Modelos Mixtos-Aditivos Generalizados para el Estudio de Fenómenos Biológicos y Sociales Descriptos por Datos Agregados y/o Longitudinales. Generalized Mixed Additive Models for the Study of Biological and Social Phenomenons from Longitudinal and/or Aggregated Data.

Este proyecto propone extender y generalizar los procesos de estimación e inferencia de modelos aditivos generalizados multivariados para variables aleatorias no gaussianas, que describen comportamientos de fenómenos biológicos y sociales y cuyas representaciones originan series longitudinales y datos agregados (clusters). Se genera teniendo como objeto para las aplicaciones inmediatas, el desarrollo de metodología de modelación para la comprensión de procesos biológicos, ambientales y sociales de las áreas de Salud y las Ciencias Sociales, la condicionan la presencia de fenómenos específicos, como el de las enfermedades.Es así que el plan que se propone intenta estrechar la relación entre la Matemática Aplicada, desde un enfoque bajo incertidumbre y las Ciencias Biológicas y Sociales, en general, generando nuevas herramientas para poder analizar y explicar muchos problemas sobre los cuales tienen cada vez mas información experimental y/o observacional.Se propone, en forma secuencial, comenzando por variables aleatorias discretas (Yi, con función de varianza menor que una potencia par del valor esperado E(Y)) generar una clase unificada de modelos aditivos (paramétricos y no paramétricos) generalizados, la cual contenga como casos particulares a los modelos lineales generalizados, no lineales generalizados, los aditivos generalizados, los de media marginales generalizados (enfoques GEE1 -Liang y Zeger, 1986- y GEE2 -Zhao y Prentice, 1990; Zeger y Qaqish, 1992; Yan y Fine, 2004), iniciando una conexión con los modelos lineales mixtos generalizados para variables latentes (GLLAMM, Skrondal y Rabe-Hesketh, 2004), partiendo de estructuras de datos correlacionados. Esto permitirá definir distribuciones condicionales de las respuestas, dadas las covariables y las variables latentes y estimar ecuaciones estructurales para las VL, incluyendo regresiones de VL sobre las covariables y regresiones de VL sobre otras VL y modelos específicos para considerar jerarquías de variación ya reconocidas. Cómo definir modelos que consideren estructuras espaciales o temporales, de manera tal que permitan la presencia de factores jerárquicos, fijos o aleatorios, medidos con error como es el caso de las situaciones que se presentan en las Ciencias Sociales y en Epidemiología, es un desafío a nivel estadístico. Se proyecta esa forma secuencial para la construcción de metodología tanto de estimación como de inferencia, comenzando con variables aleatorias Poisson y Bernoulli, incluyendo los existentes MLG, hasta los actuales modelos generalizados jerárquicos, conextando con los GLLAMM, partiendo de estructuras de datos correlacionados. Esta familia de modelos se generará para estructuras de variables/vectores, covariables y componentes aleatorios jerárquicos que describan fenómenos de las Ciencias Sociales y la Epidemiología.

Mapeo de QTL para Mal de Río Cuarto en maíz. QTL mapping for tolerance to Mal de Río Cuarto disease in maize.

El Mal de Río Cuarto (MRC) es una enfermedad del maíz (Zea mays L.), endémica de ciertas zonas de la Argentina y constituye la patología más importante de este cultivo por la severidad de los daños y por la creciente difusión del área geográfica afectada. El empleo de la resistencia genética bajo un manejo integrado de la enfermedad, constituye la estrategia más económica y ambientalmente sustentable para lograr el incremento y la estabilidad en la producción de los cultivos de maíz, reduciendo el uso nocivo de agroquímicos. La reacción a la enfermedad MRC se encuentra influida por una fuerte interacción genotipo-ambiente que dificulta el mejoramiento genético. En los ensayos multiambientales la inconsistencia de la respuesta y la inestabilidad de los genotipos ensayados hace dificultoso llevar a cabo una buena selección basada en los síntomas de la enfermedad. Para contribuir a aumentar la eficacia de los métodos de mejoramiento es posible implementar programas en los que se incluyan herramientas biotecnológicas como los marcadores moleculares, que permiten reducir el efecto ambiental y contribuyen a soslayar, al menos en parte, los inconvenientes planteados por los efectos de la interacción genotipo-ambiente facilitando la identificación de los genotipos buscados. La selección fenotípica realizada convencionalmente, puede ser complementada con la selección asistida por marcadores (marker-assisted selection MAS) consistente en utilizar la información genética que brindan marcadores moleculares de ADN, tales como los SSR, asociados a loci o segmentos cromosómicos (quantitative trait loci QTL) que confieran resistencia a MRC. Si bien los resultados preliminares obtenidos por nuestro grupo de trabajo señalan la presencia de posibles QTLs e informan que la reacción frente a la enfermedad tiene una moderada heredabilidad y una substancial variación debida a la interacción genotipo-ambiente, es necesario confirmar los resultados relativos a los parámetros poblacionales y obtener una mejor delimitación de las regiones genómicas identificadas. Con la finalidad de aumentar la eficiencia de los programas de mejoramiento en el desarrollo de genotipos tolerantes mediante la selección asistida por marcadores utilizando una población de mapeo F2 con un fondo genético diferente y líneas endocriadas recombinantes evaluadas en ensayos multiambientales, se proponen los siguientes objetivos (i) estudiar la forma de herencia de la reacción frente a MRC, (ii) identificar nuevos QTLs asociados a este carácter y (iii) verificar la consistencia de los QTLs identificados previamente.