Jan Bocianowski Autoreferat
|
|
- Mikołaj Sawicki
- 7 lat temu
- Przeglądów:
Transkrypt
1 Załącznik nr 2 Jan Bocianowski Metody estymacji efektów nieallelicznej interakcji loci w stanie homozygotycznym (epistazy) na podstawie obserwacji fenotypowych i markerów molekularnych Uniwersytet Przyrodniczy w Poznaniu Katedra Metod Matematycznych i Statystycznych Zakład Biometrii Poznań,
2 Spis treści 1. Dane personalne Posiadane dyplomy i stopnie naukowe z podaniem nazwy, miejsca i roku ich uzyskania oraz tytułu rozprawy doktorskiej Informacje o dotychczasowym zatrudnieniu w jednostkach naukowych Wskazanie osiągnięcia wynikającego z art. 16 ust. 2 ustawy z dnia 14 marca 2003 r. o stopniach naukowych i tytule naukowym oraz stopniach i tytule w zakresie sztuki (Dz. U. nr 65, poz. 595 ze zm.) a) Tytuł osiągnięcia naukowego b) Publikacje wchodzące w skład rozprawy habilitacyjnej c) Syntetyczne omówienie publikacji wchodzących w skład rozprawy habilitacyjnej Omówienie pozostałych osiągnięć naukowo-badawczych. 18 2
3 1. Dane personalne Imię i nazwisko: Miejsce pracy: Jan Bocianowski Katedra Metod Matematycznych i Statystycznych Uniwersytet Przyrodniczy w Poznaniu ul. Wojska Polskiego Poznań 2. Posiadane dyplomy i stopnie naukowe z podaniem nazwy, miejsca i roku ich uzyskania oraz tytułu rozprawy doktorskiej Technikum Zawodowe przy Zespole Szkół Hutniczych w Koninie, tytuł: technik mechanik o specjalności automatyzacja i mechanizacja procesów hutniczych, praca dyplomowa pt. Badanie selsynów i łączy selsynowych Uniwersytet im. A. Mickiewicza w Poznaniu, Wydział Matematyki i Informatyki, magister matematyki w zakresie zastosowań matematyki, praca magisterska pt. Nieizomorficzne (4t+4, 8t+6, 4t+3, 2t+2, 2t+1) BIB układy, promotor: prof. dr hab. Krystyna Katulska Instytut Genetyki Roślin Polskiej Akademii Nauk, doktor nauk rolniczych w zakresie agronomii, praca doktorska Metody oceny efektów addytywnego działania genów na podstawie obserwacji fenotypowych i markerów molekularnych, promotor: doc. dr hab. Paweł Krajewski 3. Informacje o dotychczasowym zatrudnieniu w jednostkach naukowych asystent w Pracowni Biometrii Instytutu Genetyki Roślin PAN instruktor w Katedrze Metod Matematycznych i Statystycznych Akademii Rolniczej im. A. Cieszkowskiego w Poznaniu obecnie adiunkt w Katedrze Metod Matematycznych i Statystycznych Akademii Rolniczej im. A. Cieszkowskiego w Poznaniu (od 2008 Uniwersytet Przyrodniczy w Poznaniu) 3
4 4. Wskazanie osiągnięcia wynikającego z art. 16 ust. 2 ustawy z dnia 14 marca 2003 r. o stopniach naukowych i tytule naukowym oraz stopniach i tytule w zakresie sztuki (Dz. U. nr 65, poz. 595 ze zm.) Osiągnięciem naukowym wynikającym z art. 16 ust. 2 ustawy z dnia 14 marca 2003 r. o stopniach naukowych i tytule naukowym oraz stopniach i tytule w zakresie sztuki (Dz. U. nr 65, poz. 595 ze zm.) jest jednotematyczny cykl pięciu publikacji naukowych. a) Tytuł osiągnięcia naukowego Metody estymacji efektów nieallelicznej interakcji loci w stanie homozygotycznym (epistazy) na podstawie obserwacji fenotypowych i markerów molekularnych b) Publikacje wchodzące w skład rozprawy habilitacyjnej H1. Bocianowski, J. (2008). Comparison of two methods of estimation of nonallelic interaction of QTL effects on the basis of doubled haploid lines in barley. Agriculturae Conspectus Scientificus 73 (3), H2. Bocianowski, J. (2012). Analytical and numerical comparisons of two methods of estimation of additive additive interaction of QTL effects. Scientia Agricola 69(4), [IF 2011 =0,864] [MNiSW=30] H3. Bocianowski, J. (2012). A comparison of two methods to estimate additive-by-additive interaction of QTL effects by a simulation study. Journal of Theoretical Biology 308, [IF 2011 =2,208] [MNiSW=35] H4. Bocianowski, J. (2012). The use of weighted multiple linear regression to estimate QTLby-QTL epistatic effects. Genetics and Molecular Biology 35(4), [IF 2011 =0,634] [MNiSW=15] H5. Bocianowski, J. (2013). Epistasis interaction of QTL effects as a genetic parameter influencing estimation of the genetic additive effect. Genetics and Molecular Biology 36(1), [IF 2011 =0,634] [MNiSW=15] c) Syntetyczne omówienie publikacji wchodzących w skład rozprawy habilitacyjnej Epistaza addytywno-addytywna (niealleliczna interakcja loci w stanie homozygotycznym, interakcja QTL-QTL), zwana dalej epistazą i oznaczana zazwyczaj jako aa (Kearsey i Pooni, 1996), jest jednym z parametrów genetycznych służących do opisu badanej populacji. Bardzo 4
5 duże znaczenie tego prametru w badaniach genetyczno-hodowlanych skłoniło mnie do zainteresowania się metodami jego estymacji. Termin epistaza pierwszy raz został opisany przez Batesona (1907) do wskazania znoszenia ekspresji genu z jednego locus przez gen z innego locus. Fisher (1918) użył terminu epistazy w odniesieniu do statystycznej interakcji w sensie odchylenia od efektów addytywnych w modelu liniowym. Cordell (2002, 2009) argumentował, że statystyczne testy używane do szacowania interakcji (Hahn i in., 2003; Moore, 2004; Chung i in., 2007; Zhang i Liu, 2007) mają ograniczone zastosowanie w wyjaśnianiu typu biologicznej interakcji, którą pierwotnie opisał Bateson. Phillips (2008) zauważył wieloznaczność terminu epistazy i wyróżnił jej trzy formy: 1) epistaza statystyczna, która opisuje odchylenie od efektów addytywnych w modelu liniowym, 2) epistaza złożona, która odpowiada definicji epistazy w sensie zaproponowanym przez Batesona, tj. maskowanie efektu allelu w jednym locus przez allel w innym locus, oraz 3) epistaza funkcjonalna, która opisuje fizycznie interakcję molekularną pomiędzy różnymi białkami (i innymi genetycznymi elementami). Jannink i Jansen (2001) zaproponowali analizę kontrastu do konstruowania modeli liniowych oraz metodę wiarogodności do testowania obecności epistazy. Załóżmy, że w wyniku przeprowadzonego eksperymentu zaobserwowano n homozygotycznych linii. Mamy zatem n-wymiarowy wektor średnich fenotypowych obserwacji y = [y 1 y 2 y n ] oraz q n-wymiarowych wektorów genotypowych obserwacji markerowych m l, l = 1, 2,, q. Element i-ty (i = 1, 2,, n) wektora m l jest równy 1 lub 1, w zależności od tego, po którym z rodziców i-ta linia odziedziczyła allele w danym locus markerowym. Estymacja efektu epistazy może odbywać się na poziomie fenotypowym lub na poziomie genotypowym. Estymacja efektu epistazy na podstawie jedynie obserwacji fenotypowych y wymaga wyznaczenia grup linii ekstremalnych, tj. linii z minimalną i maksymalną ekspresją obserwowanej cechy (Choo i Reinbergs, 1982). Grupa linii minimalnych składa się z linii zawierających, teoretycznie, tylko allele zmniejszające wartość cechy. Analogicznie, grupa linii maksymalnych zawiera linie, które mają tylko allele zwiększające wartość cechy. Rozważania genetyczne pokazują, iż wartość oczekiwana cechy dla linii maksymalnej wynosi E(y i )=µ+a+aa, gdzie µ jest średnią ogólną, a jest efektem addytywnym genu; natomiast wartość oczekiwana dla linii minimalnej wynosi E(y i )=µ a+aa. W prezentowanych artykułach grupy linii ekstremalnych identyfikowane były z użyciem metody kwantyli 5
6 (Bocianowski i in., 1999), w której jako linie minimalne (maksymalne) były brane te, których wartość średnia była mniejsza (większa) od kwantyla 0,03 (0,97) empirycznego rozkładu średnich. Całkowity efekt nieallelicznej interakcji aa p może być estymowany na podstawie wzoru (Choo i Reinbergs 1982) gdzie 1 aa p = 2 ( Lmax + Lmin ) L, L min i L max oznaczają wartości średnie dla grup linii, odpowiednio, minimalnych i maksymalnych, L oznacza wartość średnią dla wszystkich linii. Estymacja parametru aa na podstawie obserwacji genotypowych opiera się na założeniu, iż geny odpowiedzialne za ekspresję wartości cechy są blisko sprzężone z obserwowanymi markerami molekularnymi. Po wybraniu spośród wszystkich obserwowanych markerów p takich, które wyjaśniają zmienność cechy, możemy model obserwacji dla linii zapisać jako y = 1µ + Xβ + Zγ + e, (2) gdzie 1 oznacza n-wymiarowy wektor jedynek, µ oznacza średnią ogólną, X oznacza (n p)- (1) wymiarową macierz postaci X = ml m 1 l K m 2 l p, l 1, l 2,, l p {1, 2,, q}, β oznacza p-wymiarowy wektor nieznanych parametrów postaci β = al a 1 l K a 2 l p ', Z oznacza macierz, której kolumny są iloczynami niektórych kolumn macierzy X, γ oznacza wektor nieznanych parametrów postaci γ = aal ' 1l aa 2 l1l K aa 3 l p 1 l, e oznacza n- p wymiarowy wektor zmiennych losowych z E(e i )=0, Cov(e i, e j )=0 dla i j, i, j= 1, 2,, n. Parametry a, a,, l 1 l 2 a l są efektami addytywnymi genów kontrolujących cechę, a p parametry aa l 1 l 2, aa l 1 l 3,, aa 1 l p l p są efektami interakcji epistatycznej. Zakładam, że efekty interakcji epistatycznej wykazują tylko loci z istotnymi efektami addytywnego działania genów. Takie założenie istotnie zmniejsza liczbę potencjalnie istotnych efektów i czyni model regresyjny bardziej przydatnym. Oznaczając przez α [ µ β' γ' ]' = i [ 1 X Z] G = otrzymujemy model y = Gα + e. (3) Jeżeli G jest macierzą pełnego rzędu, to estymator parametru α jest dany wzorem (Searle 1982) 6
7 αˆ 1 ( G'G) G'y. = (4) Całkowity efekt epistazy genów wpływających na wartości cechy można zapisać jako p 1 p aa g = aal k l. (5) k ' k = 1 k ' = 2 k ' k Selekcja markerów do modelu (2) może być przeprowadzona np. z wykorzystaniem procedury regresji krokowej. W prezentowanych pracach użyem algorytmu trójstopniowego. W pierwszym kroku selekcję krokową wstecz przeprowadziem niezależnie wewnątrz wszystkich grup sprzężeń; następnie, markery wybrane w ten sposób umieściłem w jednej grupie sprzężeń i poddałem drugiej selekcji wstecz. Ostatecznie, w trzecim kroku, rozważałem sytuacje, w których wybrane markery były zlokalizowane na chromosomie bardzo blisko siebie (bliżej niż 5 cm). Ponieważ takie markery są sprzężone najprawdopodobniej z jednym QTL, więc jedynie marker z największą wartością statystyki testowej zostawiłem w ostatecznym modelu. W pierwszym i drugim kroku zastosowałem poziom istotności równy 0,001, z uwzględnieniem poprawki Bonferroniego. Analityczne i numeryczne porównanie obu metod estymacji efektu nieallelicznej interakcji przedstawiłem w pracach H1 i H2. Estymatory całkowitego efektu epistazy (1) i (5) mogą zostać porównane analitycznie po przyjęciu założeń upraszczających. Model (2) traktuje obserwacje markerowe jako stałe. Faktycznie, wektory m l, l = 1, 2,, q, stanowią obserwacje pewnych zmiennych losowych. Wówczas, poniższe dwa genetyczne założenia muszą być uwzględnione: (i) markery są niesprzężone, tzn., dla dowolnych dwu markerów prawdopodobieństwo zaobserowowania (1, 1) lub ( 1, 1) jest takie samo jak zaobserwowania (1, 1) lub ( 1, 1); (ii) segregacja każdego markera jest zgodna w genetycznym modelem odpowiednim dla analizowanej populacji, która w tym przypadku oznacza, że prawdopodobieństwo zaobserwowania 1 jest takie samo jak zaobserowoania 1. Jeżeli dane markerowe spełniają założenia (i) oraz (ii), to otrzymujemy aa p = p 1 p k = 1 k ' = 2 k ' k 1 2 ( lk lk ' ) (, ) ( ), + lk lk ' y + y y, (6) gdzie (, ) l k l k ' y i (,+) l k l k ' y oznaczają wartości średnie dla linii z obserwacjami k-tego i k -tego markera równą, odpowiednio, 1 i 1. 7
