Avaliação e aplicação de testes para a detecção da autocorrelação espacial usando marcadores genéticos

Abstract

RESUMOO índice I de Moran é a ferramenta usual para se medir a intensidade da autocorrelação espacial em dados de marcadores genéticos. A estatística I é assintoticamente normalmente distribuída, podendo ser avaliada como desvios da normal padrão mediante o suposto-N (aproximação normal). Porém, para pequenos números de populações (m<8), deve-se aplicar o teste de aleatorização de Mantel (suposto-R), desenvolvido por Mantel (1967). Assim, por meio do presente estudo, buscou-se avaliar o desempenho de ambos os testes no que tange às taxas de erro tipo I e o poder dos mesmos. Estes foram avaliados via simulação de Monte Carlo, em que analisaram-se, sob a H 0 , as situações {p=0,1, p=0,25 e p=0,5} de freqüências alélicas médias, para as quais consideraram-se os números {m = 5, 10, 25 e 50} de populações, sendo que variou-se, para cada população, o número de indivíduos em {n=1, 2, 5 e 10}. Em relação à hipótese alternativa (com padrão espacial), além das mesmas situações simuladas em H 0 , avaliou-se o comportamento destes critérios de testes segundo a variação da amplitude na freqüência alélica média local em {A=0,1; 0,2; 0,5; 0,8 e 1,0}. Desta forma, pôde-se analisar a performance dos testes em questão quanto ao grau de variabilidade das freqüências alélicas médias geradas sobre uma superfície linear, em função do espaço geográfico, por meio de diferentes inclinações da mesma. O teste da aproximação normal foi considerado melhor com {m 10} populações, quando combinado com as ponderações inverso da distância e inverso da distância ao quadrado, em ambos os níveis de significância, 1% e 5%. Porém, o mesmo não deve ser aplicado associado com a ponderação vizinho mais próximo. Com {m 25} , deve-se aplicar o teste de Mantel em qualquer das situações simuladas.Termos para indexação: Autocorrelação espacial, simulação Monte Carlo, I de Moran, freqüências alélicas, teste de Mantel. ABSTRACTMoran s I index is the usual tool to measure the intensity of the spatial autocorrelation in genetic markers data. I statistics is asymptotically normally distributed and it may be evaluated as standard normal deviations (assumption-N, normality). However, for small numbers of populations (m<8), the Mantel´s randomness test (assumption-R) developed by Mantel (1967) should be applied. Thus, this study was done to evaluate the performance of both tests accordding to type I error rate sand their power. They were evaluated via Monte Carlo simulation, in which, the situations of average allelic frequencies, {p=0,1, p=0,25 and p=0,5} were analyzed under H 0 . Number for populations varying from {m= 5, 10, 25 and 50}were taken into account and for each population, the number of individuals in {n=1, 2, 5, 10 and 30} was varied as well. As regards to the alternative hypothesis (with spatial pattern), in addition to these same situations simulated in H 0 , the behavior of these criteria of tests was evaluated according to the variation of the amplitude in the average local allelic frequency in {A=0,1; 0,2; 0,5; 0,8 e 1,0}. Therefore, the performan...

Análise de Processos Pontuais Marcados Aplicados às Características Genéticas em Árvores

“…Entretanto, observa-se que o resultado obtido no presente trabalho confirma o resultado obtido por Louzada (2003) que utilizou o índice de correlação de Moran para análise espacial do mesmo conjunto de dados. Deve-se ressaltar que o índice de Moran foi desenvolvido para análise de outro tipo de dado espacial que é a contagem por área, ou lattice (ANSELIN, 2003).…”

“…Observase que nesses casos as marcas são categóricas. Maiores detalhes sobre esses dados podem ser vistos em Louzada (2003).…”

A spatial analysis of the COVID-19 epidemic spreading over time in two of the most populous brazilian states

“…According to [19], there are two main approaches to testing the values observed from Moran's I index, assuming there is no spatial autocorrelation in the data: the asymptotic normality test and the random permutation test. The inference for the global and local Moran's I was performed by using the random permutation test, because as reported in the literature, it presents better results when compared to the asymptotic normality test [23,24], in addition to control satisfactorily the type I and type II error rates [25].…”