planung und auswertung von feldversuchen zur ... · vektor der festen effekte vektor der...
Post on 09-Sep-2019
10 Views
Preview:
TRANSCRIPT
Angewandte Statistik und Informatik
in den Biowissenschaften
Schnickmannstraße 4 · 18055 Rostock
Planung und Auswertung von Feldversuchen
zur Sicherheitsprüfung gentechnisch
veränderter Pflanzen
Jörg Schmidtke
2012-06-28
Gentechnische Veränderung · Risikobewertung · Sicherheitsprüfsystem
Technische Realisierung als Decision Support System
Anbaubegleitendes Monitoring
BioMath - Arbeitsgebiete
BioMath GmbH 2
Beratung Software Klinisch Versuchs-
wesen
Industrieaufträge
Forschungsprojekte
Promotionen
Zulassung
Software - CTrial
Hirndruck - neurolab
CADEMO
TRIQ
CellEx
PIAFStat
PaarSel
OptiNet
Individuallösungen
-Versuchswesen
-Labor
-Züchtung
Tools: SAS, SPSS, R / Oracle / ArcMap / Delphi
…
Landwirtschaftliche
Versuche:
Planung u. Auswertung
von Versuchen
im GWH und Freiland
Risikoanalyse im
Zulassungsverfahren
von gentechnisch
veränderten Pflanzen
Überwachung
Monitoring
Risikoanalyse im
Zulassungsverfahren
von gentechnisch
veränderten Pflanze
Gentechnische Veränderung
BioMath GmbH 3
x Kreuzung
Züchtung
Eliminierung der
mit übertragenen
unerwünschten
Eigenschaften
Mehr als 10 Jahre
Transformation
Gentechnik
Identifizierung
des optimalen
Events
Maximal 5 Jahre
Transgen
Transgenes Protein
Transgenes Event
Gen aus dem Bodenbakterium Bacillus thuringiensis (Bt)
Bt-Protein (Insektizid)
MON 810
Ziele der Gentechnik in Pflanzen
BioMath GmbH 4
• Verbesserte landwirtschaftliche Produktion
Resistenzen gegen: Herbizide, Insektizide, Pilze, Viren,
Bakterien und Stress
• Produktion von Medikamenten
Molecular Farming: Antibakterielle Substanzen, Impfmöhre
• Veränderung pflanzlicher Produkte
Nachwachsende Rohstoffe: Stärke, Aminosäuren, Alkaloide,
Öle und Fette
• Ersatz von petrochemischen Produkten:
Cyanophycin als Nebenprodukt der
Stärkeproduktion in Kartoffelknollen
Risiken?
Umwelt sowie menschliche und tierische Gesundheit
Zum Inverkehrbringen: EU-Freisetzungsrichtlinie 2001/18/EG
Als Lebens- oder Futtermittel: Verordnung EG Nr. 1829/2003
Risiko
BioMath GmbH 5
Risiko:
Beschreibung eines Ereignisses mit der Möglichkeit negativer Auswirkungen
Bewertung:
Quantifizierung des Risikos einerseits durch die Eintrittswahrscheinlichkeit und
anderseits durch das Ausmaß der negativen Auswirkung
sehr wahrscheinlich
wahrscheinlich
möglich
unwahrscheinlich
sehr unwahrscheinlich
Vernünftigerweise-Praktikabel Unter Umständen Handlungsbedarf
Unbedeutend Gering Mittel Schwerwiegend Bedrohlich
Akzeptabel Kein Handlungsbedarf
Nicht-Akzeptabel Handlungsbedarf
Negative Auswirkung - Schaden
Eintritts-
wahrscheinlichkeit
Mathematik · Psychologie · Ingenieur- und Umweltwissenschaften · Gesundheitswesen · Soziologie · Wirtschaftswissenschaft · Philosophie · Geographie
Neue Technogien an Pflanzen
BioMath GmbH 6
Sicherheitsprüfung
Molekulare Charakterisierung
Substantielle Äquivalenz
Transgenes Event
Einfluss auf die Umwelt
Einfluss auf Verbraucher
Agronomische Eigenschaften
Einfluss auf Boden Einfluss auf NZO Allergenität Toxizität
Anbaubegleitendes Monitoring
Bewertung über Indikator-Merkmale, Grenz- und Schwellenwerte sowie Baselines.