8 Praktycznie, dane markerowe nie spełniają dokładnie warunków prowadzących do (6). Założenie (i) jest jednakże w przybliżeniu prawdziwe, jeżeli markery wybrane do modelu (2) są słabo sprzężone, to znaczy, jeżeli znajdują się daleko od siebie na mapie sprzężeń (w miarę możliwości w różnych grupach sprzężeń). Założenie (ii) jest zazwyczaj testowane testem χ 2 przed wykonaniem analizy sprzężeń. Porównanie numeryczne estymatorów przeprowadziłem na opisanych poniżej liniach podwojonych haploidów trzech krzyżówek (w sumie 157 zbiorów danych) i przedstawiłem w pracach H1 i H2. * Clipper Sahara: Dane użyte w tym przykładzie dotyczyły zbioru 120 linii podwojonych haploidów (DH) jęczmienia, otrzymanych z krzyżówki australijskiej odmiany Clipper i algierskiej Sahara 3771 z Waite Agricultural Research Institute, University of Adelaide, Australia (Karakousis i in., 2003). Linie zostały rozważane pod względem czterech cech fenotypowych. Użyłem obserwacje 183 markerów molekularnych (SSR i RFLP). * Steptoe Morex: Dane obejmowały 150 linii podwojonych haploidów (DH) jęczmienia otrzymanych z krzyżówki Steptoe Morex przez Północnoamerykański Projekt Badania Genomu Jęczmienia (NABGM) i testowane w szesnastu środowiskach (Kleinhofs i in., 1993, Romagosa i in., 1996; Mapa sprzężeń zawierała 223 markery molekularne, głównie RFLP, ze średnią odległością między markerami równą 5,66 cm. Linie analizowałem pod względem ośmiu cech. Dane brakujące markerów estymowałem metodą zaproponowaną przez Martineza i Curnowa (1994), tzn., używając niebrakujących danych markerów flankujących. * Harrington TR306: Dane pochodziły z Północnoamerykańskiego Projektu Badania Genomu Jęczmienia (Tinker i in., 1996, i zawierały 145 linii DH jęczmienia otrzymanych z krzyżówki Harrington TR306. Linie analizowałem pod względem siedmiu cech. Do badań wykorzystałem obserwacje 127 markerów molekularnych (w większości RFLP) ze średnią odległością między markerami równą 10,62 cm. Wyniki dotyczą obserwacji z pięciu środowisk, przy czym w czterech środowiskach obserwacje prowadzone były w dwu latach. Efekty epistatyczne z przeciwnymi znakami otrzymałem w 41 przypadkach (26%). W większości rozważanych sytuacji całkowity efekt interakcji addytywno-addytywnej obliczony 8
9 na podstawie obserwacji markerowych był mniejszy od całkowitego efektu epistazy otrzymanego dla obserwacji fenotypowych. Wyniki te są zgodne z intuicją, ponieważ ocena fenotypowa jest oceną całkowitego efektu epistazy wszystkich par genów wpływających na wartość cechy, podczas gdy ocena otrzymana na podstawie obserwacji genotypowych jest oceną działania epistatycznego tylko wybranych par genów. Rozrzut różnic jest najprawdopodobniej konsekwencją rozważania różnych sytuacji eksperymentalnych, cech i środowisk. W niektórych przypadkach efekty epistazy otrzymane na podstawie obserwacji fenotypowych były mniejsze niż efekty interakcji QTL QTL. Może to być wyjaśnione większym zróżnicowaniem linii podwojonych haploidów na poziomie genetycznym niż zróżnicowaniem fenotypowym. Porównując otrzymane wyniki z wynikami dla tych samych danych uzyskanymi przy użyciu metody inclusive composite interval mapping (ICIM) (opisanej przez Li i in., 2008) można zauważyć zgodność ze względu na liczbę i wartości efektów interakcji QTL QTL. Efekty epistatyczne są trudne do wykrycia, ponieważ epistatyczne modele genetyczne zawierają potencjalnie dużą liczbę parametrów (Cheverud i Routman, 1995; He i in., 2011; Zhang i Hu, 2005). Stąd, w wielu badaniach QTL dla cech ilościowych zakłada się brak epistazy między genami (Chen i in., 2010; Frova i in., 1999; Mares i Campbell, 2001; Parker i in., 1998; Sari-Gorla i in., 1999; Ullrich i in., 2009; Xue i in., 2009a, b). Przedstawione wyniki pokazują, że możliwe jest zastosowanie modelu regresji wielokrotnej z interakcją addytywno-addytywną jako użytecznego narzędzia statystycznego do charakteryzacji QTL. W badaniach symulacyjnych Monte Carlo (H3) porównujących oszacowania fenotypowe i genotypowe efektów interakcji epistatycznej QTL przyjąłem następujące warianty parametrów. Prawdziwa wartość parametru epistazy była równa 5 (aa = 5), a średnia ogólna cechy równa 100. Liczba QTL wpływających na cechę była równa 5 (każdy z efektem addytywnym równym 2). QTL były w pełni sprzężone z markerami, to znaczy odległość między genami a markerami była równa 0. Co najmniej trzy markery bez efektu addytywnego były umieszczone między dwoma QTL. Analizowałem 200 linii homozygotycznych i 210 markerów. Markery były umieszczone w 5, 7 lub 10 grupach sprzężeń (LG). Grupy sprzężeń zawierały po 42 (dla 5 grup), 30 (dla 7 grup) lub 21 (dla 10 grup) markerów. Odległości między markerami były równe (10 cm) lub różne (dla 5 grup: 8, 9, 10, 11 i 12 cm; dla 7 grup: 8, 9, 9,5, 10, 10,5, 11 i 12 cm; dla 10 grup: 8, 8,5, 9, 9,5, 10, 10,5, 11, 11,5, 12 i 12,5 cm). Odległości między markerami posłużyły do obliczenia współczynnika rekombinacji r = 1- d/100, gdzie d oznacza odległość między markerami. Przyjąłem 1, 2 lub 5 par QTL-QTL z efektami epistazy addytywno-addytywnej wpływających na wartości cechy. QTL z efektami 9
10 epistatycznymi były (i) rozmieszczone na całym genomie (każdy QTL był w innej LG), lub (ii) ulokowane w jednej LG. Efekty poszczególnych par genów zakładałem jako: (i) równe dla wszystkich par, lub (ii) efekt jednej pary QTL-QTL był większy niż dla innych (dla dwu par: 4 i 1; dla pięciu par: 2, 1, 1, 0,5 i 0,5). Wariancja błędu była równa 5 lub 10. Każda seria odpowiadająca każdej kombinacji opisanych wyżej parametrów składała się z 5000 losowych generowań zestawu danych obejmujących wektor obserwacji fenotypowych i wektory obserwacji markerowych tworzących grupy sprzężeń. Dla każdego zestawu danych wyestymowałem efekty interakcji addytywno-addytywnej aa jp i aa jg, j = 1, 2,, 5000, metodami zaprezentowanymi powyżej. Następnie wyliczyłem wartości średnie ocen parametrów i g aa p aa oraz błędy średniokwadratowe dla każdej serii. Różnice między ocenami fenotypowymi i genotypowymi były zawsze dodatnie i najmniejsze gdy zakładano pięć par QTL-QTL. Różnice były mniejsze gdy zakładano równe efekty epistatyczne, z wyjątkiem sytuacji dla pięciu par QTL-QTL w jednej LG z wariancją błędu równą 5 i markerami umieszczonymi w siedmiu i dziesięciu LG. Różnice pomiędzy ocenami fenotypowymi i genotypowymi były większe gdy QTL były umieszczone w wielu LG, z wyjątkiem sytuacji dla równych efektów epistatycznych przy wariancji błędu równej 10. Ogólnie, obniżenie wartości ocen korespondowało ze wzrostem ich błędów średniokwadratowych. Wyniki, które otrzymałem przy założeniu nierównych odległości między markerami były bardzo podobne do wyników otrzymanych przy założeniu równych odległości między markerami. Przeprowadzone przeze mnie badania symulacyjne do porównania metod estymacji nie mogły, oczywiście, wziąć pod uwagę wszystkich możliwych sytuacji doświadczalnych. Jednakże, moim zdaniem, zastosowanie kombinacji parametrów odpowiadało przypadkom często spotykanym w badaniach na rzeczywistych danych. Wyniki, które otrzymałem z badań symulacyjnych Monte Carlo pokazują stabilność własności obu metod estymacji epistazy addytywno-addytywnej dla różnych typów materiału genetycznego. Brak wpływu odległości między markerami na estymację efektu epistatycznego obiema metodami i na wnioski dotyczące porównania proponowanych metod estymacji wskazują na przydatność tych metod dla różnych map genetycznych. Ponadto, brak wpływu liczby grup sprzężeń sprzyja stosowaniu moich wniosków dla różnych gatunków roślin. Porównanie dwu metod estymacji (fenotypowej i genotypowej) parametru związanego z działaniem interakcji addytywno-addytywnej genów pokazuje, że ocena fenotypowa jest większa niż ocena genotypowa. Wyniki te są zgodne z porównaniem analitycznym (H1, H2), 10
11 ponieważ ocena fenotypowa jest oceną całkowitego efektu interakcji addytywno-addytywnej wszystkich par genów wpływających na cechę, podczas gdy ocena otrzymana na podstawie obserwacji markerowych jest oceną interakcji epistatycznej tylko wybranych par genów. Różnica między ocenami fenotypową i genotypową była mniejsza, gdy na cechę działało wiele par interakcyjnych QTL-QTL tzn. gdy zastosowany model był bliższy prawdziwemu modelowi poligenicznemu. Ogólnym wnioskiem płynącym z wyników moich badań jest stwierdzenie, że w przypadku ocen całkowitego efektu interakcji addytywno-addytywnej spodziewać sie należy, że ocena genetyczna powinna być mniejsza od oceny fenotypowej. Wyniki otrzymane w prezentowanych badaniach mogą być pomocne w zrozumieniu mechanizmów genetycznych cech ilościowych różnych roślin. Jednym z wniosków płynących z powyższych badań (H1, H2, H3) było stwierdzenie, że ocena całkowitego efektu interakcji addytywno-addytywnej na podstawie danych markerowych była w większości przypadków mniejsza od oceny na podstawie fenotypu. Wytłumaczenie tego zjawiska może być proste. Dane fenotypowe można użyć do oceny tylko całkowitego efektu epistazy wszystkich hipotetycznych par genów determinujących cechę. Przy użyciu danych markerowych, które mogą być mniej lub bardziej dokładnie zmapowane na genomie, można ocenić efekty indywidulanych par interakcyjnych. Suma otrzymanych efektów jest mniejsza od oceny fenotypowej. Różnica ta może zostać zmniejszona poprzez umieszczenie markerów w regionach, gdzie geny są zlokalizowane. Dodatkowo do powyższego wytłumaczenia, inne możliwe źródła różnic pomiędzy obliczonymi ocenami powinny być rozważone. Wyniki wspomniane powyżej odnoszą się do efektów interakcyjnych QTL-QTL otrzymanych przy użyciu najprostszej możliwej metody, tj. przy użyciu liniowej regresji wielokrotnej danych markerowych. W kolejnej pracy (H4) przedstawiłem modyfikację modelu regresyjnego poprzez zastosowanie wag empirycznych w celu uzyskania większej zgodności między ocenami fenotypową i genotypową. W podejściu opisanym w H4, estymacja parametru związanego w efektem epistatycznej interakcji addytywno-addytywnej jest oparta na ekstremalnych grupach linii homozygotycznych i na danych markerów genotypowych. Do oceny efektów epistatycznych użyłem wielokrotnej ważonej regresji liniowej w trzech wariantach: (1) standardowa regresja ważona z wagami wynikającymi z wyestymowanych wariancji, (2) różne wagi dla linii minimalnych, linii maksymalnych i dla pozostałych linii, oraz (3) inne wagi dla linni ekstremalnych i inne wagi dla pozostałych linii. Skuteczność proponowanej metody zbadałem przy użyciu symulacji Monte Carlo. 11
