Doutoranda em Biologia/Genética no LABEC-IB-USP. O projeto de doutorado centra-se na investigação de incertezas taxonómicas sobre Bradypus variegatus (preguiça-comum), focando-se em contribuições para conservação, nomeadamente na definição dos processos históricos e demográficos que teriam moldado a diversidade nuclear e especiação.

Uma função que calcule indices de diversidade genética com base na escolha aleatoria e gradual de um número crescente de marcadores moleculares nucleares do tipo microssatélite. Este cálculo deverá incluir teste de significância para a diferença de cada valor calculado.

Plano B - Exexutar pelo menos parte da proposta principal.

Sofia, como serão os dados de entrada para esta função e como será feito esse cálculo de diversidade? Você pode detalhar um pouco mais, pois apesar de achar interessante, não consegui compreender o nível de complexidade da função para saber se ela é factível no tempo disponível.

O pacote adegenet contém algumas funções interessantes e dá uma ajuda em como realizar esta proposta. Começando por ai, os dados de entrada teriam de estar organizados num data.frame com os genótipos em linha e os marcadores em coluna. Proponho utilizar os dados disponibilizados no adegenet também (microbov) em que temos 704 individuos, de 15 raças, genotipados para 30 marcadores.

O primeiro passo seria sortear aleatoriamente uma amostra de 10 marcadores, ou seja selecionar 10 colunas (numero minimo geralmente aceite para publicação) e calcular, por exemplo, as frequências alélicas (função makefreq do adegenet), a heterozigotia esperada (função Hs) e o Fst (função pairwise.fst). Depois repetir o procedimento para 15, 20, 25, 30 marcadores. Mais marcadores tivessemos, mais continuaríamos…

O mesmo poderá ser aplicado ao número de individuos por raça (ou seja linhas), por exemplo de 5 em 5 ou 10 em 10 tb, uma vez que a amostragem o permite. Os indices calculados seriam os mesmos (Hs e Fst).

Finalmente calcular-se-ia se a diferença entre os indices é estatisticamente diferente.

A função poderia incluir ainda a representação gráfica da variação.

Esta função tem como objectivo avaliar se o numero de marcadores e/ou individuos que estamos utilizando nas nossas análises é suficiente para as análises de genética populacional que pretendemos.

Também seria interessante incluir um argumento na função que permitisse ao utilizador selecionar sequencialmente marcadores ou individuos de interesse. Isso também pode ser bastante interessante para algumas questões da genética populacional.

Gostei da proposta. Parece que você já tem bem claras as etapas necessárias para realizar a função. Não sei quanto tempo levará para escrever os cálculos de todos os índices propostos. Uma coisa que achei interessante é o sorteio das amostras dos marcadores ao acaso. Você poderá gerar milhares de sorteios dessas amostras para gerar os “intervalos de confiança” da variabilidade genética para seleção de marcadores aleatórios e comparados com os selecionados por você a partir de algum critério. Era esse o teste estaístico proposto? Acho que só essa primeira etapa á dá um bom trabalho. Depois vocÊ poderá focar em diferenciar por raças.

exec

choosing.micros					               R Documentation
	
	
		Escolha do número mínimo de microssatélites
	
	
	
Description:
	
	Esta função, para análise exploratória dos dados, seleciona sequencialmente marcadores moleculares do tipo microssatélite com base no seu número de alelos e avalia a performance de cada pool no cálculo da heterozigotia esperada (Hs), por população, relativamente ao total de marcadores. Esta função permite a comparação da diversidade genética entre populações.
	
	
Usage:
	
	choosing.micros <- function ( x , n , missing.data=NA , npop )
	
	
Arguments:
	
	x 		data.frame  (ver detalhes)
	n 		número máximo de microssatélites a incluir no teste, sendo que o total
				também é sempre analisado 
	missing.data	tal como nos pacotes de adegenet pode ser "NA" ou "0" (ver detalhes)
	npop		número de populações
	 
	
Details:
	
	x		O data.frame deverá ser do tipo:
	
				pop 	L01	L02 	...
			I1	POP1	999/999	999/999
			I2	POP2	...
	
			
			Para simplicidade da função é essencial obedecer à nomenclatura da primeira linha e a separação dos alelos de um mesmo loci deverá ser feita com "/"
	
	
	n		Serão feitos os cálculos de Hs com 10 microssatélites e depois vão sendo adicionandos mais 10 microssatélites sequencialmente até ao maior valor multiplo de 10 e menor ou igual a "n". Os cálculos com o total de microssatélites também serão sempre realizados.
	
	
	missing.data	Estes valores obedecem aos requisitos do pacote adegenet.
			Assim, os valores para este argumento podem ser os seguintes e terão os respetivos efeitos:
			- "NA": se todos os genótipos de uma população para um dado alelo estão em falta, o valor de count será NA
			- "0": se todos os genótipos de uma população para um dado alelo estão em falta, o valor de count será 0
			
	
	
	npop		O número de populações deverá ser sempre indicado, a coluna 2 deverá conter o nome da população para cada indivíduo, mesmo que todos pertençam à mesma população e portanto o mesmo nome apareça em toda a coluna. Para que o nome da(s) população(s) apareça no gráfico é necessário que esta variável seja um factor (ver exemplos).
	