Prinzipien:
• Identifizierung der potentiell schädlichen Wirkung ( = Risiko )
• Festlegen der Prüfobjekte und Merkmale zur Erfassung der schädlichen
Wirkung
• Charakterisierung der Risiken durch die erfassten Messgrößen ( = Quantifizierung )
• Festlegung der Prüfdurchführung ( = Bewertung / Handlungsbedarf? )
Grundlage für die Bewertung
BioMath GmbH 7
Indikator-Merkmal
0.21
0.02
Indikator-Merkmal:
ausgewähltes Merkmal mit hinreichender
Aussagekraft für die Bewertung eines Risikos 0.18 Grenzwert
Grenzwert:
tatsächliche bzw. behördlich festgelegte
Schranke für das biologische Risikos eines
Merkmals
0.15 Schwellenwert
Schwellenwert:
Grenze des biologisch unbedenklichen
Wertebereiches eines Merkmals
Maximal möglicher Wert
Minimal möglicher Wert
0.05
Baseline
Baseline:
bei konventionellen Sorten „normaler“
Wertebereich eines Merkmals
0.14
GVP-Prüfsystem
BioMath GmbH
Sicherheits-Prüfsystem zur Risikobewertung von gentechnisch veränderten Pflanzen
für das europäischen Zulassungsverfahren von Lebens- und Futtermittel
Entscheidungsregeln Workflow
• Indikator-Merkmale
• Grenz- Schwellenwerte
• Baselines
Risiken bezüglich:
• Boden, NTO, Agronomie
• Toxizität, Allergenität
• Spezifik des transgenen Proteins
Transgen-Spezifisch
Event-Spezifisch
Transgenes Protein
Transgenes Event
(Pflanze)
BioMath GmbH 9
StartElite-Event
GVP
Molekulare Charakterisierung
Sicherheits-analyse
erfolgreichStoppnein
StartFreilandversuche
ja
Agronomische Eigenschaften
Substantielle Äquivalenz
Äquivalenzja
Stopp
schädlicher Effekt
nein
ja
NTO(GVP)
Allergenität(GVP)
Einfluss auf Boden(GVP)
Toxizität(GVP)
Start
potentieller Einfluss auf NTO
potentieller Einfluss auf
Boden
toxisches Potential
allergenesPotenial
neinnein nein nein
nein
ja ja ja ja
Transgen Expression
transgen-kodiertes Protein
vorhanden
ja
schädlicher Effekt
nein
Stopp
ja
schädlicher Effekt
Ende
nein
Stoppja
nein
Kein Risiko durch GVP
Event-Spezifisch
BioMath GmbH 10
Allgemeines Prinzip
GVP
KON
KON
KON
KON
KON KON
NIV
Ausgangssituation
KON: konventionelle Sorten
GVP: gentechnisch veränderte Pflanze
NIV: nah isogene Sorte
GVP
Risikobewertung
Abstand
Differenz oder Verhältnis
des Beobachtungsmerkmals
NIV
KON
Test auf Differenz Test auf potentielles Risiko
Test auf Äquivalenz
Eine Differenz
ist nachweisbar
Weitere Bewertung durch Fachexperten
Die Differenz liegt
nicht in den
Äquivalenzgrenzen
Bewertung
eventuell weitere Risikoanalysen Problem ist die Festlegung
der Äquivalenzgrenzen
Ergebnis-Typen
BioMath GmbH 11
Statistischer Test
0:0 H 0: AH ou oderH :0 ouAH :
Test auf Differenz Test auf Äquivalenz
0
AHAH0H
),,( nfK u
0
0H0HAH
K K
),,( nfK o
K K
),( nfK ),( nfK
abgelehntwirdH0
angenommenwirdH0
giltH0 giltH A
Fehler
Fehler
Fehler
Fehler GVP wird nicht zugelassen,
obwohl sie äquivalent ist
GVP wird zugelassen,
obwohl sie nicht äquivalent ist
Fehler
Fehler Vom GVP geht kein Risiko aus,
obwohl es eine Differenz gibt
Vom GVP geht ein Risiko aus,
obwohl es keine Differenz gibt
Interpretation
Relativer Verlust: beschreibt die Relation zwischen alpha- und beta-Fehler
Wie groß ist der relative Verlust für eine zugelassene GVP,
die nicht äquivalent zur nah isogenen Sorte (alpha-Fehler) ist
in Bezug zu
einer nichtzugelassenen GVP die aber äquivalent ist (beta-Fehler)?