12 Estymator α [z modelu (3)] dany jest obecnie wzorem ( G'W G) G'W y αˆ =, (7) gdzie W jest macierzą diagonalną nieznanych wariancji obserwacji, które mogą być empirycznie oszacowane. W symulacjach Monte Carlo porównując oceny fenotypową i genotypowe (nieważoną i trzy formy ważone) efektów interakcji addytywno-addytywnej przyjąłem następujące warianty parametrów. Przyjąłem prawdziwą wartość badanego parametru równą 5 (aa = 5), a wartość średnią obserwowanej cechy równą 100. Liczba QTL działających na cechę wynosiła: 5 (każdy z efektem równym 2). QTL zlokalizowałem dokładnie w miejscach markerów. Co najmniej dwa markery bez efektów addytywnych ulokowałem pomiędzy dwoma QTL. Zbadałem 200 linii homozygotycznych scharakteryzowanych pod względem 210 markerów. Markery umieściłem w 5, 7 lub 10 grupach sprzężęń (LG) zawierających, odpowiednio, 42, 30 lub 21 markerów. Odległości między markerami zakładałem równe (10 cm) lub różne (dla pięciu LG: 8, 9, 10, 11 i 12 cm; dla siedmiu LG: 8, 9, 9,5, 10, 10,5, 11 i 12 cm; dla 10 LG: 8, 8,5, 9, 9,5, 10, 10,5, 11, 11,5, 12 i 12,5 cm). Zakładałem jedną, dwie lub pięć par genów z epistatycznymi efektami interakcyjnymi wpływającymi na cechę. QTL z efektami epistazy addytywno-addytywnej umieściłem w jednej LG lub rozmieściłem na całym genomie (każdy QTL w innej LG). Efekty poszczególnych par genów zakładałem jako równe dla wszystkich par lub jedna para QTL-QTL miała efekt większy niż inne (dla dwu par: 4 i 1; dla pięciu par: 2, 1, 1, 0.5 i 0.5). Przyjąłem cztery warianty wariancji linii: V1 równe dla wszystkich linii (10), V2 większa dla linii ekstremalnych (10) niż dla pozostałych linii (5), V3 mniejsza dla linii ekstremalnych (5) niż dla pozostałych linii (10) i V4 różne dla linii minimalnych (10), linii maksymalnych (20) i dla pozostałych linii (30). Wariancja błędu była równa pięć dla wszystkich wygenerowanych obserwacji. Każda seria odpowiadająca każdej kombinacji parametrów składała się z 5000 losowych generowań zestawu danych obejmujących wektor obserwacji fenotypowych i wektory obserwacji markerowych tworzących grupy sprzężeń. Dla każdego zestawu danych wyestymowałem wariancje dla linii oraz oszacowałem całkowity efekty epistazy metodami: fenotypową oraz genotypową (nieważoną aa g0 i trzema wariantami ważonej aa g1, aa g 2 i aa g3 ). Wyniki tych symulacji wskazują, że we wszystkich wariantach wariancji dla linii średnia ocena fenotypowa była zawsze większa od oceny genotypowej (bez względu na zastosowaną metodę). Oceny genotypowe bazujące na regresji ważonej były zawsze większe 12
13 niż oceny bazujące na regresji nieważonej. Wartości średnie dla aa g 2 i 3 aa g były zawsze troche większe od aa g0, natomiast wartości średnie efektu aa g1 były dużo większe od aa g0 i najbliższe (wśród aa g ) do aa f. Generalnie, obserwowałem zależność > 1 > 2 > 3 > 0 aa f aa g aa g aa g aa g, oprócz przypadku, gdy zakładałem działanie pięciu epistatycznych par rozmieszczonych w wielu grupach sprzężęń; wówczas zachodziła relacja aa g1 > aa f. Oceny obliczone metodami ważonymi były zawsze bliższe ocenom fenotypowym niż oceny nieważone. Artykuł H4 jest pierwszym porównaniem oceny fenotypowej efektu interakcji epistatycznej z ocenami genotypowymi otrzymanymi przy użyciu wielokrotnej ważonej regresji liniowej przepowadzonym w oparciu o badania symulacyjne. Kombinacje parametrów przyjęte w badaniach symulacyjnych odpowiadają przypadkom często spotykanym w badaniach na danych rzeczywistych. Skuteczność proponowanych metod przebadałem serią symulacji. Uzyskane wyniki potwierdziły uniwersalność i stabilność metody regresji ważonej w estymacji efektu interakcji addytywno-addytywnej. Podobne relacje pomiędzy ocenami fenotypową i genotypową otrzymałem bez względu na liczbę grup sprzężeń (liczbę chromosomów), odległości między markerami, liczbę i rozmieszczenie epistatycznych par QTL-QTL oraz różne warianty wariancji dla linii. O znaczeniu epistazy świadczą wyniki uzyskane w pracy H5, gdzie badałem wpływ rozważania/nierozważania efektu epistazy na ocenę efektu addytywnego działania genów. Ocenę efektu addytywnego działania genów oszacowanego w oparciu o model bez epistazy porównywałem z oceną wynikającą z modelu uwzględniającego efekt epistazy. Porównania przeprowadziłem na dwu zbiorach linii DH opisanych wyżej: Steptoe Morex i Harrington TR306. Wyniki otrzymane dla linii DH krzyżówki Steptoe Morex pokazują, że w 27 przypadkach (30%) nie znalazłem istotnych statystycznie efektów interakcji epistatycznej. W 24 przypadkach wartości efektów addytywnych były niższe, gdy epistaza była elementem modelu w porównaniu do przypadku, gdy efekt epistazy był wyłączony z modelu. W 39 przypadkach, uwględnienie efektu epistazy spowodowało wzrost wartości efektów addytywnych. Największy wzrost wartości parametru a wyniósł 142,86% (dla GP w MTi92). Procent zmienności fenotypowej wyjaśnianej przez efekty QTL i ich efekty epistatyczne był 13
14 większy niż R dla modelu (1), z wyjątkiem jednego przypadku, ME w MN92, gdzie spadek wynosił 0,3%. Największy wzrost obserwowanej zmienności fenotypowej był równy 16,6% (z 25,2% do 41,8% dla GY w WA92). W 10 przypadkach, R 2 był większy o co najmniej 10%. Dla drugiego zbioru danych (146 linii DH krzyżówki Harrington TR306), brak efektów epistazy zaobserwowałem w 38 przypadkach. We wszystkich przypadkach, gdy efekt epistazy był różny od zera, współczynnik determinacji dla modelu (2) był większy niż dla modelu (1). Największy wzrost wartości R 2 wyniósł 11,0% (dla L w ON93b). Otrzymane wyniki potwierdzają tezę o konieczności rozważania epistazy w badaniach asocjacyjnych marker-cecha. Ubiegając się o stopień doktora habilitowanego nauk rolniczych, jako swoje największe osiągnięcie w działalności naukowej, uważam cykl pięciu oryginalnych prac twórczych, których problematykę, dotyczącą badań nad niealleliczną interakcją loci w stanie homozygotycznym (epistazą addytywno-addytywną) opisałem powyżej. Uzyskane wyniki wskazują, że oszacowanie efektu epistazy na podstawie obserwacji jedynie fenotypowych umożliwia otrzymanie ocen zazwyczaj większych niż z wykorzystaniem obserwacji markerów molekularnych. Za mój największy sukces uważam opracowanie metody estymacji efektu epistazy opartej na ważonej liniowej regresji wielokrotnej, którą polecałbym w analizie danych eksperymentalnych, jako umożliwiającą uzyskanie lepszych (bliższych wartości prawdziwej) ocen efektu epistazy niż metoda oparta na regresji nieważonej. Literatura Bateson, W. (1907). Facts limiting the theory of heredity. Science 26, Bocianowski, J., Krajewski, P., Kaczmarek, Z. (1999). Comparison of methods of choosing extreme doubled haploid lines for genetic parameter estimation. Colloquium Biometryczne 29, Bocianowski, J., Krajewski. P. (2009). Comparison of the genetic additive effect estimators based on phenotypic observations and on molecular marker data. Euphytica 165, Chen, G., Geng, J., Rahman, M., Liu, X., Tu, J., Fu, T., Li, G., McVetty, P.B.E., Tahir, M. (2010). Identification of QTLs for oil content, seed yield, and flowering time in oilseed rape (Brassica napus). Euphytica 175, Cheverud, J.M., Routman, E.J. (1995). Epistasis and its contribution to genetic variance components. Genetics 139,
15 Choo, T.M., Reinbergs, E. (1982). Estimation of the number of genes in doubled haploid populations of barley (Hordeum vulgare). Canadian Journal of Genetics and Cytology 24, Chung, Y., Lee, S.Y., Elston, R.C., Park, T. (2007). Odds ratio based multifactordimensionality reduction method for detecting gene-gene interactions. Bioinformatics 23, Cordell, H.J. (2002). Epistasis: What it means, what it doesn t mean, and statistical methods to detect it in humans. Hum Mol Genet 11, Cordell, H.J. (2009). Detecting gene-gene interactions that underlie human diseases. Nat Rev Genet 10, Fisher, R. A. (1918). The correlation between relatives on the supposition of Mendelian inheritance. Trans R Soc Edin 52, Frova, C., Krajewski, P., di Fonzo, N., Villa, M., Sari-Gorla, M. (1999). Genetic analysis of drought tolerance in maize by molecular markers. I. Yield components. Theoretical and Applied Genetics 99, Hahn, L.W., Ritchie, M.D., Moore, J.H. (2003). Multifactor dimensionality reduction software for detecting gene-gene and gene-environment interactions. Bioinformatics 19, Hayes, P.M., Liu, B.H., Knapp, S.J., Chen, F., Jones, B., Blake, T., Franckowiak, J., Rasmusson, D., Sorrells, M., Ullrich, S.E., Wesenberg, D., Kleinhofs, A. (1993). Quantitative trait locus effects and environmental interaction in a sample of North American barley germ plasm. Theoretical and Applied Genetics 87, He, X.-H., Qin, H., Hu, Z., Zhang, T., Zhang, Y.-M. (2011). Mapping of epistatic quantitative trait loci in four-way crosses. Theoretical and Applied Genetics 122, Jannink J-L, Jansen R (2001) Mapping epistatic quantitative trait loci with one-dimensional genome searches. Genetics 157, Karakousis, A., Barr, A.R., Kretschmer, J.M., Manning, S., Jefferies, S.P., Chalmers, K.J., Islam, A.K.M., Langridge, P. (2003). Mapping and QTL analysis of the barley population Clipper Sahara. Australian Journal of Agricultural Research 54(12), Kearsey, M.J., Pooni, H.S. (1996). The genetical analysis of quantitative traits. Chapman and Hall, London. Kleinhofs, A., Kilian, A., Saghai Maroof, M.A., Biyashev, R.M., Hayes, P., Chen, F.Q., Lapitan, N., Fenwick, A., Blake, T.K., Kanazin, V., Ananiev, E., Dahleen, L., Kudrna, D., Bollonger, J., Knapp, S.J., Liu, B., Sorrells, M., Heun, M., Franckowiak, J.D., Hoffman, 15
