazowy → hodowlany → notacja skalarna

• fenotyp = środowisko + efekt addytywnie genetyczny + błąd

• 𝑦𝑖𝑗 = 𝛽𝑖 + 𝑎𝑖 + 𝑒𝑖𝑗
• 𝑦𝑖𝑗 wydajnośc j osobnika i
• 𝛽𝑖 efekt środowiskowy osobnika i np. płeć, rok urodzenia, stado
• 𝑎𝑖 wartość hodowlana osobnika i = suma efektów addytywnych
wszystkich genów
• 𝑒𝑖𝑗 sumaryczny efekt innych czynników środowiskowych oraz
czynników genetycznych nieaddytywnych warunkujących
wydajność j osobnika i
R.A. Mrode 2005 Linear Models for the Prediction of Animal Breeding Values Copyright ©2022, Joanna Szyda
Model bazowy → hodowlany → notacja macierzowa

• 𝑦𝑖𝑗 = 𝛽𝑖 + 𝑎𝑖 + 𝑒𝑖𝑗

• 𝒚 = 𝑿𝜷 + 𝒁𝒂 + 𝒆

• 𝒚 ~𝑁(0, 𝑽𝜎 𝑦2) • 𝑽 = 𝒁𝑮𝒁𝑇 + 𝑹

2
• 𝒆 ~𝑁(0, 𝑰𝜎 2𝑒) • 𝑹= 𝑰𝜎 𝑒

• 𝒂 ~𝑁(0, 𝑨𝜎 𝑎2) • 𝑮=
2
𝑨𝜎 𝑎

R.A. Mrode 2005 Linear Models for the Prediction of Animal Breeding Values Copyright ©2021, Joanna Szyda
 The numerator relationship matrix A

• Kwadratowa, symetryczna
• Elementy przekątnej (aii)
— 1+Fi
— Fi współczynnik inbredu osobnika „i”
— prawdopodobieństwo, że 2 losowo wybrane geny osobnika
„i” będą miały allele identyczne przez pochodzenie

R.A. Mrode 2005 Linear Models for the Prediction of Animal Breeding Values Copyright ©2020, Joanna Szyda
 The numerator relationship matrix A

𝐀
• Kwadratowa, symetryczna
• Elementy poza-przekątne (aij)
— licznik (numerator) współczynnika spokrewnienia
pomiędzy osobnikiem „i”, a osobnikiem „j”
— współczynnik spokrewnienia (Wright 1922), korelacja
pomiędzy wartościami hodowlanymi osobników i, j
𝒄𝒐𝒗 𝒂𝒊 ,𝒂𝒋 𝒂𝒊𝒋
— =
𝒂𝒊𝒊 𝒂𝒋𝒋 𝒂𝒊𝒊 𝒂𝒋𝒋

R.A. Mrode 2005 Linear Models for the Prediction of Animal Breeding Values Copyright ©2020, Joanna Szyda
 The numerator relationship matrix A

2
𝐀𝜎 𝑎

• Macierz kowariancji pomiędzy wartościami hodowlanymi osobników

R.A. Mrode 2005 Linear Models for the Prediction of Animal Breeding Values Copyright ©2020, Joanna Szyda
 The numerator relationship matrix A

• Tworzenie macierzy A na podstawie pliku z pochodzeniem

osobników (Henderson 1976)

R.A. Mrode 2005 Linear Models for the Prediction of Animal Breeding Values Copyright ©2020, Joanna Szyda
 The numerator relationship matrix A

• Tworzenie macierzy A na podstawie pliku z pochodzeniem

osobników (Henderson 1976)
1. Posortować osobniki rosnąco wg roku urodzenia
2. Obliczać elementy macierzy A rozpoczynając od najstarszego
osobnika
aii = 1+0.5asd
aij=aji=0.5(ais(j)+aid(j)) s(j) – ojciec osobnika j
d(j) – matka osobnika j

R.A. Mrode 2005 Linear Models for the Prediction of Animal Breeding Values Copyright ©2020, Joanna Szyda
 The numerator relationship matrix A

aii = 1+0.5asd
aij=aji=0.5(ais(j)+aid(j))

a11 = 1 ; a12 = a21 = 0 ; a13 = a31 = 0.5(a11+a12) = 0.5(1+0)=0.5

a22 = 1 ; a23 = a32 = 0.5(a21+a22) = 0.5(0+1)=0.5
…
a33 = 1 ; a34 = a43 = 0.5(a31+a3?) = 0.5(0.5+0)=0.25
…
a66 = 1+0.5(a25) = 1+0.5(0.25)=1.125
R.A. Mrode 2005 Linear Models for the Prediction of Animal Breeding Values Copyright ©2020, Joanna Szyda
Dekmpozycja macierzy A
 Dekompozycja macierzy A

• A=TDTT (Thompson 1977)

• Dekompozycja służy do odwrócenia macierzy A

• T macierz trójkątna zawiera współczynniki spokrewnienia

par osobników

— PRZEKĄTNA: tii = 1
— PRZYPADEK 1: Oboje rodzice nieznani: tij = 0
— PRZYPADEK 2: Jeden rodzic nieznany: tji = 0.5tj,s(i) lub 0.5tj,d(i)
— PRZYPADEK 3: Oboje rodzice znani: tij = 0.5 (tj,s(i) + tj,d(i))

R.A. Mrode 2005 Linear Models for the Prediction of Animal Breeding Values Copyright ©2020, Joanna Szyda
 Dekompozycja macierzy A

• A=TDTT (Thompson 1977)

• D macierz diagonalna
• dij=0
• Oboje rodzice nieznani: dii=1
• Jeden rodzic znany: dii=1-0.25(1+Fs(i)) lub dii=1-0.25(1+Fd(i))
• Oboje rodzice znani: dii= 1-0.25(1+Fs(i))-0.25(1+Fd(i))
• Fi współczynnik inbredu osobnika i
R.A. Mrode 2005 Linear Models for the Prediction of Animal Breeding Values Copyright ©2020, Joanna Szyda
Odwrotność macierzy A
 Odwrotność macierzy A
• A-1
• model mieszany
• predyktor BLUP (Best Linear Unbiased Predictor)
• rozwiązanie układu równań modelu mieszanego MME (Mixed
Model Equations)
• obliczenie A-1 jest szybsze niż A
• tworzenie i odwracanie macierzy A dla dużych zbiorów danych
niemożliwe obliczeniowo
• Henderson (1976) → bezpośrednie stworzenie macierzy A-1
R.A. Mrode 2005 Linear Models for the Prediction of Animal Breeding Values Copyright ©2022, Joanna Szyda
 Odwrotność macierzy A
• A-1=(T-1)TD-1T-1
• D-1 = 1/dii → dii → Thompson 1977
• T-1 = I – M
• M macierz opisująca spokrewnienie w obrębie jednego pokolenia:
dzieci-rodzice → każdy wiersz zawiera 0.5 w kolumnach rodziców

T-1 =

R.A. Mrode 2005 Linear Models for the Prediction of Animal Breeding Values Copyright ©2020, Joanna Szyda
Software
Software

Front. Genet., 28 July 2021 | https://doi.org/10.3389/fgene.2021.655638 Copyright ©2022, Joanna Szyda

Software

Front. Genet., 28 July 2021 | https://doi.org/10.3389/fgene.2021.655638 Copyright ©2022, Joanna Szyda

Software

Copyright ©2021, Joanna Szyda

Software

Copyright ©2021, Joanna Szyda

Software

Copyright ©2022, Joanna Szyda

1. The numerator relationship matrix A
2. Dekmpozycja macierzy A
3. Odwrotność macierzy A
4. Software