22/06/2024
En el vasto universo de la genética de poblaciones, existen métricas fundamentales que nos permiten comprender la diversidad genética y la estructura de las poblaciones. Una de las más cruciales es el Índice de Fijación, comúnmente conocido como FIS. Este valor es una herramienta poderosa para evaluar el nivel de endogamia o la estructuración genética dentro de una subpoblación. Sin embargo, lo que muchos investigadores no saben es que el método para calcular el FIS no es universalmente consistente entre las diferentes herramientas de software, lo que puede llevar a resultados sorprendentemente dispares y a interpretaciones erróneas. Abordaremos en profundidad qué es el FIS, cómo se calcula bajo distintas metodologías y por qué estas diferencias son vitales para cualquier estudio genético.
El FIS, o Índice de Fijación de Wright, es una medida que cuantifica la desviación de las frecuencias genotípicas observadas respecto a las esperadas bajo el equilibrio de Hardy-Weinberg dentro de una subpoblación. Un valor de FIS positivo indica un exceso de homocigotos (lo que a menudo sugiere endogamia o efecto Wahlund), mientras que un valor negativo indica un exceso de heterocigotos (lo que podría ser resultado de selección heterocigótica o cruzamiento aleatorio de individuos no emparentados). Para calcular el FIS, se utilizan dos componentes principales: la heterocigosidad observada (Ho) y la heterocigosidad esperada (Hs).
La heterocigosidad observada (Ho) se refiere a la proporción real de individuos heterocigotos en una población para un locus genético específico. Se calcula simplemente contando el número de individuos heterocigotos y dividiéndolo por el número total de individuos muestreados para ese locus. Por otro lado, la heterocigosidad esperada (Hs) representa la proporción de heterocigotos que se esperaría encontrar en una población si estuviera en equilibrio de Hardy-Weinberg, es decir, si el apareamiento fuera completamente aleatorio y no hubiera otros factores evolutivos actuando. Hs se calcula a partir de las frecuencias alélicas observadas en la población (Hs = 2pq para un locus bialélico, donde p y q son las frecuencias de los dos alelos).
La fórmula general para el FIS a nivel de locus es: FIS = 1 - (Ho / Hs). Sin embargo, el desafío surge cuando la heterocigosidad esperada (Hs) es cero. Esto ocurre con frecuencia en poblaciones pequeñas o cuando un alelo alternativo es extremadamente raro o no se ha observado en la muestra. La forma en que cada software maneja este escenario crítico tiene un impacto significativo en el valor final del FIS promedio.
Variaciones en el Cálculo del FIS según el Software
La comunidad científica a menudo confía en paquetes de software especializados para el análisis genético de poblaciones. Tres de los más utilizados son Stacks, hierfstat (en R) y GenoDive. Cada uno de ellos, sin embargo, implementa la fórmula del FIS con matices importantes, especialmente en el manejo de casos donde Hs es igual a cero.
Stacks: La Aproximación de Valor Cero
El paquete Stacks, ampliamente utilizado para el análisis de datos de secuenciación de nueva generación, calcula el FIS como el promedio de (1 - Ho/Hs) a través de todos los loci. Su particularidad radica en cómo aborda los loci donde Hs es igual a cero. Si Hs = 0 (lo que implica que solo se ha observado un alelo en ese locus, y por lo tanto, Ho también debe ser 0), Stacks evalúa la proporción Ho/Hs como 1. Consecuentemente, 1 - (Ho/Hs) se convierte en 1 - 1 = 0 para esos loci. Al incluir estos ceros en el cálculo del promedio general del FIS, el resultado final tiende a ser artificialmente más bajo. Este enfoque puede ser problemático porque ignora el hecho de que un locus monomórfico (Hs=0) no proporciona información sobre la estructuración o endogamia, y al asignarle un valor de 0, introduce un sesgo a la baja en el promedio general, especialmente si hay muchos loci monomórficos en el conjunto de datos.
