User: Guest  Login
Original title:
Covariance structures in multivariate genome-enabled prediction models 
Translated title:
Kovarianzstrukturen in der multivariaten genomischen Vorhersage 
Year:
2019 
Document type:
Dissertation 
Institution:
Fakultät Wissenschaftszentrum Weihenstephan 
Advisor:
Schön, Chris-Carolin (Prof. Dr.) 
Referee:
Schön, Chris-Carolin (Prof. Dr.); Gianola, Daniel (Prof., Ph.D.) 
Language:
en 
Subject group:
LAN Landbauwissenschaft 
Keywords:
Plant breeding, Zea mays L., Bayesian network, indirect selection, multiple-trait genome-enabled prediction, multivariate mixed model, structural equation model, spatial model, Gaussian kernel, Metropolis-Hastings implementation, Gibbs sampler 
Translated keywords:
Pflanzenzüchtung, Zea mays L., Bayessches Netz, indirekte Selektion, genomische Vorhersage mehrerer Merkmale, multivariates gemischtes Modell, Strukturgleichungsmodell, räumliches Modell, Gauß-Kern, Metropolis-Hastings-Implementation, Gibbs-Sampling 
TUM classification:
LAN 000d 
Abstract:
In this thesis, modeling phenotypic structures among multiple traits in plant breeding was refined. The novel approach allowed to determine trait connections on the genomic and residual levels separately instead of jointly on the phenotypic level. Second, a novel R implementation was developed to distinguish between micro-environmental and macro-environmental trait covariances by using a spatial model with a Gaussian kernel. The methods were applied to experimental maize data (Zea mays L.). 
Translated abstract:
In dieser Arbeit wurde die Modellierung der phänotypischen Strukturen mehrerer Merkmale in der Pflanzenzüchtung weiterentwickelt. Durch einen neuen Ansatz konnten Merkmalsbeziehungen auf genomischen und anderen Ebenen erstmals getrennt dargestellt werden. Außerdem wurden die Merkmalskovarianzen der Mikro- von denen der Makroumwelt unterschieden, indem eine R-Implementation für ein räumliches Modell mit einem Gauß-Kern entwickelt wurde. Die Modelle wurden mit Maisdaten evaluiert (Zea mays L.). 
Oral examination:
08.02.2019 
File size:
2391339 bytes 
Pages:
104 
Last change:
02.05.2019