article2018/script_review4.R at master · david-cros/article2018 · GitHub

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
#################################################################################
#
#   A. NYOUMA (Univ. Yaoundé 1) / D. CROS (CIRAD) - Décembre 2018
#
#   Exemple de calcul de valeurs génétiques par le BLUP chez le palmier à huile
#
#################################################################################


# Definition du dossier de travail contenant les donnees   ---------------
setwd("D:/Mes donnees/CROS_D-E456/CIRAD/1. GS2/0_OIL_PALM/3_THESE ACHILLE/2 article one_revue")

source("http://famuvie.github.io/breedR/src/setup_repo.R")
install.packages('breedR')
# Chargement des paquets :   -----------------------------
library(breedR)   #paquet pour l'analyse BLUP (voir http://famuvie.github.io/breedR/ pour l'installation)
library(kinship2) #paquet pour le calcul de la matrice A a partir du pedigree


# Importation des donnees :  -----------------------
load("./oilpalm_data_BLUP_example3.RData")
attach(yield_data) # permet d'avoir directement acces aux colonnes de yield_data

# Visualisation des donnees de l'essai :
View(yield_data)

# Visualisation du plan de croisements hybrides :
table(yield_data$parent_A, yield_data$parent_B)


# Visualisation des pedigrees parentaux :
View(ped_A)
View(ped_B)

# Calcul des matrices A de parente genealogique (matrices de variance-covariance des valeurs additives)
A.mat_A <- kinship(id=ped_A$individual, momid=ped_A$mother, dadid=ped_A$father)
A.mat_B <- kinship(id=ped_B$individual, momid=ped_B$mother, dadid=ped_B$father)
A.mat_A
A.mat_B


# Visualisation des matrices d'incidence des effets aleatoires du modele mixte (associant les observations aux parents correspondants) :
View(Z.mat_A)
View(Z.mat_B)


# Analyse du modele lineaire mixte avec la methodologie BLUP :    ----------
analyse<-remlf90(fixed = RENDEMENT~REP,
                 generic = list(parent_A= list(Z.mat_A, A.mat_A),
                                parent_B= list(Z.mat_B, A.mat_B)),
                 data=yield_data)


# Variances estimees (par REML) et BLUE des effets fixes :   ----------------
summary(analyse)

# BLUP des effets aleatoires :   -------------------
ranef(analyse)

# Residus:
residuals(analyse)