Hierfstat (R): Manejo de Valores Indefinidos (NaN)
El paquete hierfstat, disponible en el entorno estadístico R, también calcula (1 - Ho/Hs) para cada locus. Sin embargo, cuando Hs es igual a cero, hierfstat devuelve Ho/Hs = NaN (Not a Number), y por lo tanto, 1 - (Ho/Hs) también resulta en NaN. La recomendación estándar para los usuarios de hierfstat es calcular el promedio del FIS excluyendo explícitamente aquellos loci donde el FIS por locus es NaN. Este método tiene el efecto de no considerar los loci monomórficos en el promedio, lo que generalmente lleva a un valor de FIS promedio más alto en comparación con Stacks. La lógica detrás de esto es que un locus sin variación no puede informar sobre el nivel de endogamia, por lo que se excluye del cálculo promedio, evitando así el sesgo a la baja introducido por los ceros de Stacks.
GenoDive: Promedio de Componentes
GenoDive es otro software de análisis genético de poblaciones, conocido por su capacidad para manejar datos poliploide. Sin embargo, incluso para datos diploides, su cálculo de FIS difiere fundamentalmente de los anteriores. GenoDive calcula el FIS global a través de los loci utilizando la fórmula: FIS = 1 - (promedio(Ho) / promedio(Hs)). Es decir, en lugar de promediar los valores de FIS por locus, promedia primero las heterocigosidades observadas y esperadas a través de todos los loci, y luego aplica la fórmula del FIS a esos promedios. Este enfoque puede producir resultados significativamente diferentes, ya que el orden de las operaciones matemáticas (promediar y luego calcular vs. calcular y luego promediar) no es conmutativo. El impacto de los loci con Hs=0 en este método también es distinto, ya que Ho y Hs se promedian antes de la división, lo que puede diluir o amplificar el efecto de loci individuales.
Tabla Comparativa de Metodologías
Para ilustrar mejor estas diferencias críticas, presentamos una tabla comparativa de las metodologías de cálculo del FIS en los paquetes de software discutidos:
| Software | Fórmula General | Manejo de Hs = 0 | Impacto en el FIS Promedio |
|---|---|---|---|
| Stacks | Promedio(1 - Ho/Hs) por locus | Si Hs = 0, Ho/Hs se trata como 1, por lo que 1 - Ho/Hs = 0. | Tiende a subestimar el FIS, especialmente con muchos loci monomórficos. |
| hierfstat (R) | Promedio(1 - Ho/Hs) por locus (excluyendo NaNs) | Si Hs = 0, 1 - Ho/Hs = NaN. Estos loci se excluyen del promedio. | Tiende a producir valores de FIS más altos, ya que solo considera loci informativos. |
| GenoDive | 1 - (Promedio(Ho) / Promedio(Hs)) a través de loci | Los valores Ho y Hs se promedian primero; el impacto de Hs=0 depende de cómo afecte al promedio general de Hs. | Puede producir resultados muy diferentes, no directamente comparables con los otros métodos. |
Implicaciones y la Importancia de la Transparencia
Las diferencias en cómo cada software calcula el FIS no son meras sutilezas técnicas; tienen profundas implicaciones para la interpretación de los resultados de los estudios de genética de poblaciones. Un investigador que utilice Stacks podría concluir que una población tiene un nivel de endogamia más bajo que otro que utilice hierfstat con los mismos datos, simplemente debido a la forma en que se manejan los loci monomórficos. Esta falta de consistencia inter-software genera problemas de comparabilidad entre estudios y puede llevar a conclusiones científicas erróneas.
Es fundamental que los investigadores sean plenamente conscientes de la metodología específica que emplea el software que utilizan. La transparencia en la sección de métodos de las publicaciones científicas es más crítica que nunca, no solo indicando el software utilizado, sino también, si es posible, las configuraciones o aproximaciones específicas para métricas como el FIS. Entender estas diferencias permite una re-evaluación crítica de los resultados y facilita la comparación significativa entre diversos estudios.
