Ten artykuł demonstruje zastosowanie metody złotego standardu w genetyce behawioralnej, metody dekompozycji Cholesky'ego, do oszacowania unikalnych, nakładających się na siebie wpływów genetycznych i środowiskowych na różne zmienne, aby odpowiedzieć na pytania badawcze motywowane podłużnie.
Subskrypcja JoVE jest wymagana do oglądania tego materiału. Zaloguj się lub rozpocznij bezpłatny okres próbny.
Artykuł metodologiczny
Wykorzystanie dekompozycji Cholesky'ego do badania indywidualnych różnic w relacjach podłużnych między umiejętnościami czytania
W tym artykule
Podsumowanie
Streszczenie
Metoda dekompozycji Cholesky'ego jest złotym standardem stosowanym w dziedzinie genetyki behawioralnej. Metoda jest popularna, ponieważ jest łatwa do zaprogramowania i rozwiązania. Korzystając z tej metody, naukowcy mogą badać indywidualne różnice w relacjach podłużnych różnych zmiennych w wielu punktach czasowych. Metoda ta pozwala badaczom na dekompozycję wariancji na (1) unikalne genetyczne, wspólne i niewspółdzielone efekty środowiskowe, które pojawiają się w określonych punktach czasowych, a także (2) nakładające się genetyczne, wspólne i niewspółdzielone skutki środowiskowe, które przenoszą się z jednego punktu czasowego do drugiego. Metoda ta nie identyfikuje jednak mechanizmów ani źródeł leżących u podstaw tych skutków. Niniejszy raport koncentruje się na zastosowaniu metody dekompozycji Cholesky'ego w dziedzinie psychologii edukacyjnej. W szczególności omówiono indywidualne różnice w relacjach podłużnych między znajomością liter w przedszkolu, świadomością fonologiczną w przedszkolu, umiejętnościami czytania na poziomie słów w pierwszej klasie i czytaniem ze zrozumieniem w siódmej klasie.
Wprowadzenie
Stanie się sprawnym czytelnikiem z umiejętnością płynnego czytania i rozumienia tekstu jest istotne dla wyników szkolnych dzieci. Aby zapobiec rozwojowi problemów z czytaniem, kluczowe jest zrozumienie, w jakim stopniu poszczególne umiejętności czytania przewidują rozumienie tekstu. Istniejące badania wykazały, że umiejętności przedczytaniowe oraz umiejętności czytania na poziomie słowa w szkole podstawowej długofalowo przewidują rozumienie tekstu w szkole średniej1,2. Różnice indywidualne w tych przewidywaniach wskazują głównie na leżące u ich podstaw czynniki genetyczne (a w pewnym stopniu środowiskowe) od przedszkola do czwartej klasy3,4. Istnieje jednak potrzeba zbadania, czy te same czynniki genetyczne i środowiskowe nadal wpływają na te przewidywania aż do klas szkoły średniej.
Jedną z metod pozwalających na lepsze zrozumienie różnic indywidualnych leżących u podstaw powiązań między umiejętnościami czytania w szkole podstawowej a szkołą średniej klasy jest zastosowanie metodologii genetyki behawioralnej, a konkretnie metody dekompozycji Cholesky'ego. Metoda dekompozycji Cholesky'ego jest uważana za jedną ze złotych standardów analiz w genetyce behawioralnej. Metoda ta jest łatwa do zaprogramowania i rozwiązania i pozwala na rozkład wariancji oraz kowariancji na wpływ (A) genetyczny, (C) wspólny wpływ środowiskowy oraz (E) niespólny wpływ środowiskowy, zazwyczaj w próbie bliźniąt. Przykład jednowymiarowej (jednej zmiennej) dekompozycji Cholesky'ego przedstawiono na Rysunku 1. Latentny czynnik A odnosi się do efektów genetycznych, czyli wpływów genetycznych dziedziczonych po rodzicach. Latentny czynnik C odnosi się do efektów wspólnych środowiskowych, czyli aspektów środowiska, które sprawiają, że bliźnięta są do siebie bardziej podobne, takich jak środowisko domowe i szkolne. Na koniec, latentny czynnik E odnosi się do niespólnych efektów środowiskowych, czyli wpływów środowiskowych unikalnych dla każdego z bliźniąt, które przyczyniają się do różnic między nimi, takich jak indywidualne doświadczenia każdego z nich. Czynnik E obejmuje również błąd pomiaru.
