BLUP和BLUE

为何要计算 BLUE 值？

一年多点或者多年多点的植物数据中，一个基因型（品种）往往有多个表型数据，但只有一个基因型，在 GWAS 关联分析中，就需要一个基因型对应一个表型数据。

之所以有多个表型数据的原因：

• 或者是多个重复
• 或者是多个地点的数据
• 或者是多个年份的数据

问题：如何计算得到一个表型数据呢？

解答：可以使用多个表型值的平均值，作为品种的表型值，现在有更好的方法：BLUE 值。

为何使用 BLUE 值？

一般，有两个选择，BLUE 值或者 BLUP 值，在 GWAS 中大都使用的 BLUE 值。

BLUE 和 BLUP 的区别：

• BLUE 值是混合线性模型中固定因子的估计效应值
• BLUP 值是混合线性模型中随机因子的估计效应值

BLUE 和 BLUP 的代表：

• BLUE 值着重在于评估品种现在的表现
• BLUP 值着重在于预测品种将来的表现

BLUE 和 BLUP 的方差变化

• BLUE 只是对表型值根据地点，年份进行矫正，得到的数据和原来数据尺度一样
• BLUP 值会对表型数据进行压缩

一年多点的数据，如何更好的计算 BLUE 值进行 GWAS 分析？

常规的方法，是将品种作为固定因子，将地点作为随机因子，计算品种的 BLUE 值，然后将其作为表型数据进行 GWAS 分析。这样是有作用的，起码比平均值要准确。

其实，还有更高级的模型，比如一年多点的数据，如果地点有重复（区组），可以将品种与地点互作考虑到模型中，这样计算出的 BLUE 值是排除基因与环境互作后的，更能代表品种的真值。

最后，还有更高级的玩法，比如一年多点的数据，默认的是方差齐次，如果不齐次就不能进行联合方差分析，这时候可以将设置残差异质，包括基因与环境互作的异质，这样通过不同模型的比较，选择最优模型，这时候计算的 BLUE 值才是最优的。

后面几章，会系统介绍一下一年多点数据如何计算 BLUE 值，分别是：

• 一年多点数据，没有重复时，如何计算 BLUE 值？

• 一年多点的数据，有重复时，进行联合方差分析计算 BLUE 值

• 一年多点的数据，有重复时，通过设置残差异质以及互作异质，比较最优模型，计算 BLUE 值。