[Selektion in der PFzüchtung]

 - 피드백 : 수업 중 히스토리, 프락시스, 다른 분야와의 차이, 의미 언급이 아주 좋았다. 테오리와 프락시스 차이는 그냥 읽어서 알기 힘든것, 내 요청은 회사 또는 가터스레벤 등 실제 기관에서 이 이론을 배경으로 하고있는 예시르 ㄹ단편적으로 제시된다면 훨씬 좋았을 듯. 길고 긴 수식을 따라가다보면 당췌 이걸 왜 하고있는지 멍해질때가 있더라고. 

https://www.opencollege.kr/stories/363

 - Jochen Reif 어쩌고 : 5포닥, 5닥, 나머지는 뭐 석사 등등

 메일은 reif@ipk-gatersleben.de 로 보낼것

 - quantitative Genetik을 기반으로 하는 수업. - QG 필기 편집할 것

 - 수업의 목적은 QG을 기반으로 Züchtung 의 현재, 근미래를 다루는 거인듯. 교짱의 팀에 수학자 2이 있는데 QG 를 갖고 다루는 이 필드에서 이들의 역할은 어마무시하게 중요하다고

 - 시험은 mündlich : 완전 암기할 필욘 없고 원하는 Kapitel 을 고르고 거기에 답하는 형태. 나중에 더 설명해줄거임  

 - 교수 말로는 아그라 요즈음 너무 biologisieren 되었다고. 

 - 이 양반한테 인턴 물어볼 필요 있을 듯

 - 정리 : Polyploidisierung, QG, Population, 

 - 질문의 스타일 : 답은 안어려운데 질문을 이해하기가 어렵다. 그래서 각 계산식이 어떻게 흘러갈 지, 왜 이렇게 되는지, 뭐땜에 그런지를 짧고 굵게 갖고있을 필요가 있다. 질문이 꽤 길고 빙글빙글. 답은 보통 이런거다. 뭐가 헤테로쮸고트, 왜? 에피슈타지, 이걸 더해야되나 곱해야되나 이런식. 

 

[1번째]

2. 수업 올가니지어룽

 - 프락티쿰은 아마 März일 것 같고, 시험도 프락티쿰 마지막에 할 듯. 

 - 추천 책 : falconer and mackay : introduction to Quantitative genetics : Wricke and Weber quantitative genetics and selection in Plant breeding(좀 어려운데 완전 , lynch and walsh Genetics and anlysis of quantitative traits

 - 질문 : schulthess@ipk-gatersleben.de

 - 마스터나 회사 인턴쉽 für Züchtung 제공해줄 수 있다고!

3. Four breeding categories : 이 분류는 사실상 교육용 pädagogisch 의미로 사용된다고 보면 된다고. 왜냐면 밀을 예로 들자면, 회사는 Hybrid 로 밀, Rogen을 개량하기도 하고 뭐 그렇기 때문!

 1) Linien : 

 2) population : offene Bestäubung vermehren에 유리

 3) 하이브리드와 파퓰레이션 쥬히퉁의 차이는 하이브리드에서는 Bestäubung이 컨트롤된다는 것! 

 4) 감자지요 : züchterische Material을 얻기 위함이지요

4. clonal varieties : 요리처럼 생각해라고.

 1) Zutaten : genetische Ressoucen. 여기선 유성생식을 이용해 감자 둘을 섞었다 치자

 2) 발생한 botanische Samen 을 획득 : N1 (Nachkommen), 보통 Gewächshaus

 3) Knolen으로 발생, 여기서 Selektion을 시작 : 이유는 감자는 보통 Knolen으로 재배하기 때문. 

 4) A clones  - 꾸준히 Selektion

 5) 최종적으로 약 40개 정도 클론 선택 - 이걸 갖고 새 품종이 될지 어떨지 결정

5. Linienzüchtung : 2가지. 기본적으론 비슷. 차이는 früh Selektion 의 유무. 

 1) Stammbau (Pedigree) : Phase1 에서 각 씨앗은 사실상 한 Reihe 의 Familie가 된다. 장점은 어떤 세대든 간에 그 종자가 F2의 어느 종자로부터 시작됐는지 (= 어떤 부모가 어떤 Eigenschaft갖는지) 를 알 기 쉽다. 

 2) Ramsch (Bulk) : 장점은 이 방법은 Selbstung 식물에 좋은데 Homozygotie를 가질 가능성이 높아져서 Stabilität der Sorten 이 좋다. 단점은 Pedigree와 달리 Selektion이 3 Generationen 적다. 

6. Plants cross Pollinating mit Hop : fremdbestäubung

7. Mais : monoecious, dikline. 이걸 protandry 라칸다.

8. Roggen : gametophytische Selbstinkompatibilität

9. Hardy Weinberg Equilibrium : sehr starke Annahme von quantitativer Genetik

 - 간만에 유도과정 한번 해볼 것. 

