Bom dia!!

 

Pessoal, ajustei um modelo utilizando a função pedigreemm  (incorporando a informação do pedigree) e lmer (do pacote, lme4, sem o pedigree). Notei que os BLUps obtidos (via ranef) com a pedigreemm são maiores do que os obtidos com a lmer.

 

A dúvida é que acredito que quando usamos a informação do pedigree, predizemos o Valor Genético Aditivo (Breeding Values). E quando não utilizamos a informação do pedigree, predizemos o Valor Genético Total (incluindo os efeitos aditivos, dominância e epistático), por isso esperava maiores valores dos BLUPs.

 

 

Será que alguém pode me esclarecer??

 

Segue a rotina e dados em anexo:

 

#-----------------------------------------------------------------------------
# EXEMPLO:
# Variável analisada: Prod
# Número de indivíduos no pedigree: 9
# Número de indivíduos com informação fenotipica: 5
# Número de bloco: 3
# Número de corte: 2
# Número de local: 3
#------------------------------------------------------------------------------

rm(list = ls())

 

 

1 - Com o pedigree

# reading pedigree file

dadped<-read.table("genealogia2.csv", head=T, sep=";", dec=",")

head(dadped)
require(lme4)
require(pedigreemm)

 

# Constructing pedigree

pedCana <- pedigree(sire = as.integer(dadped$Dad),
                    dam = as.integer(dadped$Mon),
                    label= as.character(1:9))
fac <- relfactor(pedCana)
MpedCana <- crossprod(fac)

 

# reading phenotype file

dat2<-read.table("dados_sem_ascestrais.csv", head=T, sep=";", dec=",", na.strings="NA")
head(dat2)
attach(dat2)

Bloco1 <- factor(bloco)
Corte1 <- factor(corte)
Local1 <- factor(local)

 

# fitting model with pedigree

 

fm2 <- pedigreemm(Prod ~ (1|id) + Local1/Corte1 + (1|Local1/Bloco1), data = dat2, pedigree = list(id = pedCana))

BLUP.a <- ranef(fm2)$id; BLUP.a          # BLUPs dos efeitos genéticos aditivo

 

 

 

2 - Sem o pedigree

 

 # fitting model without pedigree

 

fm3 <-lmer(Prod ~ (1|id) + Local1/Corte1 + (1|Local1/Bloco1), data = dat2)

BLUP.g <- ranef(fm3)$id; BLUP.g          # BLUPs dos efeitos genéticos (aditivo + dominância + epistáticos)

data.frame(BLUP.g, BLUP.a)                 # BLUPs dos efeitos genéticos e genéticos aditivo

 

Resultados:

 

> fm2
Linear mixed model fit by REML
Formula: Prod ~ (1 | id) + Local1/Corte1 + (1 | Local1/Bloco1)
   Data: dat2
   AIC   BIC logLik deviance REMLdev
 764.3 789.3 -372.1    777.8   744.3
Random effects:
 Groups        Name        Variance   Std.Dev. 
 Bloco1:Local1 (Intercept) 1.0992e-13 3.3155e-07
 id                     (Intercept) 4.8287e+00 2.1974e+00
 Local1             (Intercept) 3.0252e+01 5.5002e+00
 Residual                  3.3712e+02 1.8361e+01
Number of obs: 90, groups: Bloco1:Local1, 9; id, 5; Local1, 3

 

> fm3
Linear mixed model fit by REML
Formula: Prod ~ (1 | id) + Local1/Corte1 + (1 | Local1/Bloco1)
   Data: dat2
   AIC   BIC logLik deviance REMLdev
 764.4 789.4 -372.2    777.8   744.4
Random effects:
 Groups        Name        Variance   Std.Dev. 
 Bloco1:Local1 (Intercept) 1.1257e-17 3.3551e-09
 id                     (Intercept) 1.3792e+00 1.1744e+00
 Local1             (Intercept) 2.9551e+01 5.4361e+00
 Residual                  3.3926e+02 1.8419e+01
Number of obs: 90, groups: Bloco1:Local1, 9; id, 5; Local1, 3

 

> data.frame(BLUP.g, BLUP.a)
  X.Intercept. X.Intercept..1
5   0.04624036      0.4146977
6  -0.51780417     -1.1289438
7   0.30066464      1.2858838
8   0.06359092      0.1372509
9   0.10730825      0.2615716
--
=================================================
Edjane Gonçalves de Freitas
Engenheira Agrônoma - UFAL
Doutoranda - Lab. Genética e Estatística
Departamento de Genética e Melhoramento de Plantas - ESALQ/USP
Cel: (19) 8102-7790
==================================================