Rysunek 1: Rozkład na wpływy (A) genetyczne, (C) wspólne środowiskowe oraz (E) niewspólne środowiskowe. Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.
Czynniki A, C i E na Rysunku 1 szacują zakres, w jakim geny i środowisko wpływają na jedną zmienną (czytanie). Jednak w celu zbadania różnic indywidualnych leżących u podstaw powiązań podłużnych pomiędzy więcej niż jedną umiejętnością czytania od szkoły podstawowej do szkoły średniej, niezbędna jest analiza podłużna. Aby odpowiedzieć na pytania badawcze motywowane badaniem podłużnym, zastosowano tutaj wielowymiarową metodę rozkładu Cholesky5. Koncepcyjnie wielowymiarowa metoda rozkładu Cholesky jest podobna do hierarchicznej regresji wielokrotnej, tak że niezależny wkład czynników genetycznych i środowiskowych jest oceniany po uwzględnieniu wkładu czynników poprzednich.
Na przykład, w wielowymiarowym rozkładzie Cholesky'ego z danymi podłużnymi w czterech punktach czasowych (patrz Rysunek 2), pierwszy zestaw czynników [genetycznym (A1), wspólnym środowiskowym (C1) i nies wspólnym środowiskowym (E1)] przyczynia się do wariancji wszystkich zmiennych, co jest reprezentowane jako ścieżki a11, a21, a31, a41, c11, c21, ..., e11 itd., prowadzące od czynników A1, C1, E1 do każdej zmiennej. Drugi zestaw czynników (A2, C2, E2) przyczynia się do wariancji drugiej i kolejnych zmiennych po skontrolowaniu pierwszego punktu czasowego. Drugi zestaw czynników jest reprezentowany jako ścieżki a22, a32, a42, c22, c32, ..., e22 itd. Następnie szacowane są wpływy trzeciego zestawu czynników (A3, C3, E3) dla trzeciej i czwartej zmiennej po skontrolowaniu dwóch poprzednich punktów czasowych. Są one reprezentowane jako ścieżki a33, a43, c33, c43, e33, e43. Na koniec mierzone są wpływy czwartego zestawu czynników (A4, C4, E4) dla ostatniego punktu czasowego po skontrolowaniu wszystkich poprzednich punktów czasowych. Są one reprezentowane jako ścieżki a44, c44, e44.
Rycina 2: Wielowymiarowy model dekompozycji Cholesky dla czterech punktów czasowych. Kliknij tutaj, aby wyświetlić powiększoną wersję tej ilustracji.
W tej podłużnej aplikacji wielowymiarowej metody dekompozycji Cholesky wpływy genetyczne i środowiskowe w każdym punkcie czasowym są szacowane po skontrolowaniu efektów z poprzednich punktów czasowych. Dzięki temu metoda ta pozwala określić zakres, w jakim unikalne wpływy genetyczne i środowiskowe pojawiają się w każdym konkretnym punkcie czasowym, niezależnie od wpływów z poprzednich okresów (efekty te są szacowane przez ścieżki a11, a22, a33, a44, c11, c22, …, e11, e22, itd.). Ponadto metoda ta umożliwia zbadanie stopnia, w jakim te same (nakładające się) wpływy genetyczne i środowiskowe są wspólne dla różnych punktów czasowych. Innymi słowy, można określić, w jakim stopniu wpływy genetyczne i środowiskowe przenoszą się z jednego punktu czasowego do drugiego (tj. efekty te są szacowane przez ścieżki a21, a31, a41, a32, a42, a43, c21, c31, ..., e21, itd.). Należy zauważyć, że ścieżki a11, c11 i e11 reprezentują wszystkie możliwe wpływy genetyczne i środowiskowe do pierwszego punktu czasowego włącznie, które mogą być unikalne lub nakładać się z wcześniejszymi punktami czasowymi. Jednak punkty czasowe poprzedzające pierwszy punkt czasowy nie są szacowane; w związku z tym nie można dokładnie określić, czy reprezentują one wpływy unikalne czy nakładające się. W celu uproszczenia w niniejszym raporcie zostały one ujęte jako wpływy unikalne.