 - Annahme (Voraussetzung?) : 가능한한 큰 Population (그래야 모든 알렐이 렌덤 메이팅 가능성 높아짐), keine Migration, keine Mutation, keine Selektion, 

 - 문제 : Züchtung에서는 사실상 nicht erfolgt -> Züchter는 best 인 녀석들을 mating 시키고 나머진 버리니까. Random mating 이 이뤄질 리가 만무

10. Mass selektion nach Blütung 

 1) 일단 한 Population이 존재 : 특정 조건은 없고 유일한 건 frei Bestäubung

 2) 또 다른 조건 : Pollen은 여튼 이 PP안에서 오는 것

 3) 결과 : Selektion을 통해 genetische Variabilität niedrig -> 동시에 특정 Eigenschaft의 Mittelwert가 richtung을 갖고 변화 (verschoben)

11. Half-sib selektion (독일서 개발) : 2번째 단계에서 각 종자로 부터 Parzellen을 이룬 녀석은 서로간에, 또는 내부에서 다같이 Bestäubung - 골라진 녀석은 2가지 목적으로 사용됨.

12. Halb-sib selection in mais (미국?) : 앞의 방법 단점이 뭐 씨앗이 nicht gelargert 되는건데 그걸 극복한다는데...??

13. Hybrid Breeding in Maize : 앞의 방법은 Mais의 경우 요새는 작은 회사에서는 시도될 듯. 지금은 큰 회사들은 대부분이 Hybridzüchtung으로 doppel Haploid 사용

 - 전제 : Züchter가 어떤 Maissorten 이 서로 kreuzen 되어야 할 지 알고 있다.

 - 과정 2개의 heterotische Gruppe (서로 miteinander kreuzen und Heterosis를 이뤄낼 수 있는 것) (1. mütterlich : Zahnmais, 2. väter : Hartmaid) . 질문 : 

 - Züchter는 바로 Inzuchtlinie 를 가지 않는다 : 빨리 병이 든다 등의 이유땜에. 여기선 doppel Haploid 를 만들기위해. 

 - 이 과정은 요새는 안할거다. zu aufwendig, 그래서 이건 컴퓨터로만 하는듯 . 이론적 테스트를 위해 

 - GCA (Allgemeine Kombinationseignung)

 - SCA (Spezifische ...)

13. Hybrid Breeding of two-way crosses : 각각의 pop.1, 2는 GCA 에 따라 특정 Eigenschaft가 선택된다. 대를 이어서. 이걸 서로 다른 PP 에서 발생. 

 - 특정 시점에서 SCA 까지 추구. 

 - 이 방법이 요새 통용되는 Hybridzüchtung methode

 - Basis PP 는 최종 마테리알의 엘턴들이다. 

 - SCA로 전환하는 건 Züchter의 관점이다. 여기서 설명된건, GCA 가 기존의 제품들보다 높은 GCA를 가지면 아마 그때부터 SCA로 전환한다는 것. 일리가 있는 전략이다. 

 - heterotische PP 는 사실상 최선의 경우 가능하다. (의무가 아니란 으미) Mais는 이 그룹이 잘 만들어진 케이스고 그래서 Heterosis 성공률이 매우 높다. Weizen, Roggen은 그렇지 않은 경우. 이건 Sterilitätsform 에 큰 영향을 받느다.

14. Outline of the lecture - Selection in plant breeding

 - 우리의 수업은 이 이 식을 기준으로 진행된다 : R = i h Q(g)

15. 이 아재 생각엔 모든 Merkmale가 quantitativ인거 같다네 ㅋ

16. genotypische Werte: 파스칼의 삼각형을 따른다? 

 - 더많은 유전자가 관여될 수록, 정규분포를 따른다 = quantitative 

17. Decomposition of the phenotypic value 

 - 앞에 언급된 요소 말고는 전부 Fehler

19. example : 이 숫자는 nicht genotypische Faktor?

P = u + G + E + G*E -> G*E = P - (u+G+E)

P = 5.9 (Stanford, K468) - (3.8+ -0.5 +0.2) = 2.4 순

Xs = 4.0 -> 4 - 3.8 = 0.2 

Xk = 3.3 -> 3.3 - 3.8 = - 0.5

u = 3.8

 - +, - 의미 : Leistung. 근데 G 가 높아도 E 랑 섞으면 그지같을 수도 있다. 즉, 각각의 값은 절대적인 값이기보다 현재 측정한 이 상황에만 통용되는 값이다. 

20. Replicated field trials across years and locations : RCBD

 1) 유전형 in 지역, 기간, 횟수

 2) R = i * h * Qg -> 여기서 Züchter는 Züchtung시작 전 Qg를 가능한 최대화 하려고 노력한다.

