charisma: An R package to perform reproducible color characterization of digital images for biological studies

El artículo presenta *charisma*, un paquete de R diseñado para caracterizar de manera reproducible y estandarizada la distribución de clases de colores en imágenes digitales de organismos biológicos, demostrando su utilidad y precisión mediante un análisis de la evolución del color en tangeras.

Lo esencial

¡Hola! Imagina que tienes una caja llena de miles de fotos de pájaros coloridos. Si quisieras estudiar cómo han evolucionado sus colores a lo largo de la historia, tendrías un problema gigante: ¡contar y describir cada mancha de color a mano sería una tarea eterna y propensa a errores!

Aquí es donde entra charisma, el "superhéroe" que presenta este artículo.

¿Qué es charisma?

Piensa en charisma como un traductor de colores muy inteligente que vive dentro de una computadora (específicamente, en un programa llamado R). Su trabajo es mirar una foto de un animal, analizar cada píxel y decirte: "¡Eh, aquí hay rojo, aquí hay azul, y aquí un poco de marrón!".

Pero no es un traductor cualquiera; es un traductor que entiende que los colores no son solo "rojo" o "azul", sino que tienen matices, brillos y sombras.

El problema anterior: El caos de los colores

Antes de charisma, los científicos tenían que hacer dos cosas difíciles:

1. Decidir cuántos colores había: Tenían que adivinar de antemano si el pájaro tenía 3, 5 o 10 colores diferentes. Era como intentar ordenar una caja de lápices de colores sin saber cuántos hay en total.
2. Hacerlo manualmente: Si querían estudiar 1,000 pájaros, alguien tenía que mirar cada foto y decir "esto es verde". ¡Imagina lo aburrido y lo fácil que era equivocarse!

Además, los métodos antiguos a veces usaban dibujos de libros antiguos, que podían tener los colores un poco exagerados por el artista, o solo analizaban grupos muy pequeños de animales.

La solución mágica: La "Biblioteca de Colores" (CLUT)

Los creadores de charisma crearon algo llamado CLUT (una tabla de búsqueda de colores). Imagina que es como una biblioteca gigante de 10 estantes:

• Estante 1: Rojo, Naranja, Amarillo.
• Estante 2: Verde, Azul, Violeta.
• Estante 3: Negro, Marrón, Gris, Blanco.

Cuando charisma mira una foto, toma cada píxel y lo pone en el estante correcto. Lo genial es que esta biblioteca es flexible. Si los científicos ven que el "marrón" se está confundiendo con el "gris", pueden ir a la biblioteca y ajustar las reglas de qué entra en cada estante. ¡Es como si pudieras mover las paredes de la biblioteca para que encajen perfectamente con tus fotos!

¿Cómo funciona en la vida real? (La prueba con los Tangaras)

Para probar si su invento funcionaba, los científicos tomaron fotos de 32 pájaros llamados tangaras (pájaros muy coloridos de América del Sur).

1. El modo automático: Primero, dejaron que la computadora hiciera todo sola. Fue rápido, pero a veces la computadora se confundía. Por ejemplo, si una pluma estaba un poco fuera de lugar, la computadora pensaba que había una mancha de "marrón" o "gris" donde no la había (como ver fantasmas en las sombras).
2. El modo semiautomático (El toque humano): Aquí es donde charisma brilla. Los científicos revisaron los resultados y usaron herramientas simples para decir: "Oye, esa mancha gris es solo una sombra, quítala" o "Esa mancha pequeña de naranja es real, agrándala".

El resultado: El modo semiautomático fue tan preciso como un experto humano mirando las fotos, pero ¡muchísimo más rápido!

¿Por qué es importante esto?

Imagina que quieres saber si los pájaros que viven en la selva tienen más colores que los que viven en la montaña. Con charisma, puedes analizar miles de fotos en minutos y obtener datos precisos.

