dpb/doc/桃育种系统统计分析操作手册.md

# 桃育种系统统计分析操作手册

> 版本：v1.0（2026-08-07）
> 面向读者：**育种团队 / 试验管理人员**（无需编程背景）
> 配套文档：方法学与接口细节见《桃育种系统统计分析技术说明》；系统运行维护见《桃育种系统生产上线与运营手册》。

本手册按「目的 → 所需数据 → 操作步骤 → 结果解读」四段式讲解每个常用分析，帮助育种人员在系统里正确、完整地完成一次统计分析。

---

## 一、总体说明

### 1.1 入口

统计功能集中在左侧菜单 **统计计算** 模块，页面为「统计分析」主页（含 24 个分析页签）：

- 顶部工具条：**运行 ABLUP / EBV**、**运行配合力 GCA/SCA**、**运行 ANOVA / H²** 三个主按钮；**刷新批次**；**组合得失漏斗**。
- 页签（按使用频度排序）：模型批次 / EBV 排行 / 配合力 / 描述统计 / 相关性 / ANOVA·H² / 多环境 GxE / 决选预览 / 模型健康 / 无性系排行 / 交叉验证 / 公平性报告 / 选择指数 / 亲缘·近交 / 稳定性 AMMI·FW / 遗传相关 MT-BLUP / Type-B 多环境遗传相关 / UPGMA 聚类 / 基因组选择 GBLUP / 数据质量 / 遗传增益 ΔG / 选配推荐 / 回交 MABC。

基因组方向的分析（GWAS / QTL / MAS 面板 / QTL×E）在独立的「GWAS」页面，见第 4 节。

### 1.2 同步与异步任务

| 类型 | 分析 | 结果何时可见 |
|---|---|---|
| **异步任务** | ABLUP/EBV、配合力、交叉验证、稳定性、遗传相关、Type-B、基因组选择 GBLUP | 提交后到「模型批次 / 任务状态」查看进度，完成后自动刷新批次 |
| **同步直出** | 描述统计、相关性、ANOVA/H²、选择指数、聚类、数据质量、ΔG、选配、MABC、决选预览、公平性报告、模型健康 | 点击后直接出结果 |

异步任务结束后在「模型批次」页签的**任务状态**表里可见：`SUCCESS` / `FAILED`（含失败原因 `error_msg`）。

### 1.3 分析前请先确认（数据就绪门禁 G1）

多数建模分析带**数据就绪门禁**开关，勾选后若基础数据不达标会**拒绝运行**并给出原因：

- 每个 clone / 家系最少观测株数（`min_clone_n`，默认通常为 3）；
- 系谱完整率（`min_pedigree_rate`）；
- 缺失率上限（`max_missing_rate`）。

不勾选门禁也可运行，但结果可靠性无法保证。**强烈建议正式分析一律开启门禁。**

---

## 二、数据准备

### 2.1 表型分析的硬性前提（缺一不可）

| 数据 | 说明 | 未准备好时的表现 |
|---|---|---|
| **性状表** `bre_trait` | 分析对象（单果重、可溶性固形物等核心数值性状） | 性状下拉为空，无法选性状 |
| **观测表** `bre_trait_observation` | 逐株性状观测值 | 提示"该性状无观测数据" |
| **树表** `bre_tree` | 每株树的身份信息 | 无法关联单株、克隆、家系 |

### 2.2 增强数据（有则分析更强，缺则自动降级，不影响运行）

| 数据 | 增强什么 |
|---|---|
| **系谱**（parent_of 亲子关系） | ABLUP 的系谱 A 矩阵、近交系数、亲缘分析、ΔG 的 σ_A |
| **种质**（germplasm） | 种质编号/名称回显、配合力亲本、S-等位选配过滤 |
| **克隆**（clone） | 无性系级 EBV 排行、克隆作为随机效应 |
| **砧木**（rootstock） | G×R 砧木×接穗互作随机效应 |
| **研究点**（trial_study） | G×E 环境维度（site）、稳定性分析的环境均值表 |

