Análisis de interacción de factores clasificatorios de una población en base a las distancias moleculares entre sus individuos

BRUNO, C.; BALZARINI, M.

Veracruz

Congreso; 2° Encuentro Iberoamericano de Biometría y V Reunión de la Región Centroamericana y del Caribe de la Sociedad Internacional de Biometría; 2009

Sociedad Internacional de Biometría y Sociedad Centroamericana y del Caribe de Biometría

Para estudiar la estructura genética de una población de individuos, es común expresar la  diversidad genómica total (expresada por los distintos haplotipos moleculares)  como la suma de componentes de variabilidad entre y dentro de grupos de  individuos conformados por algún factor de clasificación. Generalmente, se  atribuye una proporción aditiva de la variabilidad total a cada uno de los  factores individuales presentes en el diseño del estudio. Dada la naturaleza  booleana multidimensional de la información provista por los haplotipos  moleculares, el análisis es esencialmente multivariado. Debido a la  dimensionalidad de los datos genómicos, las sumas de cuadrados (SC) para el  análisis de las fuentes de variación se obtienen a partir de las distancias  entre los pares de muestras individuales y no a partir de los datos originales  provistos por los marcadores moleculares. Debido a relaciones entre SC y sumas  de distancias al cuadrado, la SC asociada con cualquier término de un modelo  lineal puede ser calculada directamente a partir de una matriz de distancias.  Estos cálculos se construyen generalmente desde la matriz de distancias  Euclídeas (al cuadrado) (aunque en algunas aplicaciones se han utilizado  medidas de distancias alternativas) y se usan para contrastar hipótesis sobre  variabilidad entre y dentro de grupos en estructuras jerárquicas (anidadas) de  factores. Sin embargo, existen situaciones donde los factores producen  clasificaciones cruzadas de los individuos y por tanto es de interés probar la  significancia de la interacción entre ellos. En este trabajo se postula y  evalúa una nueva prueba estadística para la interacción entre factores en el  caso de diseños a dos vías de clasificación con estructura ortogonal, FIDA (Factor  Interaction from Distance Analysis). FIDA es de naturaleza no-paramétrica,  no demanda la elección de un método de permutación para hallar la significancia  y goza de las propiedades del test no paramétrico de Kruskal-Wallis ya  que se basa en la aplicación del mismo sobre el valor absoluto de residuos de  distancias entre y dentro los grupos formados por ambos factores. El algoritmo  comprende: cálculo de la matriz de distancia y partición de la misma en bloques  de distinto tipos de distancia, posterior cálculo de residuos y análisis de  varianza no-paramétrico sobre esos residuos. FIDA, es una prueba específica de  interacción y no del efecto de factores principales. En los diseños con  factores cruzados se recomienda analizar primero las interacciones y luego los  efectos principales siempre y cuando la interacción no haya sido  estadísticamente significativa ya que una interacción alta podría enmascarar  efectos principales de uno o ambos factores. En este trabajo se ilustra la  aplicación de FIDA a distintos conjuntos de datos moleculares simulados para  poner de manifiesto la potencia de la prueba.