  - i : worauf wir selektieren wollen, 

  - i 와 Qg 의 관계를 제대로 바라볼 필요 있다. 

21. operative Heritabilität (see Strube) : 0.9-0.95 정도면 거의 최상급이란다.

 - Heritabilität을 다루는 이유 : Phänotyp, Genotyp의 Zusammenhang 을 알기 위함.

29. Kovarianz (w) : x, g

30. replicated field trials : 

31. Heritabilität 은 Schätzung 이지만 gültig nur in bestimmten Ort, bestimmten Moment, 

 - H ist ein Bild.

32. Variance components in Weizen : BSA 로부터 자료를 받아서 분석한 결과 중 하나. 

 - Interaktion zwischen G - J - O spielt signifikante Rolle

 - G : 이거의 크기를 아는 것이 주요 목적이엇다.

 - Error : Wiederholung, Ort, years 과의 관련을 말한다. 

34. Definition der Stabilität : 얼마나 Leistung이 예상 모델과 차이가 없는가. 이걸 Index화 한 것이 Stability variance

35. Genotype und Sabilität  

 - dynamic yeald stability : 

 - static : 

* yield stability 잘 이해가 안ㄱ나다...

 

 

[Values and means]

1. Dominanz-Klasse 와 additive Theorie 다루는 중 : d 의 관계에 따라 partiell, vollständig, über-Dominanz 관계가 형성된다. 

 2. plant height : Rht-B Gen이 Weizen Höhe 연관된 유전자

 - 여기서 이 3개 유전자를 대상으로 Hybrid Züchtung을 한다면 어떤걸 골라야할까? 

3. Leaf rust Resistent (Braun-Rost) : Höhe와 달리 - 값이 resistent 이다

 - 한 PP 가 나을까 아님 여러 PP? : 여러 PP에서 hybrid 하는게 낫지요. hybrid 는 서로 다른 entfernte PP 끼리 섞는것

 - 여러 Gene가 있는경우? : 문제는 유전자들이 한 크로모좀에 있거나 하는 경우. 그래서 이럴땐 다른애들을 다른 PP에 몰아넣고 섞는다

4. Tester 선정의 문제? 어렵다. 어떤게 관점인가여...

 - 여기서 볼 것은 starker oder schwacher Tester 어느게 우리에게 더 유용할까 이다.

 - was ist idealer Tester : 일반적으로 좋은 테스터의 조건은 Kornertrag. 그러나 이들은 보통 매우 stark 하기 때문에 현재 농업의 딜레마를 그대로 갖고 잇다. 즉, Resistenz - Weizen의 경우를 말한다. 근데 왜 테스터의 이 강도가 문제가 되는가?

 * 현실에는 Überdominanz 는 거의 없다! 토마토에 1개정도. 이 경우 Heterozygote가 최강이지요.

5. Epistasie : QG에 있어 kräftiges Thema. 유전자간의 Interaktion을 말함요

 - QG에서 유의할 점 : 개개의 사례를 1대1로 다루지 않는다. 언제나 statistische Mittelwerte 가 관심사

 - Z : Zeiligkeit

6. Epistasis - 2 Loci model : 이렇게 4 Klasse에서 에피슈타지 를 berücksichtigen muss

 * 현실에서 더 많은 수천개의 Interaktion을 다루는 법 : 실제로 더 복잡하고 도라이지. 대충 현실에서 다루는 방향을 보면 통계적 영향력은 Dominanz > additiv > ... 뭐 이런식으로 될 것이다. 이렇게 나래비를 나누다보면 결국 Hauptursache에 집중하게 되고 그러면 덜 중요해보이는 인터락찌온 같은건 뒤로 밀린다고.

[2번째]

 - 복습 : 여러 Loci 연관될때 핵심 요소는 Effekt간 multiplizieren 해야한다는 것

 - R-squred = 0.8966 의 뜻은 우리의 이 모델이 현실의 데이터를 89프로 정확도로 설명할 수 있다는 의미다

 - 여기서 additiv 와 Epistasie 고려했을 때 둘의 결과를 R² 로 비교하면 에피슈타지 발생했을 땐 1이다. 즉, 완벽하게 설명해준다는 이말이다. 하지만 어디티브 이펙트로도 꽤 높은 값을 받았다. 이런 관점으로 인해 QTL에서 에피슈타지는 자주 고려되지 않는다.. 고 설명하는 듯 하다. 

 - 이 부분을 잘 설명하려면 우리는 유전자 간의 Interaktion을 좀 더 깊게 봐야한다. 

 - 맨위의 값인 인터셉트는 포풀레이션 평균을 의미. 에피슈타지 2 로치 모델 표를 보고 최종적으로 우리는 검산할 수 있다.

