多数量性状遗传分析的数据结构.pdfVIP

遗传 HEREDITAS(Beijing),7(4):12-141985 多数量性状遗传分析的数据结构 刘垂牙 刘来福 （安徽农学院，合肥） 北（京师范大学） 应用多元统计技术作多数量性状遗传分析 下面仅以28个水稻品种，4个区组，每小 已有一些报道，例如Ramand等，，〔、Bhatt[43以 区调查10株，每株观测15个性状的随机化完 及 Hussaini等6l〔在七十年代的有关研究，引起 全区组试验资料 摘（自丙重庆、赵安常与本文作 了广泛的注意。在我国，刘来福Ell、杨德等121也 者的通信）为例，考虑到篇幅，抽出了前4个性 都提出了自己的研究报告。 状，其遗传协差阵为 Mathe：等71〔认为 遗“传学的首要原理是： 0.32654 一25.6100 0.32495一4.02559 表现型为个体的基因型和个体发育和生活所在 一25.6100 1197.34 一14.8209 129.833 的环境的共同结果”。其实质，可以表达为熟知 0.32495 一 14.8209 0.38906一 2.63350 的公式 P＝＝ ‘十E （1)o 一4.02559 129.833一2.63350 54.4442 这里，P是表现型值，‘是基因型值，E是环境 其对应的遗传相关阵为 值。因此，在进行数量性状的遗传分析时，一般 1.00000 一 1.29698 0.91294 一0.95609 都要尽可能地排除环境的效应。按照传统的方 一 1.29698 1.00000一0.68669 0.50851 法，通常是利用方差一协方差分析技术来达到这 0.91294 一0.68669 1.00000一0.57220 一目的的。这样所得到的结果，常被称为遗传 一0.95609 0.50851一0.57220 1.00000 方差、遗传协方差、遗传相关系数。由它们构成 的矩阵，常被称为遗传协差阵、遗传相关阵。 遗传相关阵的4个特征根为 1,＝3.5212,1：二 必须指出，这种传统估计方法产生于对单 0.5215, 13“0.3678, 14～一 0.41050 这里 个数量性状作研究的较早时期。五十年代就有 x。二一。.4105，它的遗“传贡献”若按绝对值计 研究报告[lots]指出，由常规的方差一协方差分析 算是不可忽略的；但VL;4在实数范围内无意 而得到的遗传相关系数误差很大。并且，常常 义，使得对应的主成份计算成为不可能。若将 可以在一些研究报告中见到遗传相关系数大于 这4个性状中的前两个性状对于后两个性状作 I的情况。 典范相关分析，则可以得到关联阵为 传统的遗传协差阵及由其标准化而得的遗 一｛”.298090.09391‘ 传相关阵，会给多元统计方法应用于多数量性 L一1.0881 0.61327.)， 状的遗传分析带来具有根本性的困难。 关联阵的特征 根 为 X1=0.48227, A，二 在遗传相关阵的基础上对多数量性状作主 -0.33417。这里I，为负值，无对应的典范相关 成份分析时，有可能得到负的特征根，这不仅难 系数，更无法作显著性检验。 于给出生物学解释，并且使得本来可以接着进 数学上容易证明：设对于任何 i及 1都有 行的遗传距离及其对应的聚类分析、因子分析 r1=二1且 ，11二，，；，如果在。阶矩阵R二 （，，）‘ 等等都丧失了数学