使用R包SpATS消除植物育种中田间试验的空间异质性
作者：互联网
简介
R包SpATS （Spatial Analysis of field Trials with Splines） 通过使用P-splines方法，校正植物育种田间试验中的空间异质性，如不同田间地块的管理措施（施肥打药等）或其他各种不稳定的空间趋势带来的影响。
以使用二维（2-D）平滑表面模拟随机空间变化，对样本、田块、重复和/或其他空间变化因素建立混合模型，该模型的特点：
- 对田间（field）的空间趋势有详尽的估计；
- 估计稳定快速；
- 易处理大量缺失的小区（plots）；
- 易扩展非正态响应。
原理和公式推导比较费劲，有能力直接看文章吧：
Rodriguez-Alvarez, M.X, Boer, M.P., van Eeuwijk, F.A., and Eilers, P.H.C. (2018). Correcting for spatial heterogeneity in plant breeding experiments with P-splines. Spatial Statistics, 23, 52 - 71. https://doi.org/10.1016/j.spasta.2017.10.003.
Demo测试
1. 数据说明
library(SpATS)
data(wheatdata)
summary(wheatdata)
?wheatdata
完全区组设计试验。107个品种geno，3个重复（每个播2次），每个重复由5列22行组成，因此共330个观测值yield（15列col x 22行row），rowcode和colcode分别是行列不同走位方式。
yield geno rep row col rowcode colcode
1 483 4 1 1 1 2 1
2 526 10 1 2 1 2 1
3 557 17 1 3 1 1 1
4 564 16 1 4 1 2 1
5 498 21 1 5 1 2 1
6 510 32 1 6 1 1 1
数据更详细信息见：
Gilmour, A.R., Cullis, B.R., and Verbyla, A.P. (1997). Accounting for Natural and Extraneous Variation in the Analysis of Field Experiments. Journal of Agricultural, Biological, and Environmental Statistics, 2, 269 - 293.
2. 建模测试
固定效应或随机效应，可根据试验自己设定。
# Create factor variable for row and columns
wheatdata$R <- as.factor(wheatdata$row)
wheatdata$C <- as.factor(wheatdata$col)
m0 <- SpATS(response = "yield", #拟合响应变量，即性状名
spatial = ~ SAP(col, row, nseg = c(10,20), degree = 3, pord = 2), #P-Spline模型公式
genotype = "geno", #品种/样本名（我也不知道老外为何总喜欢用genotype）
fixed = ~ colcode + rowcode, #固定效应
random = ~ R + C, #随机效应
data = wheatdata, #数据
control = list(tolerance = 1e-03)) #控制 SpATS 模型估计的一些默认参数（这里tolerance收敛标准容差）
3. 结果
结果汇总：
# Brief summary
> m0
Spatial analysis of trials with splines
Response: yield
Genotypes (as fixed): geno
Spatial: ~SAP(col, row, nseg = c(10, 20), degree = 3, pord = 2)
Fixed: ~colcode + rowcode
Random: ~R + C
Number of observations: 330
Number of missing data: 0
Effective dimension: 149.05
Deviance: 2065.824
# More information: dimensions
> summary(m0)
Spatial analysis of trials with splines
Response: yield
Genotypes (as fixed): geno
Spatial: ~SAP(col, row, nseg = c(10, 20), degree = 3, pord = 2)
Fixed: ~colcode + rowcode
Random: ~R + C
Number of observations: 330
Number of missing data: 0
Effective dimension: 149.05
Deviance: 2065.824
Dimensions:
Effective Model Nominal Ratio Type
geno 106.0 106 106 1.00 F
Intercept 1.0 1 1 1.00 F
colcode 3.0 3 3 1.00 F
rowcode 1.0 1 1 1.00 F
R 8.7 22 19 0.46 R
C 6.8 15 10 0.68 R
col 1.0 1 1 1.00 S
row 1.0 1 1 1.00 S
rowcol 1.0 1 1 1.00 S
f(col,row)|col 10.2 NA NA NA S
f(col,row)|row 9.4 NA NA NA S
f(col,row) Global 19.6 295 295 0.07 S
Total 149.0 446 438 0.34
Residual 181.0
Nobs 330
Type codes: F 'Fixed' R 'Random' S 'Smooth/Semiparametric'
## More information: variances
#> summary(m0, which = "variances")
## More information: all
#> summary(m0, which = "all")
看看校正后的表型与原表型相关性：
> cor(wheatdata$yield,m0$fitted)
[1] 0.9773118
4. 可视化
# Plot results
plot(m0)
# plot(m0, all.in.one = FALSE)
这里品种/样本（genotype）作为固定效应，所以计算的是BLUE。
也可查看变异函数三维图（自由拖拽）：
# Variogram
var.m0 <- variogram(m0)
plot(var.m0)
随机效应测试
完全随机的试验设计，可以把品种、行、列等都设为随机效应。
示例数据如下：
> head(data)
loc_id ranges pass rep_num ped_id Trait R P
1 5052 5 15 1 44601 179.3017 5 15
2 5052 5 1 1 44604 206.0712 5 1
3 5052 5 2 1 44606 221.5142 5 2
4 5052 5 3 1 44607 230.8191 5 3
5 5052 5 4 1 44608 227.2715 5 4
6 5052 5 5 1 44609 235.0297 5 5
> str(data)
'data.frame': 180 obs. of 8 variables:
$ loc_id : Factor w/ 4 levels "5052","5053",..: 1 1 1 1 1 1 1 1 1 1 ...
$ ranges : int 5 5 5 5 5 5 5 5 5 5 ...
$ pass : int 15 1 2 3 4 5 6 7 8 9 ...
$ rep_num: Factor w/ 3 levels "1","2","3": 1 1 1 1 1 1 1 1 1 1 ...
$ Trait : Factor w/ 15 levels "44600","44601",..: 2 4 5 6 7 8 1 3 12 13 ...
$ T002 : num 179 206 222 231 227 ...
$ R : Factor w/ 3 levels "5","6","7": 1 1 1 1 1 1 1 1 1 1 ...
$ P : Factor w/ 15 levels "1","2","3","4",..: 15 1 2 3 4 5 6 7 8 9 ...
利用SpATS建模：
M.fit<-SpATS(response = "Trait",
spatial = ~ SAP(ranges, pass, nseg = c(10,20), degree = 3, pord = 2, nest.div=2),
genotype = "ped_id",
genotype.as.random = TRUE,
random = ~ R + P,
data = data,
control = list(tolerance = 1e-03))
这时的结果为BLUP：
Ref:
https://www.rdocumentation.org/packages/SpATS/versions/1.0-16/topics/SpATS
标签：...,田间试验,15,1.00,异质性,m0,SpATS,col,row 来源： https://www.cnblogs.com/jessepeng/p/16296669.html