 - 헤테로시스 : 2가지 있다. 미텔 또는 베터 페어런트. 근데 QTL에서는 베터 페어런트는 약간 예외로 생각하는 듯. 헤테로시스의 설은 여러가지있다. 각 상황에따라 맞고 틀림이 다르다. 하나는 도미넌트 도미넌트. 근데 이건 웨버도미넌쯔에선 유효한 설명이지만 파찌엘 도미넌쯔에선 설명이 안된다. 즉, 위버 도미넌쯔 휴포테제에서는 한 로찌로도 설명가능. 그냥 도미넌쯔 휴포테제에서는 2개 이상의 로찌가 있을 수 있다. 그런 경우 양 부모가 각각 유리한 로찌를 나눠있다고 하고 동시에 나흐타일한 로찌도 갖고있을 때 섞으면 베스트만 가진 자손. 즉 헤테로시스 가진 자손. 3번째 가설은 에피슈타지! 이걸 예전엔 에피슈타지라 켓고 지금은 에피게네틱. 

 - 헤테로시스의 효과는 F1 - (P1+P2) 로 나타난ㄴ다

 - d1 + d2 - aa 12  + dd12 : 이 결과는 Befruchtsystem 과 큰 영향을 준다. 예를들어 프렘트의 경우엔 (바이쩬?) d1, d2  이 중요한 펙터. 반면, 젤브스트의 경우는 aa12, dd12 가 중요한 펙터였다 이말이야. 이거 2017 네이쳐에 실렸으며 라이스와 마이스의 이런 큰 차이는 굉장히 erstaunlich 

 - F1-F2 = 1/2 D1 + 1/2 D2 + 3/4 dd 우리의 가정 (도미넌트 이펙트만 존재, 헤테로시스는 Heterozygote로 존재, 즉 nachgebaut되면 Hälfte der Heterozygote 잃어버림) 이 맞다면 라이스퉁도 정확히 반이 되어야 한다. 근데 만약 그렇지않다?? 그 말인즉슨 dd, 즉 Epistasie 가 작용했을 거란 추정을 할 수 있다. 

 - Exercise : Heterosis for loci linked in repulsion : 로치가 코플룽되었나 안되었나에 따라 헤테로시스 값 중 하나 부호가 다르다 이말이야

 - Point of reference : Bezuchspinkt. 저 커브는 어떤 의미지..?

 - Average effect of a gene : 한 알렐의 가치를 하디바인베엌 포풀라지온으 ㅣ미텔붸어트 내에서 메겨보는 것. 한 알렐만 보기위해 그 한녀석의 frequency * Leistung 한거에서 하디 바인베어그 미텔 라이스퉁을 뺀다이말이야. GCA, SCA 구하는거랑 비슷허다. 

 - 그래프에서 p 가 적을 수록 전체 라이스퉁이 올라가는 건, 생각해볼 것

 - Breeding Value : 우리가 볼 건 genotypische Werte, Phänotypische Werte, Zuchtwert 의 차이는 알고 있어야 한다. 왜 하디 바인베엌은 Populationszüchtung에서 큰 역할을 하지 않는가?? 친구한테 물어볼 것. 으으아. 

 - bredding value versus genotypic value : 우리가 티어쮸히터였다면 게노타입2 을 테잌. 왜냐면 스펌을 사고 파니까. 식물은 반대다. 게노타입1을 가져가겠지. 게노타입은 포텐셜이고 Zuchtwert는 다음세대에 미칠 영향력

 - Zerlegung에 여러 타입이 있다 : 피셔, A und D, für genotypische Wert

 - Dominanz Deviation : u 미텔붸어트, a1 알렐1 의 영향, a2 알렐2의 영향, 이걸로 델타를 구한다. G(A1A1) 는 genotypische Werte nach 피셔의 Zerlegung, 즉 G)(A1A1) 는 그냥 a (그냥 아디티브 이펙트). 식물 그 자체의 유전형의 힘 분류를 의미. 브리딩 벨류는 알렐 하나의 힘

 

[3번째]

 

* introduction to 쿠반티타티베 게네틱 초록색 책 falconer mackay 에 이 average effect of gene substitution 식에 대한 설명이 아주 상세하게 잘 되어있다고. 

 - Decomposition of genotypic value : 더 많은 알렐이 관여하겠지만 예전에 말했던 것 처럼 wesentlich 한 알렐만 다룬다. 또는 biallel시스템을 다룬다. 아래 나오는 X1, X2가 다른 알렐 있을 때 상황. 여기서 두번째 알렐 값 왜 엑스랑 곱하는거지?

 - 그래픽 설명 : 리그래션 했을 때 실제 나타나는 파란 점의 이탈한 형태는 도미넌스 데비에이션과 다를 바가 없다. 

 - Definition of effects : i,j,k,l 각 두개씩 2개의 로찌를 의미. 

