Análise de Componentes Principais Filogenéticos e Morfometria Geométrica

A Análise de Componentes Principais Filogenéticos (pPCA) é um método recentemente proposto para ordenar dados multivariados de uma maneira que leva em conta a não-independência filogenética entre as médias das espécies. Revisamos esse método em termos de análise de forma morfométrica geométrica e comparamos suas propriedades com a análise de componentes principais ordinária (PCA). Descobrimos que a pPCA produz um espaço de forma que preserva as distâncias de Procrustes entre objetos, permitindo a construção de modelos de forma, e produz pontuações que podem ser usadas como variáveis de forma para a maioria dos propósitos. No entanto, ao contrário das pontuações ordinárias da PCA, as pontuações nos eixos de pPC estão correlacionadas entre si e suas variâncias não correspondem aos autovalores dos eixos corrigidos filogeneticamente. Os eixos de pPC são orientados pelo componente não filogenético da variação da forma, mas o posicionamento das pontuações no espaço retém a covariância filogenética, fazendo com que as informações visuais apresentadas em gráficos sejam um híbrido de não filogenético e filogenético. Presumindo que todas as pontuações da pPCA sejam usadas como variáveis de forma, não há diferença entre elas e as pontuações da PCA para a construção de árvores baseadas em distâncias (como UPGMA), para disparidade morfológica, ou para análises estatísticas multivariadas ordinárias (desde que os algoritmos sejam adequados para variáveis correlacionadas). As pontuações da pPCA produzem árvores baseadas em traços diferentes (como árvores de máxima verossimilhança para traços contínuos) porque as pontuações estão correlacionadas e porque os eixos de pPC diferem dos eixos de PC. Os autovalores da pPCA representam a variância residual da forma uma vez que a covariância filogenética foi removida (embora haja questões de escala), e, como tal, eles fornecem informações sobre a covariância que é independente da filogenia. Testes de modularidade sobre os autovalores da pPCA, portanto, resultarão em diferentes resultados dos autovalores da PCA ordinária. A pPCA pode ser considerada mais uma ferramenta no kit de morfometria geométrica, mas cujas propriedades são mais difíceis de interpretar do que a PCA ordinária.