文献数据如何分析（第一期）

重要参数的定义

遗传力: 加性遗传方差与表型方差的比率。

表型方差: 遗传方差和残差方差的总和。

常规计算步骤和方法

1、使用 ASReml 拟合一个混合模型，包含遗传效应作为随机项和残差误差；

2、从模型输出中识别遗传方差和残差方差；

3、计算遗传力为遗传方差除以表型方差（遗传方差 + 残差方差）。

ASReml-R版本

01 拟合模型

在 R 中使用 asreml() 函数拟合模型，例如：

model <- asreml(fixed = y ~ 1, random = ~ genotype, data = mydata)

默认情况下，模型拟合在 gamma 尺度上，方差成分是比率，但输出中提供实际方差成分（Component 列）。

02 识别方差组分

使用 summary(model)$varcomp 查看方差成分。

例如：

基因型方差（genotype!variance）和残差方差（R!variance）。

或者查看 model$vparameters 确定顺序，例如 V1 为基因型方差，V2 为残差方差。

03 使用 vpredict() 计算

使用 vpredict() 函数计算遗传力，例如：

vpredict(model, "V1 / (V1 + V2)")

它将返回遗传力的估计值和标准误。

对于复杂模型，可能需要包括其他方差，例如永久环境效应：

vpredict(modely, "V1/(V1+V2+V3)")

04 注意事项

确保模型包括 residual=~idv(units)，以正确计算标准误。

默认 gamma 尺度下，方差成分是比率，但 vpredict() 使用实际方差成分（Component 值）计算。

如何计算遗传力的显著性？

简单的估计：ASReml 会提供遗传力的估计值及其标准误。

如果遗传力和标准误的比值大于2倍，通常认为在 0.05置信水平下显著。

如果比值大于2.5倍，通常认为是0.01水平下显著。

统计的方法

• 计算 z 分数：z = h² / SE(h²)。

• ‍若 |z| > 1.96，则在 5% 置信水平下，遗传力显著不同于零。

• ‍或者，构建置信区间：估计值 ± 1.96 × 标准误，检查是否包含零。需要注意的是，由于遗传力是比率，其分布可能偏态，尤其在估计值接近 0 或 1 时。ASReml 使用 delta 方法近似计算标准误，因此 z 检验是一种近似方法。在实际应用中，这种方法被广泛接受，但对于边界值，建议谨慎解释。

参考文献

研究拓展

如果同一套数据，不同的模型，计算的遗传力，进行显著性检验，可以用这种方法：

文中，分别用两个模型计算的遗传力，以及遗传力的标准误，类似T检验的方法检测两个遗传力的显著性。

您学会了吗，可以申请ASReml软件（10天左右）试用体验软件功能。