BioMath GmbH 12
Konfidenzintervall-Verfahren
Ein Konfidenzintervall für zur Konfidenzwahrscheinlichkeit ist ein aus den
Stichprobenwerten berechnetes Intervall im Raum von , das den ‚wahren‘
Parameter mit Wahrscheinlichkeit überdeckt.
Definition:
1 ou ,
1ix
Beispiel:
nx
nx
nux
nux
96.1,96.1,2
12
1
Für den Mittelwert von normalverteilten Größen mit bekannter Standardabweichung
ist ein 95% Konfidenzintervall gegeben durch:
n ix
)1,0(:
05.0
NVderQuantilu
Test: 00 : H 0: AH
Konstruktion eines Konfidenzintervalls für 1
u o
u o0 0
ou ,0 ou ,0ablehnennichtH0 ablehnenH0
BioMath GmbH 13
Konfidenzintervall
Durchführung der Tests zur Risikobewertung mit Hilfe von Konfidenzintervallen:
1. Der Informationsgehalt dieser Form der Testdurchführung ist höher als die Ja-
Nein-Entscheidung eines Signifikanztestes. Die Differenz zwischen GVO und
NIV kann in ihrer quantitativen Größe und in ihrer Unsicherheit besser bewertet
werden.
2. Für die gleichzeitige Durchführung beider Tests (Differenz/Äquivalenz) ist nur ein
Konfidenzintervall zu berechnen.
3. Die Tests können sehr gut visuell dargestellt werden, das ist insbesondere für die
gleichzeitige Betrachtung verschiedener Merkmale von Vorteil.
4. Die Berechnung eines Konfidenzintervalls ist unabhängig von der exakten
Formulierung der Nullhypothese. (z.B. unbekannte Äquvalenzgrenzen)
BioMath GmbH 14
Ein Merkmal – zwei Gruppen
0:0 H 0: AH ou oderH :0 ouAH :
Test auf Differenz Test auf Äquivalenz
Konfidenzintervall
01
2
00
2
11
01
01
1195.0,
dfdf
sdfsdf
nndftyy
NIVGVP yy KONGVP yy
Zielgröße: Konzentration von L-Alanin (logarithmiert)
Genotyp N Mittelwert Std.Abw.
GVO 32 -0,9294173 0,36825415
NIV 32 -0,9519535 0,46625810
[-0,021; 0,066]
0 -0.1 0.1
Darstellung beider Tests in einer Grafik
Äquivalenzbereich 10% Differenz
Genotyp N Mittelwert Std.Abw.