 - 디컴포지션 인 하이브리드 포풀레이션 : 알파, 델타의 영향 auf Hybridisierung. 목표는 부모 세대의 미텔붸어트가 아니라 HybridPP 의 mitellwert. 여기의 식 전개는 Gedanke Experiment 의 일환으로 따라갈 것. 질문 왜 이 실험의 유전형 표현은 내가 아는 하이브리드 AB 한 헤테로쮸고트를 생성하는 것도 다른가? - 내가 알고 있는 잡종은 이 경우, A1, A2 가 각자 PP 에서 Inzuchtlinie 로 완저 ㄴ고정된 익스트림한 경우를 의미한다. 

Umformulierung 을 통해 알 수 있는 것은 x가 헤테로시스의 힘을 나타낼 수 있는 수치라는 것. 익스가 0.5 일 때 최대의 효과?

* DoppelHaploid 테크닉 in Roggen 은 완전 꿈같은 얘기라카네. SI, 유전자 크기 등의 원인으로 인해. 되면 이렇게 하이브리드 포풀레이션 할 때 압ㄷ적으로 한 알렐만 고정할 수 있으니까. 마이스는 DH 테크닉이 개발된듯. 

 - Decomposition계속 : 알파1' = p''a (이 경우, Geber의 F는 p´ 이므로 전적으로 발생확률은 상대의 확률, 즉 p´´ 또는 q´´ 에 달려있다)  + q´´d - u . Umformulierung 은 x 를 항상 집어넣고 시작하면 된다. ´, ´´ 이 슈트리히를 단순 p, 또는 q 로 전환하기 위해! x = p´ - p´´ / 2 또는 q´ - q´´ / 2 . 이거는 시험에 안중요합니다. 이 실험에서 주목할 점은, 한 알렐의 평균적 힘은 그 알렐의 Frequenz 외 다른 알렐 빈도에 의해 결정된다는 것!. 특히 p´ 의 경우라면 알파1' = q´(a-(p´´ - q´´)d) 이므로 q´의 영향이 크다.

 - 여기서, 델타는 Dominanz Abweichung인데 델타 11 은 p´p´ 의 도미넌츠 또는 헤테로시스 빠워를 나타낸다. = a-u-알파1´ - 알파1´´

 - 그래픽 : 그아아 어렵.

 - Decomposition of the genotypic value in inbreed PP : 인쭈흐트코에피찌엔트 관련. 파퓰레이션의 정의는 어떤 Bezuchspunkt에서, 특정 제너레이션에서 이 둘은 unverwandt 하다고 정의되는 시점. 

 - Inbreeding coefficient F : 정의는 같은 알렐구성이 넘겨질 가능성. 인데스 3 은 gemeinsame Vorfahren을 의미. n을 세는 것은 위의 엘턴에서 둘다 전달되는지 그어보면 알 수 있다. 엄청 복잡한 저 표는 일반적으로 tierische Züchtung 을 보통 의미한다. 이 설명의 중요한 전제는 알렐 전달될 Wahrscheinlichkeit 가 1/2 이라는 것! 이건 브리딩에서 셀렉션을 해야하는 Züchter 관점에서 달성될 수 없는 전제다. 

 - regular systems of inbreeding : 아따 복잡허다.

 - genotype frequencies expressed .. : 인브리딩의 가능성을 염두에 둔 Mittelwert 계산이다!

 - PP mean in an inbred PP : 

 - Epistasis : H 까지만 고려하면 F와의 관계는 리니얼. F² 는 도미넌스 도미넌스 관계가 존재할 때 (=에피슈타지) 관계가 리니얼하지 않을 것. 그래서 70년도에 마커 뭐 이런거 없이 단지 이걸로 에피슈타지의 유무를 판단하 ㄹ수 있는 이론을 끌어냄. 다만, 이런 과정은 말하자면 uralt. 유전자 잘 모를 70,80년대 만들어진거라 이런 원칙들이 지금도 유용하고 유효하다고 보긴 힘들다는 듯.

* 교수는 마이스 주로 다뤘기에 이 Inzuchtlinie 는 매우 낮설었다고 함. 그래서 이 과정을 이해하기 매우 어려웠다고. 이 과정을 DH 로 치환해서 생각해보니까 수업 준비하기 훨 나았다고.  

* 쭈흐트붸어트, 인쭈흐트리니에, 하디바인베어그, 벨류 등을 다음 시간까지 숙지할 것.

[한주 띵갔다]

 

 - Dominanzabweichung 과 Dominance deviation?

[그다음]

 - Varianz der HybridPP  : 식을 보면 상대 PP의 프리퀀쯔도 고려하고 있음을 알 수 있다. 16페이지임. 여기서 뮤 알파는 각 유전자형의 델타값 곱하기 frequency 한거를 다 더하는것. 결과는 0이다. 그래서 델타 i 를 고려할때 뮤는 다 날려줘도 된다는 결론인듯?

