Avaliação e aplicação de testes para a detecção da autocorrelação espacial usando marcadores genéticos Evaluation and application of tests for the detection of spatial autocorrelation using data genetics marks

O 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 H0, 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 H0, 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.<br>Moran'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 H0. 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 H0, 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 performance of the test studied could be analyzed as the degree of variability of the average frequencies generated on a linear surface, related to the geographic space and by means of it's different slopes. The normal approximation was considered better withpopulations as combined with the weighing systems inverse of the distance and inverse of the distance squared in both levels of significance 1% and 5%. The same should not be applied associated with the nearest neighbor weighing. With , Mantel's test should be applied in any of the situations simulated.