GVO 32 0,9294173 0,36825415
KON 192 0,9107561 0,46711432
[-0,046; 0,009]
0 -0.1 0.1
abgelehntnichtwirdH0 abgelehntwirdH0
Adjustierung
1.01.1ln1.09.0ln und
BioMath GmbH 15
Adjustierung
[-0.021 | 0.0225 | 0.066] [-0.046 | -0.0185 | 0.009]
-0.1 0.1
Test auf Differenz Test auf Äquivalenz
0435.0diffd 0275.0äquid
0 0 -0.1 0.1
0225.0NIV 1.01.0 KON
o
KON
u und
136.01.00275.0
0435.00225.0 KON
u
äqui
diffNIV
ud
d
181.01.00275.0
0435.00225.0 KON
o
äqui
diffNIV
od
d
-0.1 0.1 -0.2 0.2
u o
0
BioMath GmbH 16
Ergebnistypen
Äquivalenz
Keine Äquivalenz
Weitere Analysen
Keine Äquivalenz
Weitere Analysen
Außerhalb der
Äquivalenzgrenzen
Bewertung Null-Differenz Obere
Äquivalenzgrenze
Untere
Äquivalenzgrenze
Ergebnistyp
I
II
III
IV
V
VI
VII
BioMath GmbH 17
Wahl der Äquivalenzgrenzen
Philosophie:
Der Äquivalenzbereich eines Bobachtungsmerkmals beschreibt den Abstand (Differenz oder
Verhältnis) zwischen den Genotypen.
1. Die Äquivalenzgrenzen sind als Differenz/Verhältnis zwischen GVO und NIV oder zwischen
GVO und KON festzulegen.
2. In der Pharmazie werden die Äquivalenzgrenzen als maximal akzeptable Differenz
(Bioäquivalenz) bezeichnet.
Häufig verwendet:
3. Ermittlung der Äquivalenzgrenzen aus bereits durchgeführten Feldversuchen.
4. Datenbanken und Literatur
Äquivalenzgrenzen unbekannt:
Es ist legitim, aus den Daten eines Feldversuches die Grenzen der Äquivalenzbereiche zu
bestimmen (besonderes Versuchsdesign und Auswertungsmethode ).
Äquivalenzgrenzen bekannt:
223.0,223.025.1ln,8.0ln25.1,8.0%25%,20
182.0,223.020.1ln,8.0ln20.1,8.0%20%,20
BioMath GmbH 18
Versuchsdesign
GVP KON KON KON KON KON KON NIV
Mindestforderungen:
6 verschiedene konventionelle Sorten
davon mindestens 3 je Standort
- Wiederholungen so festlegen, dass 15 Freiheitsgrade existieren
- 8 Standorte
- Versuchsjahre sind einzubeziehen, wenn die Standorte „zu gleich“ sind
6 konv.Sorten x 4 Wiederholungen = 24 FG = (24 – 1) – (6 - 1) – (4 - 1) = 15
8 Standorte · GVO, NIV, 6 konventionelle Sorten · 4 Wiederholungen
1 2 3 4 5 6
BioMath GmbH 19
Das lineare gemischte Modell
ZXY
R
GN
0
0,
0
0~
feste bekannte Designmatrizen
Vektor der festen Effekte
Vektor der zufälligen Effekte
Kovarianzmatrix der Störterme
Kovarianzmatrix der zufälligen Effekte
ZundX
G
R
SAS: proc MIXED
(GLM – modelliert stets alle Effekte als feste Effekte, auch wenn RANDOM benutzt wird.
Wenn zufällige Effekte vorhanden – dann Standardfehler nicht korrekt, d.h. es gibt
Auswirkungen auf die Differenzen der lsmeans und ihrer Konfidenzintervalle.)