> 结论：**表型分析只依赖「性状 + 观测 + 树」三张核心表**；空的研究点、缺系谱等都不阻断分析，只是对应的高级功能（G×E、近交、亲缘）不可用或降级。

### 2.3 分子分析的硬性前提

基因组选择（GBLUP/ssGBLUP/rrBLUP/BayesB）、GWAS、QTL、MAS 都要求先创建**基因型数据集**并导入**基因型调用记录**，否则会提示"基因型数据集不存在"或"该数据集无基因型调用记录"。分子分析见第 4 节。

---

## 三、常用核心分析操作说明

### 3.1 描述性统计

**目的**：快速体检一批观测数据——均值、标准差、变异系数、极值、缺失率，判断数据是否可用、是否异常。

**所需数据**：性状 + 观测（即可运行）。

**操作**：
1. 顶部工具条左侧勾选 1 个或多个性状；
2. 「描述统计」页签直接展示均值/标准差/变异系数/极值/缺失统计。

**结果解读**：
- 变异系数（CV）过高 → 该性状田间差异大，检查是否有测定误差或环境不均；
- 缺失率过高 → 影响建模，考虑补测或剔除。

### 3.2 相关性矩阵

**目的**：性状间表型相关或**遗传相关**，辅助选育目标取舍（如两性状强正相关可只选其一）。

**所需数据**：性状 + 观测；`genetic` 模式另需系谱或足够数据支撑成对双性状 BLUP。

**操作**：「相关性」页签选性状 → 模式 `pheno`（皮尔逊表型相关）或 `genetic`（遗传相关）→ 查看矩阵。

### 3.3 ABLUP / EBV 育种值估计（核心）

**目的**：从表型观测中剔除非遗传因素（环境、区组、协变量等），估计每株树的**育种值 EBV** 与**遗传力 h²**，这是单株/无性系入选和排名的依据。

**所需数据**：
- 硬性：性状 + 观测 + 树；
- 增强：系谱（A 矩阵，缺则按单株独立建模降级）、克隆、研究点（G×E）、砧木（G×R）。

**操作**：
1. 顶部「**运行 ABLUP / EBV**」→ 对话框：
   - 性状（自动带出 trait_id）、年份（可空，空=全部年份）；
   - 固定效应：trial_study（多环境）/ rootstock；
   - 协变量：crop_load（负载量）等，用于 BLUP 校正；
   - **阶段拆分**：juvenile（童期）/ evaluation（成株），给定则只取该阶段观测建模；
   - **数据就绪门禁**：勾选；
2. 提交 → 异步任务，到「模型批次」看状态；
3. 完成后「EBV 排行」页签选批次 → 逐树 EBV 表；「无性系排行」页签 → 无性系级均值。

**结果解读**：
- **h²（遗传力）**：0.1~0.3 低、0.3~0.5 中、0.5+ 高；越低越依赖加大观测量与系谱信息；
- **EBV**：相对值，正负无绝对意义，**只在同批次内比大小**；
- **可靠性（Reliability）**：越高越可信，入选决策时建议设门槛（如 ≥0.5）。