Kolejność zmiennych mierzonych wprowadzanych do dekompozycji Cholesky jest dowolna. Zazwyczaj jest ona jednak podyktowana perspektywą teoretyczną. Tak było również w niniejszym badaniu, w którym kolejność oparto na rozwoju umiejętności czytania, tak aby umiejętności czytania w szkole podstawowej pozwalały przewidywać rozumienie tekstu w szkole średniej.
W literaturze istnieje kilka raportów badających genetyczne i środowiskowe czynniki leżące u podstaw podłużnych powiązań umiejętności czytania z wykorzystaniem metody dekompozycji Cholesky'ego. Wcześniejsze badania koncentrowały się głównie na analizie relacji między umiejętnościami czytania u uczniów szkół podstawowych6,7. Istnieje tylko jedna opublikowana praca badająca różnice indywidualne związane z czytaniem od poziomów szkoły podstawowej do poziomów szkoły średniej z zastosowaniem wielowymiarowej metody dekompozycji Cholesky'ego8. Niniejszy protokół szczegółowo opisuje wielowymiarową metodę dekompozycji Cholesky'ego z tego konkretnego raportu w celu zbadania różnic indywidualnych w podłużnych relacjach między znajomością liter w przedszkolu, świadomością fonologiczną w przedszkolu, umiejętnościami czytania na poziomie słów w pierwszej klasie oraz rozumieniem tekstu w siódmej klasie.
Wyniki badania koncentrują się na zastosowaniu wielowymiarowej metody dekompozycji Cholesky w celu rozróżnienia dwóch rodzajów wpływów genetycznych i środowiskowych. Po pierwsze, pokazano, jak szacować wpływy genetyczne i środowiskowe, które przenoszą się (nakładają) z poziomu szkoły podstawowej na poziom szkoły średniej (np. szacowanie ścieżek a43, c43 i e43, które stanowią wpływy genetyczne i środowiskowe na umiejętności czytania na poziomie słów z pierwszej klasy, oddziałujące na rozumienie tekstu w siódmej klasie). Po drugie, zademonstrowano, jak szacować unikalne wpływy genetyczne i środowiskowe, które pojawiają się w każdej konkretnej klasie (np. szacowanie ścieżek a33, c33 i e33, które są unikalnymi wpływami genetycznymi i środowiskowymi na umiejętności czytania na poziomie słów pojawiającymi się w pierwszej klasie).
Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.
Protokół
Poniższe kroki opisują proces szacowania różnic indywidualnych leżących u podstaw powiązań podłużnych między umiejętnościami czytania w szkole podstawowej i gimnazjum, z podziałem na czynniki (A) genetyczne, (C) wspólne środowiskowe oraz (E) niespólne środowiskowe, przy użyciu programu do modelowania statystycznego, edytora tekstu oraz oprogramowania z graficznym interfejsem użytkownika (GUI). Badanie to zostało zatwierdzone przez Komisję Bioetyczną (Institutional Review Board) na Florida State University.
1. Przygotowanie danych dla programu do modelowania statystycznego
- Przygotuj dane w formacie, który może zostać odczytany przez wybrany program do modelowania statystycznego. Popularne programy do modelowania statystycznego to Mx, OpenMx w środowisku R oraz MPlus9. Program Mx może odczytywać pliki danych w formatach .vl lub .dat, OpenMx w dowolnym formacie danych, a Mplus w formacie .dat. Przykład zaprezentowany tutaj został wykonany w programie MPlus9.
