دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: 1 نویسندگان: Weikai Yan (Author), Manjit S. Kang (Author) سری: ISBN (شابک) : 9780849313387, 9781000611120 ناشر: CRC Press سال نشر: 2002 تعداد صفحات: 287 زبان: فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 9 مگابایت
کلمات کلیدی مربوط به کتاب تجزیه و تحلیل بای پلات GGE: ابزاری گرافیکی برای پرورش دهندگان، ژنتیک دانان و زراعی: محیط زیست و کشاورزی، کشاورزی و علوم زیست محیطی، کشاورزی، علوم زراعی، گیاه شناسی، علوم زیستی، بیوانفورماتیک
در صورت تبدیل فایل کتاب GGE Biplot Analysis: A Graphical Tool for Breeders, Geneticists, and Agronomists به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب تجزیه و تحلیل بای پلات GGE: ابزاری گرافیکی برای پرورش دهندگان، ژنتیک دانان و زراعی نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
داده های تحقیق گران و گرانبها هستند، اما به دلیل توانایی درک ما به ندرت به طور کامل مورد استفاده قرار می گیرند. نمایش گرافیکی برای درک کامل مجموعه داده های بزرگ با پیوستگی و تعاملات پیچیده، اگر کاملا ضروری نباشد، مطلوب است. روش جدید توسعه یافته GGE biplot یک رویکرد برتر برای تجزیه و تحلیل گرافیکی داده های تحقیق است و ممکن است روش تحلیل داده ها توسط محققان را متحول کند. تجزیه و تحلیل بای پلات GGE: ابزاری گرافیکی برای پرورش دهندگان، ژنتیک دانان و زراعت شناسان تئوری روش بای پلات GGE را معرفی می کند و کاربردهای آن را در تجزیه و تحلیل بصری داده های آزمایشی چند محیطی (MET) و انواع دیگر داده های تحقیقاتی توصیف می کند. متن شامل سه بخش است: I) ژنوتیپ بر اساس تعامل و تجزیه و تحلیل پایداری محیط، II) تجزیه و تحلیل دادهها با پلات GGE و آزمایش چند محیطی (MET) و III) نرمافزار و برنامههای کاربردی بای پلات GGE در تجزیه و تحلیل انواع دیگر دادههای دوطرفه. بخش اول یک درمان جامع اما مختصر از تعامل ژنوتیپ به محیط (G x E) ارائه می کند تا تصویری کلی از کل مسئله G x E ارائه دهد و نشان دهد که چگونه روش بای پلات GGE در آن جا می شود. بخش دوم شرح و نشان می دهد کاربردهای متعدد یک بای پلات GGE در تجسم داده های MET. بخش سوم نرم افزار \"GGE biplot\" را تشریح می کند و کاربرد آن را به تجزیه و تحلیل ژنوتیپ بر اساس داده های صفت، داده های نقشه برداری QTL، داده های متقاطع دی آلل و میزبان بر اساس داده های پاتوژن گسترش می دهد. در مجموع، این کتاب نشان میدهد که روش بای پلات GGE یک ابزار تجسم داده برتر است و به محقق اجازه میدهد تا به صورت گرافیکی اطلاعات را از دادههای MET و دیگر انواع دادههای دوطرفه استخراج و استفاده کند. GGE Biplot Analysis این فناوری مفید را در مقیاس وسیعتری برای پرورش دهندگان گیاهان و حیوانات، ژنتیکشناسان، زراعتشناسان، بومشناسان و دانشجویان در این زمینهها و سایر حوزههای تحقیقاتی مرتبط در دسترس قرار میدهد. اطلاعات ارائه شده در اینجا به میزان زیادی توانایی محققان را برای درک داده های آنها افزایش می دهد و کمک قابل توجهی در کمک به مقابله با چالش های تولید غذا و امنیت غذایی که در حال حاضر جهان با آن مواجه است، خواهد داشت. خوانندگان از این که ببینند با اجرای روشهای جدید و آسان GGE biplot ارائه شده در اینجا چقدر بیشتر میتوانند از دادههای خود استخراج کنند شگفتزده خواهند شد و به زودی موافقت خواهند کرد که هرگونه تأخیر در استفاده از این تکنیک ضرری برای دستاورد تحقیقاتی آنها است.
