Fitness inference tested by in silico population genetics

Resumo Técnico: Inferência de Aptidão Testada por Genética de Populações In Silico

Definição do Problema
O artigo aborda o desafio de inferir parâmetros de aptidão (fitness) e a ordem relativa de aptidão de genótipos a partir de dados genéticos de séries temporais (sequenciamento de genomas completos amostrados em múltiplos pontos no tempo). Embora tais dados sejam cada vez mais disponíveis para micróbios, DNA antigo e patógenos humanos, distinguir sinais de seleção determinísticos de ruído estocástico (deriva genética), mutação e recombinação permanece tecnicamente difícil. Os autores investigam especificamente se é possível recuperar paisagens de aptidão a partir de dados de populações inteiras e delinear as faixas de parâmetros onde tal inferência é viável versus onde ela falha.

Metodologia
O estudo emprega uma avaliação competitiva de dois esquemas distintos de inferência de aptidão usando simulações in silico geradas pela ferramenta FFPopSim. As simulações modelam populações haploides ($N=1000$) com comprimento de genoma $L=25$ evoluindo ao longo de $T=30$ gerações sob seleção natural, mutação, recombinação ($r=0.5$) e deriva genética. A aptidão é modelada como uma função quadrática de genótipos binários, incluindo efeitos aditivos ($f_i$) e interações epistáticas de pares ($f_{ij}$).

Os dois métodos comparados são:

1. Verossimilhança de Caminho Marginal (MPL - Marginal Path Likelihood): Baseado na aproximação de difusão de Kimura e no modelo de Wright-Fisher. Assume populações finitas onde a deriva genética é significativa. A MPL baseia-se na maximização da probabilidade do caminho das trajetórias observadas de frequência alélica. Crucialmente, a implementação padrão da MPL considerada aqui assume um cenário de aptidão puramente aditivo e não modela explicitamente a epistasia, tratando coeficientes epistáticos não nulos como fatores de confusão.
2. Equilíbrio de Ligação Transitório (tQLE - Transient Quasi-Linkage Equilibrium): Baseado na premissa de que o estado da população segue transitoriamente uma distribuição de Gibbs-Boltzmann. Este método é projetado para populações infinitas (ignorando a deriva genética) e incorpora explicitamente parâmetros de aptidão tanto aditivos quanto epistáticos. Utiliza equações de relaxação para inferir parâmetros do modelo de Potts ($h_i, J_{ij}$), que são então mapeados de volta para coeficientes de aptidão.

Os autores testaram esses métodos em vários regimes de parâmetros, variando as taxas de mutação ($\mu$) e a variância dos efeitos de aptidão aditiva ($\sigma(f_i)$) e epistática ($\sigma(f_{ij})$). A principal métrica de avaliação não foi apenas a precisão numérica dos coeficientes inferidos, mas a ordem de classificação (rank order) dos genótipos por aptidão, focando particularmente nos 5% mais aptos das sequências.

Principais Resultados

• Paisagens Aditivas: Em cenários puramente aditivos, tanto a MPL quanto a tQLE inferiram os efeitos de aptidão com precisão. A precisão da inferência melhorou quando a seleção e a mutação eram mais fracas. No entanto, ambos os métodos tenderam a subestimar a magnitude da seleção para as mutações mais impactantes sob seleção forte, embora tenham mantido alta precisão na classificação relativa.
• Paisagens Epistáticas:
  • Baixa Epistasia/Alta Variância Aditiva: À medida que o componente aditivo da aptidão aumentava, a MPL superou a tQLE em correlação de classificação global. Isso é atribuído à capacidade da MPL de lidar com o ruído de populações finitas (deriva genética), enquanto a tQLE assume uma população infinita.
  • Alta Epistasia/Baixa Variância Aditiva: Quando as contribuições epistáticas dominavam, a tQLE superou a MPL. A MPL, carecendo de um termo epistático, teve dificuldade em ordenar corretamente os genótipos onde as interações eram o principal motor da aptidão.
  • Sequências de Topo de Classificação: Um achado crítico é que a tQLE permaneceu como um preditor superior para a ordem de classificação dos 5% mais aptos das sequências em uma gama mais ampla de $\sigma(f_i)$ comparado à MPL. Isso sugere que as interações epistáticas desempenham um papel crucial na ordenação dos indivíduos mais aptos, mesmo quando os efeitos aditivos estão presentes.
• Recuperação de Parâmetros: Embora a tQLE pudesse recuperar parâmetros epistáticos, sua precisão na inferência de parâmetros aditivos degradou conforme a variância dos efeitos aditivos aumentava. Por outro lado, o desempenho da MPL na inferência de efeitos aditivos melhorou com sinais aditivos mais fortes.
• Réplicas: Os ganhos de desempenho ao utilizar múltiplas réplicas de simulação foram substanciais para a tQLE (saturando em torno de 5 réplicas), mas mínimos para a MPL, que foi relativamente insensível ao número de réplicas.

Significância e Alegações
Os autores afirmam que a inferência de aptidão a partir de dados de genoma completo estratificados no tempo é viável dentro de intervalos de parâmetros específicos. O estudo demonstra que:

1. Complementaridade: Os dois métodos são complementares. A MPL é robusta em populações finitas com deriva genética significativa, enquanto a tQLE é superior quando as interações epistáticas são fortes ou quando o foco é identificar os genótipos absolutamente mais aptos.
2. Convergência: Apesar de possuírem fundamentos teóricos distintos (pressupostos de população finita vs. infinita, modelos aditivos vs. epistáticos), os dois métodos frequentemente concordam nas classificações de aptidão sobre amplas e razoáveis faixas de parâmetros.
3. Critérios de Avaliação: O artigo enfatiza que a escolha do critério de avaliação é crítica. Embora a recuperação numérica de parâmetros possa variar, a classificação das sequências de melhor desempenho é uma métrica mais robusta e biologicamente relevante, onde os métodos apresentam concordância significativa.
4. Herdabilidade da Aptidão: Os resultados apoiam a previsão teórica de que a aptidão aditiva é herdável, enquanto a aptidão epistática não é herdável na presença de altas taxas de recombinação, conforme evidenciado pela estabilidade das distribuições de aptidão epistática nas simulações.

O trabalho fornece um arcabouço para determinar quando a inferência de aptidão é possível a partir de dados do mundo real (como vigilância de patógenos ou DNA antigo) e destaca configurações onde a inferência provavelmente falhará ou exigirá escolhas metodológicas específicas. Os autores concluem que, para aplicações de dados reais, a escolha entre MPL e tQLE é, em grande parte, uma questão de conveniência dependendo do contexto biológico específico (ex: tamanho da população e presença de epistasia).