16 D., Skadsen, R., Steffenson, B.J. (1993). A molecular, isozyme and morphological map of the barley (Hordeum vulgare) genome. Theoretical and Applied Genetics 86, Li, H., Ribaut, J.-M., Li, Z., Wang, J. (2008). Inclusive composite interval mapping (ICIM) for digenic epistasis of quantitative traits in biparental populations. Theoretical and Applied Genetics 116, Mares, D.J., Campbell, A.W. (2001). Mapping components of flour and noodle color in Australian wheat. Australian Journal of Agricultural Research 52, Martinez, O., Curnow, R.N. (1994). Missing markers when estimating quantitative trait loci using regression mapping. Heredity 73, Moore, J.H. (2004). Computational analysis of gene-gene interactions using multifactor dimensionality reduction. Expert Rev Mol Diagn 4, Parker, G.D., Chalmers, K.J., Rathjen, A.J., Langridge, P. (1998). Mapping loci associated with flour color in wheat (Triticum aestivum L.). Theoretical and Applied Genetics 97, Phillips, P.C. (2008). Epistasis the essential role of gene interactions in the structure and evolution of genetic systems. Nat Rev Genet 9, Romagosa, I., Ullrich, S.E., Han, F., Hayes, P.M. (1996). Use of the additive main effects and multiplicative interaction model in QTL mapping for adaptation in barley. Theoretical and Applied Genetics 93, Sari-Gorla, M., Krajewski, P., di Fonzo, N., Villa, M., Frova, C. (1999). Genetic analysis of drought tolerance in maize by molecular markers. II. Plant height and flowering. Theoretical and Applied Genetics 99, Searle, S.P. (1982). Matrix algebra useful for statistics. John Wiley and Sons, New York. Tinker, N.A., Mather, D.E., Rossnagel, B.G., Kasha, K.J., Kleinhofs, A., Hayes, P.M., Falk, D.E., Ferguson, T., Shugar, L.P., Legge, W.G., Irvine, R.B., Choo, T.M., Briggs, K.G., Ullrich, S.E., Franckowiak, J.D., Blake, T.K., Graf, R.J., Dofing, S.M., Saghai Maroof, M.A., Scoles, G.J., Hoffman, D., Dahleen, L.S., Kilian, A., Chen, F., Biyashev, R.M., Kudrna, D.A., Steffenson, B.J. (1996). Regions of the genome that affect agronomic performance in two-row barley. Crop Science 36, Ullrich, S.E., Lee, H., Clancy, J.A., del Blanko, I.A., Jitkov, V.A., Kleinhofs, A., Han, F., Prada, D., Romagosa, I., Molina-Cano, J.L. (2009). Genetic relationship between preharvest sprouting and dormancy in barley. Euphytica 168, Xue, D., Chen, M., Zhang, G. (2009a). Mapping of QTLs associated with cadmium tolerance and accumulation during seedling stage in rice (Oryza sativa L.). Euphytica 165,
17 Xue, D., Huang, Y., Zhang, X., Wei, K., Westcott, S., Li, C., Chen, M., Zhang, G., Lance, R. (2009b). Identification of QTLs associated with salinity tolerance at late growth stage in barley. Euphytica 169, Zhang, Y.M., Hu, S. (2005). A penalized maximum likelihood method for estimating epistatic effects of QTL. Heredity 95, Zhang, Y., Liu, J.S. (2007). Bayesian inference of epistatic interactions in case-control studies. Nat Genet 39,
18 5. Omówienie pozostałych osiągnięć naukowo-badawczych a. Zestawienie dorobku publikacyjnego przed i po uzyskaniu stopnia doktora Rodzaj publikacji Przed uzyskaniem Po uzyskaniu stopnia Ogółem stopnia doktora doktora 1. Oryginalne prace twórcze 1.1. Czasopisma z impact factor (IF) Czasopisma w języku kongresowym Czasopisma w języku polskim Pozostałe publikacje naukowe 2.1. Prace przeglądowe w j. polskim Prace konferencyjne Opublikowane w języku kongresowym Opublikowane w języku polskim Doniesienia konferencyjne 3.1. Streszczenia Opublikowane w języku angielskim Opublikowane w języku polskim Prezentowane plakaty w języku angielskim w języku polskim b. Sumaryczny wskaźnik Impact Factor (IF) zgodnie z rokiem publikacji: 57,213 1 c. Sumaryczna liczba punktów wg MNiSW 2 : d. Sumaryczna liczba cytowani wg Web of Science: Zgodnie z rokiem publikacji. W przypadku publikacji z roku 2013, dla których IF nie został obliczony podano ostatni aktualny IF Zgodnie z punktacją MNiSW z 2012 roku 3 W punktacji nie uwzględniono 12 artykułów opublikowanych w czasopismach, które zgodnie z punktacją MNiSW z 2012 roku nie otrzymały punktów. Ponadto nieuwzględniono również w punktacji rozdziałów w monografiach. 18
19 e. Indeks Hirscha wg Web of Science: 7 f. Udział i rola w projektach badawczych [G1] Projekt badawczy (promotorski) nr 3 P06A Metody oceny efektów addytywnego działania genów na podstawie obserwacji fenotypowych i markerów molekularnych realizowanym w Instytucie Genetyki Roślin (czas trwania: r r., kierownik: Paweł Krajewski, wykonawca: Jan Bocianowski) finansowanym przez KBN. [G2] Projekt badawczy nr 3 P06A Charakterystyka genów kontrolujących cechy białka i struktury plonu u grochu z uwzględnieniem interakcji nieallelicznej (czas trwania: r.; kierownik: Paweł Krajewski, wykonawcy: Jan Bocianowski, Magdalena Gawłowska, Zygmunt Kaczmarek, Tomasz Pniewski, Bogdan Wolko, Wojciech K. Święcicki) finansowany przez MNiI. [G3] Statystyczne wspomaganie decyzji selekcyjnych na wczesnych etapach hodowli zbóż nr 34/2006; czas trwania: r.; Kierownik: Wiesław Pilarczyk, wykonawcy: Katarzyna Ambroży, Ewa Bakinowska, Jan Bocianowski, Anna Budka, Bogna Zawieja. (finansowany przez Agencję Nieruchomości Rolnych w Warszawie i koordynowanego przez Sp. z o. o. Hodowla Roślin Szelejewo). [G4] Projekt badawczy nr NN Biosynteza mikotoksyn i stres oksydacyjny w szparagu (Asparagus officinalis L.) jako wynik zróżnicowania patogenów rodzaju Fusarium (czas trwania: r.; kierownik: Zbigniew Karolewski, wykonawcy: Zbigniew Weber, Piotr Goliński, Lidia Irzykowska, Jan Bocianowski, Ryszard Krzyminiewski, Agnieszka Waśkiewicz, Kinga Drzewiecka) finansowany przez MNiI. [G5] Projekt badawczy nr NN Podatność ważnych rolniczo odmian pszenicy ozimej (Triticum aestivum) na fuzariozę kłosa i akumulację mikotoksyn w ziarnie (czas trwania: r.; kierownik: Piotr Goliński, wykonawcy: Halina Wiśniewska, Irena Kiecana, Karolina Gromadzka, Agnieszka Waśkiewicz, Marian Kostecki, Elżbieta Mielniczuk, Kinga Drzewiecka, Jan Bocianowski) finansowany przez MNiI. [G6] Projekt naukowo-badawczy nr HORhn-4040 dec 28/08 Optymalizacja hodowlanych badań doświadczalnych na etapie doświadczeń wstępnych na przykładzie doświadczeń z jęczmieniem jarym (czas trwania: r.; kierownik: Wiesław 19
20 Pilarczyk, wykonawcy: Ewa Bakinowska, Bogna Zawieja, Jan Bocianowski) finansowany przez Ministerstwo Rolnictwa i Rozwoju Wsi. [G7] Projekt badawczy nr N N Zearalenon i jego pochodne w elementach ekosystemu wodnego jako efekt zanieczyszczenia środowiska wywołanego obecnością w roślinach uprawnych grzybów toksynotwórczych i produktów ich metabolizmu mikotoksyn estrogennych (czas trwania: r.; kierownik: Karolina Gromadzka, wykonawcy: Agnieszka Waśkiewicz, Piotr Goliński, Halina Wiśniewska, Joanna Świetlik, Jan Bocianowski) finansowany przez MNiI. [G8] Projekt badawczy nr N N Badanie mechanizmów rządzących ewolucją genów samoniezgodności na podstawie sześciu populacji gruszy dzikiej Pyrus Pyraster (L.) Burgsd. (czas trwania: r.; kierownik: Łukasz Wolko, wykonawcy: Wojciech Antkowiak, Jan Bocianowski) finansowany przez MNiI. [G9] Projekt badawczy nr N N Ocena podatności nowych, chlebowych odmian pszenicy ozimej na fuzariozę kłosa i akumulację mikotoksyn w ziarnie, w aspekcie przydatności w określonych gałęziach przemysłu zbożowego (młynarstwo, piekarstwo) jak i ochrony zdrowia konsumentów (czas trwania: r.; kierownik: Agnieszka Waśkiewicz, wykonawcy: Tadeusz Praczyk, Romuald Gwiazdowski, Krzysztof Kubiak, Halina Wiśniewska, Wiktor Obuchowski, Agnieszka Makowska, Piotr Goliński, Monika Beszterda, Jan Bocianowski) finansowany przez MNiI. [G10] Projekt badawczy nr PBS1/A8/12/2012 Opracowanie markerów molekularnych przeznaczonych do efektywnej selekcji form żyta zwyczajnego (Secale cereale L.) o podwyższonej odporności na choroby oraz porastanie przedżniwne (czas trwania: r.; kierownik: Monika Rakoczy-Trojanowska, wykonawcy: Małgorzata Schollenberger, Zofia Banaszak, Anna Stochmal, Paweł Krajewski, Wacław Orczyk, Paweł Milczarski, Piotr Masojć, Hanna Bolibok-Brągoszewska, Mieczysław Śmiech, Wojciech Wakuliński, Jan Bocianowski) finansowany przez NCBiR. g. Międzynarodowe i krajowe nagrody za działalność naukową Stypendium krajowe dla młodych naukowców Fundacji na rzecz Nauki Polskiej na rok Stypendium krajowe dla młodych naukowców Fundacji na rzecz Nauki Polskiej na rok
21 Stypendium wyjazdowe na European Young Statisticians Training Camp to the 25 th European Meeting of Statisticians, Oslo, Norwegia ( VII.2005) funded by the EU Marie Curie Action and coordinated by the European Mathematical Society. Stypendium wyjazdowe na XIII EUCARPIA Biometrics in Plant Breeding Section Meeting, Zagrzeb, Chorwacja (30.VIII.-1.IX.2006) przyznane przez Fundację Pro Scientia et Vita Członków Wydziału Nauk Rolniczych, Leśnych i Weterynaryjnych PAN. Nagroda Zespołowa III stopnia za działalność naukową. Nagroda przyznana przez Rektora Akademii Rolniczej im. Augusta Cieszkowskiego w Poznaniu, 6 grudnia Nagroda Zespołowa I stopnia za osiągnięcia naukowe. Nagroda przyznana przez Rektora Akademii Rolniczej im. Augusta Cieszkowskiego w Poznaniu, grudzień Nagroda Zespołowa I stopnia za osiągnięcia naukowe. Nagroda przyznana przez Rektora Uniwersytetu Przyrodniczego w Poznaniu, grudzień Nagroda Indywidualna II stopnia za osiągnięcia naukowe udokumentowane publikacjami. Nagroda przyznana przez Rektora Uniwersytetu Przyrodniczego w Poznaniu, listopad Nagroda Zespołowa I stopnia za osiągnięcia naukowe. Nagroda przyznana przez Rektora Uniwersytetu Przyrodniczego w Poznaniu, listopad Nagroda Indywidualna II stopnia za osiągnięcia naukowe. Nagroda przyznana przez Rektora Uniwersytetu Przyrodniczego w Poznaniu, listopad Nagroda Indywidualna II stopnia za osiągnięcia naukowe udokumentowane publikacjami. Nagroda przyznana przez Rektora Uniwersytetu Przyrodniczego w Poznaniu, listopad h. Staże naukowe , Włochy, Mediolan (Dipartimento do Genetica, Universita degli Studi di Milano) , Polska, Wrocław (Katedra Genetyki, Hodowli Roślin i Nasiennictwa, Uniwersytet Przyrodniczy we Wrocławiu) 21
22 i. Wygłoszone referaty na międzynarodowych i krajowych konferencjach naukowych Przed uzyskaniem stopnia doktora 1. Bocianowski, J., Krajewski, P. Porównanie metod wyboru ekstremalnych linii podwojonych haploidów w estymacji parametrów genetycznych, XXIX International Biometrical Colloquium, , Piechowice. 2. Bocianowski, J., Krajewski, P. Estymacja efektów genetycznych na podstawie fenotypu i genotypu markerowego, XXX International Biometrical Colloquium, , Wigry. 3. Bocianowski, J., Krajewski, P. Badania symulacyjne na temat porównania metody fenotypowej i genotypowej estymacji efektu addytywnego działania genów, XIV Zjazd Polskiego Towarzystwa Genetycznego Genetyka w służbie człowieka, , Poznań. 4. Bocianowski, J., Leśniewska-Bocianowska, A., Zwierzykowski, Z. Metoda wyboru obiektów na podstawie współczynników zmienności, XXXI International Biometrical Colloquium, , Skorzęcin. 5. Bocianowski, J., Krajewski, P. Porównanie dwóch metod estymacji efektu addytywnego działania genów na podstawie linii podwojonych haploidów jęczmienia, VI Międzynarodowe Sympozjum Genetyka Ilościowa Roślin Uprawnych, , Duszniki Zdrój. 6. Bocianowski, J., Gallavotti, A., Krajewski, P., Pé, E. On methods of collecting data from DNA microarrays, XXXII International Biometrical Colloquium, , Krasnobród. 7. Bocianowski, J., Krajewski, P. Zastosowanie regresji ważonej w lokalizacji QTL, LVII Sesja Naukowa Polskiego Towarzystwa Biometrycznego pt. Biometria: teoria i praktyka, , Poznań. 8. Krajewski, P., Bocianowski, J. Porównanie metod oceny liczby genów determinujących cechy ilościowe, LX Sesja Naukowa Polskiego Towarzystwa Biometrycznego pt. Biometria: teoria i praktyka, , Poznań. 9. Bocianowski, J., Krajewski, P. Estymacja efektu addytywnego działania genów metodą genetyki ilościowej i metodą genetyki molekularnej, Polski Kongres Genetyki, , Gdańsk. 22