UWAGA: Przykładowy plik danych w formacie .dat dla sześciu losowo wybranych uczestników jest dostępny w plikach uzupełniających. Zmienne użyte w przykładowym pliku danych odpowiadają zmiennym użytym w pliku kodu wejściowego.
2. Importowanie danych do programu do modelowania statystycznego, uruchomienie skryptu i szacowanie efektów
- Uruchom program do modelowania statystycznego.
- Zlokalizuj odpowiedni plik danych do odczytania przez program do modelowania statystycznego, wpisując „File is [wpisz lokalizację pliku danych na komputerze]”.
- Kliknij ikonę RUN na wstążce programu do modelowania statystycznego, aby uzyskać oszacowania wpływów genetycznych, wspólnych środowiskowych i niespólnych środowiskowych metodą wielowymiarowej dekompozycji Cholesky. Adnotowany skrypt wejściowy dla modelu wielowymiarowej dekompozycji Cholesky dla czterech punktów czasowych oraz wynik jego uruchomienia w programie MPlus znajdują się w dodatkowych plikach z kodem.
- Po wygenerowaniu przez program oszacowań wpływów genetycznych, wspólnych środowiskowych i niespólnych środowiskowych, odnajdź te wartości w pliku wyjściowym pod stx11 dla ścieżki a11, stx21 dla ścieżki a21, …, sty11 dla ścieżki c11, sty21 dla ścieżki c21, …, stz11 dla ścieżki e11, stz21 dla ścieżki e21 itd.
3. Tworzenie tabeli z wygenerowanymi szacunkami
- Otwórz procesor tekstu.
- Skopiuj wygenerowane oszacowania do tabeli w procesorze tekstu. Tabelę można utworzyć w formacie wskazanym na Rysunku 3. Na przykład, w tym przypadku oszacowania dla ścieżek a11, a21, a31 oraz a41 mają odpowiednio wartości 0.60, 0.24, 0.63 i 0.18.
Rycina 3: Wielowymiarowy model dekompozycji Cholesky przedstawiający zestandaryzowane oszacowania ścieżek wpływów genetycznych i środowiskowych. Kliknij tutaj, aby wyświetlić powiększoną wersję tej ryciny.
4. Wykreślanie wpływów genetycznych, wspólnych środowiskowych i niespólnych środowiskowych
- Uruchom oprogramowanie z interfejsem graficznym (GUI).
- Wprowadź wartości szacunkowe z utworzonej tabeli do komórek F3-F16, G4-G16, H5-H16 oraz I6-I16. Zrzut ekranu z oprogramowania z interfejsem GUI przedstawiono na ryc. 4.
Rycina 4: Wprowadzanie szacunków do oprogramowania z interfejsem graficznym użytkownika (GUI). Kliknij tutaj, aby wyświetlić większą wersję tej ryciny.
- Oblicz wariancję wpływów genetycznych, środowiskowych wspólnych i środowiskowych niespólnych, podnosząc do kwadratu wartości w komórkach F3-F16, G4-G16, H5-H16 oraz I6-I16. Wprowadź wartości podniesione do kwadratu do komórek J3-J16, K4-K16, L5-L16 oraz M6-M16.
- Oblicz procentową wariancję, mnożąc wartości w komórkach J3-J16, K4-K16, L5-L16 oraz M6-M16 przez 100. Wprowadź wartości procentowe do komórek N3-N16, O4-O16, P5-P16 oraz Q6-Q16. Kroki 4.3 i 4.4 przedstawiono na Rysunku 5.
Rysunek 5: Ilustracja kroków 4.3 i 4.4. Kliknij tutaj, aby wyświetlić większą wersję tego rysunku.
