TP final-Grupo 2
2023-11-08
__________________________________________
Biometría 2 - TP final - Grupo 2
__________________________________________Introducción
El proceso de muda en los insectos constituye una instancia de gran vulnerabilidad (Chapman 1998), por lo tanto, el sustrato donde mudan y las condiciones que este presenta pueden afectar la supervivencia de las larvas y su capacidad de mudar de un estadío a otro. Es por ello que en este trabajo se propuso estudiar cómo las características de dos tipos de sustrato típicos (tierra y agua) afectan el proceso de muda del estadio I al estadio II de las especies Mallophora bigoti y Mallophora ruficauda. Estas son dos especies de moscas parasitoides cuyos hospedadores son (entre otros himenópteros y dípteros) las abejas melíferas, que son de gran importancia ambiental y económica (Castelo, 2003). Estudiar los efectos del sustrato sobre la capacidad de muda de estas especies parasitoides, ayuda a comprender las características de su ciclo de vida y aportará información para futuros manejos de las mismas frente a los posibles efectos negativos que tengan sobre las poblaciones de abejas.
Metodología experimental
Con el propósito de determinar cómo afecta las características del sustrato al proceso de muda al estadio II de M. bigoti comparada con la especie M. ruficauda, se recolectaron desoves asociados a diferentes apiarios en las localidades de Mercedes, Olivera y Torres de la Provincia de Buenos Aires, durante el mes de enero y febrero de 2023. Cada desove recolectado de los diferentes campos se rotuló y se colocó individualmente en tubos de centrífuga plástico tipo falcon de 15 ml para observarlos diariamente en el laboratorio hasta la eclosión de los huevos. Se recolectaron un total de 78 desoves. Una vez nacidas las larvas de los desoves, se seleccionaron al azar 10 larvas (N= 709) de cada desove y se colocó cada larva de manera individual en tubos eppendorf de 1,5 ml con uno de estos dos tratamientos: sustrato artificial (papel de filtro, 0,5x1cm) con una gota de agua mineral (aproximadamente 0,05 ml) o sustrato natural (1,5 ml de tierra negra comercial), en condiciones controladas de laboratorio (T°=25 ± 1°C, HR=±56) y en total oscuridad. A partir del día 2 desde su nacimiento se observaban y registraban los eventos de muerte y muda. Se establece un límite para la ventana de muda de 4 a 15 días ya que, en el caso de la especie M. ruficauda, la ventana de muda prolongada ocurre entre los 4 a 22 días después del nacimiento y que en el 75% de los casos sucede antes del día 10 de vida (Crespo 2007, Crespo y Castelo 2010).
Diccionario de variables
-Larva: identificador de larva por desove, numeric. -Desove: identificador del desove, character. Variable aleatoria. Anidada en el cruzamiento entre especie y sustrato. -Sp: especie, character. Variable explicativa fija cualitativa. Cruzada con sustrato. -Est1: días de duración del estadío 1, numeric. -Est2: días de duración del estadío 2, numeric. -tiempo.total: días totales de supervivencia hasta la muerte, numeric. -mudo: estado de muda. 0=no mudó, 1= si mudó, numeric. Variable respuesta dicotómica. -vivio.min.5.dias: supervivencia luego de los primeros 5 días. 0=no vivo, 1=vivo, character. -supervivencia.p.muda: estado de supervivencia luego de los 15 dias. 0=no vivo, 1=vivo, character.
