Fisher's ideas and the design of field experiments in agronomy and plant breeding

技術的概要：農業および植物育種におけるフィールド実験の設計とフィッシャーの思想

問題提起
本論文は、現代の農業フィールド実験および多環境試験（MET）の文脈において、R. A. フィッシャーの実験設計の原則、すなわち無作為化、反復、局所管理の永続的な関連性に取り組むものである。フィッシャーのローザムステッドにおける基礎的仕事は、分散分析（ANOVA）および無作為化設計の理論的基盤を確立したが、現代の課題は依然として存在する。これらには、特定の農業的文脈（農場内試験や長期試験など）における体系的設計の継続的な使用、種子の入手可能性が限られる場合（初期世代の育種）の効率的な設計の必要性、および環境の分割されたターゲット集団（TPE）全体にわたる試験ネットワークの最適化の複雑さが含まれる。本論文は、フィッシャーの主要なアイデアをレビューし、現在の統計的実践と関連付け、特に体系的配置と無作為化に基づく推論の間の緊張関係に関して、現代の設計拡張の有効性と効率性を評価することを目的としている。

方法論
本論文は、レビューおよび理論的統合のアプローチを採用し、フィッシャーの画期的な著作（『研究工作者のための統計的方法』および『実験の設計』）の歴史的分析を、現代の統計モデリングおよび実証的検証と組み合わせている。

1. 均一性試験の検証: 著者は、歴史的な均一性試験データ（特に Mercer and Hall, 1911）を用いて、さまざまな設計および分析戦略の有効性を実証的に検証する。異なる設計（完全無作為化、無作為化完全区画、体系的）を実際のフィールドデータに重ね合わせることで、モデルに基づく標準誤差と実証的標準誤差および第一種の過誤率を比較する。
2. 線形混合モデル: 分析は、環境（農場/季節）およびそれらの処理との相互作用をランダム効果として扱うことで、MET を記述するために線形混合モデルに大きく依存している。この枠組みにより、分散成分の導出および処理差の半分散の計算が可能となる。
3. 設計最適化アルゴリズム: 本論文は、設計を生成するためのアルゴリズム的アプローチについて議論する。これには以下が含まれる：
   • 制限付き無作為化: 行 - 列設計において望ましくないパターン（隣接バランスの問題など）を除外しつつ、近似妥当性を維持するために、コンピュータ検索を使用する。
   • 拡張および部分的反復（p-rep）設計: 理論的結果（効率因子、縮約など）および $\alpha$-配列を利用して、テスト系統が反復されない、または部分的に反復される設計を生成する。これらはしばしばチェック品種で拡張される。
   • 最適配分: TPE 内の分割されたゾーン全体にわたる試験の最適配分を決定するために、解析的解および数値最適化を適用する。これは、ゾーン間の遺伝的相関を考慮する。
4. 検出力分析フレームワーク: 解析的最適解の導出が困難な複雑な多国籍試験システムを評価するために、本論文は Stroup（2002）のフレームワークを採用する。これには、固定効果のサイズと事前に指定された分散成分に基づいて F 検定の非中心性を計算するために混合モデルソフトウェアを使用することが含まれ、完全な REML 反復を必要とせずに、さまざまな設計シナリオの統計的検出力を実質的に評価する。

主要な貢献と結果

• 体系的設計対無作為化設計: 本論文は、体系的設計（Mitscherlich のスライディングブロックなど）が精度を提供し得るが、誤差推定のための唯一かつ有効な方法を持たないことを確認する。均一性データに対する実証的テストは、体系的配置が、無作為化設計と比較して無効な誤差分散推定値および第一種の過誤率をもたらすことを示している。しかし、本論文は、制限付き無作為化（行 - 列設計における隣接バランスの確保など）が、無作為化集合が十分に大きければ近似妥当な推論を提供し得ると指摘しており、これは均一性試験の評価によって支持される実用的なアプローチである。
• 拡張設計および行 - 列設計: 著者は、拡張設計（Federer）および行 - 列設計に関する研究を拡張する。拡張行 - 列設計が「縮約」（補助設計）から効率的に生成され得ることが示され、平均効率因子の理論的ベンチマークが提供される。さらに、非分解可能な行 - 列設計における隣接バランスの確保および処理の均等な配分のための制限付き無作為化戦略が、Tedin の処理誤差係数を用いて近似妥当性として検証される。
• 多環境試験（MET）および分散成分: 本論文は、MET において処理 - 環境相互作用が処理平均を比較するための主要な誤差項であるというフィッシャーの見解を強化する。相互作用分散が有意である場合、処理比較の精度は、サイト内の反復数ではなく、主にサイトの数に依存することを示す。本論文は、環境要因をランダムとしてモデル化することが、環境間情報を回復し、処理差の分散を正しく推定するために不可欠であることを明確にし、これを広義の遺伝率（$H^2$）と関連付ける。
• 分割された TPE における最適配分: ゾーンに層別化された TPE について、本論文は最適試験配分に関する結果を提示する。複合対称分散構造の下では、ゾーン全体にわたる等配分が最適である。しかし、他の構造については、最適配分は特定の分散共分散パラメータに依存し、相関の高いゾーンではゾーンあたりの試験数が少なくて済む。
• 国境を越えた試験の統合: ドイツおよびポーランドのトウモロコシ試験システムに Stroup の検出力分析フレームワークを適用した結果、国境を越えた遺伝的相関を利用した共同分析が精度を大幅に向上させることが判明した。特定された最も効率的なシナリオは、部分的に反復された（p-rep）設計を使用してすべての国ですべての品種をテストするものであり、これにより品種あたりのテスト強度が低下しても国境を越えた情報共有が可能となる。

意義と主張
本論文は、フィッシャーの基礎原則と現代の農業応用の間の架け橋として位置づけられている。その主な意義は以下の点にある：

1. 無作為化の再確認: 無作為化はしばしば線形モデルの仮定を正当化するための単なる道具と見なされるが、体系的設計と比較した場合、誤差推定値の妥当性を確保するその役割は依然として最重要であると主張する。
2. 実用的な設計の進化: 望ましくない空間パターンを避けるための無作為化の制限は、均一性試験などを通じて実証的に検証され、近似妥当な推論をもたらす限り、実用的なアプローチとして推奨される。
3. フィッシャーの MET 概念の近代化: 処理 - 環境相互作用に関するフィッシャーの初期の洞察を、環境のターゲット集団（TPE）、遺伝的相関、およびスパース・テストといった現代の概念と結びつける。
4. 方法論的ガイダンス: 複雑な多因子最適化（育種サイクル、系図、環境共変量の統合など）のための完全に発展したフレームワークが存在しない場合、研究者はフィッシャーの原則に基づく推測を用い、Stroup のような検出力分析フレームワークを通じて評価することで、大きな進展を遂げ得ると示唆する。

著者は、最終的な目標は育種プログラム全体の最適設計であるが、現在の方法的限界が段階的アプローチを必要とすると結論づけている。本論文は、「スパース・テスト」と系図情報の統合をフィッシャーの思想の有望な拡張として強調しているが、これらの複雑なシナリオに対する厳密な最適化は将来の研究分野であると指摘している。この研究は、特に環境をランダム因子として扱うことおよび相互作用項の重要性といったフィッシャーの原則が、現代の植物育種試験の設計および分析の中心であり続けることを思い出させるものである。