- Oblicz zakres, w jakim wpływy genetyczne przenoszą się (nakładają) z poziomu szkoły podstawowej na poziom szkoły średniej.
- W komórce R3 wpisz „0”.
- W komórce R4 wpisz „=N4”. Jest to zakres, w jakim wpływy genetyczne z pierwszego punktu czasowego przenoszą się na drugi punkt czasowy. W tym przypadku wskazuje to na przenoszenie się wpływów genetycznych z płynności nazywania liter w przedszkolu na płynność segmentacji fonemów w przedszkolu.
- W komórce R5 wpisz „= N5+O5”. Jest to stopień, w jakim wpływy genetyczne z pierwszych dwóch punktów czasowych przenoszą się na trzeci punkt czasowy. W tym przypadku wskazuje to na przenoszenie się wpływów genetycznych z płynności nazywania liter w przedszkolu oraz płynności segmentacji fonemów w przedszkolu na umiejętności czytania na poziomie słów w 1. klasie.
- W komórce R6 wpisz „= N6+O6+P6”. Jest to zakres, w jakim wpływy genetyczne z pierwszych trzech punktów czasowych przenoszą się na czwarty punkt czasowy. W tym przypadku wskazuje to na przenoszenie się wpływów genetycznych z płynności nazywania liter w przedszkolu, płynności segmentacji fonemów w przedszkolu oraz umiejętności czytania na poziomie słów w 1. klasie na rozumienie tekstu w 7. klasie.
- Oblicz zakres, w jakim wspólne wpływy środowiskowe i niespólne wpływy środowiskowe przenoszą się (nakładają) z poziomu szkoły podstawowej na poziom szkoły średniej w sposób analogiczny do kroku 4.5.
- Oblicz zakres, w jakim unikalne czynniki genetyczne, wspólne czynniki środowiskowe i niespólne czynniki środowiskowe pojawiają się w każdym konkretnym punkcie czasowym (tj. klasie).
- Skopiuj wartości procentowe z komórek N3, O4, P5 i Q6 do odpowiednio komórek S3, S4, S5 i S6, aby uzyskać zakres, w jakim unikalne czynniki genetyczne pojawiają się w każdej klasie.
- Skopiuj wartości procentowe z komórek N8, O9, P10 i Q11 do odpowiednio komórek U3, U4, U5 i U6, aby uzyskać zakres, w jakim unikalne wspólne czynniki środowiskowe pojawiają się w każdej klasie.
- Skopiuj wartości procentowe z komórek N13, O14, P15 i Q16 do odpowiednio komórek W3, W4, W5 i W6, aby uzyskać zakres, w jakim unikalne niespólne czynniki środowiskowe pojawiają się w każdej klasie.
- Aby upewnić się, że wszystkie obliczenia są poprawne, sumy wartości w komórkach R3-W3, R4-W4, R5-W5 i R6-W6 powinny wynosić odpowiednio 100. Kroki 4.5–4.7 przedstawiono na Rysunku 6.
Rysunek 6: Ilustracja kroków 4.5-4.8. Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.
- Wykres wpływów genetycznych nakładających się oraz unikalnych, klikając i przeciągając myszą po komórkach R2–R6 i S2–S6, aby zaznaczyć dane.
- Kliknij menu Wstawianie.
- Kliknij Wykresy > Kolumnowy skumulowany.
- Powtórz kroki 4.9–4.11 dla wpływów środowiskowych wspólnych i niespółdzielonych, zarówno nakładających się, jak i unikalnych. Wybierz komórki T2–T6 i U2–U6, aby narysować wykres wpływów środowiskowych wspólnych, oraz komórki V2–V6 i W2–W6 dla wpływów środowiskowych niespółdzielonych.
Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.