23 Po uzyskaniu stopnia doktora 10. Bocianowski, J. Methods of estimation of additive gene action effects on the basis of phenotypic observations and molecular markers, European young statisticians training camp to the 25 th European Meeting of Statisticians, , Oslo, Norwegia. 11. Bocianowski, J. Numeryczne porównanie dwu metod estymacji efektów nieallelicznej interakcji loci w stanie homozygotycznym na podstawie linii podwojonych haploidów jęczmienia kombinacji krzyżówkowej Clipper Sahara, Mini konferencja poświęcona lokalizacji QTLi i nie tylko, , Wrocław. 12. Bocianowski, J. Ocena efektu epistazy na podstawie linii homozygotycznych badania symulacyjne. Część 1., Seminarium Statistical aspects of single gene detection, , Poznań. 13. Bocianowski, J., Rybiński, W. Zmienność dwu- i wielorzędowych mutantów jęczmienia jarego, LXXII Sesja Naukowa Polskiego Towarzystwa Biometrycznego pt. Biometria: teoria i praktyka, , Poznań. 14. Ambroży, K., Bakinowska, E., Bocianowski, J., Budka, A., Pilarczyk, W., Zawieja, B. Statystyczne wspomaganie decyzji selekcyjnych na wczesnych etapach hodowli zbóż. II. Empiryczne porównanie metod oceny efektów obiektowych, VIII Międzynarodowe Sympozjum Genetyka Ilościowa Roślin Uprawnych, , Szklarska Poręba, 15. Bocianowski, J. Zastosowanie metod statystycznych w genetyce ilościowej wspomaganej markerami molekularnymi, Seminarium Naukowe Katedry Genetyki, Hodowli i Nasiennictwa Uniwersytetu Przyrodniczego we Wrocławiu, , Wrocław (wykład proszony). 16. Bocianowski, J., Kozak, M., Liersch, A., Tartanus, M., Bartkowiak-Broda, I. Dystans genetyczny, dystans fenotypowy jako narzędzia dla współczesnej hodowli, IX Międzynarodowe Sympozjum Genetyka Ilościowa Roślin Uprawnych, , Kudowa Zdrój. 17. Bocianowski, J., Liersch, A., Bartkowiak-Broda, I. Wpływ zróżnicowania na poziomie genetycznym na zróżnicowanie fenotypowe mieszańców F 1 CMS ogura rzepaku ozimego (Brassica napus L.), XXXI Konferencji Naukowej Rośliny Oleiste Oilseed Crops, , Poznań. 18. Bocianowski, J. Metody estymacji efektu interakcji loci w stanie homozygotycznym, Seminarium Poznańskiego Oddziału IHAR-PIB, , Poznań. 23
24 j. Recenzje dla czasopism naukowych: 1. z listy filadelfijskiej: 1.1. Acta Physiologiae Plantarum 1.2. Anais da Academia Brasileira de Ciências 1.3. Annals of Applied Biology (3 artykuły) 1.4. Botany 1.5. Euphytica 1.6. Genes & Genomics (3 artykuły) 1.7. Industrial Crops and Products 1.8. Molecular Breeding 2. pozostałych zagranicznych: 2.1. African Journal of Agricultural Research 2.2. African Journal of Biotechnology (4 artykuły) 2.3. Australian Journal of Crop Science 2.4. Bioremediation, Biodiversity and Bioavailability 2.5. European Journal of Medical Plants 2.6. International Journal of Plant Breeding (3 artykuły) 2.7. Journal of Crop Science and Biotechnology 2.8. Journal of Proteomics & Bioinformatics 2.9. Pakistan Journal of Scientific & Industrial Research 3. pozostałych krajowych 3.1. Biometrical Letters (4 artykuły) 3.2. Colloquium Biometricum 3.3. Communications In Biometry And Crop Science (5 artykułów) 3.4. Rośliny Oleiste Oilseed Crops 3.5. Zeszyty Problemowe Postępów Nauk Rolniczych (2 artykuły) Działalność organizacyjna: 2001, Współorganizator Seminarium Naukowego Problemy analizy serii doświadczeń roślinnych, , Poznań obecnie, Edytor w International Journal Of Mathematics And Statistics obecnie, Redaktor statystyczny w Rośliny Oleiste Oilseed Crops. 24
25 2012, Członek Komitetu Naukowego XXXI Konferencji Naukowej Rośliny Oleiste Oilseed Crops, Poznań, Funkcje pełnione z wyboru: , członek Rady Katedry Metod Matematyczny i Statystycznych, Uniwersytetu Przyrodniczego w Poznaniu , członek Rady Wydziału Rolniczego Uniwersytetu Przyrodniczego w Poznaniu obecnie, członek Rady Wydziału Rolnictwa i Bioinżynierii Uniwersytetu Przyrodniczego w Poznaniu. Inne: Od 2000 Członek Polskiego Towarzystwa Biometrycznego 6. Przebieg pracy naukowej Działalność naukową rozpocząłem w roku 1998, podejmując pracę w Pracowni Biometrii Instytutu Genetyki Roślin Polskiej Akademii Nauk w Poznaniu. Prowadzone przeze mnie badania dotyczyły przede wszystkim metod estymacji efektu addytywnego działania genów. Pierwszym zagadnieniem, nad którym pracowałem było porównanie metod wyboru ekstremalnych linii podwojonych haploidów w estymacji parametrów genetycznych. Oceny parametrów genetycznych na podstawie linii podwojonych haploidów (DH) otrzymanych z mieszańców krzyżówek homozygotycznych roślin rodzicielskich stanowią podstawę wnioskowania o sposobie dziedziczenia cech ilościowych. Istotną rolę w prawidłowej ich ocenie odgrywa sposób w jaki wyróżnia się spośród linii DH tzw. linie ekstremalne, czyli linie o minimalnej i maksymalnej ekspresji obserwowanej cechy ilościowej. Ponieważ genotyp linii nie jest znany, więc wyróżnienie odbywać się może tylko na podstawie obserwowanych średnich fenotypowych. Trzy metody wyróżniania linii ekstremalnych porównywano poprzez badania symulacyjne. Jako kryterium dobroci metody przyjęto obciążenie oraz błąd średniokwadratowy ocen parametów opisujących addytywne działanie genów oraz interakcję genów w stanie homozygotycznym. Uzyskane wyniki przedstawiono w mojej pierwszej publikacji naukowej. 25
26 W latach byłem wykonawcą projektu badawczego (promotorskiego) KBN 3 P06A pt. Metody oceny efektów addytywnego działania genów na podstawie obserwacji fenotypowych i markerów molekularnych. Wyniki badań zostały opublikowane w pięciu pracach naukowych i były podstawą do przygotowania mojej rozprawy doktorskiej pt. Metody oceny efektów addytywnego działania genów na podstawie obserwacji fenotypowych i markerów molekularnych. Po obronie pracy doktorskiej rozpocząłem pracę w Zakładzie Biometrii Katedry Metod Matematycznych i Statystycznych Akademii Rolniczej w Poznaniu (obecnie Uniwersytet Przyrodniczy w Poznaniu). Jednym z ważniejszych problemów studiowanych w trakcie moich badań było porównanie metod estymacji efektów nieallelicznej interakcji loci w stanie homozygotycznym (epistazy) na podstawie obserwacji fenotypowych i markerów molekularnych, co stanowi podstawę mojego postępowania habilitacyjnego. Równocześnie prowadziłem badania nad wieloma aspektami aplikacji metod matematycznych i statystycznych w badaniach genetycznych i hodowlanych. Metody wielowymiarowej analizy statystycznej zaproponowałem do wielocechowej charakterystyki zróżnicowania fenotypowego badanego materiału badawczego (m.in. linie podwojonych haploidów, odmiany, mieszańce, metody aplikacji magnezu, moduły cieczy warzelnej i smarności masy). Analiza zmiennych kanonicznych, czy analiza składowych głównych zostały zaproponowane jako uzupełnienie analiz jednowymiarowych w badaniach nad lędźwianem siewnym, jęczmieniem, chmielem zwyczajnym, rzepakiem ozimym, owsem głuchym, lucerną, pszenicą, pszenżytem, kminkiem zwyczajnym, kukurydzą czy drewnem brzozowym. Wyniki tych prac zostały przedstawione w 16 oryginalnych publikacjach naukowych. W 26 artykułach zostały natomiast opublikowane wyniki moich badań nad podobieństwem (lub zróżnicowaniem) genetycznym różnych typów materiału badawczego różnych gatunków roślin (m.in. czosnek, grusza dzika, jęczmień ozimy i jary, kminek zwyczajny, lucerna siewna, pszenica, rzepak ozimy, żyto). W tym celu zastosowałem kilka miar szacowania podobieństwa (lub zróżnicowania) materiału badawczego na poziomie genetycznym. Zróżnicowanie obiektów na poziomach fenotypowym oraz genotypowym stanowić mogą narzędzia do doboru komponentów do krzyżowań w celu otrzymania nowych ulepszonych odmian populacyjnych i mieszańcowych. Zmienność genetyczna czy fenotypowa może być szacowana poprzez badanie obiektu lub jego potomstwa na podstawie informacji uzyskanych: a priori poprzez przewidywanie oraz a posteriori na podstawie obserwacji i badań potomstwa. Wyniki badań nad wpływem zróżniowania na poziomie genetycznym na zróżnicowanie na poziomie fenotypowym przedstawiono w czterech 26
Opis wykonanych badań naukowych oraz uzyskanych wyników
Opis wykonanych badań naukowych oraz uzyskanych wyników 1. Analiza danych (krok 2 = uwzględnienie epistazy w modelu): detekcja QTL przy wykorzystaniu modeli dwuwymiarowych z uwzględnieniem różnych modeli
Bardziej szczegółowoNauka Przyroda Technologie
Nauka Przyroda Technologie ISSN 1897-7820 http://www.npt.up-poznan.net Dział: Rolnictwo Copyright Wydawnictwo Uniwersytetu Przyrodniczego w Poznaniu 2011 Tom 5 Zeszyt 6 JAN BOCIANOWSKI, TERESA GOSZCZURNA
Bardziej szczegółowoZmienność cech ilościowych w populacjach linii DH i SSD jęczmienia
NR 226/227/1 BIULETYN INSTYTUTU HODOWLI I AKLIMATYZACJI ROŚLIN 2003 MARIA SURMA 1 TADEUSZ ADAMSKI 1 ZYGMUNT KACZMAREK 1 STANISŁAW CZAJKA 2 1 Instytut Genetyki Roślin Polskiej Akademii Nauk, Poznań 2 Katedra
Bardziej szczegółowoMETODY STATYSTYCZNE W BIOLOGII
METODY STATYSTYCZNE W BIOLOGII 1. Wykład wstępny 2. Populacje i próby danych 3. Testowanie hipotez i estymacja parametrów 4. Planowanie eksperymentów biologicznych 5. Najczęściej wykorzystywane testy statystyczne
Bardziej szczegółowoCECHY ILOŚCIOWE PARAMETRY GENETYCZNE
CECHY ILOŚCIOWE PARAMETRY GENETYCZNE Zarządzanie populacjami zwierząt, ćwiczenia V Dr Wioleta Drobik Rodzaje cech Jakościowe o prostym dziedziczeniu uwarunkowane zwykle przez kilka genów Słaba podatność
Bardziej szczegółowoTesty post-hoc. Wrocław, 6 czerwca 2016
Testy post-hoc Wrocław, 6 czerwca 2016 Testy post-hoc 1 metoda LSD 2 metoda Duncana 3 metoda Dunneta 4 metoda kontrastów 5 matoda Newman-Keuls 6 metoda Tukeya Metoda LSD Metoda Least Significant Difference
Bardziej szczegółowoMonte Carlo, bootstrap, jacknife
Monte Carlo, bootstrap, jacknife Literatura Bruce Hansen (2012 +) Econometrics, ze strony internetowej: http://www.ssc.wisc.edu/~bhansen/econometrics/ Monte Carlo: rozdział 8.8, 8.9 Bootstrap: rozdział
Bardziej szczegółowoWprowadzenie do teorii ekonometrii. Wykład 1 Warunkowa wartość oczekiwana i odwzorowanie liniowe
Wprowadzenie do teorii ekonometrii Wykład 1 Warunkowa wartość oczekiwana i odwzorowanie liniowe Zajęcia Wykład Laboratorium komputerowe 2 Zaliczenie EGZAMIN (50%) Na egzaminie obowiązują wszystkie informacje
Bardziej szczegółowoAnaliza genetyczna zawartości kwasów tłuszczowych w liniach DH rzepaku ozimego
NR 226/227/2 BIULETYN INSTYTUTU HODOWLI I AKLIMATYZACJI ROŚLIN 2003 ELŻBIETA ADAMSKA 1 TERESA CEGIELSKA-TARAS 2 LAURENCJA SZAŁA 2 KRYSTYNA CZERNIK-KOŁODZIEJ 2 1 Instytut Genetyki Roślin PAN w Poznaniu
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA
STATYSTYKA MATEMATYCZNA 1. Wykład wstępny. Teoria prawdopodobieństwa i elementy kombinatoryki 2. Zmienne losowe i ich rozkłady 3. Populacje i próby danych, estymacja parametrów 4. Testowanie hipotez 5.
