📄 evolutionary biology

On the mapping between evolutionary scenarios and governing rules in state-dependent speciation-extinction models

Este estudio establece un mapeo matemático entre los escenarios evolutivos y las reglas rectoras en los modelos de especiación-extinción dependientes del estado, revelando que distintos escenarios pueden producir distribuciones de estados de las puntas idénticas y que la inferencia en árboles de solo especies existentes está sesgada hacia ciertos escenarios debido a la interacción entre las tasas de mezcla, el tiempo y el condicionamiento de verosimilitud.

Autores originales: Soewongsono, A. C., Landis, M. J.

Publicado 2026-09-29

📖 7 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Soewongsono, A. C., Landis, M. J.

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

En el gran estudio de la vida en la Tierra, los biólogos a menudo se plantean una pregunta simple pero profunda: ¿por qué un rasgo es común mientras que otro sigue siendo raro? ¿Un color específico, una preferencia particular de hábitat o un comportamiento único se encuentran en la mayoría de las especies simplemente porque son más adecuados para la supervivencia, o son un accidente histórico? Para responder a esto, los científicos observan los "árboles genealógicos" de la vida, conocidos como filogenias. Estos árboles trazan cómo se relacionan las especies, mostrando cuándo se separaron de un ancestro común y hace cuánto tiempo. Al combinar estos árboles con datos sobre qué especies poseen qué rasgos, los investigadores pueden intentar reconstruir la historia de la evolución. Utilizan modelos matemáticos para estimar las tasas a las que se forman nuevas especies, con qué frecuencia se extinguen y con qué frecuencia cambian de un rasgo a otro. Este campo, conocido como macroevolución, se basa fuertemente en la suposición de que los patrones que vemos en las especies vivas hoy son un reflejo directo de los procesos que las moldearon a lo largo de millones de años. Sin embargo, un desafío fundamental persiste: solo vemos a los supervivientes. La gran mayoría de las especies que alguna vez vivieron están extintas, y los árboles genealógicos que construimos se basan solo en las ramas que llegaron hasta el presente. Esto crea un punto ciego, lo que dificulta saber si el equilibrio actual de rasgos es el resultado de un proceso constante y a largo plazo o de un momento fugaz en el tiempo.

Un equipo de investigadores de la Universidad de Washington en St. Louis se propuso explorar este punto ciego planteándose una pregunta audaz: si eliminamos el árbol genealógico por completo y observamos únicamente el recuento final de especies con diferentes rasgos, ¿podemos seguir determinando qué sucedió? Se centraron en un tipo específico de modelo evolutivo donde la tasa de especiación y extinción depende del rasgo que posee una especie. En estos modelos, una especie podría tener más probabilidades de sobrevivir o reproducirse si posee un rasgo en lugar de otro. Los investigadores querían saber si diferentes historias evolutivas podrían conducir exactamente al mismo resultado final. Imaginen dos historias diferentes: en una, un rasgo ayuda a las especies a multiplicarse rápidamente, pero también provoca que cambien a un rasgo diferente rápidamente; en otra, el rasgo es neutral pero las especies rara vez cambian. ¿Podrían ambas historias terminar con el mismo número de especies que poseen cada rasgo? El equipo desarrolló un nuevo marco matemático para mapear cada posible "historia" o escenario que podría producir un patrón específico de frecuencias de rasgos. Descubrieron que la respuesta es sí: múltiples y completamente diferentes escenarios evolutivos pueden producir patrones idénticos de distribución de rasgos.

Los investigadores descubrieron que, para cualquier mezcla final dada de especies, existen varios conjuntos distintos de reglas que podrían haber creado dicha mezcla. Llamaron a estos conjuntos de reglas "conjuntos de reglas" (rulesets). Cada conjunto de reglas representa una combinación única de tasas de nacimiento, tasas de muerte y tasas de cambio entre rasgos. Por ejemplo, un escenario donde un rasgo es una "fuente" de nuevas especies, mientras que la alternativa es un "sumidero" donde las especies mueren, puede producir los mismos números finales que un escenario donde ambos rasgos son fuentes, siempre que se ajusten las tasas de cambio entre ellos de una manera específica. Esto significa que el simple hecho de contar las especies al final del día no te dice cuál de estas historias subyacentes es la verdadera. El estudio demostró que, aunque estas diferentes historias son matemáticamente distintas, todas son capaces de llegar al mismo destino.

