Fitness inference tested by in silico population genetics

Resumen Técnico: Inferencia de la Aptitud (Fitness) Probada mediante Genética de Poblaciones In Silico

Planteamiento del Problema
El artículo aborda el desafío de inferir parámetros de aptitud y el orden de aptitud relativa de los genotipos a partir de datos genéticos de series temporales (secuencias de genoma completo muestreadas en múltiples puntos temporales). Si bien tales datos son cada vez más disponibles para microbios, ADN antiguo y patógenos humanos, desentrañar las señales de selección determinista del ruido estocástico (deriva genética), la mutación y la recombinación sigue siendo técnicamente difícil. Los autores investigan específicamente si es posible recuperar paisajes de aptitud a partir de datos de la población general y delimitar los rangos de parámetros donde dicha inferencia es factible frente a donde falla.

Metodología
El estudio emplea una evaluación competitiva de dos esquemas distintos de inferencia de aptitud utilizando simulaciones in silico generadas mediante la caja de herramientas FFPopSim. Las simulaciones modelan poblaciones haploides ($N=1000$) con una longitud de genoma $L=25$ evolucionando durante $T=30$ generaciones bajo selección natural, mutación, recombinación ($r=0.5$) y deriva genética. La aptitud se modela como una función cuadrática de genotipos binarios, incluyendo efectos aditivos ($f_i$) e interacciones epistáticas de pares ($f_{ij}$).

Los dos métodos comparados son:

1. Verosimilitud de Trayectoria Marginal (MPL, por sus siglas en inglés): Basado en la aproximación de difusión de Kimura y el modelo de Wright-Fisher. Asume poblaciones finitas donde la deriva genética es significativa. La MPL se basa en la maximización de la probabilidad de la trayectoria de las frecuencias alélicas observadas. Crucialmente, la implementación estándar de la MPL considerada aquí asume un paisaje de aptitud puramente aditivo y no modela explícitamente la epistasia, tratando los coeficientes epistáticos no nulos como factores de confusión.
2. Equilibrio de Ligamiento Transitorio (tQLE, por sus siglas en inglés): Basado en la suposición de que el estado de la población sigue transitoriamente una distribución de Gibbs-Boltzmann. Este método está diseñado para poblaciones infinitas (ignorando la deriva genética) e incorpora explícitamente parámetros de aptitud tanto aditivos como epistáticos. Utiliza ecuaciones de relajación para inferir parámetros del modelo de Potts ($h_i, J_{ij}$) que luego se mapean de nuevo a los coeficientes de aptitud.

Los autores probaron estos métodos a través de varios regímenes de parámetros, variando la tasa de mutación ($\mu$) y la varianza de los efectos de aptitud aditiva ($\sigma(f_i)$) y epistática ($\sigma(f_{ij})$). La métrica de evaluación principal no fue solo la precisión numérica de los coeficientes inferidos, sino el orden de rango de los genotipos por aptitud, centrándose particularmente en el 5% superior de las secuencias más aptas.

Resultos Clave

• Paisajes Aditivos: En escenarios puramente aditivos, tanto la MPL como la tQLE infirieron con precisión los efectos de aptitud. La precisión de la inferencia mejoró cuando la selección y la mutación eran más débiles. Sin embargo, ambos métodos tendieron a subestimar la magnitud de la selección para las mutaciones más impactantes bajo selección fuerte, aunque mantuvieron una alta precisión en el rango relativo.
• Paisajes Epistáticos:
  • Baja Epistasia/Alta Varianza Aditiva: A medida que el componente aditivo de la aptitud aumentaba, la MPL superó a la tQLE en la correlación de rango global. Esto se atribuye a la capacidad de la MPL para manejar el ruido de la población finita (deriva genética), mientras que la tQLE asume una población infinita.
  • Alta Epistasia/Baja Varianza Aditiva: Cuando las contribuciones epistáticas dominaban, la tQLE superó a la MPL. La MPL, al carecer de un término epistático, tuvo dificultades para ordenar correctamente los genotipos donde las interacciones eran el motor principal de la aptitud.
  • Secuencias de Rango Superior: Un hallazgo crítico es que la tQLE siguió siendo un predictor superior para el orden de rango del 5% superior de las secuencias más aptas a través de un rango más amplio de $\sigma(f_i)$ en comparación con la MPL. Esto sugiere que las interacciones epistáticas juegan un papel crucial en la clasificación de los individuos más aptos, incluso cuando los efectos aditivos están presentes.
• Recuperación de Parámetros: Mientras que la tQLE pudo recuperar los parámetros epistáticos, su precisión al inferir parámetros aditivos se degradó a medida que la varianza de los efectos aditivos aumentó. Por el contrario, el rendimiento de la MPL en la inferencia de efectos aditivos mejoró con señales aditivas más fuertes.
• Réplicas: Las ganancias de rendimiento al usar múltiples réplicas de simulación fueron sustanciales para la tQLE (saturando alrededor de 5 réplicas), pero mínimas para la MPL, que fue relativamente insensible al número de réplicas.

Significancia y Reivindicaciones
Los autores afirman que la inferencia de la aptitud a partir de datos de genoma completo estratificados en el tiempo es factible dentro de rangos de parámetros específicos. El estudio demuestra que:

1. Complementariedad: Los dos métodos son complementarios. La MPL es robusta en poblaciones finitas con una deriva genética significativa, mientras que la tQLE es superior cuando las interacciones epistáticas son fuertes o cuando el enfoque es identificar los genotipos absolutamente más aptos.
2. Convergencia: A pesar de tener fundamentos teóricos diferentes (suposiciones de población finita vs. infinita, modelos aditivos vs. epistáticos), los dos métodos a menudo coinciden en las clasificaciones de aptitud sobre rangos amplios y razonables.
3. Criterios de Evaluación: El artículo enfatiza que la elección del criterio de evaluación es crítica. Si bien la recuperación numérica de los parámetros puede variar, el ranking de las secuencias con mejor desempeño es una métrica más robusta y biológicamente relevante, donde los métodos muestran una concordancia significativa.
4. Heredabilidad de la Aptitud: Los resultados apoyan la predicción teórica de que la aptitud aditiva es heredable, mientras que la aptitud epistática no lo es en presencia de altas tasas de recombinación, como lo evidencia la estabilidad de las distribuciones de aptitud epistática en las simulaciones.

El trabajo proporciona un marco para determinar cuándo la inferencia de la aptitud es posible a partir de datos del mundo real (como la vigilancia de patógenos o el ADN antiguo) y destaca los entornos donde la inferencia es probable que falle o requiera elecciones metodológicas específicas. Los autores concluyen que, para aplicaciones con datos reales, la elección entre la MPL y la tQLE es en gran medida una cuestión de conveniencia dependiendo del contexto biológico específico (por ejemplo, el tamaño de la población y la presencia de epistasia).