Prueba de interacción en el análisis molecular de varianza

Abstract

La diversidad genómica, expresada en las diferencias entre haplotipos moleculares de un conjunto de individuos, puede dividirse en componentes de variabilidad entre y dentro de algún factor de clasificación de los individuos. Para tal partición de varianzas, se usa análisis molecular de la varianza (AMOVA), el cual se construye a partir de las distancias multivariadas entre pares de haplotipos. El AMOVA clásico permite evaluar la significancia estadística de dos o más factores jerárquicos y consecuentemente no existe prueba de interacción entre factores. Sin embargo, existen situaciones donde los factores que clasifican a los individuos están cruzados y no anidados, es decir todos los niveles de un factor se encuentran representados en cada nivel del otro factor. Este trabajo propone una prueba estadística para evaluar la interacción entre factores cruzados en un AMOVA No-Jerárquico. La hipótesis nula de interacción establece que las diferencias moleculares entre individuos de distintos niveles de un factor son las mismas para todos los niveles del otro factor que los clasifica. La propuesta de análisis de interacción de factores a partir de distancias en un AMOVA No-Jerárquico comprende: cálculo de la matriz de distancia y partición de la misma en bloques, posterior cálculo de residuos y análisis de varianza no-paramétrico sobre los residuos. Su implementación es ilustrada en escenarios simulados y real. Los resultados sugieren que la prueba de interacción propuesta para el AMOVA No-Jerárquico presenta alta potencia.

The genomic diversity, expressed in the differences between molecular haplotypes of a group of individuals, can be divided into components of variability between and within some factor of classification of the individuals. For such variance partitioning, molecular analysis of variance (AMOVA) is used, which is constructed from the multivariate distances between pairs of haplotypes. The classical AMOVA allows the evaluation of the statistical significance of two or more hierarchical factors and consequently there is no interaction test between factors. However, there are situations where the factors that classify individuals are crossed rather than nested, that is, all the levels of a factor are represented in each level of the other one. This paper proposes a statistical test to evaluate the interaction between crossed factors in a Non-Hierarchical AMOVA. The null hypothesis of interaction establishes that the molecular differences between individuals of different levels of a factor are the same for all the levels of the other factor that classifies them. The proposed analysis of interaction in a Non-Hierarchical AMOVA includes: calculation of the distance matrix and partition of it into blocks, subsequent calculation of residuals and analysis of non-parametric variance on the residuals. Its implementation is illustrated in simulated and real scenarios. The results suggest that the proposed interaction test for the Non-Hierarchical AMOVA presents high power.