Carga de librerias
library(ggplot2) # Para gráficas## Warning: package 'ggplot2' was built under R version 4.3.2library(dplyr) # Para armar tablas resumen## Warning: package 'dplyr' was built under R version 4.3.1##
## Attaching package: 'dplyr'## The following objects are masked from 'package:stats':
##
## filter, lag## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, unionlibrary(car) # Para análisis de algunos supuestos ## Warning: package 'car' was built under R version 4.3.1## Loading required package: carData## Warning: package 'carData' was built under R version 4.3.1##
## Attaching package: 'car'## The following object is masked from 'package:dplyr':
##
## recodelibrary(glmmTMB) # Para ajustar el modelo ## Warning: package 'glmmTMB' was built under R version 4.3.1library(DHARMa) # Para analizar supuestos## Warning: package 'DHARMa' was built under R version 4.3.1## This is DHARMa 0.4.6. For overview type '?DHARMa'. For recent changes, type news(package = 'DHARMa')library(emmeans) # Para realizar comparaciones ## Warning: package 'emmeans' was built under R version 4.3.1library(ggeffects) # Para obtener (y graficar) los valores predichos por el modelo## Warning: package 'ggeffects' was built under R version 4.3.1library(sjPlot) # Alternativa para ggeffcets y grafico de efectos aleatorios## Warning: package 'sjPlot' was built under R version 4.3.1Carga de los datos
Nombramos a la base de datos y exploramos
library(readxl)## Warning: package 'readxl' was built under R version 4.3.1Datos <- read_excel("BD_SUPERV.FINAL.xlsx")
View(Datos)
str(Datos)## tibble [709 × 10] (S3: tbl_df/tbl/data.frame)
## $ Larva : num [1:709] 1 2 4 6 7 9 10 1 2 3 ...
## $ Desove : chr [1:709] "Oli-5" "Oli-5" "Oli-5" "Oli-5" ...
## $ Sp : chr [1:709] "M. ruficauda" "M. ruficauda" "M. ruficauda" "M. ruficauda" ...
## $ Sustrato : chr [1:709] "Tierra" "Tierra" "Tierra" "Tierra" ...
## $ Est1 : num [1:709] NA NA 7 NA 10 7 NA 6 6 7 ...
## $ Est2 : num [1:709] NA NA 12 NA 24 1 NA 66 58 2 ...
## $ tiempo.total : num [1:709] 8 7 19 7 34 8 7 72 64 9 ...
## $ mudo : num [1:709] 0 0 1 0 1 1 0 1 1 1 ...
## $ vivio.min.5.días : chr [1:709] "1" "1" "1" "1" ...
## $ supervivencia.p.muda: chr [1:709] "0" "0" "1" "0" ...nrow(Datos)## [1] 709#Pasamos a factor las variables cualitativas
Datos$Sustrato <- as.factor(Datos$Sustrato)
Datos$Sp <- as.factor(Datos$Sp)
Datos$Desove <- as.factor(Datos$Desove)(El número de filas de la base de datos debería ser 709)
Primer filtro de datos: excluir del análisis aquellas larvas que murieron antes de los 5 días.
library(dplyr)
larvas <- filter(Datos, tiempo.total > 4)
nrow(larvas)## [1] 701(El número de filas de la base de datos ahora es de 701)
Segundo filtro: excluir las larvas que no mudaron y vivieron menos de 15 días
larvas2 <- filter(larvas, mudo==1 | mudo==0 & supervivencia.p.muda==1)
nrow(larvas2)## [1] 576(El número de filas de la base de datos ahora es de 576)
Exploracion de datos
Tabla de frecuencia de muda por especie y por sustrato
table(larvas2$Sp, larvas2$mudo)##
## 0 1
## M. bigoti 87 163
## M. ruficauda 63 263table(larvas2$Sustrato, larvas2$mudo)##
## 0 1
## Agua 138 158
## Tierra 12 268Modelo GLMM
Predictor lineal
-Formato Regresión: \[ \eta_i=\mu + \beta_0+\beta_1ruficauda_i+\beta_2tierra_i+\beta_3ruficauda*tierra_i +D_j\ \] \[ i=10, \quad j=78 \]
-Formato Comparación de medias: \[ \eta_i=\mu+\alpha especie_i+\beta sustrato_j+\alpha\beta especie*sustrato_{ij}+D_{k(ij)} \] \[ i=2, \quad j=2, \quad k=78 \]
\[ D_j\sim N(0,\sigma^2_{desoves})\\ \] Componente aleatorio
\[ Y_i\sim Bernoulli(\pi_i)\\ \] Función de enlace: logit
Ajuste de modelo
library(glmmTMB)
m2 <- glmmTMB(mudo ~ Sp*Sustrato + (1 | Desove), data =larvas2, family = binomial(link = logit))
summary(m2)## Family: binomial ( logit )
