Multivariate Model(No environmental covariances) using WOMBAT

Animal Breeding/WOMBAT

Multivariate Model(No environmental covariances) using WOMBAT

투정이 2013. 4. 17. 14:46

WOMBAT을 이용하여 Multiple traits animal model 풀기

(No Environmental Covariances)

수놈에 대해서는 yearling weight를 측정하고, 암놈에 대해서는 유지방량을 측정한 경우. 한 개체가 두 개의 형질 모두를 측정한 것이 아님.

예제 자료

R.A. Mrode, Linear Models for the Prediction of Animal Breeding Values. 2nd. Edition

Page 107 Example 5.6

자료입력

1 9 1 1 375
1 10 1 2 250
1 11 1 2 300
1 12 1 1 450
2 13 2 1 200
2 14 2 2 160
2 15 2 3 150
2 16 2 2 250
2 17 2 3 175
형질번호, 개체, Sex, HYS, Yearling weight/지방량

위 자료를 data.txt로 저장

혈통입력

1 0 0
2 0 0
3 0 0
4 1 0
5 0 0
6 0 0
7 0 0
8 0 0
9 1 4
10 2 5
11 1 6
12 3 0
13 1 7
14 3 8
15 2 0
16 2 13
17 3 15
개체, 아비, 어미

위 자료를 pedi.txt로 저장

파라미터 파일 작성

# run option - 육종가를 구할 때
# RnSoln_xxx.dat 출력 파일 확인
#RUNOP -v --solvit

# run option - 육종가와 SEP(standard error of prediction)
# reliability(r2) = 1- SEP^2 / sigma_a^2
# RnSoln_xxx.dat 출력 파일 확인
RUNOP -v --blup

# run option - 좋은 초기값으로 분산성분을 추정할 때,
#RUNOP -v --good

# run option - 나쁜 초기값일 때 분산성분을 추정할 때,
#RUNOP -v --bad

# 요약 출력파일에 출력할 내용
COMMENT Multivariate Model(no environmental covariance) from Mrode 2nd edition Example 5.6

# Analysis Type
# multivariate analysis, 2가지 형질
ANALYSIS MUV 2

# 혈통 파일 이름
# SumPedigree.out 확인
PED pedi.txt

# 자료 파일 이름
DATA data.txt
TR1 traitno 2
TR1 animal
TR1 sex 2
TR1 hys 3
TR1 yl_wt

TR2 traitno 2
TR2 animal
TR2 sex 2
TR2 hys 3
TR2 fat_yld
END DATA

# Model of analysis
# SumModel.out 확인
MODEL
TR yl_wt 1
TR fat_yld 2
FIX hys 1 2
RAN animal NRM 1 2
END MODEL

# 분산 성분
VAR animal 2
43 18 30

VAR error 2 DIAG
77 70

# SumModel.out 확인
# SumEstimates.out 확인
# SumPedigree.out 확인
# FixSolutions.out 확인
# RnSoln_xxx.dat 확인

위 파라미터 파일을 wombat.par로 저장

실행

위 세 파일을 한 폴더에 넣고 다음과 같이 실행

결과 확인

RnSoln_animal.dat 확인

Run N   Original ID Tr     Solution     Inbr %
     1             1 1    -3.36498       0.000
     1                2     1.25824
     2             2 1    -1.48909       0.000
     2                2     3.77372
     3             3 1     4.23665       0.000
     3                2    -1.68697
     4             4 1    -6.93947       0.000
     4                2    -1.57148
     5             5 1    -5.01220       0.000
     5                2    -2.09813
     6             6 1     5.01220       0.000
     6                2     2.09813
     7             7 1     2.13678       0.000
     7                2     3.56130
     8             8 1    -4.27356       0.000
     8                2    -7.12260
     9             9 1    -12.1615      25.000
     9                2    -3.09075
    10            10 1    -8.26285       0.000
    10                2    -1.26034
    11            11 1     5.83581       0.000
    11                2     3.77631
    12            12 1     12.6323       0.000
    12                2     3.55771
    13            13 1     1.52268       0.000
    13                2     5.97107
    14            14 1    -4.29202       0.000
    14                2    -11.5274
    15            15 1    -1.87022       0.000
    15                2    0.107340E-01
    16            16 1     4.29036       0.000
    16                2     11.9950
    17            17 1     2.68412       0.000
    17                2     1.66338