### 3.4 多环境 G×E / G×R / 空间 / 区组模型（MET 扩展）

**目的**：当同一批材料跨研究点/年份观测时，评估**基因型×环境互作**，识别"平均好但某地不稳"的材料；或加入空间（AR1×AR1）、砧木互作、区组效应提高精度。

**所需数据**：
- G×E：研究点（site）或年份（year）维度；
- G×R：砧木信息；
- 空间：观测株均需 `row_no` / `col_no`；
- 区组：树表 `block_no`（≥2 区组）。

**操作**：「多环境 GxE」页签 → 性状/年份/固定效应 → 勾选 G×E（选环境维度）或 G×R 或 AR1×AR1 空间或区组随机效应（**四者互斥**）→ 运行，结果写「模型批次」。

**结果解读**：互作显著时，注意看 G×E 模式（配合「公平性报告」按 site 看 EBV 偏差）。

### 3.5 配合力 GCA / SCA

**目的**：对交配组合亲本评估**一般配合力 GCA**（亲本平均表现）与**特殊配合力 SCA**（特定组合偏离亲本平均的部分），指导亲本选配与杂交组合决策。

**所需数据**：性状 + 观测 + 杂交组合（亲本可识别）+ **交配设计信息**（在参数里声明）。

**操作**：
1. 顶部「**运行配合力 GCA/SCA**」→ 对话框选**交配设计**：完全双列（full_diallel）/ 部分双列（partial_diallel）/ line×tester NCII / NCIII 测交；
2. 提交 → 异步；「配合力」页签查看：GCA 亲本表 + SCA 组合表 + ANOVA 摘要。

**结果解读**：
- GCA 高的亲本 → 可作核心亲本推广；
- SCA 高而 GCA 一般的组合 → 特定互补，可重点观察；
- 结合 ANOVA 摘要看各效应显著性。

### 3.6 ANOVA / 广义遗传力 H²

**目的**：方差分解，检验性状在遗传型/区组间是否显著差异，估计**广义遗传力 H²**。

**所需数据**：性状 + 观测 + 试验设计（建议先做试验设计生成）。

**操作**：
1. 「ANOVA/H²」页签：选研究点 + 设计类型 → **生成试验设计**（RCBD 随机完全区组 / 增广 augmented / α-格子，见 3.7）；
2. 再选性状、年份；若 RCBD 可勾「区组校正」（从残差析出区组效应）；
3. 「**运行 ANOVA / H²**」（同步）→ 结果含 H²、F、p、σ²g、σ²e、家系均值。

**结果解读**：p<0.05 说明遗传型间差异显著；H² 高说明表型差异主要来自遗传。

### 3.7 试验设计生成

**目的**：为研究点内参试条目生成**区组随机分派**，保证田间布局可分析。

**操作**：「ANOVA/H²」页签 → 研究点 + 设计类型 → 生成：
- **RCBD**：随机完全区组；
- **增广 augmented**：对照种质每区组重复、新品系不重复（需勾选对照种质列表）；
- **α-格子**：区组大小 k、重复数 r（block_no 复合编码 重复×100+区组）。

**结果**：落库 `entry.block_no`，作为后续 ANOVA/区组模型的数据基础。

### 3.8 遗传相关（MT-BLUP 成对双性状）

**目的**：估计两两性状间的**遗传相关 r_g**（剔除环境协方差后的遗传层面相关），用于指数构建、间接选择、童期-成株相关评估。

**所需数据**：≥2 个核心性状 + 观测。

**操作**：「遗传相关 MT-BLUP」页签 → 选 ≥2 性状 → 运行（异步）→ r_g 矩阵表（含每对的遗传方差、环境方差、共同个体数、收敛标记）。

**结果解读**：
- |r_g| 接近 1 的性状 → 遗传上高度关联，可合并或作间接选择；
- `converged=false` 或样本不足的对 → 谨慎采信。

### 3.9 Type-B 多环境遗传相关

**目的**：把**环境当"性状"**，估计同一性状在不同环境/阶段间的遗传相关 r_B：
- `site`：跨研究点一致性（越接近 1 说明基因型×环境互作越弱，越可多点合并分析）；
- `year`：跨年份稳定性；
- `stage`：**童期-成株遗传相关**（幼年选择是否有效）。

**操作**：「Type-B 多环境遗传相关」页签 → 性状 + 环境维度 site/year/stage + 方法（REML / calo）→ 运行 → r_B 热图（ECharts）。

### 3.10 选择指数

**目的**：把**多性状 EBV 综合成一个指数**，按综合值排名选优（比单一性状更符合育种目标）。

**所需数据**：参与指数的性状 + 观测（或指定 ABLUP 批次用 EBV）；遗传相关模式需 `g_method` 来源。

**操作**：「选择指数」页签 → 方法（见下）→ 性状权重/经济权重 → 聚合层级（clone/tree）→ TopN → 计算（同步）→ 结果列表；可「**写入决选**」（前 N 名写入决选结果 `bre_selection_result`，可靠性低于门槛自动跳过）。

