Ô thí nghiệm đánh giá nguồn gen thường ô nhỏ, có khi chi 01 hàng, đánh giá trong chậu một công thức có khi chỉ có vài cây. Thí nghiệm thường không có hàng bảo vệ và không có cạnh tranh trong một ô khi chỉ có một hàng. Ngẫu nhiên đối với trường hợp này cũng hạn chế, bố trí mẫu nguồn gen có kiểu hình gần tương tư với nhau, tránh cạnh tranh giữa các hàng. Diện tích ô nhỏ, đôi khi chỉ một hàng nhưng bố trí lặp lại là cần thiết trong đánh giá nguồn gen
+ Bố trí thí nghiệm RCBD (Randomzed complete block design )
Thiết kế thí nghiệm và ngẫu nhiên để bố trí các mẫu nguồn gen vào các ô như như bố trí khối hàn toàn ngẫu nhiên (RCBD) của thí nghiệm đồng ruộng, khối luôn luôn cắt ngang với
chiều biến động của môi trường, ngẫu nhiên theo từng khối. Bố trí RCBD thường là khối tương ứng với lần lặp lại. Tuy nhiên các phương pháp bố trí khác khối sẽ không tương ứng với lần lặp lại.
Mục đích của khối là làm giảm bớt sai số thí nghiệm do môi trường không đồng nhất, như vậy các mẫu nguồn gen có cơ hội trong cùng một điều kiện môi trường như nhau để đánh giá, so sánh đảm bảo độ tin cậy cao hơn. Đặc biệt khối rất có ý nghĩa với thí nghiệm đánh giá nguồn gen khi diện tích ô thí nghiệm nhỏ. Số khối thường nhỏ hơn số ô trên một khối, ví dụ trong một khối có 6 mẫu nguồn gen thì số khối là 2 ,3 hoặc 4 khối.
Hình 5-1 : Bố trí thí nghiệm đánh giá nguồn gen lúa địa phương tại trường Đại học Nông
nghiệp Hà Nội (Nguồn: Vũ Văn Liết và cộng sự 2004)
+ Bố trí khối ngầu nhiên không hoàn chỉnh (Incomplete Block Design)
Trong trường hợp số mẫu nguồn gen lớn, ruộng thí nghiệm không đồng nhất bố trí khối ngẫu nhiên không hoàn chỉnh (Incomplete Block Design). Phương pháp bố trí thí nghiệm này phổ biến hơn bố trí RCBD trong nghiên cứu nguồn gen, vì thí nghiệm nguồn gen luôn luôn có số lượng mẫu lớn, không đồng nhất về sức sống và các đặc điểm khác.
Hình 5-2: Bố trí khối ngẫu nhiên không hoàn chỉnh với 6 mẫu nguốn gen A, B, C, D,E,F
Phương pháp bố trí thí nghiệm trên nếu thêm đối chứng, đối chứng được bố trí xen kẽ trong các khối, như hình sau:
Hình 5-3 : Bố trí khối ngẫu nhiên không hoàn chỉnh với 6 mẫu nguốn gen A, B, C, D,E,F và
một đối chứng
Hai trường hợp trên đều trong điều kiện số ô đúng bằng số mẫu nguồn gen, tuy nhiên trong thí nghiệm nguồn gen thường là không đảm bảo như vậy, đôi khi số trong các khối không ngang bằng nhau vì mẫu nguồn gen bị chết, mất...Ví dụ mẫu nguồn gen B bị mất.
Hình 5-4: Bố trí khối ngẫu nhiên không hoàn chỉnh với 6 mẫu nguốn gen A, B, C, D,E,F và
một đối chứng nhưng mẫu B bị mất toàn bộ
Như vậy khối I, III và VI chỉ có 3 ô, các khối còn lại có 4 ô thí nghiệm, phân tích thống kê (balance analysis) sẽ không thực hiện được trong trường hợp này mà phải dụng (unbalance analysis).
