育種數據分析中轉化數據對結果的影響

• 2019 年 12 月 5 日
• 筆記

1. 問題提出

在模型假定中，數據需要符合正態分布，在動物模型分析中，如果對數據進行轉化，對育種值和方差組分變化的情況，進行測試。

2. 示例正常數據

 1library(asreml)   2library(learnasreml)   3   4data("animalmodel.dat")   5data("animalmodel.ped")   6   7dat = animalmodel.dat   8ped = animalmodel.ped   9dat[dat==0] = NA  10  11# 原始數據分布  12hist(dat$BWT)

方差組分：

1# 原始數據，計算動物模型方差組分  2head(dat)  3ainv = ainverse(ped)  4m1 = asreml(BWT ~ BYEAR + SEX, random = ~ vm(ANIMAL,ainv),data=dat)  5summary(m1)$varcomp

育種值blup：

1# 計算原始數據育種值blup  2blup = tiqu_blup(coef(m1)$random)  3head(blup)

3. 數據統一減去10

結論：

• 方差組分不變
• 育種值和原育種值相關係數：1

1# 原始數據減去一個常數：10  2# 方差組分不變，育種值不變  3dat$a  = dat$BWT - 10  4hist(dat$a)  5m2 = asreml(a ~ BYEAR + SEX, random = ~ vm(ANIMAL,ainv),data=dat)  6summary(m2)$varcomp  7blup1 = tiqu_blup(coef(m2)$random)  8head(blup1)  9cor(blup$effect,blup1$effect)

表型數據分布：

方差組分：

4. 表型數據log10(x)轉化

結論：

• 方差組分變化
• 育種值和原育種值相關：0.9
• 數據轉化後偏離正態分布

1# 原始數據，log10(x)轉化  2# 方差組分變化，育種值與原來育種值相關性係數：0.9  3dat$a  = log10(dat$BWT)  4hist(dat$a) # 偏離正態分布  5m2 = asreml(a ~ BYEAR + SEX, random = ~ vm(ANIMAL,ainv),data=dat)  6summary(m2)$varcomp  7blup1 = tiqu_blup(coef(m2)$random)  8cor(blup$effect,blup1$effect)  9plot(blup$effect,blup1$effect)

表型數據分布：

方差組分：

和原育種值相關性分析：

5. 表型數據log10(x+10)轉化

結論：

• 方差組分變化
• 育種值和原育種值相關係數：1
• 數據分布不變，符合正態分布

1# 原始數據，log10(x +10)轉化  2# 方差組分變化，育種值與原來育種值相關性係數：0.99  3dat$a  = log10(dat$BWT+10)  4hist(dat$a) # 符合正態分布  5m2 = asreml(a ~ BYEAR + SEX, random = ~ vm(ANIMAL,ainv),data=dat)  6summary(m2)$varcomp  7blup1 = tiqu_blup(coef(m2)$random)  8cor(blup$effect,blup1$effect)  9plot(blup$effect,blup1$effect)

表型數據分布：

方差組分：

育種值相關性分析：

6. 結論

• 混合線性分析數量性狀時，假定表型數據是符合正態分布的，所以當數據嚴重偏態時，需要對數據進行轉化，但是轉化後的數據方差組分和育種值會有變化。
• 分析中，雖然數據要求正態分布，但是對於稍微偏態的數據，模型具有強健性，沒有必要一定是符合正態分布，數據量大時，一般對異常值進行篩選刪除，對數據不做轉化。
• 當數據符合正態分布，強行進行轉化，結果轉化後的分布不符合正態分布，這是育種值的排名是有變化的（no zuo no die, why you try…)
• 育種分析中，一般不做數據的轉化，只做異常值的剔除。因為大家在分析時，有很多參數都是根據未轉化的表型數據進行的評估，進而得到方差組分，遺傳力，遺傳相關。如果強行進行轉化，遺傳參數沒有對比性（拔劍四顧心茫然）。

7. 拔劍四顧心茫然案例

• m1為原始數據的模型
• m2為log10(x)轉化的模型

方差組分變化：

遺傳力變化：

所以，不要輕易做數據轉化，多多考慮加大數據量，或者提高數據品質吧。統計方法不能拯救失敗的數據，只能告訴你數據分析為什麼會失敗，這是我說的。

下面是Fisher說的：

科學試驗做完後再找統計學家分析數據，如同病人死了找醫生進行屍體解剖，醫生會告訴你病人死的原因。同樣，統計學家會告訴你試驗失敗的原因。 ——Ronald Fisher

8. 其它統計名人名言

All models are wrong, but some models are useful | 模型皆有誤，或尤建奇功。 George E. P. Box 在終極的分析中，一切知識都是歷史；在抽象的意義下，一切科學都是數學；在理性的基礎上，所有的判斷都是統計學。 C.R.Rao 統計學是對令人困惑費解的問題做出數字設想的藝術。 David Freedma 統計具有非凡的能力處理各種複雜的問題，它需要非常精細的方法和小心翼翼的解釋。當人類科學探索者在問題的叢林中遇到難以逾越的障礙時，唯有統計工具可為其開闢一條前進的通道。 Francis Galton 對統計學的一知半解常常會造成一些不必要的上當受騙，對統計學的一概排斥往往會造成某些不必要的愚昧無知。 C.R.Rao