GCMTBLUP

Here is an example of parameter files for GCMTBLUP, from the simulated example. Data looks like:

 (mean, animal, hys, y, gene content; missing value is -9999):

           1           1       14825       -9999           1

           1           2        5146       -9999           2

           1           3        5386       -9999           1

           1           4       47519       -9999           1

           1           5       46051       -9999           1

           1           6       43484       -9999           2

           1           7       12719       -9999           1

           1           8       27660       -9999           0

           1           9        5681       -9999           0

           1          10       21685       -9999           1

...

           1     9999993      480244   99.7522132400075            -9999

           1     9999994      461248   98.7729983384373            -9999

           1     9999995      460282   100.339403361134            -9999

           1     9999996      464308   101.923396214390            -9999

           1     9999997      498089   99.8367733957329            -9999

           1     9999998      494791   99.9258964576069            -9999

In blupf90:

# this models y= hys + u +e 
# snp = mu + u +e
# correlated as in GCMTBLUP
# # no residual variance !! hence var(e) is fixed to a small value
DATAFILE
data
NUMBER_OF_TRAITS
           2
NUMBER_OF_EFFECTS
           3
OBSERVATION(S)
    4 5
WEIGHT(S)

EFFECTS: POSITIONS_IN_DATAFILE NUMBER_OF_LEVELS TYPE_OF_EFFECT[EFFECT NESTED]
  0 1 1      cross
  3 0 500000 cross
  2 2 10000000 cross
RANDOM_RESIDUAL VALUES
.95 0
0  .01
 RANDOM_GROUP
     3
 RANDOM_TYPE
 add_animal
 FILE
ped 
(CO)VARIANCES
.05 .11
.11  .5
OPTION missing -9999

 In PEST, the parameter file is:

relationship

    rel_for animal

    disk

    infile = 'ped'

       input

        animal 

        m_p    

        f_p   

TRANSFORMATION

       treated_as_missing

           gc      none -9999 none

           ls      none -9999 none

data

    infile = 'data2'

    disk

     input

       mean 1

       animal   10000000

       hys 500000

       ls 0

       gc 0

model

       ls = hys animal

       gc = mean animal

VE

      0.95 0

      0  0.01

VG  

   vg_for animal

      0.05 0.11

      0.11 0.50

solver

    iod [stop = 0.001, relax = .7, max_iter = 2000

    STAND_AVG_CHANGE 

printout

   outfile = 'vlistp20'