Optimizing the prediction of genotypic values accounting for spatial trend andpopulation structure

Müller, Bettina Ulrike

Eingang zum Volltext

Müller, Bettina Ulrike

Optimizing the prediction of genotypic values accounting for spatial trend andpopulation structure

Optimierung der Vorhersage genotypischer Werte unter Berücksichtigung von räumlichem Trend und Populationsstruktur

(Übersetzungstitel)

Bitte beziehen Sie sich beim Zitieren dieses Dokumentes immer auf folgende
URN: urn:nbn:de:bsz:100-opus-5342
URL: http://opus.uni-hohenheim.de/volltexte/2011/534/

pdf-Format:

Dokument 1.pdf (1.853 KB)

Gedruckte Ausgabe:

Print-on-Demand-Kopie

Dokument in Google Scholar suchen:

Social Media:

Export:

Abrufstatistik:

SWD-Schlagwörter:

Biometrie , Pflanzenzüchtung , Geostatistik , Populationsgenetik

Freie Schlagwörter (Englisch):

biometry , plant breeding, geostatistics, populations genetics

Institut:

Institut für Pflanzenbau und Grünland (bis 2010)

Fakultät:

Fakultät Agrarwissenschaften

DDC-Sachgruppe:

Landwirtschaft, Veterinärmedizin

Dokumentart:

Dissertation

Hauptberichter:

Piepho, Hans-Peter Prof. Dr.

Sprache:

Englisch

Tag der mündlichen Prüfung:

13.01.2011

Erstellungsjahr:

2010

Publikationsdatum:

08.02.2011

Lizenz:

Dieser Inhalt ist unter einer Creative Commons-Lizenz lizenziert.

Kurzfassung auf Englisch:

Different effects, like the design of the field trial, agricultural practice, competition between neighboured plots, climate as well as the spatial trend, have an influence on the non-genotypic variation of the genotype. This effects influence the prediction of the genotypic value by the non-genotypic variation. The error, which results from the influence of the non-genotypic variation, can be separated from the phenotypic value by field design and statistical models. The integration of different information, like spatial trend or marker, can lead to an improved prediction of genotypic values.
The present work consists of four studies from the area of plant breeding and crop science, in which the prediction of the genotypic values was optimized with inclusion of the above mentioned aspects. Goals of the work were: (1) to compare the different spatial models and to find one model, which is applicable as routine in plant breeding analysis, (2) to optimize the analysis of unreplicated trials of plant breeding experiments by improving the allocation of replicated check genotypes, (3) to improve the analysis of intercropping experiments by using spatial models and to detect the neighbour effect between the different cultivars, and (4) to optimize the calculation of the genome-wide error rate in association mapping experiments by using an approach which regards the population structure.
Different spatial models and a baseline model, which reflects the randomization of the field trial, were compared in three of the four studies. In one study the models were compared on basis of different efficiency criteria with the goal to find a model, which is applicable as routine in plant breeding experiments. In the second study the different spatial models and the baseline model were compared on unreplicated trials, which are used in the early generation of the plant breeding process. Adjacent to the comparison of the models in this study different designs were compared with the goal to see if a non-systematic allocation of check genotypes is more preferable than a systematic allocation of check genotypes. In the third study these different models were tested for intercropping experiments. In this study it should be tested, if an improvement is expectable for these non randomized or restricted randomized trials by using a spatial analysis.
The results of the three studies are that no spatial model could be found, which is preferable over all other spatial models. In a lot of cases the baseline model, which regards only the randomization, but no spatial trend, was better than the spatial models, also for the restricted or non-randomized intercropping trials. In all three studies the basic principle was followed to start first with the baseline model, which is based on the randomization theory, and then to extend it by spatial trend, if the model fit can be improved.
In the second study the systematic and non-systematic allocation of check plots in unreplicated trials were compared to solve the question if a non-systematic allocation leads to more efficient estimates of genotypes as the systematic allocation. The non-systematic allocation of check plots led to an unbiased estimation in three of four uniformity trials.
As well as in the third study an analysis was done, if the border plots of the different cultivars are influenced by the neighboured cultivar and if there are significant differences to the inner plot. The position of the cultivars, border plot or inner plot, had a significant influence of the yield. If maize was cultivated adjacent to pea, the yield of the border plot of maize was much higher than the inner plot of maize. When wheat was cultivated behind maize, there were no significant differences in the yield, if the plot was a border plot or inner plot.
In addition to optimizing the field design for unreplicated trials and the extension of the models by spatial trend the marker information was integrated in a fourth study. An approach was proposed in this study, which calculates the genome wide error for association mapping experiments and accounts for the population structure. Advantages of this approach in contrast to previously published approaches are that the approach on the one hand is not too conservative and on the other hand accounts the population structure. The adherence of the genome wide error rate was tested on three datasets, which were provided by different plant breeding companies.
The results of these studies, which were obtained in this thesis, show that by the different extensions, like integration of spatial trend and marker information, and modifications of the field design, an improved prediction of the genotypic values can be achieved.