 - S.16 : 델타²알파 = 4 *(p´p´´q´q´´)*d²(q´q´´+p´´q´+p´q´´+p´p´´) 이걸 내는게 결론이었다. 원래 식은 여기서 u 뮤를 빼는건데 뮤는 결론적으로 0이었음

 - 알파는 브리딩벨류, 델타는 게노튜피쉐 벨류 (Dominance deviation)

 17. 앞선 공식의 목적은 뭘까? 이 디자인은 실제 필드에서 보면 GCA와 브리딩벨류가 비슷하게 나온다? 우측하단 델타의 도미넌쯔압바이훙을 보면, 각 F가 0.5 일때 best Power가 나온다는 이론적 배경을 얻을 수 있다고. 이 결론은 

 - 19. Hybrid Züchtung은 마이스에서 시작했다. 과거 그 시점에 목적은 서로 가장 훌륭한 P를 가진 PP를 만들어보는것이었다. 플린트는 콜럼부스, 켈터에 버틴다. 스팁스톡은 미국에서, 그래서 콘티낸탈 기후에 익숙해서 켈터 못버틴다. 그런 관점에서 오른쪽 컨셉이 유효할까? 를 테스트해봤다고 (컴퓨터 시뮬레이션). 오른쪽을 설명해보면 서로의 포퓰레이션은 서로를 궁극적으로 섞어서는 안된다. 여튼, 폴슈탠디히, 웨버도미난쯔에서는 그냥 이대로 가면된다. 하지만 파찌엘 도미넌쯔에서는?? 왼쪽과 오른쪽 경쟁 결과 오른쪽이 더 성공적이었? 

* 탑크로스 nursery : 에프, 엠 포퓰레이션을 최대화하려고

 - 20. 이게 뭐에대한 이유라는데...... 앞의 두 컨셉 중 어떤게 더 유리한지 경험적 관찰에서 온 생각과 이론적 배경의 설명을 2007 이 논문에서 다뤘는듯.

 

 - Coefficient of fraternity : Brüderlichkeit, 

 - Covariance :

 - 이 파트는 다시 복습안하면 답이 없다. 

 

[Resemblance between relatives Ähnlichkeit]

22. 각 라인은 엄마는 같고 아빠는 다 다른 Nachkommen 라인. 

23. 위의 프락시스를 기반으로 이론적 모델을 만들어본다. 일단은 환경적 요인은 전혀 고려되지 않았으며 유전적 요소만 리니어 모델로 고려됨. 근데 와 이해하기가 엄청엄청 힘들다. 

25. 이걸 통해 같은 조상, 부모가 비교하는 애들 간에 있는지 알아보기 위한것? 요는 유전자가 어디서 누군가로부터 왔는지를 보기 위한거인듯, Abstandkoeffizient

26. Vollgeschwester는 같은 부모아래서 나온것, Halbgeschwester는 부모 중 하나만 공유하는 것, 

27. coefficient of fraternity : 

31. 이 둘의 코바리안쯔 알파, 델타갖고 여차저차 

- 아래 genetic covariance : 알파알파, 알파델타, 델타델타는 에피슈타지를 고려한 경우를 말한다! 

* 친척간 엔리히카이트를 뭘 위해 알아야하는가? 우리가 관찰한 실험을 quantitativ genetisch 하게 해석하기 위해선 지금 우리가 보고있는 녀석이 밭에서 다른 애들과 어떤 관계인지를, 그 혈연관계를 알아야 해석이 가능하다?

37. 시험에 중요한건 이런 페이지의 Prinzip : 왜 이런 공식이 이따구로 생겼능가

39. Variance component : 여기 나와있는 릴레이션쉽을 기반으로 Erwartungswert 를 계산할 수 있다. 그럼 이걸 기반으로 필드에서 발견한 녀석들 간 관계를 예상해볼 수 있다.

40. 필드의 성과가 알파덕분인지 델타덕분이지 이 양쪽의 예시로부터 차이가 나올 수 있다. 하나는 할프집, 다른건 풀게쉬베스터. 와 엄청 어렵다 따라가기가 힘들다..

 - 오른쪽은 마이스의 경우 더 유리할테지, 에어바르퉁을 얻었다는게 제일 큰 성과인 것 같은데... 여튼 따라가기 힘듬

45. genetic variance in different selfing generations : 전형적인 리니엔 쮸히퉁. 오른쪽의 S0, S1은 리니엔쮸히퉁에서 자주 쓰이는 Nomenklatur이다. 

46. 이것도 오래된 쮸히퉁 프로그람 : 왜 F2 에서 F 는 0이지? 와 진짜 하드코어하다. 

 - 결론은 더 늦은 세대의 리니엔 쮸히퉁에서 selektieren할 수 록 더 높은 바리안쯔가 확보된다는 것. 

