Eu rodei o script e me deu erro aqui, por que? fm2 <- pedigreemm(Prod ~ (1|id) + Local1/Corte1 + (1|Local1/Bloco1), data = dat2, pedigree = list(id = pedCana)) Error in solve(t(as(ped, "sparseMatrix")), as(factor(labs, levels = ped@label), : Dimensions of system to be solved are inconsistent 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