Modelle
BioMath GmbH 20
ZXY
Feste Faktoren GVP KON NIV
NIVGVP yy
KONGVP yy
Schätzung der Differenz der festen Effekte
Alle
Konfidenzintervalle
Standort
WW (Standort, Wiederholung)
Modell 2 Modell 1 oder
WW (Genotyp, G-Gruppe) Genotyp
GVP+NIV
KON
Äquivalenzgrenzen
NIVGVP yy
KONGVP yy
BioMath GmbH 21
SAS-Arbeitsschritte
Daten einlesen und vorverarbeiten
PROC MIXED: Test auf Differenz
Aufarbeitung der Ergebnisse
Aufarbeitung der Ergebnisse
PROC MIXED: Äquivalenzgrenzen
PROC MIXED: Äquivalenztest
Aufarbeitung der Ergebnisse
Klassifizierung der Test-Ergebnisse
PROC MIXED für die Schätzung der
Genotyp-Umwelt-Wechselwirkung
/* read example data from file */
data example;
infile "C:\example-1-2-3-4.txt";
input analyte $ genotype site rep y;
run;
/* sort data */
proc sort data=example;
by analyte genotype site rep;
run;
/* preprocess data */
data example1;
set example;
/* define three level factor genotypegroup */
if genotype eq 1 then genotypegroup='comp';
if genotype eq 2 then genotypegroup='gmo';
if genotype ge 3 then genotypegroup='ref';
/* define indicator variable indref */
if genotypegroup eq 'ref' then indref=1;
else indref=0;
/* replace nondetects by 0.5 times the reporting limit */
if y<0 then y= -y/2;
/* log transform */
y=log(y);
run;
/* output settings */
ods html close;
run;
Daten einlesen und vorverarbeiten
Modell 1
Modell 2
Modell 1
Adjustierung der Konfidenzintervalle und
Äquivalenzgrenzen
/* mixed model analysis for differences; */
proc mixed data=example1 CL=WALD;
by analyte;
class site rep genotype genotypegroup;
model y = genotypegroup /s covb outp=out ddfm=kenwardroger;
random site site*rep indref*genotype;
estimate 'gmo_comp' genotypegroup -1 1 0 / CL alpha=0.1;
lsmeans genotypegroup;
ods output lsmeans=lsmeans_g estimates=estdif covparms=covparms;
run;
BioMath GmbH 22
Mixed - Test auf Differenz
90% Konfidenzintervall
Methode zur
Berechnung der FG
Schätzmethode für alle Kovarianzparameter
mit Wald-Statistik Z
2
2
ˆ
ˆ
seZ
1=ref
0=sonst
Speicherung der Ergebnisse in DataSets
Berechnung der Konfidenzintervalle für den Tests auf Differenz
Modell 1
compgmo
refgmocomp
ˆ
0011
BioMath GmbH 23
Mixed - Äquivalenzgrenzen
/* mixed model for setting equivalence limits */
proc mixed data=example1 CL=WALD;
by analyte;
class site rep genotype genotypegroup;
model y = genotypegroup /s covb outp=out ddfm=kenwardroger;
random site site*rep genotype;
estimate 'gmo_ref' genotypegroup 0 1 -1 / CL alpha=0.05;
ods output estimates=esteq covparms=covparms;
run;
Speicherung der Ergebnisse in DataSets
Berechnung der Äquivalenzgrenzen
Modell 2
95% Konfidenzintervall
Alle Genotypen
(comp, gmo und ref)
refgmo
refgmocomp
ˆ
0110
/* mixed model analysis for testing (non-)equivalence */
proc mixed data=example1 CL=WALD;
by analyte;
class site rep genotype genotypegroup;
model y = genotypegroup /s covb outp=out ddfm=kenwardroger;
random site site*rep indref*genotype;
estimate 'gmo_ref' genotypegroup 0 1 -1 / CL alpha=0.1;
ods output estimates=estteq;
run;
BioMath GmbH 24
Mixed - Äquivalenztest
Speicherung der Ergebnisse im DataSet „estteg“