47. F2.3 의미는 F2의 3번째 람쉬 파쩰렌을 의미한다. 

49. 저게 내 F 5 7 이라고 하면, 5세대전에 같은 부모로부터 왔고 거기서 2번 셀프스퉁한 리니에 쮸히퉁 파쩰렌이란것. 

 - F3라면 3/2를 

51. 이 오른쪽 그림의 의미 : 왜 Selbstbefruchter에서 Hybridzüchtung에 어려운지에 대한 이유. 

52. 위에서 다뤘던거 하디바인베엌 안에서 예시 : ????? 첫번째 시나리오에는 분제가 없는데 시나리오 2에는 작은 펠러가 있다고. 알렐 F 가 0.5 가 아닌 경우, 오른쪽 RIL 의 F는 다시 0.5가 된다고?

 

[프락티쿰 첫날]

1. Field design 이 분야의 많은 용어들이 아직도 정확한 동의를 얻진 않았다고. 파쩰레, Widerholung 등. 그리고 박사의 의견으로는 한번 디자인하고 나면 결과가 나온 뒤 리스크가 크기에 데이터를 어떻게 가공하냐의, 약간 쿤스트의 영역에 있는 것 같기도 하다고. 즉, 뭐가 나오든 잘 가공해야한다는 듯. 

2. 많은 돈이 있거나 충분한 Samen이 있으면 replicated trials가 가능하지만, 아닌 경우가 많겠지요.

3. Field designs for plant breeding trials : 

 - unrelicated trials : Local control with chek plots (쭈라슝 받은 종 등으로 스텐다드), Moving grid (Gleitende Adjustierung)

 - Replicated : 

4. unreplicated 적용 arear : 씨앗이 아주 한정되어있고, 

5. Local control with check plots : 3개마다 한개의 스탠다드 (알고있는 Genotyp) 을 심는다. 그리고 3개의 스탠다드 아웃풋으로 조정한다. 최종적으론 이렇게 얻은 x´ 값 중 베스트인 녀석을 Selektion. 이 방법에 한해 keine perfekte Lösung!, 

 -

 - Standard 수에 따라 다름 : 한개면 병, 영양, 기후 등에 한큐에 실험의 토대가 흔들릴 수 있다. 유일한 스탠다드가 영향을 다 받아서. 더 많은 스탠다드를 이용하면 stability 늘어나겠지만 테스트할 케파 줄어들고 당연히 비쌈. 최소 2개 이상의 스탠다드를 쓰는걸 추천

 - possible adjustment 다양 : 네이버링 스탠다드도 가능, weighted 네이버링 등

 - 장점은 스탠다드와의 비주얼 comparison. 

 - Alternative는 

* 모든 쮸히퉁 플란은 Feldbedingung 에 절대적으로 좌우된다! 즉, 그래서 베스트 메토데는 없다고도 할 수 있다고.

* 파쩰렌이 einzelne 플란쩬보다 나은 점은 결과값이 환경 영향을 덜 받는다 추정할 수 있다는 것.

6. Moving grids : 네이버링 플롯의 평균으로 adjust. 스탠다드는 없다 이말이야. 

 - 유의점 : Randomization. Korrigierung을 할 때 같은 Familie 끼리 해버리면 안되겠지여. 근데 logistic 땜에 그냥 한큐에 쏟아버리는 경우도 있다고...

 - optimal grid size : 3-4 plots on each side + top und bottom plots (yield). 이것도 종마다, 목적마다 다르다구.

 - PBIB 랑 비교해볼만 하다고.

7. 정리 unreplicated : 이건 early stage of breeding program 임. 

8. replicated trials : Large number of entries (늦은 스테이지에 걸맞), 여러해와 여러 Location이 필요하다. 그리고 Genotype이 주요 펙터. 고려대상

9. Completely randomized design CRD : 

* Entrie : 종류, Replication : 반복, 

10. Randomized complete block desingn RCBD : CRD 와 가장 (또는 유일한 ) 차이는 한 블록안이 식물들은 동일한 Behandlung을 받는걸 전제되어야 한다는 것!

11. Augmented designs (Partially repli

[세번째 날 - 유승]

1. Decomposition of response가 필요한 이유 : 유전되는 것은 오직 지노타입. 에러는 유전되지 않기에 이것을 구분해야 브리딩 이펙트를 온전히 가져갈 수 있다

2. 2가지 estimation - post and pre estimation

3. Breeding의 목적 2가지

 - to reduce genotypic diversity

 - divided fraction (특정 환경에서만 유별난 유전형) 을 

4. 트리티칼레 쮸히퉁의 전략 : 130개 중 80개는 지노타입, 50개는 인브리드

 - selction differential : Mean of selected - mean (베스트 10프로만 셀렉션한다)

5. selection response and selction differential : mean value of nest generation from selected 는 mean 퍼포먼스는 최초 선별때보다 적다. 이 차이가 셀렉션 리스폰스

 - 디퍼련셜과 리스폰스의 ratio : operative heritability. 계산에서 평균은 그전 녀석의 전체고 g, 는그 다음세대

6. operative h² : 리그레션의 슬로프가 헤리타빌리티가 된다. 

