一种实用的工作流程，结合了Kaplan-Meier分析和贝叶斯加速失效时间分析方法，用于处理大豆中受到审查（即数据被删失）的繁殖物候数据

《BMC Plant Biology》：A practical workflow combining Kaplan-Meier and Bayesian accelerated failure time analyses for censored reproductive phenology data in soybean

　　

摘要

植物的生长发育过程本质上是一个“时间到事件”的过程，然而植物物候数据通常被当作普通的终点特征进行分析，即使在观察窗口内有些个体未能达到目标阶段。这类观测数据属于右删失数据（而非缺失数据），应在推断分析中予以保留。在本研究中，我们评估了21个大豆品种在10种受控环境处理组中的表现，这些处理组在二氧化碳（CO₂）浓度、光照周期和LED光源质量方面有所不同。我们采用了一种实用的工作流程，将Kaplan-Meier生存分析方法与贝叶斯Weibull加速失效时间（AFT）模型相结合，来分析从播种到R6阶段的生长天数。基于来自1050株植物的210组品种×处理组合的观测数据，将这些处理组分为“有利”、“中等”和“强烈抑制”三类。高浓度二氧化碳（CO₂）对生殖时期的影响最为显著：当CO₂浓度从环境水平升高到1000–1400 ppm时，植物的中位生存时间缩短；而从1000 ppm升高到1400 ppm时，生存时间的额外减少幅度很小，表明这一响应已达到饱和状态。蓝光-红光光谱处理以及6–8小时的光照周期促进了处理组合中植物的快速同步生长。贝叶斯AFT模型将处理因素作为随机效应纳入分析，以考虑实验时的实验室级别差异；处理组间的标准差估计值为0.02（95%置信区间：0.00–0.06），表明不同实验室之间的差异可以忽略不计。表现最佳的实验组合（CO₂浓度1400 ppm，蓝光：红光比例2:1，光照周期6小时）使得植物达到R6阶段的中位时间为66.90天（平均72.18天）。本研究为受控环境研究、表型分析和育种工作中处理带有删失数据的植物物候数据提供了一种实用且可推广的工作流程。该流程整合了成熟的生存分析方法，并明确考虑了实验室级别的设计要求，为结构化的植物表型实验提供了框架。

植物的生长发育过程本质上是一个“时间到事件”的过程，然而植物物候数据通常被当作普通的终点特征进行分析，即使在观察窗口内有些个体未能达到目标阶段。这类观测数据属于右删失数据（而非缺失数据），应在推断分析中予以保留。在本研究中，我们评估了21个大豆品种在10种受控环境处理组中的表现，这些处理组在二氧化碳（CO₂）浓度、光照周期和LED光源质量方面有所不同。我们采用了一种实用的工作流程，将Kaplan-Meier生存分析方法与贝叶斯Weibull加速失效时间（AFT）模型相结合，来分析从播种到R6阶段的生长天数。基于来自1050株植物的210组品种×处理组合的观测数据，将这些处理组分为“有利”、“中等”和“强烈抑制”三类。高浓度二氧化碳（CO₂）对生殖时期的影响最为显著：当CO₂浓度从环境水平升高到1000–1400 ppm时，植物的中位生存时间缩短；而从1000 ppm升高到1400 ppm时，生存时间的额外减少幅度很小，表明这一响应已达到饱和状态。蓝光-红光光谱处理以及6–8小时的光照周期促进了处理组合中植物的快速同步生长。贝叶斯AFT模型将处理因素作为随机效应纳入分析，以考虑实验室级别的差异；处理组间的标准差估计值为0.02（95%置信区间：0.00–0.06），表明不同实验室之间的差异可以忽略不计。表现最佳的实验组合（CO₂浓度1400 ppm，蓝光：红光比例2:1，光照周期6小时）使得植物达到R6阶段的中位时间为66.90天（平均72.18天）。本研究为受控环境研究、表型分析和育种工作中处理带有删失数据的植物物候数据提供了一种实用且可推广的工作流程。该流程整合了成熟的生存分析方法，并明确考虑了实验室级别的设计要求，为结构化的植物表型实验提供了框架。