El estudio descubrió cosas fascinantes:

• Los colores basados en pigmentos (como el rojo y el amarillo, que vienen de lo que comen) cambian más rápido en la evolución.
• Los colores estructurales (como el azul y el verde brillante, que vienen de la forma microscópica de las plumas y no de pigmentos) también evolucionan rápido, pero de una manera diferente.
• El negro y el marrón (colores muy resistentes) son los más estables y cambian menos.

En resumen

charisma es como darle a los biólogos unas gafas de visión computarizada que les permiten ver, contar y comparar los colores de la naturaleza de forma rápida, justa y sin errores. Ya no tienen que perder años contando colores a mano; ahora pueden usar ese tiempo para descubrir los secretos de la evolución.

Es una herramienta que hace que la ciencia sea más reproducible (cualquiera puede hacer lo mismo y obtener el mismo resultado) y accesible, permitiendo que más personas exploren la belleza y la historia de los colores en el mundo animal.

Resumen técnico

Aquí presento un resumen técnico detallado del artículo sobre el paquete R charisma, traducido y adaptado al español, cubriendo los aspectos solicitados:

Resumen Técnico: charisma – Un paquete R para la caracterización reproducible de color en imágenes biológicas

1. Planteamiento del Problema

A pesar de los avances en la imagen digital y las herramientas de software para el análisis de la evolución del color, existen limitaciones significativas en los métodos actuales:

• Dependencia de la clasificación previa: La mayoría de los paquetes computacionales existentes requieren que el usuario defina a priori el número de clases de color ($k$) antes de realizar análisis, lo que a menudo no captura adecuadamente las clases dominantes específicas de cada organismo.
• Falta de estandarización y reproducibilidad: Los métodos anteriores suelen ser "a medida" (bespoke), limitados a pequeños clados o ilustraciones artísticas (que introducen sesgos del ilustrador), y no son fácilmente reproducibles en grandes bases de datos de imágenes.
• Dificultad en la discretización: La naturaleza multidimensional y continua del espacio de color hace que sea conceptual y técnicamente desafiante dividir el espectro en clases discretas biológicamente relevantes sin perder precisión o introducir ruido (como sombras o artefactos de imagen).
• Baja representatividad biológica: Las clasificaciones manuales o métodos automatizados rígidos a menudo no reflejan las clases de color relevantes para la biología, reduciendo la precisión de los análisis evolutivos posteriores.

2. Metodología

El artículo presenta charisma, un paquete de R diseñado para caracterizar la distribución de clases de color visibles para el humano en imágenes digitales de organismos.

• Espacio de Color y CLUT:

  • El paquete utiliza el espacio de color HSV (Matiz, Saturación, Valor) en lugar de RGB o CIELab, ya que ofrece una separación intuitiva de las clases de color y una conversión computacionalmente eficiente desde RGB.
  • Se define una Tabla de Búsqueda de Color (CLUT, Color Lookup Table) biológicamente inspirada que divide el espacio HSV en 10 clases de color discretas y no superpuestas: rojo, naranja, amarillo, verde, azul, morado, negro, marrón, gris y blanco.
  • La CLUT permite rangos disyuntivos (no contiguos) para manejar colores complejos como el marrón, que ocupa regiones no convexas en el espacio de color.

• Flujo de Trabajo (Pipeline):
  El proceso se divide en tres etapas principales (ver Box 1 en el texto):

  1. Pre-procesamiento: Generación de imágenes estandarizadas (balance de blancos, segmentación del fondo).
  2. Suavizado Espacial: Uso de la función recolorize2() (del paquete recolorize) para eliminar píxeles ruidosos o dispersos mediante un procedimiento de agrupamiento (binning) espacial-color, mejorando la relación señal-ruido antes de la clasificación.
  3. Clasificación y Ajuste:
     • Modo Automatizado: Clasifica los píxeles basándose en la CLUT predeterminada. Permite evaluar el rendimiento y ajustar los límites de la CLUT mediante una aplicación interactiva.
     • Modo Semi-automatizado: Permite a los usuarios realizar ajustes manuales (fusionar o reemplazar colores) y aplicar umbrales de proporción de píxeles para eliminar artefactos menores (ej. sombras, bases de plumas) que no son biológicamente relevantes.