Berechnung der Konfidenzintervalle für die Äquivalenztests
Modell 1
90% Konfidenzintervall
refgmo
refgmocomp
ˆ
0110
1=ref
0=sonst
BioMath GmbH 25
Ergebnisse für die Klassifizierung
Obs analyte lowd uppd dgc varg StdErr DF lsdteq fac adjlow adjupp
1 ?-Aminob 1.00822 1.21076 0.09972 0.000280 0.04289 120 0.07109 1.28757 0.89863 1.21878
2 A-D-Fruc 0.57129 1.07128 -0.24550 0.008307 0.1501 96.8 0.24926 1.26114 0.71598 2.23538
3 A-D-Gluc 0.90416 1.38115 0.11108 0.025659 0.1178 28.9 0.20018 1.05822 0.62758 1.85102
4 B-D-Fruc 0.91851 1.71017 0.22579 0.029079 0.1598 48.2 0.26796 1.15986 0.74943 3.02400
5 B-D-Gluc 0.91281 1.72101 0.22584 0.014813 0.1549 76.5 0.25785 1.22967 0.73095 2.53900
6 Chinasäu 1.04050 1.36914 0.17695 0.007337 0.07245 39.3 0.12205 1.12446 0.75606 1.44619
7 D-Glucos 0.66567 1.51641 0.00469 0.009994 0.1958 111 0.32481 1.26738 0.60015 2.47009
8 Inosit 0.79420 1.52652 0.09628 0.005071 0.1538 109 0.25519 1.28026 0.57015 1.73994
9 L-Alanin 0.87342 1.19771 0.02254 0.005248 0.07876 60.9 0.13154 1.20016 0.75187 1.45508
10 L-Argini 1.16769 2.53157 0.54193 0.030741 0.1927 61.6 0.32173 1.20260 0.83708 4.19005
11 L-Aspara 1.17205 1.91121 0.40325 0.026228 0.1313 37.8 0.22132 1.10467 0.77065 2.51674
12 L-Glutam 0.97182 1.73619 0.26155 0.033697 0.1539 40.2 0.25916 1.11954 0.67127 2.66525
13 L-Ornith 0.65318 1.99321 0.13192 0.021919 0.2645 89.8 0.43964 1.26882 0.54429 3.93206
14 Parabans 1.14379 1.88024 0.38287 0.009553 0.1216 72.7 0.20266 1.22634 0.78071 2.08808
15 Phosphor 1.01434 1.12816 0.06741 0.001039 0.02789 41.1 0.04693 1.13313 0.94161 1.20704
16 Pyroglut 1.30395 1.89820 0.45315 0.041220 0.1201 16.2 0.20942 0.89654 0.92155 2.73318
17 Threonsä 1.00622 1.39419 0.16926 0.011169 0.08689 37.3 0.14656 1.11252 1.00848 2.20558
18 Xylofura 0.91068 1.20550 0.04667 0.005174 0.07120 53.3 0.11919 1.17655 0.82151 1.51528
19 Äpfelsäu 1.06119 1.27387 0.15072 0.004010 0.04953 33.4 0.08379 1.09002 0.94862 1.48848
Adjustierte Äquivalenzgrenzen Konfidenzintervall
(Differenz-Linie = 1)
Indikator
(< 1e-6)
Schätzung der Differenz gmo-comp compgmoe
Typ 1
0228.102254.0 e
Keine Differenz
Äquivalenz
BioMath GmbH 26
Klassifizierung /* classification of results */
data classification;
set estteq1;
tol=1e-6;
noequivtest=(varg<=tol);
sigdif=((lowd>1) or (uppd<1));
equiv=((lowd>=adjlow) and (uppd<=adjupp));
warning=((exp(dgc)<adjlow) or (exp(dgc)>adjupp));
nonequiv=((uppd<adjlow) or (lowd>adjupp));
if ((not sigdif) and equiv) then type=1;
if ( sigdif and equiv) then type=2;
if ((not sigdif) and (not equiv) and (not noequivtest) and (not warning)) then type=3;
if ( sigdif and (not equiv) and (not noequivtest) and (not warning)) then type=4;
if ((not sigdif) and (not equiv) and (not noequivtest) and warning) then type=5;
if ( sigdif and (not equiv) and (not noequivtest) and warning and (not nonequiv)) then type=6;
if ( sigdif and (not noequivtest) and warning and nonequiv) then type=7;
if ( noequivtest) then type=8;
keep analyte noequivtest sigdif equiv warning nonequiv type;
proc sort data=classification;
by type analyte;
proc print data=classification;