Elegir el Método Adecuado y Consideraciones Prácticas
La elección del "mejor" método para calcular el FIS depende en gran medida de la pregunta de investigación y de la naturaleza de los datos. Si el objetivo es obtener una medida de endogamia que refleje solo la variación en loci polimórficos, el enfoque de hierfstat podría ser más apropiado. Si se desea una métrica que incorpore de alguna manera la falta de variación, el método de Stacks podría ser considerado, aunque con la comprensión de su sesgo inherente. El método de GenoDive, al promediar componentes antes de la fórmula final, puede ser útil en contextos específicos, pero su interpretación directa frente a los otros es más compleja.
Además de la metodología de cálculo, es importante considerar la calidad de los datos y el tamaño de la muestra. Datos de baja calidad o muestras muy pequeñas pueden llevar a estimaciones de Ho y Hs poco fiables, lo que a su vez afectará la precisión del FIS. Siempre es recomendable realizar un control de calidad riguroso de los datos y, si es posible, trabajar con tamaños de muestra adecuados para asegurar la representatividad de la población.
Otras Acepciones de FIS: Un Vistazo Rápido
Es importante señalar que la sigla "FIS" puede tener otros significados en diferentes contextos. Por ejemplo, en el ámbito inmobiliario y de la construcción en Argentina, se suelen mencionar términos como FOS (Factor de Ocupación del Suelo) y FOT (Factor de Ocupación Total), que determinan los metros cuadrados permitidos para construir en un terreno. Aunque la sigla "FIS" también ha sido mencionada en este contexto como una posible clave para el acceso a la vivienda, la información proporcionada no detalla su significado ni, lo que es más importante, su método de cálculo en este ámbito específico. Por lo tanto, este artículo se centra exclusivamente en el cálculo del FIS en genética de poblaciones, que es donde se dispone de información detallada sobre su metodología de cálculo.
Preguntas Frecuentes sobre el Cálculo del FIS
- ¿Qué significa un FIS negativo?
- Un valor de FIS negativo indica un exceso de heterocigotos en comparación con lo esperado bajo el equilibrio de Hardy-Weinberg. Esto puede deberse a la selección a favor de los heterocigotos, a un cruzamiento preferencial entre individuos no emparentados o a un efecto de mezcla de poblaciones con diferentes frecuencias alélicas (efecto Wahlund invertido).
- ¿Por qué es importante el FIS en genética de poblaciones?
- El FIS es crucial porque proporciona una medida de la estructuración genética dentro de una subpoblación y el nivel de endogamia. Ayuda a los científicos a comprender los patrones de apareamiento, la diversidad genética y los posibles problemas de viabilidad de las poblaciones, lo cual es fundamental para la conservación y el manejo de especies.
- ¿Cómo afecta el tamaño de la muestra al cálculo del FIS?
- Un tamaño de muestra pequeño puede llevar a estimaciones poco precisas de Ho y Hs, y por lo tanto, a un cálculo de FIS menos fiable. Muestras más grandes tienden a proporcionar una representación más precisa de la diversidad genética real de la población.
- ¿Qué es el efecto Wahlund y cómo se relaciona con el FIS?
- El efecto Wahlund describe la reducción aparente de la heterocigosidad esperada en una población que está subdividida en varias subpoblaciones, cada una con diferentes frecuencias alélicas. Si se analiza la población total como una sola unidad, se observará un exceso de homocigotos, lo que resultaría en un FIS positivo. Es un tipo de endogamia aparente debido a la estructuración de la población.
- ¿Puedo comparar directamente los valores de FIS obtenidos de diferentes programas?
- Como se ha detallado, no es recomendable comparar directamente los valores de FIS obtenidos de diferentes programas sin comprender a fondo las metodologías de cálculo que utilizan, especialmente cómo manejan los loci monomórficos o la agregación de datos a través de los loci. Es preferible recalcular los datos con una metodología consistente o, al menos, ser consciente de las posibles discrepancias.
Si quieres conocer otros artículos parecidos a Desentrañando el Cálculo del Índice de Fijación (FIS): Métodos y Discrepancias puedes visitar la categoría Cálculos.