	
Value:
	
	comp1 : Na função está incluido o sumário de todos os microssatélites por população que é automaticamente retornado.
	
	comp2 : A ordem dos microssatélites utilizados com indicação do respectivo número de alelos é também apresentada no final.
	
	comp3 : E ainda uma matriz com os valores de Hs calculados por pool de microssatélites e por população.
	
	comp4 : O barplot das Hs calculadas, por pool de microssatélites e por população também é obtido.
	
		
Warning:
	
	Requer pacote adegenet.
	
	A instalação deste pacote poderá ser demorada em alguns casos, nomeademente em Windows Vista, pelo que se recomenda a instalação prévia do pacote. O seguinte comando deverá ser utilizado, para que a instalação seja realizada com sucesso:
	
	
	install.packages("adegenet", dep=TRUE)
	
	
	A funçao poderá demorar alguns longos segundos. Tanto mais longos quanto maior o número de dados. 
	
	
Note:
	
	Motivação	Num cenário em que o aumento do número de marcadores moleculares é uma realidade em crescimento
		exponencial, surge a pergunta se não será redundante utilizar 10 ou 50 microssatélites, por exemplo.
		Por um lado, em espécies modelo, para as quais estão descritos de fato centenas de microssatélites,
		poderá ser monetariamente vantajosa a escolha de somente alguns desses marcadores.
		Por outro lado, para espécies não modelo, atualmente é já também possível obter um grande número de 
		microssatélites, mas o número de individuos amostrados continua a ser muitas vezes limitado. Deste modo,
		um conhecimento prévio da variabilidade genética dos marcadores moleculares disponíveis é imprescindível.
	
Author(s):
	
	Sofia Marques Silva
	sofiamarques1@usp.br
	
	
References:
	
	Jombart T. (2008) adegenet: a R package for the multivariate analysis of genetic markers. Bioinformatics 24: 1403-1405.
	doi: 10.1093/bioinformatics/btn129 
	
	Adegenet on the web: http://adegenet.r-forge.r-project.org/
	
	
See also:
	
	
	pacote adegenet: genind2genpop, df2genind, Hs
	
	
Examples:
	
	
	bradypus<-read.table("bradypus.txt",header=TRUE,as.is=TRUE,sep="\t",row.names=1)
	bradypus$pop<-as.factor(bradypus$pop) # para aparecer a legenda no eixo do xx
	Hs.bradypus<-choosing.micros(bradypus,48,missing.data=NA,npop=3)
	Hs.bradypus
	
	bradypus1<-read.table("bradypus1.txt",header=TRUE,as.is=TRUE,sep="\t",row.names=1)
	bradypus1$pop<-as.factor(bradypus1$pop) # para aparecer a legenda no eixo do xx
	Hs.bradypus1<-choosing.micros(bradypus1,34,missing.data=NA,npop=1)
	Hs.bradypus1

bradypus.txt bradypus1.txt

	choosing.micros<-function (x,n,missing.data=NA,npop)
	{
	input <- x
	input.pop <- genind2genpop(df2genind(input[-1],sep="/",missing=missing.data,pop=input$pop, ploidy=2, type="codom"))
	sort.nall <- sort(input.pop@loc.nall,decreasing=TRUE)
	result <- matrix(NA,nrow=(n/10+1),ncol=npop,byrow=TRUE,dimnames=list(c(seq(10,n,10),"Total"),levels(input$pop)))
		for (i in seq(10,n,10))
		{
		name.micros <- names(sort.nall[1:i])
		data <- input[name.micros]		
		data.ind <- df2genind(data,sep="/",missing=missing.data,pop=input$pop, ploidy=2, type="codom")
		data.pop <- genind2genpop(data.ind)
		result[(i/10),] <- Hs(data.pop)
		}
	HsTotal<-Hs(input.pop)
	result[(n/10+1),]<-HsTotal
	par(mar=c(3,5,1,1))
	barplot(result,beside=TRUE,ylab="Hs",cex.axis=0.7,cex.names=0.7,ylim=c(0,(max(result)+0.1)))
	par(mar=c(5, 4, 4, 2))
	summary(input.pop)
	to.return <- list (sort.nall,result)
	return(to.return)	
	}