## Formula: mudo ~ Sp * Sustrato + (1 | Desove)
## Data: larvas2
##
## AIC BIC logLik deviance df.resid
## 475.5 497.2 -232.7 465.5 571
##
## Random effects:
##
## Conditional model:
## Groups Name Variance Std.Dev.
## Desove (Intercept) 1.747 1.322
## Number of obs: 576, groups: Desove, 78
##
## Conditional model:
## Estimate Std. Error z value Pr(>|z|)
## (Intercept) 0.2276 0.3292 0.691 0.489343
## SpM. ruficauda -0.2950 0.5264 -0.560 0.575271
## SustratoTierra 2.9322 0.7601 3.858 0.000114 ***
## SpM. ruficauda:SustratoTierra 1.5372 0.9999 1.537 0.124213
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1Anova(m2)## Analysis of Deviance Table (Type II Wald chisquare tests)
##
## Response: mudo
## Chisq Df Pr(>Chisq)
## Sp 0.0847 1 0.7711
## Sustrato 44.5736 1 2.45e-11 ***
## Sp:Sustrato 2.3634 1 0.1242
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1La interacción entre tipo de sustrato y especie resultó no significativa (p=0.1242) y se observa un efecto principal significativo de la variable tipo de sustrato (p<0,001)
Análisis de los supuestos
library(DHARMa)
library(ggplot2)
sim <- simulateResiduals(fittedModel = m2, plot = T)
plot(sim)
plotResiduals(sim, larvas2$Sp)
plotResiduals(sim, larvas2$Sustrato)
No se rechaza el cumplimiento de los supuestos de manera gráfica y analíticamente mediante las pruebas del paquete DHARMa.
Comparaciones de efectos principales
Efecto de la especie en escala de la VR
library(emmeans)
options(emmeans= list(emmeans = list(infer = c(TRUE, FALSE)),contrast = list(infer = c(TRUE, TRUE))))
efsp<- emmeans(m2, pairwise ~ Sp, type = "response")## NOTE: Results may be misleading due to involvement in interactionssummary(efsp)## $emmeans
## Sp prob SE df asymp.LCL asymp.UCL
## M. bigoti 0.845 0.0503 Inf 0.719 0.920
## M. ruficauda 0.897 0.0335 Inf 0.811 0.947
##
## Results are averaged over the levels of: Sustrato
## Confidence level used: 0.95
## Intervals are back-transformed from the logit scale
##
## $contrasts
## contrast odds.ratio SE df asymp.LCL asymp.UCL null z.ratio
## M. bigoti / M. ruficauda 0.623 0.312 Inf 0.233 1.66 1 -0.946
## p.value
## 0.3440
##
## Results are averaged over the levels of: Sustrato
## Confidence level used: 0.95
## Intervals are back-transformed from the log odds ratio scale
## Tests are performed on the log odds ratio scaleplot(efsp, comparisons = TRUE)
No se observan diferencias significativas entre las dos especies (p=0.344)
Efecto del sustrato en escala de la VR
efsus<- emmeans(m2, pairwise ~ Sustrato, type = "response")## NOTE: Results may be misleading due to involvement in interactionssummary(efsus)## $emmeans
## Sustrato prob SE df asymp.LCL asymp.UCL
## Agua 0.520 0.0656 Inf 0.393 0.645
## Tierra 0.978 0.0107 Inf 0.944 0.991
##
## Results are averaged over the levels of: Sp
## Confidence level used: 0.95
## Intervals are back-transformed from the logit scale
##
## $contrasts
## contrast odds.ratio SE df asymp.LCL asymp.UCL null z.ratio p.value
## Agua / Tierra 0.0247 0.0138 Inf 0.00827 0.0738 1 -6.629 <.0001
##
## Results are averaged over the levels of: Sp
## Confidence level used: 0.95
## Intervals are back-transformed from the log odds ratio scale
## Tests are performed on the log odds ratio scaleplot(efsus, comparisons = TRUE)
Se observan diferencias significativas entre los dos tipos de sustrato (p<0,0001)
Modelo final resumen (tabla y grafico predictivo)
library(ggeffects)
a1 <- ggpredict(m2, terms = ~Sp)
a2 <- ggpredict(m2, terms = ~Sustrato)
p1 <- plot(a1)
p2 <- plot(a2)
p1 + ggtitle("Probabilidad de muda para cada especie") +
labs(y = "Probabilidad de mudar", x = "Especie")
Figura 1: probabilidad de muda esperada para cada especie para un desove típico (media e intervalo de confianza al 95%).