• Validación y Caso de Estudio:

  • Validación: Se probaron cuadrículas de colores de Wikipedia y organismos diversos (escarabajos, peces) para verificar la precisión de la CLUT.
  • Caso de Estudio: Se aplicó a 32 especímenes de museo de tangaras (subfamilia Thraupinae). Se compararon los resultados de charisma (automatizado y semi-automatizado) contra un conjunto de datos de referencia generado por un experto en coloración de aves.
  • Análisis Evolutivo: Se utilizaron los datos de color para reconstruir estados ancestrales y estimar tasas de evolución utilizando modelos de evolución discreta (ER y ARD) en el paquete geiger, agrupando los colores por sus mecanismos de producción (melanina, carotenoides, estructurales).

3. Contribuciones Clave

• Marco Estandarizado y Reproducible: Ofrece un flujo de trabajo completo y reproducible para la clasificación de color de alto rendimiento, eliminando la necesidad de definir $k$ a priori.
• Flexibilidad y Control: La combinación de modos automatizado y semi-automatizado permite a los usuarios refinar la clasificación según sus necesidades biológicas específicas, ajustando la CLUT y limpiando artefactos de imagen.
• Integración con Análisis Evolutivos: Los datos de salida de charisma (presencia/ausencia de clases de color) se integran directamente en pipelines de análisis evolutivo estándar en R (ej. pavo, geiger, phytools).
• Código Abierto y Herramientas Interactivas: El paquete es de código abierto e incluye un editor de CLUT interactivo para que los usuarios optimicen los límites de color para sus propios conjuntos de datos.

4. Resultados

• Precisión de Clasificación:

  • charisma identificó correctamente la mayoría de las clases de color pre-asignadas en las pruebas de validación.
  • El modo semi-automatizado superó al modo totalmente automatizado al compararse con el conjunto de datos de expertos. El modo automatizado tendía a tener altas tasas de "falsas alarmas" para colores como marrón y gris (debido a artefactos de plumas superpuestas) y altas tasas de "fallos" (misses) para colores raros o de parches pequeños (rojo y naranja).
  • El flujo de trabajo semi-automatizado logró una tasa de aciertos (hits) y rechazos correctos cercana al 100%, alineándose casi perfectamente con la clasificación experta.

• Impacto en el Análisis Evolutivo:

  • Los conjuntos de datos automatizados sin corregir distorsionaron las tasas evolutivas, inflando artificialmente la tasa de evolución del color gris (debido a artefactos) y subestimando la de azul y verde.
  • Los datos semi-automatizados mostraron una alta congruencia con los datos de expertos.
  • Hallazgos Biológicos: En las tangaras estudiadas, la coloración basada en carotenoides mostró tasas de evolución más rápidas que la coloración estructural. El color azul (estructural) mostró las tasas de ganancia y pérdida más altas, sugiriendo una rápida acumulación de diversidad de color debido a la modularidad de las nanoestructuras. La mayoría de los nodos ancestrales se reconstruyeron con colores oscuros (negro, marrón) y verdes/azules, consistentes con la naturaleza colorida de este grupo.

5. Significancia

El paquete charisma representa un avance significativo en la biología evolutiva y ecológica al proporcionar una solución estandarizada para la cuantificación de patrones de color en grandes conjuntos de datos de imágenes.

• Superación de Sesgos: Reduce los sesgos inherentes a las ilustraciones artísticas y la subjetividad manual.
• Escalabilidad: Permite el análisis de alto rendimiento de bases de datos de imágenes de museos y plataformas ciudadanas (como iNaturalist), facilitando estudios macroevolutivos a gran escala.
• Reproducibilidad: Establece un estándar para la caracterización de color, asegurando que los resultados sean transparentes, verificables y comparables entre diferentes estudios.
• Aplicabilidad: Aunque se probó en aves, el marco es aplicable a cualquier organismo y no se limita a la biología evolutiva, siendo útil para cualquier estudio que requiera la caracterización cuantitativa de patrones de color en imágenes digitales.