 - 그리고 correation 은 h (헤리타빌리티에 루트)

 - 이를 통해 얻을 수 있는 브리딩 전략 2가지 : selection differential의 mean을 늘리거나 h² 를 늘리거나!

* 생각보다 설명이 쉽다? R 리스폰스 = h² 곱 S (디퍼런셜 = 셀렉티드 - 민)

7. post-test estimation : 

8. pre-test estimation : 이 시점에선 어떤 목표로 선별할 지, 그리고 시그마g, 시그마e 를 알고있다.

 - 이 측정의 목표 : 전후 차이가 예상한것과 얼마나 다를까? expected selection differential

 - 넥스트 제너레이션 : 새로운 PP 와 섞으면 새로운 g 겠지만 이 경우 backcrossing 하거나 selfing이면 차이는 크지 않다고 가정한다. 

 - 과정 : 1. unit 단위를 없애고 normal distribution assumption으로 가공 (뮤 = 0),

2. threshold 를 고민 (어떤 퍼센트로 다시 선별할 것이며 이 경우 어느정도 퍼포먼스일까)

* 예전엔 환경영향, 마스킹 이펙트를 제외했지만 이제는 제외하지 않고 그대로 같이 안고 간다!

9. 파퓰레이션 standardized는 전제가 infinite 한 경우. 하지만 그럴 일 없으니 다시 변형해준다. 이미 논문으로 이 차이는 출판되었다. 즉,

* 브리딩 컴패니에서는 selection intensities 표를 통해 infinite와 finite의 차이가 적은 경우를 취한다. 그래서 100 - 50 개의 PP 수를 보통 목표한다.  

10. Optimum allocation of resources : 

 - breeders equation : 알파는 작을수록 i(a) 는 커진다. 하지만 활용가능한 리소스가 적어진다. 시그마 피는 diversity 로 이해해야 한다. 이건 샘플 수가 많을 수록 늘어날 수 있다. 하지만 한편으론 에러가 늘어날 수도 있다

11. narrow heritability : 분자가 additive effect 만 고려한다. 

12. 다시, 브리더의 equation 상 R을 올리는 전략은 어떻게 이해햐야 할까?

 - h2 를 올린다! : masking effect를 줄인다 = 적은 수의 year, localation 을 피함

 - i(N,G) 를 올린다?

13. variance component로 보면, yield는 환경에 어마무시하게 영향을 받는다. 반면, height는 생각보다 적게 받는다.

* 브리딩 컴페니는 replication은 2, 3개를 넘어가는 상황을 거의 안쓴다! 그 이유는 operative h² 에 있다! h² = Vg / Vp 이며 이걸 늘리는 쪽으로 L,Q,R을 allocation해야한다. Replication은 근데 늘려봤자 오직 Error 의 분모만 늘려 줄이는 효과만 가져다 준다. 즉, L,Q 를 늘리는 편이 Vp 를 작게 만들어 h²를 늘릴 수 있다

* 그럼에도 replication을 하는 이유는 현실적으로 한번만 반복하면 비교할 대상이 없기에 튀는 값을 검증할, 가려낼 가능성이 없기때문.

* 목적 구분이 필요하다. 종자 허가용 그리고 maximizing of response to selection. 전자의 경우 마냥 많이 돌리면 된다. 이 때의 장점은 더 정확한 genotypic V 를 얻을거다. 이게 필요한 이유는 정부의 종자 evaluation은 굉장히 많은 종자를 테스트하기 때문.

* 제한된 자원으로 response를 늘리는 전략 : 단순히 breeder equation으로 유추가 힘들다. 이미 얻어진 Variances 와 resource allocation 을 통해 계산을 해봐야 알 수 있다. 단순히 h² 가 가장 높거나 S 가 가장 높다고 반드시 response가 맥시멈이 아닐 수도 있다. 동시에, 현실적 실험 설계를 위해 Replication 도 고려해야 한다.

14. factors determining response to selection : 중요! in der Prüfung

 - 시그마 g : trait, base PP 에 depend on

 - 시그마 p : depend on L, Q, R

 - i(N,G) : nonlinear increase!! 수가 많고 적게 셀렉션하면 좋겠지만 자원의 문제이며 무조건 많다고 좋은게 아니기에 논리니어 인크리즈!

 

* 여기서 놀라운 점 : 같은 자원 (L,R,C) 으로도 디자인과 분배를 다르게 한 것 만으로 response to selection 이 꽤 바뀐다. 아주 신기하다...