Ajustes de valores-P por multiplicidad en el contexto de datos dependientes y mapeo asociativo

Abstract

En mapeo asociativo se utilizan modelos lineales mixtos para evaluar la asociación entre los efectos de múltiples genes y el fenotipo de un individuo. Estos modelos para datos correlacionados han sido exitosamente utilizados ya que permiten contemplar información de la estructura poblacional y parentesco subyacente entre las unidades de análisis. El mapeo asociativo en especies vegetales pretende reconocer QTLs (de su nombre en inglés Quantitative Trait Loci) que codifican para variables de interés. Las pruebas de hipótesis realizadas gen-por-gen, o marcador-por-marcador, son múltiples y tienden a estar altamente correlacionadas cuando existe estructura genética de población, por lo que es necesario identificar una corrección apropiada para los valores p usados para declarar la significancia de la asociación. La corrección por multiplicidad propuesta por Bonferroni, la tasa de descubrimiento de falsos positivos y la estimación del número efectivo de pruebas independientes propuesto por Li y Ji (2005) son herramientas usadas para la corrección de los valores-p en el contexto del análisis de QTL clásico, donde los individuos se suponen igualmente emparentados. El objetivo de este trabajo es evaluar una nueva propuesta de corrección de valores p para el contexto de MA, que toma la idea del número efectivo de pruebas independientes pero éste es deducido luego de ajustar la estructura genética subyacente en las líneas de mapeo bajo diferentes modelos lineales mixtos para datos genéticamente correlaconados.