Gonçalves 2007 混合空间模型

1. Gonçalves E, St. Aubyn A, Martins A. Mixed spatial models for data analysis of yield on large grapevine selection field trials. Theor. Appl. Genet. 2007;115:653–63.

在大田试验中，由于土壤肥力和其他环境因素的变化，可能需要调整空间相关性。田间试验中的空间相关性可以掩盖克隆的基因型值的差异，从而降低鉴定优良基因型的可能性。本文介绍了一种通过使用混合空间模型提高葡萄藤选择试验的统计数据分析精度的策略。混合空间模型的效率与经典随机化完全块模型（具有独立和相同分布的误差）的效率进行比较。比较基于来自Arinto，Aragonez（Tempranillo）和Viosinho葡萄品种的三个大实验群体的产量数据。应用于产量数据的空间混合模型的拟合显着优于经典方法，导致对选择决定和提高遗传增益预测的准确性的积极影响。

---

介绍

目前使用的大多数葡萄品种起源于数百或数千年前，可能是遗传上同源的克隆。随着突变的积累，这些古老的品种变得异质。它们现在由具有不同农学和质量性状的遗传上不同的克隆（基因型）的混合物组成（Rives 1961）。
古代品种中变异性的定量是非常有用的，不仅因为它提供了选择的原材料，而且因为它允许了解品种的古代以及为遗传资源的保存提供良好的策略。因此，在过去25年中，在葡萄牙开发了葡萄藤选择的创新方法（Martins等人，1987,1990），涉及对来自品种内的基因型的遗传变异性和质量选择的定量。对古代品种中遗传变异性的有效研究需要对代表该变异性的母本植物进行取样，并将其移植到大田试验中，提供克隆的实验群体，优选具有均质环境条件。然而，在葡萄牙，葡萄园显着小，几何不规则，土壤异质性高。为了克服这些困难并有效地量化遗传变异性并选择优异的克隆，我们应该使用适当的实验设计，如alpha设计和可分辨的行列设计（在实验过程的开始），以及适当的数据统计模型分析，如混合空间模型（在结束时）。植物育种研究人员已经面对这些实际现场实验问题多年，并且已经做出巨大努力来开发理论工具来克服它们，包括用于数据分析的实验设计和模型。自从Fisher（1935）引入随机完全区段（RCB）设计以来，已经开发了许多替代实验设计，特别是在植物育种初始试验领域。其中包括不完全块设计的类别（Yates 1936; Patterson和Williams 1976; Patterson等人1978），行列设计（Nguyen和Williams 1993）和增强设计augmented（Federer 1961,2002; Federer和Raghavarao 1975）。在统计模型领域，基于邻居分析或空间分析的原理，在文献中出现了新的解决方案。这些是利用假设相邻个体将共享类似环境的模型，即考虑邻居观测之间的空间相关性的模型（Papadakis 1937,1984; Bartlett 1978; Wil- kinson等人1983; Besag和Kempton 1986; Cullis和Gleeson 1991; Zimmerman和Harville 1991; Grondona和Cressie 1991）。空间分析现在广泛用于一年生作物的育种计划（Stroup等人1994; Grondona等人1996; Cullis等人1998; Smith等人2001,2005）和森林物种（Kusnandar和Galwey 2000; Costa e Silva等人2001; Dutkowski等人2002; Joyce等人2002），但是没有关于其在葡萄选择中的用途的公开报道。目前的工作目的是通过以下步骤来证明混合空间模型的效用：（1）在大田野种群的葡萄树克隆中，在产量的空间相关性的表征，（2）使用混合空间模型的产量数据分析葡萄克隆的实验群体，最后，（3）选择在模型中包含和不包含空间自相关的克隆。