Bardziej szczegółowoStatystyczna i genetyczna ocena linii DH rzepaku ozimego na podstawie wyników doświadczenia jednopowtórzeniowego z wzorcami
NR 253 BIULETYN INSTYTUTU HODOWLI I AKLIMATYZACJI ROŚLIN 2009 ZYGMUNT KACZMAREK 1 LAURENCJA SZAŁA 2 ELŻBIETA ADAMSKA 1 TERESA CEGIELSKA-TARAS 2 1 Instytut Genetyki Roślin PAN, Poznań 2 Instytut Hodowli
Bardziej szczegółowoRecenzja osiągnięcia naukowego i dorobku naukowego dr Karoliny Krystkowiak ubiegającej się o nadanie stopnia doktora habilitowanego nauk rolniczych
Prof. dr hab. Krzysztof Kowalczyk Instytut Genetyki, Hodowli i Biotechnologii Roślin Uniwersytet Przyrodniczy w Lublinie ul. Akademicka 15 20-950 Lublin Lublin, 17.11.2016 Recenzja osiągnięcia naukowego
Bardziej szczegółowoPDF created with FinePrint pdffactory Pro trial version http://www.fineprint.com
Analiza korelacji i regresji KORELACJA zależność liniowa Obserwujemy parę cech ilościowych (X,Y). Doświadczenie jest tak pomyślane, aby obserwowane pary cech X i Y (tzn i ta para x i i y i dla różnych
Bardziej szczegółowoElementy statystyki STA - Wykład 5
STA - Wykład 5 Wydział Matematyki i Informatyki Uniwersytet im. Adama Mickiewicza 1 ANOVA 2 Model jednoczynnikowej analizy wariancji Na model jednoczynnikowej analizy wariancji możemy traktować jako uogólnienie
Bardziej szczegółowoZadania ze statystyki, cz.7 - hipotezy statystyczne, błąd standardowy, testowanie hipotez statystycznych
Zadania ze statystyki, cz.7 - hipotezy statystyczne, błąd standardowy, testowanie hipotez statystycznych Zad. 1 Średnia ocen z semestru letniego w populacji studentów socjologii w roku akademickim 2011/2012
Bardziej szczegółowoRegresja wielokrotna. PDF created with FinePrint pdffactory Pro trial version http://www.fineprint.com
Regresja wielokrotna Model dla zależności liniowej: Y=a+b 1 X 1 +b 2 X 2 +...+b n X n Cząstkowe współczynniki regresji wielokrotnej: b 1,..., b n Zmienne niezależne (przyczynowe): X 1,..., X n Zmienna
Bardziej szczegółowoStosowana Analiza Regresji
prostej Stosowana Wykład I 5 Października 2011 1 / 29 prostej Przykład Dane trees - wyniki pomiarów objętości (Volume), średnicy (Girth) i wysokości (Height) pni drzew. Interesuje nas zależność (o ile
Bardziej szczegółowoREGULAMIN postępowania konkursowego przy zatrudnianiu na stanowiska naukowe w Instytucie Genetyki i Hodowli Zwierząt PAN asystenta adiunkta
REGULAMIN postępowania konkursowego przy zatrudnianiu na stanowiska naukowe w Instytucie Genetyki i Hodowli Zwierząt PAN na podstawie art. 91 p. 5 Ustawy o polskiej Akademii Nauk z dnia 30 kwietnia 2010
Bardziej szczegółowoGenetyka ilościowa przegląd przez stulecie
NR 50 BIULETYN INSTYTUTU HODOWLI I AKLIMATYZACJI ROŚLIN 008 MARIA SURMA TADEUSZ ADAMSKI ZYGMUNT KACZMAREK PAWEŁ KRAJEWSKI Instytut Genetyki Roślin Polskiej Akademii Nauk w Poznaniu Genetyka ilościowa przegląd
Bardziej szczegółowoModel regresji wielokrotnej Wykład 14 ( ) Przykład ceny domów w Chicago
Model regresji wielokrotnej Wykład 14 (4.06.2007) Przykład ceny domów w Chicago Poniżej są przedstawione dane dotyczące cen domów w Chicago (źródło: Sen, A., Srivastava, M., Regression Analysis, Springer,
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA WYKŁAD 4. Testowanie hipotez Estymacja parametrów
STATYSTYKA MATEMATYCZNA WYKŁAD 4 Testowanie hipotez Estymacja parametrów WSTĘP 1. Testowanie hipotez Błędy związane z testowaniem hipotez Etapy testowana hipotez Testowanie wielokrotne 2. Estymacja parametrów
Bardziej szczegółowoStatystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl
Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyczna teoria korelacji i regresji (1) Jest to dział statystyki zajmujący
Bardziej szczegółowo1. Symulacje komputerowe Idea symulacji Przykład. 2. Metody próbkowania Jackknife Bootstrap. 3. Łańcuchy Markova. 4. Próbkowanie Gibbsa
BIOINFORMATYKA 1. Wykład wstępny 2. Bazy danych: projektowanie i struktura 3. Równowaga Hardyego-Weinberga, wsp. rekombinacji 4. Analiza asocjacyjna 5. Analiza asocjacyjna 6. Sekwencjonowanie nowej generacji
Bardziej szczegółowo1. Analiza asocjacyjna. Cechy ciągłe. Cechy binarne. Analiza sprzężeń. Runs of homozygosity. Signatures of selection
BIOINFORMATYKA 1. Wykład wstępny 2. Bazy danych: projektowanie i struktura 3. Równowaga Hardyego-Weinberga, wsp. rekombinacji 4. Analiza asocjacyjna 5. Analiza asocjacyjna 6. Sekwencjonowanie nowej generacji
Bardziej szczegółowoProf. dr hab. Sławomir Stankowski Zachodniopomorski Uniwersytet Technologiczny w Szczecinie
Prof. dr hab. Sławomir Stankowski Zachodniopomorski Uniwersytet Technologiczny w Szczecinie O c e n a osiągnięć naukowo-badawczych, dorobku dydaktycznego i działalności organizacyjnej rozprawy dr Beaty
Bardziej szczegółowoWeryfikacja hipotez statystycznych, parametryczne testy istotności w populacji
Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki
Bardziej szczegółowoOcena interakcji genotypu i środowiska w doświadczeniu proweniencyjno - rodowym z sosną zwyczajną IBL Jan Kowalczyk IBL
Ocena interakcji genotypu i środowiska w doświadczeniu proweniencyjno - rodowym z sosną zwyczajną IBL 2004 Jan Kowalczyk IBL Interakcja GxE Zachodzi wtedy gdy reakcja genotypów jest różna w różnych środowiskach
Bardziej szczegółowoStatystyka matematyczna Testowanie hipotez i estymacja parametrów. Wrocław, r
Statystyka matematyczna Testowanie hipotez i estymacja parametrów Wrocław, 18.03.2016r Plan wykładu: 1. Testowanie hipotez 2. Etapy testowania hipotez 3. Błędy 4. Testowanie wielokrotne 5. Estymacja parametrów
Bardziej szczegółowoStatystyka matematyczna dla leśników
Statystyka matematyczna dla leśników Wydział Leśny Kierunek leśnictwo Studia Stacjonarne I Stopnia Rok akademicki 03/04 Wykład 5 Testy statystyczne Ogólne zasady testowania hipotez statystycznych, rodzaje
Bardziej szczegółowoMetody statystyczne wykorzystywane do oceny zróżnicowania kolekcji genowych roślin. Henryk Bujak
Metody statystyczne wykorzystywane do oceny zróżnicowania kolekcji genowych roślin Henryk Bujak e-mail: h.bujak@ihar.edu.pl Ocena różnorodności fenotypowej Różnorodność fenotypowa kolekcji roślinnych zasobów
Bardziej szczegółowoTab.1 Powierzchnia i liczba ankietowanych pól
Monitoring wpływu stosowania kwalifikowanego materiału siewnego roślin zbożowych i okopowych na produkcję roślinną metodyka i wyniki. Materiał Materiał źródłowy stanowią wyniki badań ankietowych gospodarstw
Bardziej szczegółowoRozdział 2: Metoda największej wiarygodności i nieliniowa metoda najmniejszych kwadratów
Rozdział : Metoda największej wiarygodności i nieliniowa metoda najmniejszych kwadratów W tym rozdziale omówione zostaną dwie najpopularniejsze metody estymacji parametrów w ekonometrycznych modelach nieliniowych,
Bardziej szczegółowoPorównanie modeli regresji. klasycznymi modelami regresji liniowej i logistycznej
Porównanie modeli logicznej regresji z klasycznymi modelami regresji liniowej i logistycznej Instytut Matematyczny, Uniwersytet Wrocławski Małgorzata Bogdan Instytut Matematyki i Informatyki, Politechnika
Bardziej szczegółowoTestowanie hipotez statystycznych.