Wyniki
Znormalizowane oszacowania wpływów genetycznych, wspólnych środowiskowych i niespólnych środowiskowych z wielowymiarowego modelu dekompozycji Cholesky przedstawiono na Rysunku 7. Ogólnie wyniki wykazały, że różnice indywidualne w umiejętnościach przedczytniczych w przedszkolu oraz w czytaniu na poziomie słów w pierwszej klasie odpowiadały za dużą część wariancji wpływów genetycznych (40%) oraz wspólnych środowiskowych (39%) na rozumienie tekstu w siódmej klasie. Ponadto w...
Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.
Dyskusja
Celem niniejszego badania było wykazanie, w jaki sposób powszechnie uznana metoda w genetyce behawioralnej, wielowymiarowa metoda dekompozycji Cholesky’ego, może być skutecznie wykorzystana do zrozumienia relacji między zmiennymi w kontekście czasowym. W szczególności metoda ta pozwala na oszacowanie stopnia, w jakim unikalne wpływy genetyczne i środowiskowe pojawiają się w konkretnych punktach czasowych (np. w danej klasie szkoły), a także na wykazanie nakładania się wpływów genetycznych i środowiskowych w wielu punktac...
Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.
Oświadczenia
Autorzy nie mają nic do ujawnienia.
Podziękowania
To badanie było częściowo wspierane przez grant z National Institute of Child Health and Human Development (P50 HD052120). Poglądy wyrażone w niniejszym dokumencie są poglądami autorów i nie zostały zweryfikowane ani zatwierdzone przez agencje przyznające dotacje.
Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.
Materiały
| Nazwa | Firma | Numer katalogowy | Komentarze |
|---|---|---|---|
| Microsoft Office Excel | Microsoft | ||
| Microsoft Office Powerpoint | Microsoft | ||
| Microsoft Office Visio | Microsoft | ||
| Microsoft Office Word | Microsoft | ||
| Mplus Program statystyczny | Mplus |
Bibliografia
- Muter, V., Hulme, C., Snowling, M. J., Stevenson, J. Phonemes, rimes, vocabulary and grammatical skills as foundations of early reading development: Evidence from a longitudinal study. Developmental Psychology. 40 (5), 665-681 (2004).
- Schatschneider, C., Fletscher, J. M., Francis, D. J., Carlson, C. D., Foorman, B. R. Kindergarten prediction of reading skills: A longitudinal comparative analysis. Journal of Educational Psychology. 96 (2), 265-282 (2004).
- Byrne, B., et al. Longitudinal twin study of early literacy development: Preschool and kindergarten phases. Scientific Studies of Reading. 9 (3), 219-235 (2005).
- Christopher, M. E., et al. Genetic and environmental etiologies of the longitudinal relations between prereading skills and. Child Development. 86 (2), 342-361 (2015).
- Neale, M. C., Cardon, L. R. Methodology for Genetic Studies of Twins and Families. , Springer Science. Kluwer Academic Publishers B.V. Dordrecht, Netherlands. (1992).
- Byrne, B., et al. Genetic and environmental influences on early literacy. Journal of Research in Reading. 29 (1), 33-49 (2006).
- Byrne, B., et al. Genetic and environmental influences on aspects of literacy and language in early childhood: Continuity and change from preschool to grade 2. Journal of Neurolinguistics. 22 (3), 219-236 (2009).
- Erbeli, F., Hart, S. A., Taylor, J. Longitudinal associations among reading related skills and reading comprehension: A twin study. Child Development. 89 (6), e480-e493 (2018).
- Muthén, L. K., Muthén, B. O. Mplus. The comprehensive modeling program for applied researchers: User’s guide. , Muthén and Muthén. Los Angeles, CA. (2012).
- Hart, S. A., et al. Exploring how nature and nurture affect the development of reading: An analysis of the Florida Twin Project on Reading. Developmental Psychology. 49 (10), 1971-1981 (2013).
- Taylor, J., Roehrig, A. D., Hensler, B. S., Connor, C. M., Schatschneider, C. Teacher quality moderates the genetic effects on early reading. Science. 328 (5977), 512-514 (2010).
Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.
Przedruki i uprawnienia
