[论文解读] Spatial Models for Field Trials

María Xosé Rodríguez‐Álvarez, Martin P. Boer+2 more|arXiv (Cornell University)|Jul 27, 2016

Genetic and phenotypic traits in livestock被引用 6

一句话总结

该论文提出SpATS，一种用于农业田间试验的空间混合模型，利用张量积样条（tensor-product P-splines）通过五个平滑加法分量对复杂的空间趋势进行建模，从而实现对基因型表现的精确预测。该方法通过惩罚样条捕捉全局与局部空间变异，相较于传统模型有所改进，有效自由度与遗传力估计值之间建立了直接联系。

ABSTRACT

An important aim of the analysis of agricultural field trials is to obtain good predictions for genotypic performance, by correcting for spatial effects. In practice these corrections turn out to be complicated, since there can be different types of spatial effects; those due to management interventions applied to the field plots and those due to various kinds of erratic spatial trends. This paper presents models for field trials in which the random spatial component consists of tensor product Penalized splines (P-splines). A special ANOVA-type reformulation leads to five smooth additive spatial components, which form the basis of a mixed model with five unknown variance components. On top of this spatial field, effects of genotypes, blocks, replicates, and/or other sources of spatial variation are described by a mixed model in a standard way. We show the relation between several definitions of heritability and the effective dimension or the effective degrees of freedom associated to the genetic component. The approach is illustrated with large-scale field trial experiments. An R-package is provided.

研究动机与目标

• 开发一种灵活的空间模型，以捕捉田间试验中的大尺度与小尺度空间趋势。
• 通过校正复杂的空间变异，提高基因型表现预测的准确性。
• 提供一个统一的混合模型框架，整合固定效应、随机效应与平滑空间效应。
• 将空间分量的有效自由度与广义遗传力度量建立关联。
• 提供一种计算高效、开源的R软件包（SpATS），便于实际应用。

提出的方法

• 使用张量积P样条对田间小区的二维空间趋势进行建模。
• 通过PS-ANOVA分解，将P样条表示为具有五个平滑空间分量的混合模型。
• 应用带B样条基与差分惩罚的惩罚回归，以防止过拟合。
• 在统一的混合模型框架中整合固定效应与随机效应（如基因型、区组、行、列）。
• 使用嵌套B样条基以降低计算成本，同时保持模型灵活性。
• 通过限制最大似然法（REML）估计方差分量与有效自由度。

实验结果

研究问题

• RQ1 基于P样条的空间模型是否能在捕捉田间试验中的复杂空间趋势方面优于传统方差-协方差模型？
• RQ2 空间分量中的有效自由度与广义遗传力度量之间存在何种关系？
• RQ3 该模型在处理缺失数据与大规模田间试验方面，其效率如何？
• RQ4 将模型分解为五个平滑空间分量，是否能提供对空间变异的可解释性见解？
• RQ5 与Gilmour等人（1997）提出的方法相比，SpATS模型在性能与速度方面表现如何？

主要发现

• 对于包含720个小区的大型15×48田间试验，SpATS模型在1秒内完成完整拟合。
• f(col):f(row)平滑交互项的有效维度为7.5，表明模型成功捕捉了显著的空间趋势。
• 残差方差（2072）小于f(col):f(row)的空间方差分量（2530），表明空间变异被充分建模。
• 行与列随机效应的有效维度分别为12.6与10.3，表明相对于名义维度存在部分过度离散化。
• 样本变异球图与残差图均未显示剩余空间结构，证实模型拟合充分。
• R软件包SpATS可实现对大规模田间试验的快速、稳定与灵活分析，且具备缺失数据处理能力。