Bioinformatyka Wykład 9 Wrocław, 5 grudnia 2011 Temat. Test zgodności χ 2 Pearsona. Statystyka χ 2 Pearsona Rozpatrzmy ciąg niezależnych zmiennych losowych X 1,..., X n o jednakowym dyskretnym rozkładzie
Bardziej szczegółowoDziedziczenie poligenowe
Dziedziczenie poligenowe Dziedziczenie cech ilościowych Dziedziczenie wieloczynnikowe Na wartość cechy wpływa Komponenta genetyczna - wspólne oddziaływanie wielu (najczęściej jest to liczba nieznana) genów,
Bardziej szczegółowoEkologia molekularna. wykład 14. Genetyka ilościowa
Ekologia molekularna wykład 14 Genetyka ilościowa Dziedziczenie mendlowskie wykład 14/2 Cechy wieloczynnikowe (ilościowe) wzrost masa ciała kolor skóry kolor oczu itp wykład 14/3 Rodzaje cech ilościowych
Bardziej szczegółowoWykład Centralne twierdzenie graniczne. Statystyka matematyczna: Estymacja parametrów rozkładu
Wykład 11-12 Centralne twierdzenie graniczne Statystyka matematyczna: Estymacja parametrów rozkładu Centralne twierdzenie graniczne (CTG) (Central Limit Theorem - CLT) Centralne twierdzenie graniczne (Lindenberga-Levy'ego)
Bardziej szczegółowoZmienne zależne i niezależne
Analiza kanoniczna Motywacja (1) 2 Często w badaniach spotykamy problemy badawcze, w których szukamy zakresu i kierunku zależności pomiędzy zbiorami zmiennych: { X i Jak oceniać takie 1, X 2,..., X p }
Bardziej szczegółowoIdentyfikacja QTL warunkujących długość liścia flagowego w dwóch populacjach mapujących żyta (Secale cereale L.)
NR 250 BIULETYN INSTYTUTU HODOWLI I AKLIMATYZACJI ROŚLIN 2008 PAWEŁ MILCZARSKI Katedra Genetyki i Hodowli Roślin Akademia Rolnicza w Szczecinie Identyfikacja QTL warunkujących długość liścia flagowego
Bardziej szczegółowoMetody Ilościowe w Socjologii
Metody Ilościowe w Socjologii wykład 2 i 3 EKONOMETRIA dr inż. Maciej Wolny AGENDA I. Ekonometria podstawowe definicje II. Etapy budowy modelu ekonometrycznego III. Wybrane metody doboru zmiennych do modelu
Bardziej szczegółowoSekwencjonowanie nowej generacji i rozwój programów selekcyjnych w akwakulturze ryb łososiowatych
Sekwencjonowanie nowej generacji i rozwój programów selekcyjnych w akwakulturze ryb łososiowatych Konrad Ocalewicz Zakład Biologii i Ekologii Morza, Instytut Oceanografii, Wydział Oceanografii i Geografii,
Bardziej szczegółowoTestowanie hipotez statystycznych.
Statystyka Wykład 10 Wrocław, 22 grudnia 2011 Testowanie hipotez statystycznych Definicja. Hipotezą statystyczną nazywamy stwierdzenie dotyczące parametrów populacji. Definicja. Dwie komplementarne w problemie
Bardziej szczegółowoMatematyka i statystyka matematyczna dla rolników w SGGW
Było: Testowanie hipotez (ogólnie): stawiamy hipotezę, wybieramy funkcję testową f (test statystyczny), przyjmujemy poziom istotności α; tym samym wyznaczamy obszar krytyczny testu (wartość krytyczną funkcji
Bardziej szczegółowo1. Jednoczynnikowa analiza wariancji 2. Porównania szczegółowe
Zjazd 7. SGGW, dn. 28.11.10 r. Matematyka i statystyka matematyczna Tematy 1. Jednoczynnikowa analiza wariancji 2. Porównania szczegółowe nna Rajfura 1 Zagadnienia Przykład porównania wielu obiektów w
Bardziej szczegółowoWIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI. Test zgodności i analiza wariancji Analiza wariancji
WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI Test zgodności i analiza wariancji Analiza wariancji Test zgodności Chi-kwadrat Sprawdza się za jego pomocą ZGODNOŚĆ ROZKŁADU EMPIRYCZNEGO Z PRÓBY Z ROZKŁADEM HIPOTETYCZNYM
Bardziej szczegółowoZad. 2.2 Poszerzenie puli genetycznej jęczmienia
Zad. 2.2 Poszerzenie puli genetycznej jęczmienia Sprawozdanie 2016r Kierownik zadania: prof. dr hab. Jerzy H. Czembor (KCRZG) Wykonawcy: dr hab. Paweł Cz. Czembor (ZGiHR) mgr Piotr Słowacki (ZGiHR) mgr
Bardziej szczegółowoW2. Zmienne losowe i ich rozkłady. Wnioskowanie statystyczne.
W2. Zmienne losowe i ich rozkłady. Wnioskowanie statystyczne. dr hab. Jerzy Nakielski Katedra Biofizyki i Morfogenezy Roślin Plan wykładu: 1. Etapy wnioskowania statystycznego 2. Hipotezy statystyczne,
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA WYKŁAD 1
STATYSTYKA MATEMATYCZNA WYKŁAD 1 Wykład wstępny Teoria prawdopodobieństwa Magda Mielczarek wykłady, ćwiczenia Copyright 2017, J. Szyda & M. Mielczarek STATYSTYKA MATEMATYCZNA? ASHG 2011 Writing Workshop;
Bardziej szczegółowoRÓWNOWAŻNOŚĆ METOD BADAWCZYCH
RÓWNOWAŻNOŚĆ METOD BADAWCZYCH Piotr Konieczka Katedra Chemii Analitycznej Wydział Chemiczny Politechnika Gdańska Równoważność metod??? 2 Zgodność wyników analitycznych otrzymanych z wykorzystaniem porównywanych
Bardziej szczegółowoAnaliza wariancji - ANOVA
Analiza wariancji - ANOVA Analiza wariancji jest metodą pozwalającą na podział zmienności zaobserwowanej wśród wyników eksperymentalnych na oddzielne części. Każdą z tych części możemy przypisać oddzielnemu
Bardziej szczegółowoTestowanie hipotez statystycznych.
Bioinformatyka Wykład 4 Wrocław, 17 października 2011 Temat. Weryfikacja hipotez statystycznych dotyczących wartości oczekiwanej w dwóch populacjach o rozkładach normalnych. Model 3. Porównanie średnich
Bardziej szczegółowoAnaliza korespondencji
Analiza korespondencji Kiedy stosujemy? 2 W wielu badaniach mamy do czynienia ze zmiennymi jakościowymi (nominalne i porządkowe) typu np.: płeć, wykształcenie, status palenia. Punktem wyjścia do analizy
Bardziej szczegółowoUCHWAŁA. Wniosek o wszczęcie przewodu doktorskiego
UCHWAŁA 30 czerwiec 2011 r. Uchwała określa minimalne wymagania do wszczęcia przewodu doktorskiego i przewodu habilitacyjnego jakimi powinny kierować się Komisje Rady Naukowej IPPT PAN przy ocenie składanych
Bardziej szczegółowoNAGRODY IV KONKURSU ZA 2005 r i DOFINANSOWANIE WYJAZDÓW 2006
NAGRODY IV KONKURSU ZA 2005 r i DOFINANSOWANIE WYJAZDÓW 2006 Po przeprowadzeniu postępowania kwalifikacyjnego w dniu16.03.2006 r. nadesłanych zgłoszeń do nagród Fundacji za 2005 r. oraz wniosków o dofinansowanie
Bardziej szczegółowoZmienność. środa, 23 listopada 11
Zmienność http://ggoralski.com Zmienność Zmienność - rodzaje Zmienność obserwuje się zarówno między poszczególnymi osobnikami jak i między populacjami. Różnice te mogą mieć jednak różne podłoże. Mogą one
Bardziej szczegółowoSpokrewnienie prawdopodobieństwo, że dwa losowe geny od dwóch osobników są genami IBD. IBD = identical by descent, geny identycznego pochodzenia
prawdopodobieństwo, że dwa losowe geny od dwóch osobników są genami ID. Relationship Relatedness Kinship Fraternity ID = identical by descent, geny identycznego pochodzenia jest miarą względną. Przyjmuje
Bardziej szczegółowoHodowla roślin genetyka stosowana
Hodowla roślin genetyka stosowana Hodowla roślin jest świadomą działalnością człowieka zmierzającą do wytworzenia nowych, ulepszonych odmian oraz zachowania istniejących odmian na nie zmienionym poziomie.
Bardziej szczegółowoPytania i odpowiedzi
Pytania i odpowiedzi Czy kontrola jakości płytek w programach analizy danych jest dostosowywana do przeprowadzanego badania, czy też przyjmuje się jednakową jej wartość dla różnych analiz? We wstępnym
Bardziej szczegółowoweryfikacja hipotez dotyczących parametrów populacji (średnia, wariancja)
PODSTAWY STATYSTYKI. Teoria prawdopodobieństwa i elementy kombinatoryki. Zmienne losowe i ich rozkłady 3. Populacje i próby danych, estymacja parametrów 4. Testowanie hipotez 5. Testy parametryczne (na
Bardziej szczegółowoSpis treści Część I. Genetyczne podstawy hodowli roślin 1. Molekularne podstawy dziedziczenia cech Dariusz Crzebelus, Adeta Adamus, Maria Klein
Spis treści Część I. Genetyczne podstawy hodowli roślin 1. Molekularne podstawy dziedziczenia cech... 15 Dariusz Crzebelus, Adeta Adamus, Maria Klein 1.1. Budowa DNA i przepływ informacji genetycznej...
Bardziej szczegółowoOcena wartości hodowlanej. Dr Agnieszka Suchecka
Ocena wartości hodowlanej Dr Agnieszka Suchecka Wartość hodowlana genetycznie uwarunkowane możliwości zwierzęcia do ujawnienia określonej produkcyjności oraz zdolność przekazywania ich potomstwu (wartość
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 9
Stanisław Cichocki Natalia Nehrebecka Wykład 9 1 1. Dodatkowe założenie KMRL 2. Testowanie hipotez prostych Rozkład estymatora b Testowanie hipotez prostych przy użyciu statystyki t 3. Przedziały ufności
Bardziej szczegółowoMETODY STATYSTYCZNE W BIOLOGII
METODY STATYSTYCZNE W BIOLOGII 1. Wykład wstępny 2. Populacje i próby danych 3. Testowanie hipotez i estymacja parametrów 4. Planowanie eksperymentów biologicznych 5. Najczęściej wykorzystywane testy statystyczne
Bardziej szczegółowoStatystyki: miary opisujące rozkład! np. : średnia, frakcja (procent), odchylenie standardowe, wariancja, mediana itd.
Wnioskowanie statystyczne obejmujące metody pozwalające na uogólnianie wyników z próby na nieznane wartości parametrów oraz szacowanie błędów tego uogólnienia. Przewidujemy nieznaną wartości parametru
Bardziej szczegółowoMETODY STATYSTYCZNE W BIOLOGII
METODY STATYSTYCZNE W BIOLOGII 1. Wykład wstępny 2. Populacje i próby danych 3. Testowanie hipotez i estymacja parametrów 4. Planowanie eksperymentów biologicznych 5. Najczęściej wykorzystywane testy statystyczne
Bardziej szczegółowoĆwiczenie 5 PROGNOZOWANIE
Ćwiczenie 5 PROGNOZOWANIE Prognozowanie jest procesem przewidywania przyszłych zdarzeń. Obszary zastosowań prognozowania obejmują np. analizę danych giełdowych, przewidywanie zapotrzebowania na pracowników,
Bardziej szczegółowoMikroekonometria 5. Mikołaj Czajkowski Wiktor Budziński
Mikroekonometria 5 Mikołaj Czajkowski Wiktor Budziński Zadanie 1. Wykorzystując dane me.medexp3.dta przygotuj model regresji kwantylowej 1. Przygotuj model regresji kwantylowej w którym logarytm wydatków
Bardziej szczegółowoSzacowanie optymalnego systemu Bonus-Malus przy pomocy Pseudo-MLE. Joanna Sawicka
Szacowanie optymalnego systemu Bonus-Malus przy pomocy Pseudo-MLE Joanna Sawicka Plan prezentacji Model Poissona-Gamma ze składnikiem regresyjnym Konstrukcja optymalnego systemu Bonus- Malus Estymacja
Bardziej szczegółowoVI WYKŁAD STATYSTYKA. 9/04/2014 B8 sala 0.10B Godz. 15:15
VI WYKŁAD STATYSTYKA 9/04/2014 B8 sala 0.10B Godz. 15:15 WYKŁAD 6 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI Weryfikacja hipotez ( błędy I i II rodzaju, poziom istotności, zasady
Bardziej szczegółowoEstymacja punktowa i przedziałowa
Temat: Estymacja punktowa i przedziałowa Kody znaków: żółte wyróżnienie nowe pojęcie czerwony uwaga kursywa komentarz 1 Zagadnienia 1. Statystyczny opis próby. Idea estymacji punktowej pojęcie estymatora
Bardziej szczegółowoWYMAGANIA WSTĘPNE W ZAKRESIE WIEDZY, UMIEJĘTNOŚCI I INNYCH KOMPETENCJI
WYDZIAŁ GEOINŻYNIERII, GÓRNICTWA I GEOLOGII KARTA PRZEDMIOTU Nazwa w języku polskim: Statystyka matematyczna Nazwa w języku angielskim: Mathematical Statistics Kierunek studiów (jeśli dotyczy): Górnictwo
Bardziej szczegółowoInstrukcja wypełniania wniosków stypendialnych dla doktorantów na WIMIIP AGH Przygotowane przez Wydziałową Komisję Stypendialną
Instrukcja wypełniania wniosków stypendialnych dla doktorantów na WIMIIP AGH Przygotowane przez Wydziałową Komisję Stypendialną Składanie wszystkich wniosków odbywa się na formularzach obowiązujących na
Bardziej szczegółowoStatystyka opisowa. Wykład V. Regresja liniowa wieloraka
Statystyka opisowa. Wykład V. e-mail:e.kozlovski@pollub.pl Spis treści 1 Prosta regresji cechy Y względem cech X 1,..., X k. 2 3 Wyznaczamy zależność cechy Y od cech X 1, X 2,..., X k postaci Y = α 0 +
Bardziej szczegółowoWYDZIAŁ PODSTAWOWYCH PROBLEMÓW TECHNIKI KARTA PRZEDMIOTU
Zał. nr 4 do ZW WYDZIAŁ PODSTAWOWYCH PROBLEMÓW TECHNIKI KARTA PRZEDMIOTU Nazwa w języku polskim STATYSTYCZNA ANALIZA DANYCH Nazwa w języku angielskim STATISTICAL DATA ANALYSIS Kierunek studiów (jeśli dotyczy):
Bardziej szczegółowoSTRESZCZENIE. rozprawy doktorskiej pt. Zmienne jakościowe w procesie wyceny wartości rynkowej nieruchomości. Ujęcie statystyczne.