Kurzfassung auf Deutsch:

Unterschiedliche Einflüsse, wie Versuchsdesign, landwirtschaftliche Versuchstechnik, Konkurrenz zwischen benachbarten Parzellen, Klima sowie räumlicher Trend wirken sich auf die nicht-genotypische Variation eines Genotyps aus. Diese Einflüsse beeinflussen die Schätzung des genotypischen Wertes durch den nicht-genotypischen Anteil an Variation. Über Versuchsdesign und statistische Modelle kann ein sich durch den Einfluss der nicht-genotypischen Variation ergebender Fehler vom phänotypischen Wert getrennt werden.. Die vorliegende Arbeit besteht aus drei pflanzenzüchterischen und einer pflanzenbaulichen Studie, in denen die Schätzung der genotypischen Werte unter Einbeziehung verschiedener Aspekte optimiert wurden. Zielstellung der Arbeit war: (1) die unterschiedlichsten geostatistischen Verfahren zu vergleichen und ein Verfahren heraus zu filtern, das routinemäßig in der pflanzenzüchterischen Auswertung zu verwenden ist, (2) die Analyse von unwiederholten pflanzenzüchterischen Versuchen durch eine verbesserte Allokation wiederholter Standardgenotypen zu optimieren, (3) die Analyse von pflanzenbaulichen Intercropping Versuchen durch eine geostatistische Auswertung zu verbessern und den Nachbarschaftseffekt zwischen den unterschiedlichen Kulturarten zu erfassen, (4) die Berechung des genomweiten Fehlers in Assoziationsstudien durch ein Verfahren unter Berücksichtigung der Population zu optimieren.
Die unterschiedlichsten räumlichen Modelle und ein Grundmodell, welches nur die Randomisation des Feldversuches widerspiegelte, wurden in drei Studien miteinander verglichen. In der ersten Studie wurden die Modelle anhand unterschiedlicher Effizienzkriterien verglichen mit dem Ziel ein Modell zu finden, das in der Pflanzenzüchtung als Routineanalyse einsetzbar ist. In der zweiten Studie wurden dieselben Modelle an unwiederholten Versuchen, die in den ersten Generationen des Pflanzenzüchtungsprozess angewendet werden, gegenübergestellt. In dieser Studie wurde auf Basis von Blindversuchsdaten neben den räumlichen Modellen auch abgewogen, ob eine nicht-systematische Anordnung von Standardgenotypen einer systematischen Anordnung von Standardgenotypen vorzuziehen ist. In einer dritten Studie wurde dieselben Modelle an pflanzenbaulichen Intercropping - Experimenten untersucht. In dieser Studie sollte daher überprüft werden, ob zum einem eine Verbesserung durch eine geostatistische Auswertung auf restriktiven bzw. nicht randomisierten Versuche zu erwarten ist.
Die Ergebnisse der drei Studien zeigten, dass kein räumliches Modell gefunden werden konnte, das den anderen räumlichen Modellen vorzuziehen ist. Es war ersichtlich, dass in vielen Fällen das Grundmodell mit Randomisation des Feldversuches und ohne Berücksichtigung räumlichen Trends Vorteile gegenüber den räumlichen Modellen offenbarte, auch für die restriktiv bzw. nicht randomisierten Versuche. In allen drei Studien wurde der Grundsatz verfolgt, zuerst mit dem auf der Randomisationstheorie basierenden Grundmodell zu beginnen und in der Folge, sofern eine offensichtliche Verbesserung zu erwarten war, durch den räumlichen Trend zu erweitern.
In der zweiten Studie wurde die systematische und nicht-systematische Verteilung der Standards in unwiederholten Versuchen gegenübergestellt mit der Frage, ob eine nicht-systematische Anordnung von Standards zu einer verbesserten Schätzung der Genotypen führt. Eine nicht-systematische Anordnung der Standards führte in drei von vier Blindversuchen zu einer verbesserten Schätzung.
Zum anderen fand in der dritten Studie eine Untersuchung der Randparzelle verschiedener Kulturarten auf Beeinflussung durch benachbarte Kulturarten statt, die auf Unterschiede im untersuchten Merkmal zur Mittelparzelle hin untersucht wurde. Sowohl die Randposition als auch die mittlere Parzelle, hatte eine Auswirkung auf den Ertrag der Kulturart. Sofern Mais neben Erbse angebaut wurde, war der Ertrag der Randparzelle bei Mais höher. Für die Kombination Weizen neben Mais konnte kein signifikanter Unterschied im Ertrag festgestellt werden.
Neben der Optimierung des Versuchsdesigns für unwiederholte Versuche und der Erweiterung der Modelle um den räumlichen Trend wurde in einer vierten Studie die Markerinformation eingebunden. Ein Ansatz wurde in dieser Studie vorgestellt, der den genomweiten Fehler unter Berücksichtigung der Populationsstruktur einhält. Die Vorteile dieses Ansatzes gegenüber den bisher publizierten Verfahren sind der nur moderat konservative Charakter und die Berücksichtigung der Populationsstruktur. Die Einhaltung der genomweiten Fehlerrate wurde anhand von drei Datensätzen verschiedener Pflanzenzüchtungsunternehmen überprüft.
Die Ergebnisse der Studien zeigen, dass über unterschiedliche Erweiterungen und Verbesserungen, wie zum Beispiel die Integration von räumlicher Information, und Markerinformation sowie eine Optimierung des Feldversuchdesigns, eine verbesserte Schätzung des genotypischen Wertes erzielt werden kann.