Research data is expensive and precious, yet it is seldom fully utilized due to our ability of comprehension. Graphical display is desirable, if not absolutely necessary, for fully understanding large data sets with complex interconnectedness and interactions. The newly developed GGE biplot methodology is a superior approach to the graphical analysis of research data and may revolutionize the way researchers analyze data. GGE Biplot Analysis: A Graphical Tool for Breeders, Geneticists, and Agronomists introduces the theory of the GGE biplot methodology and describes its applications in visual analysis of multi-environment trial (MET) data and other types of research data. The text includes three parts: I) Genotype by environment interaction and stability analysis, II) GGE biplot and multi-environment trial (MET) data analysis, and III) GGE biplot software and applications in analyzing other types of two-way data. Part I presents a comprehensive but succinct treatment of genotype-by-environment (G x E) interaction in order to provide an overall picture of the entire G x E issue and to show how GGE biplot methodology fits in. Part II describes and demonstrates the numerous utilities of a GGE biplot in visualizing MET data. Part III describes the \"GGE biplot\" software and extends its application to the analysis of genotype by trait data, QTL mapping data, diallel cross data, and host by pathogen data. Altogether, this book demonstrates that the GGE biplot methodology is a superior data-visualization tool and allows the researcher to graphically extract and utilize the information from MET data and other types of two-way data to the fullest extent. GGE Biplot Analysis makes this useful technology accessible on a wider scale to plant and animal breeders, geneticists, agronomists, ecologists, and students in these and other related research areas. The information presented here will greatly enhance researchers\' ability to understand their data and will make a significant contribution toward helping to meet the challenges of food production and food security that currently face the world. Readers will be amazed to see how much more they can extract from their data by implementing the new and easily understood GGE biplot methods presented here and will soon agree that any delay in using this technique is a loss to their research achievement.
GGE Biplot Analysis: A Graphical Tool for Breeders, Geneticists, and Agronomists......Page 2
Foreword......Page 4
Preface......Page 6
Contents......Page 8
Section I: Genotype-by-Environment Interaction and Stability Analysis......Page 13
1.1 HEREDITY AND ENVIRONMENT......Page 14
1.1.2 QUANTITATIVE TRAITS......Page 15
1.2 GENOTYPE-BY-ENVIRONMENT INTERACTION......Page 16
1.3.1.1 Environmental \0䔀, Genetic \0䜀, and GE Interaction Contributions......Page 18
1.3.2.1 Problem in Identifying Superior Cultivars......Page 19
1.4 CAUSES OF GENOTYPE-BY-ENVIRONMENT INTERACTION......Page 20
2.1.1 STATIC VS. DYNAMIC CONCEPT......Page 22
2.1.2 STABILITY STATISTICS......Page 23
2.1.4 CONTRIBUTIONS OF ENVIRONMENTAL VARIABLES TO STABILITY......Page 25
2.1.5 STABILITY VARIANCE FOR UNBALANCED DATA......Page 26
2.2 DEALING WITH GENOTYPE-BY-ENVIRONMENT INTERACTION......Page 27
2.2.3 QTL-BY-ENVIRONMENT INTERACTION......Page 28
2.2.5 EARLY MULTI-ENVIRONMENT TESTING......Page 29
2.3 GGE BIPLOT: GENOTYPE + GE INTERACTION......Page 30
Section II: GGE Biplot and Multi-Environment Trial Data Analysis......Page 31
3.1.1 MATRIX MULTIPLICATION......Page 32
3.1.2 PRESENTING THE MATRIX MULTIPLICATION PROCESS IN A BIPLOT......Page 33
3.2 THE INNER-PRODUCT PROPERTY OF A BIPLOT......Page 35
3.3.2 VISUAL COMPARISON OF THE COLUMN ELEMENTS WITHIN A SINGLE ROW......Page 38
3.3.4 VISUAL COMPARISON OF TWO COLUMN FACTORS FOR EACH OF THE ROWS......Page 39
3.3.6 VISUAL IDENTIFICATION OF THE LARGEST ROW FACTOR WITHIN A COLUMN......Page 41
3.4.1 RELATIONSHIPS AMONG COLUMNS......Page 43
3.4.2 RELATIONSHIPS AMONG ROWS......Page 44
3.5 BIPLOT ANALYSIS OF TWO-WAY DATA......Page 45