Para entender cuál de estas historias es más probable que sea la verdadera, el equipo recurrió a simulaciones por computadora. Generaron miles de historias evolutivas imaginarias, dejándolas correr hacia adelante en el tiempo para ver cuáles producían realmente familias de especies supervivientes. Encontraron que no todas las historias son iguales. Los escenarios donde ambos rasgos actúan como "fuentes" —es decir, donde las especies con cualquiera de los dos rasgos tienden a multiplicarse en lugar de morir— fueron mucho más propensos a producir árboles grandes y supervivientes que los escenarios donde uno o ambos rasgos actuaban como "sumideros". Esto tiene sentido intuitivo: si un rasgo provoca la extinción de las especies, esa rama del árbol es probable que desaparezca antes de que pueda ser observada hoy en día. En consecuencia, las historias evolutivas que sobreviven hasta el presente están sesgadas hacia aquellas donde las especies están prosperando en general.

Los investigadores luego probaron si los métodos estadísticos estándar, que trabajan hacia atrás desde los árboles supervivientes para adivinar las reglas originales, podían distinguir entre estos diferentes escenarios. Encontraron que estos métodos no son neutrales. Al analizar árboles que contienen solo especies vivas, las herramientas estadísticas favorecían fuertemente los escenarios de "fuente-fuente", incluso cuando la historia real era algo distinto. Este sesgo surge porque las probabilidades matemáticas utilizadas en estos análisis están condicionadas al hecho de que el árbol sobrevivió. Un árbol que sobrevivió tiene más probabilidades de provenir de una historia donde las especies se estaban multiplicando, por lo que el análisis naturalmente se inclina hacia esa conclusión. El estudio también reveló que la velocidad a la que un sistema se establece en su patrón final es importante. Algunos escenarios evolutivos alcanzan un equilibrio estable de rasgos muy rápidamente, mientras que otros tardan mucho tiempo. Si un árbol es joven, es posible que no haya tenido tiempo suficiente para alcanzar ese equilibrio, lo que dificulta la inferencia de la historia correcta. Las simulaciones mostraron que la capacidad de identificar correctamente la verdadera historia evolutiva depende en gran medida de cuánto tiempo ha pasado y de qué tan rápido estaba convergiendo el sistema hacia su estado final.

Cuando los investigadores aplicaron su marco de trabajo a datos del mundo real, observando la historia evolutiva de lagartos y serpientes (escamosos) y plantas con flores (angiospermas), encontraron que los patrones de sus simulaciones se mantenían. En ambos grupos, los escenarios evolutivos más inferidos fueron aquellos donde ambos rasgos actuaban como fuentes, lo cual es consistente con la idea de que los árboles supervivientes están sesgados hacia linajes prósperos. Sin embargo, hubo diferencias entre los datos simulados y el mundo real. En los datos reales, los métodos infirieron ciertos escenarios complejos con más frecuencia de lo que las simulaciones predecían, lo que sugiere que los procesos evolutivos reales podrían ser más matizados o que otros factores, como rasgos ocultos no contemplados en los modelos, podrían estar influyendo en los resultados. El estudio destaca que, si bien podemos aprender mucho de los rasgos de las especies vivas, debemos ser cautelosos al asumir que conocemos el camino exacto que la evolución tomó para llegar allí. El mismo cuadro final puede ser pintado con muchos pinceles diferentes y, sin la historia completa del árbol, incluyendo las ramas extintas, es posible que solo veamos una fracción de la verdadera historia.

Este trabajo proporciona una base teórica crucial para comprender los límites de lo que podemos aprender del mundo viviente. Muestra que la relación entre los datos que observamos y los procesos que los generaron no es de uno a uno. Al mapear todas las reglas posibles que podrían conducir a un resultado específico, los investigadores han dado a los biólogos una forma de ver la gama completa de posibilidades. Esto ayuda a elegir mejores puntos de partida para estudios futuros y a comprender por qué ciertas historias evolutivas se cuentan con más frecuencia que otras. Sirve como un recordatorio de que la historia de la vida es compleja y que los patrones que vemos hoy son el resultado de una interacción delicada entre la supervivencia, el tiempo y las reglas específicas de la evolución que gobernaron cada linaje. El estudio no pretende resolver el misterio de la evolución de los rasgos, sino que clarifica el panorama de las posibilidades, asegurando que las investigaciones futuras estén fundamentadas en una comprensión realista de lo que los datos pueden y no pueden decirnos.

