INVESTIGADORES
BALZARINI Monica Graciela
congresos y reuniones científicas
Título:
Estructura de poblaciones vía AMOVA. Estimación de varianza con REML
Autor/es:
BRUNO, C.; PEÑA MALAVERA, A.; TEICH, I.; BALZARINI, M.
Lugar:
Viña del Mar
Reunión:
Congreso; XIV Congreso latinoamericano de genética (ALAG), VIII Congreso de la asociación latinoamericana de mutagénesis, carcinogénesis y teratogénesis ambiental (ALAMCTA), XLIII Congreso de la sociedad de genética de chile (SOCHIGEN), XXXIX Congreso de la soci; 2010
Institución organizadora:
Asociación Latinoamericana de Genética (ALAG), Asociación Latinoamericana de Mutagénesis, Carcinogénesis y Teratogénesis Ambiental (ALAMCTA), Sociedad de Genética de Chile (SOCHIGEN) y Sociedad Argentina de Genética (SAG).
Resumen:
El Análisis Molecular de la Varianza (AMOVA) es una herramienta comúnmente utilizada para estimar la variabilidad dentro y entre grupos de individuos caracterizados genéticamente a través de marcadores moleculares y que presentan distintas estructuras jerárquicas. El AMOVA estima índices que reflejan la correlación de la diversidad molecular entre los distintos niveles jerárquicos a partir de una matriz de distancias genéticas al cuadrado. El software disponible permite obtener éstos índices a través del cálculo de los componentes de varianzas basado en la esperanza de los cuadrados medios (método de los momentos). El objetivo de este trabajo es explorar procesos de estimación de los componentes de varianza vía Máxima Verosimilitud Restringida (REML) usando un modelo mixto sobre las distancias genéticas al cuadrado. El modelo mixto, aplicado sobre funciones de las distancias genéticas entre los individuos, aproximó bien los componentes de varianza dentro de poblaciones. La ventaja de la estimación de las componentes de varianza desde modelos mixtos, para la construcción de índices de estructura poblacional, genera nuevas posibilidades para estudios de genética de poblaciones ya que podría permitir incorporar covariables de interés y descontar fuentes de variación ajenas a los objetivos de inferencia.