Planung und Auswertung von Feldversuchen zur ... · Vektor der festen Effekte Vektor der...

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


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


Sicherheits-analyse

erfolgreichStoppnein

StartFreilandversuche

ja



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 :


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


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


PROC MIXED: Äquivalenzgrenzen

PROC MIXED: Äquivalenztest


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 */


by analyte;



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


Alle Genotypen

(comp, gmo und ref)

refgmo

refgmocomp

ˆ

0110

/* mixed model analysis for testing (non-)equivalence */


by analyte;



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


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


Sicherheits-analyse

erfolgreichStoppnein

StartFreilandversuche

ja



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



Transgenes Event

Einfluss auf die Umwelt

Einfluss auf Verbraucher


Einfluss auf Boden Einfluss auf NZO Allergenität Toxizität


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: [email protected]

Internet: www.biomath.de

Angewandte Statistik und Informatik

in den Biowissenschaften

Planung und Auswertung von Feldversuchen zur ... · Vektor der festen Effekte Vektor der...

Documents

Transcript of Planung und Auswertung von Feldversuchen zur ... · Vektor der festen Effekte Vektor der...