4.1 THE CONCEPT OF GGE AND GGE BIPLOT......Page 47
4.2 THE BASIC MODEL FOR A GGE BIPLOT......Page 49
4.3.1 GENOTYPE-FOCUSED SCALING......Page 50
4.3.4 EQUAL-SPACE SCALING......Page 52
4.3.5 MERITS OF DIFFERENT SCALING METHODS......Page 55
4.4 AN ALTERNATIVE MODEL FOR GGE BIPLOT......Page 57
4.5 THREE TYPES OF DATA TRANSFORMATION......Page 64
4.6 GENERATING A GGE BIPLOT USING CONVENTIONAL METHODS......Page 65
5.1 OBJECTIVES OF MULTI-ENVIRONMENT TRIAL DATA ANALYSIS......Page 71
5.2.1 PERFORMANCE OF DIFFERENT CULTIVARS IN A GIVEN ENVIRONMENT......Page 73
5.2.3 COMPARISON OF TWO CULTIVARS......Page 75
5.3.1 “WHICH-WON-WHERE? PATTERN OF AN MET DATASET......Page 81
5.3.2 MEGA-ENVIRONMENT INVESTIGATION......Page 85
5.4.1 CULTIVAR EVALUATION BASED ON MEAN PERFORMANCE AND STABILITY......Page 91
5.4.2 THE AVERAGE ENVIRONMENT COORDINATE......Page 93
5.4.3 HOW IMPORTANT IS STABILITY?......Page 96
5.5.1 INTERRELATIONSHIPS AMONG ENVIRONMENTS......Page 97
5.5.3 ENVIRONMENT RANKING BASED ON BOTH DISCRIMINATING ABILITY AND REPRESENTATIVENESS......Page 99
5.5.4 ENVIRONMENTS FOR POSITIVE AND NEGATIVE SELECTION......Page 100
5.6 COMPARISON WITH THE AMMI BIPLOT......Page 101
5.7.1 THE GENERAL IDEA......Page 102
5.7.2 CAUSES OF GE INTERACTION REPRESENTED BY PC1......Page 104
5.7.4 SOME COMMENTS ON THE APPROACH......Page 106
Section III: GGE Biplot Software and Applications to Other Types of Two-Way Data......Page 108
6.1 THE NEED FOR GGE BIPLOT SOFTWARE......Page 109
6.3.1 THE OBSERVATION DATA FORMAT......Page 110
6.3.2 THE MATRIX DATA FORMAT......Page 112
6.4 ORGANIZATION OF GGEBIPLOT SOFTWARE......Page 113
6.4.1 FILE......Page 116
6.4.3 VISUALIZATION......Page 117
6.4.5 FORMAT......Page 119
6.4.7 DATA MANIPULATION......Page 120
6.4.9 SCALING \0匀䤀一䜀唀䰀䄀刀 嘀䄀䰀唀䔀 倀䄀刀吀䤀吀䤀伀一䤀一䜀......Page 121
6.4.10 ACCESSORIES......Page 122
6.5 FUNCTIONS FOR A GENOTYPE-BY-ENVIRONMENT DATASET......Page 123
6.7 FUNCTIONS FOR A QTL-MAPPING DATASET......Page 124
6.11 GGEBIPLOT CONTINUES TO EVOLVE......Page 125
6.11.4 INTERACTIVE STATISTICS......Page 126
7.1 WHY MULTIPLE TRAITS?......Page 127
7.2.2 WHICH IS BAD AT WHAT......Page 128
7.2.6 CULTIVAR EVALUATION BASED ON INDIVIDUAL TRAITS......Page 133
7.3 IDENTIFYING TRAITS FOR INDIRECT SELECTION FOR LOAF VOLUME......Page 141
7.5 COMPARING CULTIVARS AS PACKAGES OF TRAITS......Page 148
7.5.3 TRAITS FOR INDIRECT SELECTION FOR COOKIE-MAKING QUALITY......Page 150
7.7.1 SYSTEMS UNDERSTANDING, INDEPENDENT CULLING, AND THE BREEDER’S EYE......Page 156
7.8 THREE-MODE PRINCIPAL COMPONENT ANALYSIS AND VISUALIZATION......Page 164
8.1 WHY BIPLOT?......Page 165
8.3 GROUPING OF LINKED MARKERS......Page 166
8.4 GENE MAPPING USING BIPLOT......Page 168
8.5.2.1 Yield......Page 181
8.5.2.2 Heading Date......Page 183
8.6 INTERCONNECTEDNESS AMONG TRAITS AND PLEIOTROPIC EFFECTS OF A GIVEN LOCUS......Page 188
8.7.2 MARKER NEAREST TO THE QTL......Page 198
8.7.3 ESTIMATING MISSING VALUES BASED ON THE BIPLOT PATTERN......Page 204
8.8 QTL AND GE INTERACTION......Page 208
9.1 MODEL FOR BIPLOT ANALYSIS OF DIALLEL DATA......Page 213
9.2 GENERAL COMBINING ABILITY OF PARENTS......Page 214
9.5 THE BEST TESTERS FOR ASSESSING GENERAL COMBINING ABILITY OF PARENTS......Page 216
9.7 HYPOTHESIS ON THE GENETIC CONSTITUTION OF PARENTS......Page 221
9.8 TARGETING A LARGE DATASET......Page 223
9.8.6 GENETIC CONSTITUTIONS OF PARENTS WITH REGARD TO PSB RESISTANCE......Page 227
9.9 ADVANTAGES AND DISADVANTAGES OF THE BIPLOT APPROACH......Page 231
10.1 VERTICAL VS. HORIZONTAL RESISTANCE......Page 235
10.2.1 MODEL FOR STUDYING GENOTYPE-BY-STRAIN INTERACTION......Page 236
10.2.2 BIPLOTS WITH BARLEY LINES AS ENTRIES......Page 237
10.2.3 BIPLOTS WITH NET BLOTCH ISOLATES AS ENTRIES......Page 239
10.3 GENOTYPE-BY-STRAIN INTERACTION FOR WHEAT FUSARIUM HEAD BLIGHT......Page 245
11.1 GENOTYPE-BY-STRAIN INTERACTION FOR NITROGEN-FIXATION......Page 253
11.1.2 BIPLOT WITH Casuarina SPECIES AS ENTRIES......Page 254
11.2.2 BIPLOT WITH WHEAT GENOTYPES AS ENTRIES......Page 257
References......Page 260