Phylogenies can be used to predict future diversification but with limited success
Este estudio demuestra que, si bien los métodos de tasa de punta existentes pueden predecir la diversificación futura en linajes de tetrápodos utilizando filogenias fósiles y actuales, su éxito predictivo es moderado y varía significativamente dependiendo del modelo específico y de la fuente de datos utilizada.
Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Esta es una explicación generada por IA de un preprint que no ha sido revisado por pares. No es consejo médico. No tome decisiones de salud basándose en este contenido. Leer descargo de responsabilidad completo
La vida en la Tierra es una historia de cambio constante, donde las especies se dividen en nuevas formas y otras se desvanecen. Este proceso, conocido como diversificación, ocurre a diferentes velocidades para distintos grupos de animales. Algunos linajes, como las aves, han explotado en miles de especies, mientras que otros han permanecido relativamente estáticos. Los científicos han intentado comprender durante mucho tiempo las reglas detrás de esta variación, con la esperanza de identificar qué grupos tienen probabilidades de prosperar y cuáles podrían tener dificultades en el futuro. Para lograr esto, utilizan árboles familiares de la vida, llamados filogenias, que mapean cómo están relacionadas las especies. Al observar las puntas de estos árboles —las especies vivas en los extremos de las ramas—, los investigadores han desarrollado herramientas matemáticas para estimar qué tan rápido se está dividiendo actualmente un linaje en nuevas especies. El objetivo final es utilizar estas estimaciones para predecir qué especies serán las más exitosas en los próximos millones de años, una cuestión que importa profundamente para los esfuerzos de conservación y la comprensión del futuro de la biodiversidad.
Un equipo de investigadores se propuso probar si estas herramientas de predicción realmente funcionan en el mundo real. Si bien los métodos habían sido probados en simulaciones por computadora, nadie había comprobado si podían pronosticar el futuro con precisión utilizando datos reales de la naturaleza. El equipo, liderado por Grace Ridder y Jan Smyčka, decidió someter estos métodos a la prueba definitiva: el viaje en el tiempo. Como no podían esperar a que el futuro sucediera, utilizaron un truco ingenioso que involucraba al pasado. Tomaron grandes árboles familiares de animales de cuatro patas, incluyendo tanto grupos vivientes como aves y mamíferos, como grupos extintos como los dinosaurios. Cortaron estos árboles en puntos específicos en el tiempo, tratando ese momento como el "hoy". Luego, utilizaron las herramientas de predicción estándar para estimar el éxito futuro de los linajes existentes en ese corte. Finalmente, observaron qué sucedió realmente en los siguientes pocos millones de años para ver si las predicciones coincidían con la realidad.
Los investigadores encontraron que estas herramientas sí tienen cierta capacidad para predecir el futuro, pero el éxito dista mucho de ser perfecto. En la mayoría de los grupos que estudiaron, los métodos identificaron correctamente que los linajes con tasas de división estimadas más altas producirían, de hecho, más descendientes más adelante. Esto significa que las herramientas son mejores que el azar. Sin embargo, la precisión varió significamente dependiendo del grupo de animales y del método específico utilizado. Por ejemplo, un método que se basa en reglas simples de conteo funcionó bastante bien en muchos grupos diferentes, mostrando consistentemente un vínculo positivo entre sus estimaciones y el número real de nuevas especies que aparecieron. Otro conjunto de métodos, que utiliza modelos estadísticos más complejos para dar cuenta de cómo las especies se extinguen, a veces tuvo dificultades. En algunos casos, particularmente con ciertos grupos de mamíferos como carnívoros y herbívoros ungulados, estos modelos complejos no lograron encontrar ningún patrón claro, o incluso sugirieron lo opuesto de lo que realmente sucedió.
El estudio también reveló que predecir el futuro de las especies es inherentemente difícil porque la evolución es un proceso caótico. Incluso cuando las herramientas acertaban la dirección general, no podían predecir con precisión el número exacto de nuevas especies. Los investigadores calcularon que los métodos existentes podían explicar solo una pequeña fracción de la variación en la diversidad futura. Gran parte del resultado es impulsado por eventos fortuitos que ningún modelo puede prever. Además, las herramientas fueron mucho mejores prediciendo el nacimiento de nuevas especies que prediciendo qué especies se extinguirían. Esto se debe en parte a que los datos disponibles para los animales vivientes no nos muestran los linajes que ya han muerto, lo que dificulta aprender de los fracasos pasados. Los investigadores señalaron que el tamaño del árbol familiar también importa; los métodos tendían a funcionar mejor en grupos muy grandes con miles de especies y menos bien en grupos más pequeños con solo unos pocos cientos.
En última instancia, este trabajo sugiere que, si bien podemos hacer conjeturas educadas sobre qué linajes están posicionados para un crecimiento futuro, debemos ser cautelosos con los detalles. Las herramientas son útiles para detectar tendencias generales, como identificar qué grupos son generalmente más activos en la creación de nuevas especies, pero no pueden proporcionar un pronóstico preciso. Los investigadores encontraron que los diferentes métodos tienen distintas fortalezas: algunos son mejores para clasificar a las especies por su potencial, mientras que otros son mejores para estimar la velocidad real de la evolución, aunque sean menos estables. El estudio concluye que predecir el futuro de la vida es posible, pero solo en un grado moderado. Los resultados dependen fuertemente del grupo específico de animales que se esté estudiando y de la calidad de los datos disponibles, recordándonos que la historia de la vida está escrita con una mezcla de patrones predecibles e impredecibles de azar.
¿Ahogado en artículos de tu campo?
Recibe resúmenes diarios de los artículos más novedosos que coincidan con tus palabras clave de investigación — con resúmenes técnicos, en tu idioma.