GWAS和GS分析中到底是用BLUE值還是BLUP值

這篇文章給大家介紹GWAS和GS分析中到底是用BLUE值還是BLUP值，內容非常詳細，感興趣的小伙伴們可以參考借鑒，希望對大家能有所幫助。

問題:
植物中, 多年多點, 或者一年多點的數據, 每個基因型有多個表型值, 問題來了, 如果做GWAS或者GS時, 需要一個基因型對應一個表型值, 那么這個表型值用什么呢?

目前有三個答案:
1, 平均值
2, BLUE值(最佳線性無偏估計, 固定因子)
3, BLUP值(最佳線性無偏預測, 隨機因子)

論壇討論:
https://www.researchgate.net/post/Does_any_one_have_an_idea_of_which_one_BLUE_or_BLUP_to_use_for_a_GWAS_analysis_of_a_trait_in_wheat_eg_resistance_to_rust

有沒有人知道用藍色或BLUP哪一個來進行小麥性狀的GWAS分析(例如，抗銹性)，我有來自兩個地點的3個抗性評估數據集，這些數據是在阿爾法格子設計的田間試驗中產生的(300個材料的2個重復，每個重復，10個不完整的塊，包含30個材料)。

其中兩個數據集來自同一位置但年份不同；第三個是來自另一個位置的單年數據)。

因此，我正在考慮計算每個位置的藍光/藍光，并計算GWAS中使用的綜合數據的總藍光/藍光。

回答1：

我強烈建議使用藍色，因為您正在進行兩個階段的分析。

Blue將允許您根據設計效果以及模型中的其他協變量，為每個基因型提供一個“調整后的平均值”。

這就是你想要的，一種更精確的方法。這轉化為使用你的模型效應(例如，隨機復制固定和不完整的區塊和曲線圖)，但你的基因型(或克隆)效應是固定的。

如果你使用BLUP，那么你就是在收縮你的遺傳效應。

這將意味著你的遺傳效應將根據這些信息向平均值移動，是的，它們將是你對這些隨機效應的最佳預測，但它們將根據樣本大小和與這些數據相關的方差進行調整。

這就是隨機效應的作用，但問題是，如果是隨機的，你會消除部分遺傳信號，然后往往會得到比你想要的GWAS更多的噪音。

因此，你的適合度是固定的，一旦你做了你的GWAS，它將是一個隨機的效果，但它不會雙倍收縮。

祝好運。

回答2：

嗨，西賽，

我建議所有的設計效果都是隨機的(屬性變大，不是效果)，總體結構和標記效果是固定的(屬性是藍色，不是效果)。

沒有理由在每次試驗中單獨進行分析。

一階段分析總是可取的(所有模型參數都是從相同的可能性中學習的)。

如果您采用上述方法，可能會有幾個誤報關聯的風險。

如果你對一階段分析沒有信心，我建議你單獨分析每個試驗，把所有的設計效應都看作是隨機的，基因型效應是固定的。

在GWAS分析中，將標記效應建模為固定效應，并使用關系矩陣(包括模型中的基因型隨機效應)來控制種群結構，或者將種群結構建模為固定效應，或者兩者兼而有之。

您可以使用無監督或有監督的聚類方法(PCA、結構等)來確定子群體。

我希望能幫上忙，

整體結論:
1, 如果能夠使用one-stage, 即將一年多點和多年多點數據合并分析, 而不是先計算校正值, 然后再進行分析(那樣是two-stage), 這樣就不牽涉到使用什么值作為表型值了, 直接使用原始表型值!, 這是最好的.
2, 如果一定要進行two-stage, 即先計算校正值, 然后進行GS或者GWAS, 那么推薦使用品種的BLUE值, 而不是BLUP值. 因為在混合線性模型中, 隨機因子會向均值收縮(shrinkage), 雖然結果是最佳預測, 但是校正值的方差變小, 當你做GWAS時, 不容易找到顯著性位點, 增加了噪音(noise). 而且在GWAS或者GS中, 品種是作為隨機因子, 如果你使用BLUP值, 相當于進行了兩次收縮(shrinkage).
3, 因此, 比較好的方式是, 在one-stage中, 將地點, 年份, 區組作為隨機因子, 將品種作為固定因子, 計算BLUE值.

文獻1:

這篇文章是冬小麥GS的文章.

這里, 計算了小區遺傳力, 殘差除以每個基因型的調和平均數. 同時, 在模型中, 將品種作為固定因子, 計算了BLUE值.

這里, 使用了BLUE值, 而不是動物育種中的BLUP值.

估計了13個環境的遺傳力, 計算了每一個環境的BLUE值.

在小麥育種中, 重點選擇的是基因型值, 而不是育種值, 因此, 相比較BLUP值, BLUE值更適合.(這句話有點費解)

文獻2:
https://www.researchgate.net/publication/268118579_Genomic_Selection_for_End-Use_Quality_Traits_in_CIMMYT_Spring_Wheat

文獻2中, 將LSmeans作為BLUE值.

關于GWAS和GS分析中到底是用BLUE值還是BLUP值就分享到這里了，希望以上內容可以對大家有一定的幫助，可以學到更多知識。如果覺得文章不錯，可以把它分享出去讓更多的人看到。