Resumen Técnico: Mapeo de Escenarios Evolutivos a Reglas de Gobierno en Modelos de Especiación-Extinción Dependientes del Estado

Planteamiento del Problema
Los biólogos buscan frecuentemente explicar las distribuciones de frecuencia de rasgos entre especies existentes infiriendo procesos evolutivos subyacentes, tales como asimetrías en la diversificación (especiación y extinción) o la evolución de caracteres. Los modelos de especiación-extinción dependientes del estado (SSE), como BiSSE y GeoSSE, proporcionan un marco para modelar conjuntamente estos procesos. Sin embargo, un desafío fundamental persiste: múltiples escenarios evolutivos distintos pueden producir distribuciones estacionarias de frecuencias de estados de puntas idénticas. Además, cuando los árboles filogenéticos se reconstruyen únicamente a partir de especies existentes (condicionados a la supervivencia), el proceso de inferencia puede estar sesgado hacia escenarios específicos. Este estudio aborda la pregunta: En ausencia de un árbol filogenético resuelto, ¿qué información sobre el proceso generador de datos subyacente se retiene únicamente en las frecuencias de estado de las puntas actuales? Específicamente, los autores investigan si frecuencias de estado de puntas idénticas pueden surgir de distintos escenarios evolutivos y cómo el condicionamiento en árboles de solo especies existentes afecta la inferencia preferencial de estos escenarios.

Metodología
Los autores desarrollan un marco matemático para definir y mapear "conjuntos de reglas" (rulesets) a "escenarios evolutivos" dentro de los modelos SSE de estados discretos.

Definiciones y Derivación Matemática:
- Escenario Evolutivo: Definido cualitativamente por los signos de las tasas de diversificación neta ( $\lambda_i - \mu_i$ ) en cada estado y las magnitudes relativas de las tasas de transición ( $q_{ij}$ ).
- Conjunto de Reglas (Ruleset): Definido como un sistema preciso de igualdades y desigualdades entre los parámetros del modelo que es compatible con un conjunto específico de frecuencias de estado estacionarias asintóticas ( $\hat{\Pi}$ ).
- Los autores derivan condiciones generales (Teorema 1) y corolarios específicos para los modelos BiSSE (Corolarios 1 y 2) y GeoSSE. Estas derivaciones establecen una biyección entre distintos conjuntos de reglas y distintos escenarios evolutivos para un conjunto dado de frecuencias estacionarias.
- Distinguen entre escenarios "triviales" (donde todos los estados comparten la misma fase dinámica, por ejemplo, todos supercríticos o todos subcríticos) y escenarios "no triviales" (donque los estados ocupan fases opuestas, por ejemplo, dinámicas de fuente-sumidero).
Análisis de Convergencia:
- El estudio introduce el concepto de tiempo de relajación ( $\hat{t} = \gamma^{-1}$ ), donde $\gamma$ es la brecha espectral (spectral gap) de la matriz de crecimiento media. Esta métrica caracteriza la tasa a la que un sistema converge a su distribución estacionaria.
- Los autores analizan cómo el producto de la brecha espectral y el tiempo transcurrido ( $\gamma t$ ) influye en la distancia entre las frecuencias de puntas observadas y las frecuencias estacionarias reales.
Experimentos de Simulación:
- Los autores simulan 100 árboles válidos de solo especies existentes para varios tamaños de árbol (25 a 800 puntas) bajo diferentes regímenes de tasas (lentos y rápidos) y configuraciones experimentales (por ejemplo, con/sin taxones faltantes, con/sin rechazo de estados de puntas desequilibrados).
- Calculan la probabilidad de que cada escenario real genere un árbol válido ( $P(S_j | \text{válido})$ ) y la probabilidad de inferir un escenario específico dado un árbol válido ( $P(\hat{S}_i | \text{válido})$ ).
- Se construyen matrices de confusión para evaluar los errores de tipo I (falsos positivos) y tipo II (falsos negativos) a través de los escenarios.
Aplicación Empírica:
- El marco se aplica a un árbol cronológico reconstruido de 6,885 especies de escamosos (Title et al. 2024) y a una compilación de 49 estudios previos de BiSSE en clados de angiospermas (Helmstetter et al. 2023).
- Los parámetros estimados de estos conjuntos de datos empíricos se mapean a los escenarios evolutivos definidos para evaluar su prevalencia.

