Questão de Biologia — Bioinformática — VUNESP 2024

Controle de falsos positivos em estudos de associação genômica

Gabarito: letra B. A correção de Bonferroni é o método clássico e robusto para controlar a taxa de falsos positivos (erro tipo I) quando se realizam múltiplos testes estatísticos simultaneamente, como ocorre na análise de milhares de variantes genômicas. Ela ajusta o nível de significância dividindo o α global pelo número de comparações realizadas (α/m), garantindo que a probabilidade de pelo menos um falso positivo permaneça controlada.

O problema central em estudos de associação genômica (GWAS) é o chamado problema das comparações múltiplas. Quando se testam centenas de milhares de SNPs (polimorfismos de nucleotídeo único) contra uma doença, mesmo que nenhum esteja verdadeiramente associado, a probabilidade de obter resultados significativos apenas por acaso cresce dramaticamente. Se usarmos um nível de significância de 5% (α = 0,05) para cada teste individual, em 100.000 testes esperaríamos cerca de 5.000 resultados falsamente positivos. É exatamente para evitar essa inflação do erro tipo I que existem os métodos de correção.

A correção de Bonferroni é a abordagem mais simples e conservadora: divide-se o α desejado pelo número total de testes (m). Assim, para 100.000 SNPs, o limiar de significância seria 0,05/100.000 = 5×10⁻⁷. Essa correção garante que a probabilidade de qualquer falso positivo em todo o conjunto de testes seja no máximo α. É uma técnica amplamente utilizada em bioinformática, genética e outras áreas que lidam com grandes volumes de dados, sendo considerada um padrão-ouro para controle estrito de falsos positivos.

É importante distinguir a correção de Bonferroni de outras abordagens. Enquanto Bonferroni controla a Family-Wise Error Rate (FWER) — a probabilidade de cometer pelo menos um erro tipo I em todo o conjunto —, o método de Benjamini-Hochberg (alternativa D) controla a False Discovery Rate (FDR) — a proporção esperada de falsos positivos entre os resultados considerados significativos. O FDR é menos conservador e mais poderoso estatisticamente, sendo preferido em situações com muitas comparações onde se aceita uma pequena proporção de falsos positivos em troca de maior poder de detecção. A escolha entre eles depende do equilíbrio desejado entre sensibilidade e especificidade.

A pegadinha desta questão está em reconhecer que o enunciado pede um método para controle de falsos positivos, não um teste de hipóteses ou uma técnica de modelagem. Testes como o t de Student, ANOVA e regressão linear são ferramentas para testar associações ou diferenças, mas não incorporam mecanismos de correção para múltiplas comparações. A correção de Bonferroni e o método de Benjamini-Hochberg são os únicos que atendem diretamente ao propósito de controlar falsos positivos, sendo Bonferroni o mais robusto e conservador, conforme o gabarito.

Guarde a distinção central: testes estatísticos (t, ANOVA, regressão) respondem "há associação?", enquanto métodos de correção (Bonferroni, Benjamini-Hochberg) respondem "essa associação é real ou fruto do acaso em múltiplos testes?". É nessa fronteira que as alternativas se dividem.

Alternativa A — ❌ Incorreta

O teste t de Student é um teste de hipóteses paramétrico usado para comparar as médias de dois grupos. Ele não realiza nenhum tipo de correção para múltiplas comparações. Se aplicado isoladamente a milhares de SNPs, cada teste individual teria 5% de chance de falso positivo, resultando em milhares de resultados espúrios. O teste t é uma ferramenta de análise, não um método de controle de erro.

Alternativa B — ✅ Correta ⟵ GABARITO

A correção de Bonferroni é exatamente o método robusto para controle de falsos positivos em múltiplas comparações. Ela ajusta o limiar de significância dividindo o α pelo número de testes (α/m), controlando rigorosamente a FWER. É amplamente utilizada em estudos genômicos para evitar que variações não associadas apareçam como significativas apenas por acaso. Sua simplicidade e conservadorismo a tornam uma escolha clássica e robusta.

Alternativa C — ❌ Incorreta

A análise de variância (ANOVA) é um teste estatístico que compara as médias de três ou mais grupos. Assim como o teste t, ela não incorpora correção para múltiplas comparações. Embora existam procedimentos de comparações múltiplas pós-ANOVA (como Tukey), a ANOVA em si não é um método de controle de falsos positivos para o contexto de milhares de testes genômicos.

Alternativa D — ❌ Incorreta

A regra de Benjamini-Hochberg é um método de correção para múltiplas comparações, mas controla a False Discovery Rate (FDR), não a FWER. Ela é menos conservadora que Bonferroni e permite uma proporção controlada de falsos positivos entre os resultados significativos. Embora seja uma técnica válida e poderosa, o enunciado pede um método "robusto para controle de falsos positivos", e Bonferroni é o mais robusto e conservador. A alternativa D não está errada por ser um método de correção, mas por não ser a escolha mais robusta no sentido estrito de controle de erro tipo I.

Alternativa E — ❌ Incorreta

A regressão linear múltipla é uma técnica de modelagem estatística usada para avaliar a relação entre uma variável dependente e múltiplas variáveis independentes. Ela não é um método de correção para múltiplas comparações. Embora possa ser usada em estudos genômicos para modelar associações, não oferece controle específico de falsos positivos quando muitos testes são realizados simultaneamente.

Gabarito: letra B