生统实验报告3

1、本科实验报告课程名称：生物统计学与试验设计姓 名：陈姝瑶学 院：农业与生物技术学院系：应用生物科学系专 业：应用生物科学学 号：3130100533指导教师：徐海明2015年 11 月 30 日浙江大学实验报告课程名称： 生物统计与试验设计 实验类型： 实验项目名称： 协方差分析和混合线性模型分析 学生姓名： 陈姝瑶 专业： 应用生物科学 学号： 3130100533 同组学生姓名： 指导老师： 徐海明 实验地点： 实验日期： 2015年 11月30日 1、 实验目的和要求1.掌握协方差分析和混合线性模型分析的方法。2.了解协方差分析与二因素析因分析的差异。3.比较SAS软件和QTModel软

2、件的分析效益。4.QTLNetwork软件分析控制仿真群体表现型值的QTL定位数据。5.比较回归分析、相关分析、方差分析、MCIM的定位分析的优缺点。2、 实验内容和原理1. QTModel is user-friendly computer software which packaged with modules for microarray data analysis, diallele design analysis and mixed model analysis.2. Analysis of covariances a technique that combines features

3、 of analysis of variance and regression.3. The mixed linear model: include the fixed effects and some groups of random variables. Correlations between or within factors are allowed. Can unbiasedly estimate parameters and their variances ,and predict values of random effects. Effectively analyze all

4、kinds of complex genetic model or unbalanced data.3、 主要仪器设备SAS软件 QTModel软件 QTLNetwork软件4、 操作方法与实验步骤1. 二因素协方差分析以2个品种2个水分水平的鲜花产量为依变量，重复6次： （1）以小区面积为x变量，进行二因素协方差分析，分析品种、水分对鲜花产量的影响，对显著的效应进行适当的比较； （2）比较协方差分析与二因素析因分析结果之间的差异。SAS:data exp3; input v$w$y s ; datalines; LP Low 98 15 LP High 71 10 LP Low 60 4 L

5、P High 80 12 LP Low 77 7 LP High 86 14 LP Low 80 9 LP High 82 13 LP Low 95 14 LP High 46 2 LP Low 64 5 LP High 55 3 WB Low 55 4 WB High 76 11 WB Low 60 5 WB High 68 10 WB Low 75 8 WB High 43 2 WB Low 65 7 WB High 47 3 WB Low 87 13 WB High 62 7 WB Low 78 11 WB High 70 9 ; 1)proc glm; class v w; model

6、 y=v w v*w; run; 2)proc glm; class v w; model y= s v w v*w; run; 2. 水稻品种区域试验分析水稻五个品种在二年和三试点三个区组的品种区域试验数据（删除了二个异常值）储存在数据文件(RiceTrial-2.txt)中。（1）采用SAS软件的Proc GLM, Proc Mixed和Proc VarCom分析该数据，并对品种的表现作适宜的推断;（2）采用QTModel软件分析该数据，对品种的表现作适宜的推断;（3）比较SAS软件和QTModel软件的分析效益。l SAS program：data exp3;Input Gen Year

7、 Loc Block Yield;Datalines;. .；proc glm; class Gen Year Loc Block; model Yield=Gen|Year|Loc Block(Year*Loc); random Year Loc Year*Loc Gen*Year Gen*Loc Gen*Year*Loc Block(Year*Loc)/test; means Gen/Tukey; run; proc mixed; class Gen Year Loc Block; model Yield=Gen; random Year Loc Year*Loc Gen*Year Gen

8、*Loc Gen*Year*Loc Block(Year*Loc)/SOLUTION; LsMeans Gen/adjust=Tukey; run; proc varcomp method=REML; class Gen Year Loc Block; model Yield=Gen|Year|Loc Block(Year*Loc)/fixed=1; run; l QTModel 3、QTL定位分析采用QTLNetwork软件分析控制仿真群体表现型值的QTL定位数据（DHSim.map和DHSim.txt）.(1)估算QTL的位置和遗传效应，对群体的QTL位置和遗传效应作统计推断; (2)把Q

9、TL定位结果和实验一的分析结果都与仿真的参数真值作比较，比较所采用的四种分析方法（回归分析、相关分析、方差分析、MCIM的定位分析）用于推断群体基因定位的可靠性及统计方法的优缺点。 l 回归分析Data exp1;Input env geno trait m1-m33;Datalines;数据；Proc reg;Model trait=env m1-m33/selection=stepwise;Run;l 相关分析Data exp2;Input env geno trait m1-m33;Datalines;数据；Proc corr;Var trait;With m1-m33;Run;l 方差