**方法**：
- `zsum`：加权标准分（Z 值加权求和），快速直观；
- `smith_hazel`：**真 Smith-Hazel 指数**，按遗传-表型协方差结构最优组合权重；
- `restricted`：**受限指数**，指定性状遗传增益约束为 0（其余性状自由响应），如"果重不降低的前提下提高糖度"；
- `auto_weights`：按实测遗传力自动生成权重。

**结果解读**：看综合指数排名 + 各性状对指数的贡献；入选前结合 EBV 可靠性门槛。

### 3.11 交叉验证（k-fold）

**目的**：评估**预测准确度**——用部分个体建模、预测其余个体，看 EBV 与实测的相关（cv_accuracy/pearson）与误差（RMSE），防止模型过拟合。

**所需数据**：性状 + 观测；GS 模式还需基因型数据集。

**操作**：「交叉验证」页签 → 性状 → 模式：
- **ABLUP**：表型模型 k-fold（k=2~10，掩蔽留出）；
- **GS**：选基因型数据集 + 方法（GBLUP/ssGBLUP/rrBLUP/BayesB）+ MAF + 折划分（random 固定种子随机分层 / family 家系阻塞折，**防亲缘泄漏**）+ seed（固定可复现）。

运行（异步）→ 列表 + 折明细（每折 n_train/n_test、pearson、RMSE）。

**结果解读**：
- `cv_accuracy` / 平均 pearson 越高越好（0.5+ 实用、0.7+ 良好）；
- family 折比 random 折通常低一些属正常（随机折可能泄漏同亲缘个体）。

### 3.12 稳定性 AMMI / Finlay-Wilkinson

**目的**：评估材料跨环境的**稳定性**——高产且稳定 vs 高产但波动大，指导区域推广。

**所需数据**：性状 + 观测 + 环境维度（site/year）两因素均值表。

**操作**：「稳定性 AMMI/FW」页签 → 性状 + 环境维度（site/year）+ 方法（AMMI 和/或 Finlay-Wilkinson）→ 运行（异步）→：
- **AMMI**：ASV 稳定性值、ecovalence（互作方差）、IPC1/IPC2、ASV 排名；
- **FW**：回归斜率 b、决定系数 r²（b≈1 且 r² 高 → 平均稳定型）。