run;
sigdif equiv noequivtest warning type
No Yes 1
Yes Yes 2
No No No No 3
Yes No No No 4
No No No Yes 5
Yes No No Yes 6
Yes No Yes 7
Yes 8
warning = Yes
exp(dgc), Schätzung der Differenz gmo-comp
Wert liegt außerhalb der Äquivalenzgrenzen
Type = 8
varg<1e-6, Schätzung der Varianz des genotypes bei der
Bestimmung der Äquivalenzgrenzen
kein Äquivalenztest möglich
BioMath GmbH 27
Ergebnisse
Obs analyte noequivtest sigdif equiv warning nonequiv type
1 A-D-Gluc 0 0 1 0 0 1
2 B-D-Fruc 0 0 1 0 0 1
3 B-D-Gluc 0 0 1 0 0 1
4 D-Glucos 0 0 1 0 0 1
5 Inosit 0 0 1 0 0 1
6 L-Alanin 0 0 1 0 0 1
7 L-Glutam 0 0 1 0 0 1
8 L-Ornith 0 0 1 0 0 1
9 Xylofura 0 0 1 0 0 1
10 ?-Aminob 0 1 1 0 0 2
11 Chinasäu 0 1 1 0 0 2
12 L-Argini 0 1 1 0 0 2
13 L-Aspara 0 1 1 0 0 2
14 Parabans 0 1 1 0 0 2
15 Phosphor 0 1 1 0 0 2
16 Pyroglut 0 1 1 0 0 2
17 Äpfelsäu 0 1 1 0 0 2
18 A-D-Fruc 0 0 0 0 0 3
19 Threonsä 0 1 0 0 0 4
0 – No, 1 - Yes
Zusätzliche grafische Darstellung der Ergebnisse.
Äquivalenz
Äquivalenz
Keine Differenz
Differenz
Keine Äquivalenz
Keine Äquivalenz
Keine Differenz
Differenz
Grafik
BioMath GmbH 28
Typ 1
Typ 4
Typ 2
Typ 3
Äquivalenzgrenzen
Konfidenzintervall Differenz-Linie
1,00 2,00 3,00 4,00
Xylofura
Threonsä
Pyroglut
Phosphor
Parabans
L-Ornith
L-Glutam
L-Aspara
L-Argini
L-Alanin
Inosit
D-Glucos
Chinasäu
B-D-Guc
B-D-Fruc
Äpfelsäu
A-D-Gluc
A-D-Fruc
Aminobut
Äquivalenz
Keine Differenz
Äquivalenz
Differenz
Keine Äquivalenz
Keine Differenz
Keine Äquivalenz
Differenz
BioMath GmbH 29
StartElite-Event
GVP
Molekulare Charakterisierung
Sicherheits-analyse
erfolgreichStoppnein
StartFreilandversuche
ja
Agronomische Eigenschaften
Substantielle Äquivalenz
Äquivalenzja
Stopp
schädlicher Effekt
nein
ja
NTO(GVP)
Allergenität(GVP)
Einfluss auf Boden(GVP)
Toxizität(GVP)
Start
potentieller Einfluss auf NTO
potentieller Einfluss auf
Boden
toxisches Potential
allergenesPotenial
neinnein nein nein
nein
ja ja ja ja
Transgen Expression
transgen-kodiertes Protein
vorhanden
ja
schädlicher Effekt
nein
Stopp
ja
schädlicher Effekt
Ende
nein
Stoppja
nein
Kein Risiko durch GVP
Event-Spezifisch
BioMath GmbH 30
Realisierung DSS
DSS - Kernel
DB Algorithmen
Wissensbasis Entscheidungen
Schnittstelle Datenaustausch
Daten Modelle
Nutzerinterface
Workflow
• Datenmanagement
• Zugriff auf Prüf-Verfahren
• Versuchsplanung und Statistik
• Entscheidungsmanagement
• Reporting
Externe Werkzeuge
Statistik
SAS
Versuchsplanung
CADEMO
Reporting
MS Office
Nutzung und Administration
des Prüfsystems
Boden Toxizität Allergenität NTO Agronomie Inhaltsstoffe
Zentrales System
Externe Systeme
Geodaten
ArcMap Oracle
Expression
DSS = Decision Support System = Entscheidungsunterstützungssystem
Softwarelösung zur Bewertung von Prozessen zur Entscheidungshilfe
BioMath GmbH 31
Zulassung – Anbau
Molekulare Charakterisierung
Substantielle Äquivalenz
Transgenes Event
Einfluss auf die Umwelt
Einfluss auf Verbraucher
Agronomische Eigenschaften
Einfluss auf Boden Einfluss auf NZO Allergenität Toxizität
Anbaubegleitendes Monitoring
EFSA Richtlinie: Directive 2001/18/EC
Was ist zu beobachten?