Trường hợp ô thí nghiệm không cân đối giữa các khối có thể xảy ra ở nhiều dạng khác nhau, ví dụ như trường hợp sau khối V và VI bị mất hai ô chỉ còn 2 ô có số liệu, minh họa trong hình 5-5
Hình 5-5: Bố trí khối ngẫu nhiên không hoàn chỉnh với 6 mẫu nguốn gen A, B, C, D,E,F và
một đối chứng nhưng khối V và khối VI mất 2 ô thí nghiệm
Những ví dụ trên là ví dụ điển hình cho thí nghiệm đánh gá nguồn gen, nhưng rất linh hoạt thiết kế thí nghiệm phù hợp với những trường hợp đặc thù vì:
o Đối chứng có thể lặp lại khác nhau so với bộ mẫu thí nghiệm đánh giá
o Bộ mẫu có thể khác nhau số lần lặp lại
o Khối có thể khác kích thước
Những thí nghiệm như vậy cũng không khó khăn khi phân tích số liệu với những chương trình thống kê mới
+ Phương pháp bố trí mạng lưới (Lattice) và alpha để đánh giá số lượng lớn nguồn gen trong những khối nhỏ
Một phương pháp khác của khối ngẫu nhiên không hoàn chỉnh là lattice design, cũng là một phương pháp bố trí hữu ích với các nhà nghiên cứu nguồn gen và quản lý ngân hàng gen thực vật. Phương pháp lattice là một trường hợp đặc thù của ngẫu nhiên không hoàn chỉnh, nếu chỉ xem xét mạng lưới ô vuông (square lattice), khi số mẫu nguồn gen phù hợp cho là 9, 16,25,144 hoặc 900. Trong phương pháp này số khối là cố định bằng căn bậc 2 số mẫu nguồn gen, ví dụ 900 mẫu thí nghiệm số khối sẽ là 30 ô mỗi khối. Minh họa số mẫu đưa vào thí nghiệm là 9 ( A, B., C, D, E , F , G, H, I ) và lặp lại 2 lần (hầu hết của các thí nghiệm nguồn gen) như hình sau:
Thí nghiệm bố trí mỗi lần lặp lại chia thành 3 khối, mỗi khối chứa 3 mẫu nguồn gen, như vậy không nhất thiết các mẫu có mặt trong một khối, những các mẫu phải có mặt trong một lần lặp lại 01 lần. Trong trường hợp bố trí có đối chứng Z, đối chứng bố trí trước khi làm ngẫu nhiên như sơ đồ sau:
Hình 5-7 : Lattice 3 x 3 có đối chứng Z
Khi có một số lượng rất lớn mẫu nguồn gen rõ ràng cần bố trí lattice sẽ hiệu quả hơn. Tuy nhiên phương pháp này vẫn còn khá cứng nhắc và không linh hoạt, như số mẫu cần phải đủ theo mức mạng lưới, khi số mẫu không ngang bằng rất khó bố trí. Để khắc phục nhược điểm này, phương pháp thiết kế Alpha (Alpha Design). Phương pháp này phù hợp và linh hoạt với số mẫu lớn, số lần lặp lại ít hơn số khối và kích thước khối có thể khác nhau
Hình 5-8: Bố trí alpha design với 18 mẫu nguồn gen và 01 đối chứng Z
Ví dụ trên với 18 mẫu nguồn gen, 2 lần nhắc lại là 36 ô thí nghiệm. Chúng ta giả sử ruộng thí nghiệm không đồng nhất, cần 6 khối chứa 4 mẫu = 24 mẫu. Như vậy còn 12 mẫu cần 4 khối x 3 mẫu = 12 nữa. Tổng số khối là 6 + 4 = 10 và mỗi lần lặp lại phải chứa 5 khối. Nếu mỗi khối bố trí 01 đối chứng sẽ đảm bảo so sánh trong các môi trường khác nhau theo biến động của ruộng thí nghiệm
+ Bố trí thí nghiệm tăng tiến sơđồ có chỉnh lý (Augmented Designs)
Phương pháp này phù hợp để nghiên cứu hàng trăm, thậm chí hàng nghìn mẫu nguồn gen trong cùng một thí nghiệm. Một số lượng hạn chế vật liệu gieo, có thể chỉ đủ cho một lần không lặp lại. Một số trung bình bên ngoài điều chỉnh sai số thí nghiệm cho bất kỳ biến động môi trường nào của điểm thí nghiệm. Phương pháp điều chỉnh này là bố trí các ô đối chứng lặp lại. Lặp lại đối chứng để xác định hệ số biến động đại diện cho các mẫu nguồn gen không thể bố trí lặp lại, chúng có thể điều chỉnh so với đối chứng liền kề. Một ví dụ về bố trí thí nghiệm với 45 ô thí nghiệm, 15 đối chứng, như thế 1/3 diện tích thí nghiệm là giống đối chứng, trong thí nghiệm đánh giá 30 mẫu nguồn gen. Các đối chứng giúp cho điều chỉnh biến động giá trị trung bình qua môi trường. Nếu mỗi ô có kích thước 5 x 1 tổng diện tích thí nghiệm sẽ là 225 m2. Diện tích đối chứng chiếm khoảng 15 – 20% diện tích thí nghiệm và có thể lớn hơn khi số mẫu đánh giá la 1.000 mẫu nguồn gen.
Ví dụ 45 ô chia thành 9 khối, trong mỗi khối có 5 ô, ở giữa các khối sử dụng 1 của 3 đối chứng và 9 đối chứng xắp xếp như vậy gọi là kiểu ô vuông la tinh. Khi phân tích số liệu, số liệu của đối chứng cung cấp hệ số điều chỉnh và xác định chính xác các mẫu nguồn gen kiểm tra
Hình 5-9 : Một sơđồ xắp xếp ô vuông 3 x 3 có 13 ô đối chứng
Đối chứng là cơ sở phản ánh so sánh mẫu nguồn gen, chúng cũng cho phép suy luận chắc chắn mẫu nguồn gen ở những môi trường khác nhau khi có nhiều đối chứng được nhận biết phân tích
Những phương pháp thí nghiệm cơ bản thảo luận mong muốn các thí nghiệm không lặp lại của một số hay toàn bộ mẫu nguồn gen. Phương pháp bố trí thí nghiệm cho phép loại bỏ những hạn chế xắp xếp ô thí nghiệm của các phương pháp thí nghiệm truyền thống. Sử dụng hai đối chứng Z1 và Z để điều chỉnh các mẫu nguồn gen thí nghiệm không lặp lại và số lượng lớn. Ví dụ một thí nghiệm rất lớn của chương trình tạo giống cây trồng trường Đại học Cambrridge, Vương quốc Anh năm 1986 đã thực hiện một thí nghiệm 1.560 dòng lúa mỳ mùa đông, với diện tích ruộng thí nghiệm đến 2 ha, kích thước ô thí nghiệm là 1,5 x 4,5 m. Thí nghiệm này có 16% diện tích là đối chứng