**结果解读**：ASV/ecovalence 越小越稳定；FW 的 b 偏离 1 越多 → 对环境越敏感（b>1 在高产环境优势明显，b<1 在低产环境抗逆）。

### 3.13 UPGMA 聚类

**目的**：按多性状相似度把单株/无性系分层聚类（树状图），看群体结构、划分类群。

**操作**：「UPGMA 聚类」页签 → ≥2 性状 → 实体类型（tree/clone）→ 模式（pheno 表型 / genetic EBV）→ 距离（corr/euclidean）→ k 类数（空=按合并距离跳变自动选）→ 树状图。

### 3.14 数据质量检查

**目的**：定位**离群观测株**（缺失率 + IQR 超界 + MAD 稳健 z 双通道），按方向区分——**同向偏离 = 可能的精英**，**反向偏离 = 疑似记录错误**。

**操作**：「数据质量」页签 → 性状（+年份/研究点）→ 运行 → 离群株列表与标记。

**建议**：正式建模前先跑此分析，把"疑似错误"方向的数据核实后再建模。

### 3.15 遗传增益 ΔG

**目的**：估算**选择后遗传增益**——ΔG = k·r_g·σ_A（截断选择强度 × 预测准确性 × 遗传标准差），用于设定选择强度与周期预期。

**操作**：「遗传增益 ΔG」页签 → 性状 → 指定 ABLUP 批次（取 PA 与 σ_A）→ 入选比例 top_p 或人数 top_n → 世代间隔 → 逐批次投影。

**注意**：ΔG 是**期望值/投影**，前提是模型正确、无近交负效应累积。

### 3.16 亲缘 / 近交分析

**目的**：系谱 A 矩阵估计**近交系数 F**、个体间**亲缘关系**，预警近交风险；**近交衰退**端点把 F 对表型做回归，量化近交代价。

**操作**：「亲缘·近交」页签 → 阈值 → 运行 → 近交预警 / F 系数 / A 矩阵；「近交衰退」另端点输入性状运行。

### 3.17 主动选配推荐 / OCS

**目的**：在满足**S-等位不相容硬过滤**的前提下，按 **EBV 互补 − 近交惩罚**推荐亲本配对（含花期软警示：重叠/错开/库存/未知），避免近交、保证可配；**OCS** 做群体级配种贡献优化（max Σc·ebv − λ·c'Ac）。

**操作**：「选配推荐」页签 → 候选种质 → 预测批次（EBV）→ 亲缘阈值/权重/最大配对数 → 推荐表；OCS 在「OCS」分块输入候选 + 选配数 n_select + 惩罚 λ。

### 3.18 决选预览

**目的**：把**选择规则**应用到表型/EBV 上，逐树预览命中/淘汰，EBV 可靠性低于门槛视为"证据不足"。

**操作**：「决选预览」页签 → 选择规则（可空）→ 预测批次/年份 → 预览逐树结果。

### 3.19 模型健康监控 / MLOps

**目的**：相邻两轮 ABLUP 对比，监控 **h² 跌幅 / EBV 排名翻转 / 可靠性变化**——数据或流程若有异常会在此暴露。

**操作**：「模型健康」页签选批次（可指定上一批对比）→ 漂移检测 / 手动重训 / 版本回滚 / 设当前版本。

### 3.20 组合得失漏斗

**目的**：花 → 果 → 种 → 苗 → 定植 → 树 → 入选的**逐环节数量漏斗**，看哪个环节损耗最大、投入产出比。

**操作**：顶部「组合得失漏斗」→ 只读视图。

---

## 四、分子类分析（第二批，本手册从略）

- **基因组选择**：「基因组选择 GBLUP」页签内直接运行 GBLUP / ssGBLUP / rrBLUP / BayesB（需基因型数据集 + 基因型调用记录）；也可在交叉验证选 GS 模式评估其预测准确度。
- **GWAS / QTL / MAS / QTL×E**：独立「GWAS」页面（曼哈顿图/QQ 图、QTL 定位、MAS 面板、QTL×E 分层），MAS 面板可在本页「回交 MABC」里做前景/背景选择。

分子分析各功能的目的、数据准备、操作与解读，将在后续专门文档补全。

---

## 五、常见问题 FAQ

**Q1：提交后一直 pending / FAILED？**
→ 「模型批次」页签任务状态看 `error_msg`。最常见：数据就绪门禁不通过（样本量不足/系谱缺失率高）、该性状无观测、分子分析未建基因型数据集。

**Q2：为什么有些分析（G×E、亲缘、近交）提示不可用？**
→ 缺增强数据（研究点/系谱/砧木）。补录后即可用；不影响其他表型分析。

**Q3：EBV 为什么有时是负的？**
→ EBV 是**相对值**（群体均值为参考），正负无绝对好坏，只看同批次内排名。

**Q4：选择指数写入决选时个别树被跳过？**
→ EBV 可靠性低于设定的 `min_reliability` 门槛，系统视为证据不足自动跳过。

**Q5：刷新后批次/结果还在吗？**
→ 在。异步结果落库（预测批次、配合力、CV、稳定性、遗传相关、Type-B、GWAS 等），重启系统不丢，任务存储也已持久化到数据库。

**Q6：列显示设置保存了但刷新失效？**
→ 已修复（2026-08-07，`useTableColumns` 深度监听）。若仍异常请反馈：哪个列表页 + 浏览器控制台报错。