10、分析 Data exp3;Input env geno trait m1-m33;Datalines;数据；Proc glm;Class env m1 env*m1;Model trait= env m1 env*m1;Run;Proc glm;Class env m2 env*m2;Model trait= env m2 env*m2;Run; 5、 实验数据记录和处理1. 二因素协方差分析1）2）2. 水稻品种区域试验分析（1）采用SAS软件的Proc GLM, Proc Mixed和Proc VarCom分析该数据，并对品种的表现作适宜的推断;l GLM分析l Mixed分析 l Var

11、comp模块分析（2）QTModel分析3. QTL定位分析采用QTLNetwork软件分析结果.l 回归分析l 相关分析l 方差分析共33组结果6、 实验结果与分析1. 二因素协方差分析（1） 协方差分析结果显示：v与w的互作 PrF 0.1267，不显著，因此可以对主效应进行判断。品种PrF 0.0009，因此品种对鲜花产量的影响极显著。水分 PrF 0.0001，因此水分对鲜花产量的影响极显著。同时，又因为品种F Value（v）=15.36 F =0.2268，并未达到5显著水平。所以，不能科学分析品种、水分对鲜花产量的影响。同时，品种与水分两个因素对鲜花产量影响R-square=0.

12、19，远远小于1。二因素析因分析方法不合适协方差分析结果：该模型 PrF F 0.0001，表明面积s作为协变量存在是合理的。因此，协方差分析适合分析此题数据。2. 水稻品种区域试验分析(1)GLM模块分析结果：Gen*Year*Loc显著，表明某品种在某年份某地点显著；同时， Year*Loc Gen*Year Gen*Loc都是不显著的；主效应中，只有Year达到了5显著水平。品种1-4 2-4 1-5 2-5 2-3存在5差异。Mixed 模块分析结果：Gen*Year*Loc， Year*Loc Gen*Year Gen*Loc 主效应Year Loc都是不显著的,均未达到5显著水平。

13、VarCom模块分析结果：由第一张表可以得到，各个主效应和交互作用的方差估计值，由第二张表可以得到各个主效应和交互作用之间的协方差估计值。总结：品种主效应不显著。（2）QTModel软件分析结果：该模型P-Value:1.28989e-005 ,极显著。ANOVA Table中， Gen、 Year、 Loc、Year*Loc、 Gen*Year、Gen*Loc、Gen*Year*Loc均达到5显著水平。Gen的5个水平P-Value都0.001，达到极显著水平，表明结果可信。Pairwised comparisons among different levels of Gen结果显示，均未达

14、到5显著水平，表明品种之间是无显著差异的。（3）比较SAS软件和QTModel软件的分析效益：SAS软件的Proc GLM, Proc Mixed和Proc VarCom分析该数据, Gen、Year、Loc、Year*Loc、Gen*Year、Gen*Loc、Gen*Year*Loc基本均未达到5显著水平。未检测到5显著差异，数据分析结果是不大令人满意的。QTModel软件分析该数据，Gen、Year、Loc、Year*Loc、Gen*Year、Gen*Loc、Gen*Year*Loc均达到5显著水平。QTModel软件分析该数据Residual 也比较小，分析结果较可靠。对于此题数据，QT

15、Model软件更适合。相较于SAS的程序编写，QTModel的命令更加简单QTModel给出的结果剔除了一些在分析中用不到的深层次的结果，从而降低了困难。3. QTL定位分析估算QTL的位置和遗传效应，对群体的QTL位置和遗传效应作统计推断Ch1上MK8和MK9之间的基因本身不具备效应但是与Ch3上的MK25和MK26之间的基因（本身存在效应）存在上位性效应和上位性与环境因素互作的效应。Ch1上MK8和MK9之间的基因还与Ch1上MK3和MK4之间的基因（本身具有加性和加性与环境互作效应）存在上位性效应。Ch1上的MK3和MK4之间的基因存在与Ch2上的MK15和MK16之间的基因（本事具有加性）存在上位性和环境因素互作的效应。区间加性效应是否显著Env1增减是否显著Env2增减是否显著QTL 1-3MK3-44.9395极显著4.4308极显著-4.5807极显著QTL 2-4MK15-16-4.0013极显著0.0005不显著-0.0005不显著QTL 3-6MK28-293,5629极显著-3.3246极显著3.1886极显著互作上位性AA显著性QTL1-3 &QTL1-83.1775极显著QTL1-3 &QTL2-40.1924极显著QTL1-7 &QTL3-3-3.1671极显著QTL 3-3是高值基因型。（