كاربرد برآوردگر‌هاي مولفه‌هاي واريانس در به‌نژادي گياهان

Application of Variance Components Estimators in Plant Breeding (Review Article

براي اجراي هر برنامه به‌ نژادي آگاهي از ساختار ژنتيكي صفت مورد بررسي، ميزان تأثير عوامل محيطي و اثر متقابل عوامل ژنتيكي و محيطي و همچنين اطلاع از تأثير ثابت و تصادفي بودن فاكتورها بر تحليل نتايج يك امر ضروري است. به طبع آن تجزيه و تحليل مولفه‌هاي واريانس از اهميت زيادي در به‌نژادي گياه و دام برخوردار است. براي برآورد مولفه‌هاي واريانس از برآوردگرهاي زيادي استفاده مي‌شود كه ANOVA يكي از مهمترين آنها است. اين برآوردگر در برخي موقعيت ها كه داده‌ها نامتعادل هستند و مولفه‌هاي واريانس منفي برآورد مي‌شوند، ناكارآمدتر از برآوردگرهاي حداكثر درست نمايي (Maximum Likelihood; ML) و حداكثر درست نماي محدود شده (Restricted Maximum Likelihood; REML) هستند. لذا هدف از اين تحقيق بررسي مروري مدل‌هاي خطي مختلط و مقايسه برآورد مولفه‌هاي واريانس به روش‌هاي ANOVA، ML و REML با استفاده از داده‌هاي آزمايشي است.

To conduct any breeding program, understanding of the genetic structure of traits and effect of environment and genetic by environment interaction as well as effects of random or fixed in the analysis of results is essential. Subsequently, analysis of variances and variance components are important in plant and animal breeding. The ANOVA is one of the best estimators for variance components. But this estimator is not preferred to maximum likelihood (ML) and Restricted Maximum Likelihood (REML) methods when variance components are negatively estimated and unbalanced datasets arise. Therefore, the objective of this research is a review of comparison of estimates of variance components using ANOVA, ML and REML method in linear mixed models using experimental data.