Modelización de Mapeo Asociativo en situaciones de variable fenotípica multidimensional de carácter mixto

Abstract

Los bancos de germoplasma resguardan accesiones que han sido caracterizadas mediante rasgos fenotípicos y marcadores moleculares en distintos programas de evaluación y conservación. Dicha información se encuentra, en gran medida, subuti- lizada en términos de su potencial para el análisis conjunto. La disponibilidad de estos datos permite su reaprovechamiento mediante estrategias de mapeo asociativo, orientadas a la detección de asociaciones entre fenotipos y marcadores moleculares. Dichas asociaciones constituyen señales candidatas que pueden ser posteriormente profundizadas y validadas en estudios especícos. No obstante, el mapeo asociati- vo presenta desafíos metodológicos en presencia de alta correlación entre variables, coexistencia de respuestas cuantitativas y cualitativas y alta dimensionalidad. En este contexto, los enfoques univariados y multivariados tradicionales resultan limi- tados para capturar patrones de asociación conjunta entre marcadores moleculares y rasgos, así como para interpretar posibles señales pleiotrópicas. En este trabajo se propone una estrategia metodológica de análisis que combina modelos de regresión Elastic Net Multivariadosen su formulación gaussiana pa- ra variables cuantitativas y su extensión logística para variables dicotómicascon un enfoque interpretativo denominado RDA-like. Este enfoque retoma la lógica del Análisis de Redundancia, pero se aplica a las respuestas predichas por los modelos penalizados, permitiendo explorar la estructura multirasgo inducida por los predic- tores genéticos y facilitar la interpretación conjunta de asociaciones complejas. Dado que actualmente no existe una implementación directa del Modelo Lo- gístico Multivariado Elastic Net en el software R, fue necesario abordar un desafío computacional especíco para llevar a cabo la propuesta metodológica. En este esce- nario, la tesis desarrolla el marco teórico correspondiente y presenta una propuesta computacional original que posibilita el modelado simultáneo de múltiples respuestas binarias mediante penalización compartida y selección conjunta de marcadores. Con el n de evaluar la estabilidad de las asociaciones fenotipomarcador y de disponer de un criterio inferencial para la selección de marcadores en el marco de modelos penalizados, se emplean esquemas de validación cruzada para la calibración de los pa- rámetros de penalización, combinados con procedimientos de remuestreo bootstrap. En particular, el bootstrap se utiliza para estimar intervalos de conanza empíricos de los coecientes del modelo, permitiendo identicar como signicativos aquellos marcadores cuyos intervalos no incluyen el cero. Este enfoque suple la ausencia de pruebas de hipótesis analíticas en los métodos penalizados y permite caracterizar la variabilidad de los coecientes estimados, aportando evidencia empírica sobre la robustez de las asociaciones detectadas. Estas estrategias resultan especialmente adecuadas en contextos de alta dimensionalidad, contribuyendo a mitigar el sobre- ajuste y fortaleciendo la validez de las variables seleccionadas. La utilidad del marco metodológico se evalúa mediante su aplicación a dos conjuntos de datos contrastan- tes: accesiones de quinoa del Noroeste Argentino y el panel Rice Diversity Panel 1 de arroz. En ambos casos, los modelos Multivariados penalizados permitieron identicar asociaciones genéticas consistentes y biológicamente plausibles, mientras que los análisis RDA-like facilitaron la visualización e interpretación de patrones multirasgo, explicando una proporción sustancial de la variabilidad total. En arroz, además, se redetectaron marcadores previamente reportados en la literatura como asociados a genes clave involucrados en la determinación del tamaño del grano, lo que refuerza la coherencia biológica del enfoque. En conjunto, esta tesis contribuye a la Estadística aplicada mediante el desa- rrollo de un enfoque metodológico que integra modelización Multivariada pe- nalizada, selección conjunta de predictores e interpretación estructural en escenarios de alta dimensionalidad y respuestas mixtas. La propuesta amplía el al- cance del Elastic Net Multivariado a contextos no gaussianos y articula modelos con técnicas clásicas de análisis Multivariado, ofreciendo una herramienta unica- da, reproducible y extensible para el análisis de datos complejos, más allá del ámbito especíco de la genómica.