p2 + ggtitle("Probabilidad de muda para cada sustrato") +
labs(y = "Probabilidad de mudar", x = "Sustrato")
Figura 2: probabilidad de muda esperada en cada sustrato para un desove típico (media e intervalo de confianza al 95%).
library(sjPlot)
tab_model(m2)| mudo | |||
|---|---|---|---|
| Predictors | Odds Ratios | CI | p |
| (Intercept) | 1.26 | 0.66 – 2.39 | 0.489 |
| Sp [M. ruficauda] | 0.74 | 0.27 – 2.09 | 0.575 |
| Sustrato [Tierra] | 18.77 | 4.23 – 83.26 | <0.001 |
|
Sp [M. ruficauda] × Sustrato [Tierra] |
4.65 | 0.66 – 33.02 | 0.124 |
| Random Effects | |||
| σ2 | 3.29 | ||
| τ00 Desove | 1.75 | ||
| ICC | 0.35 | ||
| N Desove | 78 | ||
| Observations | 576 | ||
| Marginal R2 / Conditional R2 | 0.448 / 0.640 | ||
Tabla 1: tabla con los coeficientes estimados por el modelo (en escala de odds ratio) junto con sus intervalos de confianza, p-valores y las estimaciones de los efectos aleatorios, con una confianza del 95%.
Metodología estadística
Para determinar la probabilidad de muda se analizó utilizando un modelo lineal generalizado mixto (GLMMs) con distribución de Bernoulli y función de enlace logit (Crawley 2007). Se contó con dos variables predictoras fijas: Especie y Sustrato, de dos niveles cada una, y se incorporó la falta de independencia entre observaciones de un mismo desove como variable aleatoria. La comprobación de los supuestos se realizó a través del paquete estadístico DHARMa de Hartig (2022) el cual permite explorar de forma gráfica y analítica los residuos escalados obtenidos. Se analizó la interacción entre ambas variables explicativas. Luego, para comparar los efectos principales de cada nivel de los tratamientos (interacción no significativa, p-valor > 0,05 ) se realizaron comparaciones múltiples a posteriori utilizando la prueba de rangos de Tukey (Tukey’s HSD). Todas las estimaciones se realizaron con un α = 0,05. Todos los análisis se efectuaron con el software R (R core team, 2016).
Conclusiones
Estos resultados aportan evidencia de que la probabilidad de muda de las moscas M. ruficauda y M. bigoti de estadío I a estadío II es mayor en el sustrato natural de tierra que en el sustrato artificial con agua(p-valor <0.0001). Se estima que el odds de que una larva mude aumenta entre 1255 % y 11995 % en larvas mantenidas en sustrato de tierra con respecto a las mantenidas en el sustrato de agua, controlado pro especie, para un desove típico. También los resultados indican que no hay diferencias en la probabilidad de muda entre ambas especies (p-valor =0.3440), lo cual es una primera aproximación para comprender el ciclo de vida de M. bigoti, especie menos descripta en la literatura que M.ruficauda.