Avaliação da análise de redundância para identificar assinaturas de adaptação local

A ordenação é uma ferramenta comum em ecologia que visa representar informações biológicas complexas em um espaço reduzido. Em genética de paisagem, métodos de ordenação como a análise de componentes principais (PCA) têm sido usados para detectar variação adaptativa com base em dados genômicos. Aproveitando dados ambientais além dos dados de genótipo, a análise de redundância (RDA) é outra abordagem de ordenação que é útil para detectar variação adaptativa. Este estudo tem como objetivo propor uma estatística de teste baseada na RDA para buscar lócus sob seleção. Comparamos a análise de redundância com o pcadapt, que é um método de ordenação não restrita, e com um modelo misto de fator latente (LFMM), que é um método de associação genótipo-ambiente univariada. Simulações baseadas em indivíduos identificam cenários evolutivos onde as varreduras do genoma da RDA têm um maior poder estatístico do que as varreduras do genoma baseadas em PCA. Ao restringir a análise com variáveis ambientais, a RDA se desempenha melhor do que a PCA na identificação de variação adaptativa quando os gradientes de seleção estão fracamente correlacionados com a estrutura populacional. Além disso, mostramos que se a RDA e a LFMM tiverem um poder similar para identificar marcadores genéticos associados a variáveis ambientais, o procedimento baseado na RDA tem a vantagem de identificar os principais gradientes seletivos como uma combinação de variáveis ambientais. Para dar uma ilustração concreta da RDA em genômica populacional, aplicamos este método à detecção de outliers e gradientes seletivos em um conjunto de dados SNP de Populus trichocarpa (Geraldes et al., ). A abordagem baseada em RDA identifica o principal gradiente seletivo contrastando populações do sul e costeiras com populações do norte e continentais na costa noroeste americana.