STRESZCZENIE rozprawy doktorskiej pt. Zmienne jakościowe w procesie wyceny wartości rynkowej nieruchomości. Ujęcie statystyczne. Zasadniczym czynnikiem stanowiącym motywację dla podjętych w pracy rozważań
Bardziej szczegółowoBadania asocjacyjne w skali genomu (GWAS)
Badania asocjacyjne w skali genomu (GWAS) Część 2 LD, PCA Bioinżynieria, I mgr Bioinformatyczna analiza danych Wykład 3 Dr Wioleta Drobik-Czwarno Katedra Genetyki i Ogólnej Hodowli Zwierząt Analiza głównych
Bardziej szczegółowoBIOINFORMATYKA. Copyright 2011, Joanna Szyda
BIOINFORMATYKA 1. Wykład wstępny 2. Struktury danych w badaniach bioinformatycznych 3. Bazy danych: projektowanie i struktura 4. Bazy danych: projektowanie i struktura 5. Powiązania pomiędzy genami: równ.
Bardziej szczegółowoWykład 11: Dane jakościowe. Rozkład χ 2. Test zgodności chi-kwadrat
Wykład 11: Dane jakościowe Obserwacje klasyfikujemy do klas Zliczamy liczbę obserwacji w każdej klasie Jeżeli są tylko dwie klasy, to jedną z nich możemy nazwać sukcesem, a drugą porażką. Generalnie, liczba
Bardziej szczegółowoEkonometria. Prognozowanie ekonometryczne, ocena stabilności oszacowań parametrów strukturalnych. Jakub Mućk. Katedra Ekonomii Ilościowej
Ekonometria Prognozowanie ekonometryczne, ocena stabilności oszacowań parametrów strukturalnych Jakub Mućk Katedra Ekonomii Ilościowej Jakub Mućk Ekonometria Wykład 4 Prognozowanie, stabilność 1 / 17 Agenda
Bardziej szczegółowoWSTĘP DO REGRESJI LOGISTYCZNEJ. Dr Wioleta Drobik-Czwarno
WSTĘP DO REGRESJI LOGISTYCZNEJ Dr Wioleta Drobik-Czwarno REGRESJA LOGISTYCZNA Zmienna zależna jest zmienną dychotomiczną (dwustanową) przyjmuje dwie wartości, najczęściej 0 i 1 Zmienną zależną może być:
Bardziej szczegółowoSposoby epistatycznego działania genów u żyta ozimego
NR 244 BIULETYN INSTYTUTU HODOWLI I AKLIMATYZACJI ROŚLIN 2007 TADEUSZ ŚMIAŁOWSKI STANISŁAW WĘGRZYN 1 Zakład Oceny Jakości i Metod Hodowli Zbóż, IHAR Kraków 1 Emerytowany profesor Oddziału IHAR w Krakowie
Bardziej szczegółowoWspółczynnik korelacji. Współczynnik korelacji jest miernikiem zależności między dwiema cechami Oznaczenie: ϱ
Współczynnik korelacji Współczynnik korelacji jest miernikiem zależności między dwiema cechami Oznaczenie: ϱ Własności współczynnika korelacji 1. Współczynnik korelacji jest liczbą niemianowaną 2. ϱ 1,
Bardziej szczegółowoWSTĘP. Copyright 2011, Joanna Szyda
BIOINFORMATYKA 1. Wykład wstępny 2. Struktury danych w badaniach bioinformatycznych 3. Bazy danych: projektowanie i struktura 4. Bazy danych: projektowanie i struktura 5. Równowaga Hardyego-Weinberga,
Bardziej szczegółowoStatystyki: miary opisujące rozkład! np. : średnia, frakcja (procent), odchylenie standardowe, wariancja, mediana itd.
Wnioskowanie statystyczne obejmujące metody pozwalające na uogólnianie wyników z próby na nieznane wartości parametrów oraz szacowanie błędów tego uogólnienia. Przewidujemy nieznaną wartości parametru
Bardziej szczegółowo5. WNIOSKOWANIE PSYCHOMETRYCZNE
5. WNIOSKOWANIE PSYCHOMETRYCZNE Model klasyczny Gulliksena Wynik otrzymany i prawdziwy Błąd pomiaru Rzetelność pomiaru testem Standardowy błąd pomiaru Błąd estymacji wyniku prawdziwego Teoria Odpowiadania
Bardziej szczegółowoPODSTAWY GENETYKI. Prowadzący wykład: prof. dr hab. Jarosław Burczyk
PODSTAWY GENETYKI Prawa Mendla (jako punkt wyjścia) Epistaza (interakcje między genami) Sprzężenia genetyczne i mapowanie genów Sprzężenie z płcią Analiza rodowodów Prowadzący wykład: prof. dr hab. Jarosław
Bardziej szczegółowoFORMULARZ oceny Nauczyciela Akademickiego UJ / UJ CM za okres 4 lat (1 stycznia grudnia 2011)
FORMULARZ DLA ADIUNKTÓW, ASYSTENTÓW FORMULARZ oceny Nauczyciela Akademickiego UJ / UJ CM za okres 4 lat (1 stycznia 2008-31 grudnia 2011) DANE PERSONALNE Imię i nazwisko Data urodzenia Data rozpoczęcia
Bardziej szczegółowoTestowanie hipotez statystycznych. Wnioskowanie statystyczne
Testowanie hipotez statystycznych Wnioskowanie statystyczne Hipoteza statystyczna to dowolne przypuszczenie co do rozkładu populacji generalnej (jego postaci funkcyjnej lub wartości parametrów). Hipotezy
Bardziej szczegółowoDefinicja. Odziedziczalność. Definicja. w potocznym rozumieniu znaczy tyle co dziedziczenie. Fenotyp( P)=Genotyp(G)+Środowisko(E) V P = V G + V E
Odziedziczalność w potocznym rozumieniu znaczy tyle co dziedziczenie...ale ma ścisłą techniczną definicję. Definicja Fenotyp( P)=Genotyp(G)+Środowisko(E) V P = V G + V E H 2 (w szerszym sensie) = V G /
Bardziej szczegółowoWykład 5 Teoria eksperymentu
Wykład 5 Teoria eksperymentu Wrocław, 22.03.2017r Co to jest teoria eksperymentu? eksperyment - badanie jakiegoś zjawiska polegające na celowym wywołaniu tego zjawiska lub jego zmian oraz obserwacji i
Bardziej szczegółowoMatematyka z el. statystyki, # 6 /Geodezja i kartografia II/
Matematyka z el. statystyki, # 6 /Geodezja i kartografia II/ Uniwersytet Przyrodniczy w Lublinie Katedra Zastosowań Matematyki i Informatyki ul. Głęboka 28, bud. CIW, p. 221 e-mail: zdzislaw.otachel@up.lublin.pl
Bardziej szczegółowoBadania eksperymentalne
Badania eksperymentalne Analiza CONJOINT mgr Agnieszka Zięba Zakład Badań Marketingowych Instytut Statystyki i Demografii Szkoła Główna Handlowa Najpopularniejsze sposoby oceny wyników eksperymentu w schematach
Bardziej szczegółowoWYDZIAŁ BUDOWNICTWA LĄDOWEGO I WODNEGO
Zał. nr 4 do ZW WYDZIAŁ BUDOWNICTWA LĄDOWEGO I WODNEGO KARTA PRZEDMIOTU Nazwa w języku polskim STATYSTYKA STOSOWANA Nazwa w języku angielskim APPLIED STATISTICS Kierunek studiów (jeśli dotyczy): Specjalność
Bardziej szczegółowoMetody komputerowe statystyki Computer Methods in Statistics. Matematyka. Poziom kwalifikacji: II stopnia. Liczba godzin/tydzień: 2W, 3L
Nazwa przedmiotu: Kierunek: Metody komputerowe statystyki Computer Methods in Statistics Matematyka Rodzaj przedmiotu: przedmiot obowiązkowy dla specjalności matematyka przemysłowa Rodzaj zajęć: wykład,
Bardziej szczegółowoSystem prognozowania rynków energii
System prognozowania rynków energii STERMEDIA Sp. z o. o. Software Development Grupa IT Kontrakt ul. Ostrowskiego13 Wrocław Poland tel.: 0 71 723 43 22 fax: 0 71 733 64 66 http://www.stermedia.eu Piotr
Bardziej szczegółowoMapowanie genów cz owieka. podstawy
Mapowanie genów czowieka podstawy Sprzężenie Geny leżące na różnych chromosomach spełniają II prawo Mendla Dla 2 genów: 4 równoliczne klasy gamet W. S Klug, M.R Cummings Concepts of Genetics 8 th edition,
Bardziej szczegółowoZadanie 1 Zakładając liniową relację między wydatkami na obuwie a dochodem oszacować MNK parametry modelu: y t. X 1 t. Tabela 1.
tel. 44 683 1 55 tel. kom. 64 566 811 e-mail: biuro@wszechwiedza.pl Zadanie 1 Zakładając liniową relację między wydatkami na obuwie a dochodem oszacować MNK parametry modelu: gdzie: y t X t y t = 1 X 1
Bardziej szczegółowoA. DOROBEK NAUKOWY POMOCNICZYCH PRACOWNIKÓW NAUKI OBJĘTY PRZEPISAMI ROZPORZĄDZEŃ MINISTRA NAUKI I SZKOLNICTWA WYŻSZEGO
21.09.2017 r. KRYTERIA OCENY DOROBKU NAUKOWEGO I TECHNICZNEGO POMOCNICZYCH PRACOWNIKÓW NAUKI (ADIUNKCI, ASYSTENCI I PRACOWNICY BADAWCZO-TECHNICZNI) ZA LATA 2015 2016 A. DOROBEK NAUKOWY POMOCNICZYCH PRACOWNIKÓW
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA
Zał. nr 4 do ZW WYDZIAŁ ELEKTRONIKI KARTA PRZEDMIOTU Nazwa w języku polskim STATYSTYKA MATEMATYCZNA Nazwa w języku angielskim Mathematical Statistics Kierunek studiów (jeśli dotyczy): Specjalność (jeśli
Bardziej szczegółowoZastosowanie nowych technologii genotypowania w nowoczesnej hodowli i bankach genów
Zastosowanie nowych technologii genotypowania w nowoczesnej hodowli i bankach genów Jerzy H. Czembor, Bogusław Łapiński, Aleksandra Pietrusińska, Urszula Piechota Krajowe Centrum Roślinnych Zasobów Genowych
Bardziej szczegółowo