BioMath GmbH 32
Schutzziele Handlungsfelder Beobachtungsmerkmale
Pflanzenkrankheiten
Schädlinge
Unkräuter
Pilzkrankheiten
Viruserkrankungen
Bakterielle Krankheiten
Invasivität (Einschleppung)/
Auskreuzung
Lebensgemeinschaften
Artenvielfalt
Verwilderte Nutzpflanzen
Durchwuchs
Indikatoren Biodiversität
Ökologie/
Biodiversität
Bodenfunktion
Nachhaltigkeit der
Landwirtschaft
Pflanzengesundheit
Tiergesundheit
Wasser
Fragebogen – Beobachtung auf den Anbauflächen
Fragebogen
BioMath GmbH 33
Einflussfaktoren: Beobachtungsmerkmale:
Standort: Bodencharakteristik
Bodenqualität
Humusgehalt
Anbau: Fruchtfolge
Bodenbearbeitung
Anbautechnik
Pflanzenschutz
Düngung
Bewässerung
Aussaattermin
Erntetermin
Umwelt: (in der Region)
Schädlingsdruck
Krankheitsdruck
Unkrautdruck
Bewertung im Vergleich zum konventionellen Anbau
(3 Kategorien: normal, positiv, negativ)
Wirkung des Pflanzenschutzes
(Unkraut, Schädlinge, Krankheiten)
Pflanzenentwicklung/Zeitpunkte
(Aussaat, Auflauf, Blüte, Ernte)
Pflanzengesundheit/Anfälligkeit
Ertrag
Vorkommen von Wild, Vögeln, Insekten
Vitalität der Tiere bei Verfütterung
…
Auswertung
BioMath GmbH 34
weniger gewöhnlich mehr
0.1 Baseline
1.0:
1.0:
1
10
wenigerA
weniger
pH
pH
1.0:
1.0:
2
20
mehrA
mehr
pH
pH
Effekt
• Exakter Binomialtest
• H0 wird nicht abgelehnt: Effekt?
• Berechnung 99%-Konfidenzintervall für p
• Interpretation
• Ursachen feststellen (Einflussfaktoren)
250 Fragebögen:
Weniger 14 15
Gewöhnlich 231 230
Mehr 5 5
p 0.057 0.06
H0 wird nicht abgelehnt
[0.02,0.10]
BioMath GmbH 35
Zusammenfassung
1. Für die Risikobewertung werden zwei Tests durchgeführt:
Test auf Differenz (GVO-NIV) und
Äquivalenztest (GVO-KON)
2. Beide Tests werden mit dem Konfidenzintervall-Verfahren durchgeführt.
3. Der Test auf Differenz und der Äquivalenztest liefern quantifizierbare
Ergebnistypen zur weiteren fachlichen Bewertung.
4. Wenn Äquivalenzgrenzen bekannt sind, werden sie vorab festgelegt.
5. Sind keine Äquivalenzgrenzen bekannt, können diese, unter Einhaltung der
erforderlichen Restriktionen, im Feldversuch mit ermittelt werden.
6. Die Methode ist übertragbar auf ähnliche Fragestellungen:
„Quantifizierter Vergleich“ einer Gruppe sowohl mit einem „Referenz“ als auch
mit der „Normalität“.
GVP Sicherheitsprüfung Anbaubegleitende Beobachtung Gentechnik
BioMath GmbH 36
Schnickmannstraße 4
18055 Rostock
Telefon: 0381 375 661-0
Fax: 0381 375 661-18
E-Mail: central@biomath.de
Internet: www.biomath.de
Angewandte Statistik und Informatik
in den Biowissenschaften
top related