Contribuciones Clave

Mapeo Formal: El artículo establece una biyección rigurosa entre los conjuntos de reglas matemáticas (restricciones de parámetros) y los escenarios evolutivos cualitativos para los modelos SSE. Demuestra que las frecuencias de puntas estacionarias idénticas no implican procesos evolutivos idénticos.
Identificación de la No Unicidad: El estudio demuestra que múltiples escenarios evolutivos distintos (específicamente, diferentes combinaciones de signos de diversificación neta y direcciones de las tasas de transición) pueden producir las mismas frecuencias de estado de puntas a largo plazo.
Caracterización del Sesgo de Inferencia: A través de simulaciones, los autores muestran que no todos los escenarios son igualmente probables de ser inferidos a partir de datos de solo especies existentes. Existe un sesgo sistemático hacia escenarios que involucran procesos supercríticos (dinámicas de fuente-fuente) y configuraciones específicas de fuente-sumidero.
Marco de Tiempo de Relajación: La introducción de la brecha espectral y el tiempo de relajación proporciona una herramienta teórica para entender cómo la "edad" de un árbol y la velocidad de convergencia interactúan para determinar las frecuencias de estado observadas.

Resultados

Tiempo hacia Adelante (Generación de Datos): Los escenarios donde ambos estados son fuentes (supercríticos, $\rho > 0$ ), específicamente los Escenarios 3a/b y 4a/b, son los generadores más frecuentes de árboles válidos y no extintos. Los escenarios donde ambos estados son sumideros (subcríticos) rara vez producen árboles válidos. Entre los árboles válidos, los Escenarios 3a/b son más prevalentes que los 4a/b porque los 4a/b requieren tasas de transición que se oponen al orden de la frecuencia estacionaria, lo que restringe el espacio de parámetros admisible.
Tiempo hacia Atrás (Inferencia): Al ajustar los modelos a árboles simulados de solo especies existentes, los Escenarios 3a/b son los más frecuentemente inferidos, seguidos por los 2a/b. Los Escenarios 1a/b y 4a/b se infieren con menor frecuencia.
- La frecuente inferencia de 3a/b se alinea con su alta prevalencia en árboles válidos y el condicionamiento de las verosimilitudes a la supervivencia.
- La frecuente inferencia de 2a/b (fuente-sumidero) se atribuye en parte a sus tasas de convergencia más rápidas (brechas espectrales más grandes), lo que permite que las frecuencias observadas se acerquen a la estacionariedad más rápidamente, facilitando su recuperación.
- Los Escenarios 1a/b y 4a/b exhiben altas tasas de error de tipo II (baja sensibilidad), lo que significa que a menudo son clasificados erróneamente como otros escenarios (particularmente como 2a/b o 3a/b).
Hallazgos Empíricos: Los análisis de los conjuntos de datos de escamosos y angiospermas reflejan los resultados de la simulación, siendo los Escenarios 3a/b los más comúnmente inferidos. Sin embargo, los datos empíricos muestran una frecuencia relativa más alta del Escenario 4a/b en comparación con las simulaciones, debido potencialmente a la especificación incorrecta del modelo (por ejemplo, estados ocultos no modelados) o a restricciones biológicas específicas en estos clados.

Significado y Reivindicaciones
Los autores sostienen que este estudio proporciona una base teórica para vincular directamente los procesos generadores de datos con las frecuencias de estado de las puntas observadas sin depender únicamente de la topología de un árbol reconstruido.

Enfoque Complementario: El marco se presenta no como un reemplazo para la inferencia basada en árboles, sino como una herramienta complementaria para caracterizar el rango de escenarios evolutivos plausibles dados un mínimo de información (conteos de especies y rasgos).
Especificación de Priores: Los hallazgos sugieren que los priors en la filogenia bayesiana deben estar informados por la probabilidad de que un escenario genere un árbol válido y no extinto. Los procesos supercríticos son naturalmente favorecidos en los conjuntos de datos de solo especies existentes.
Interpretación del Sesgo: El artículo aclara que la preferencia por ciertos escenarios en los estudios empíricos puede surgir de la interacción entre las tasas de mezcla, el tiempo transcurrido y el condicionamiento inherente a las verosimilitudes de los árboles (sesgo de supervivencia), más que únicamente de la realidad biológica de los clados.
Extensibilidad: Aunque se demuestra en BiSSE y GeoSSE, los autores afirman que los conceptos de conjuntos de reglas y la biyección a escenarios evolutivos son extensibles a otros modelos SSE de estados discretos, aunque la complejidad aumenta con el número de estados.

Los autores mantienen un tono modesto, señalando que, si bien su marco clarifica los problemas de identificabilidad teórica, los resultados empíricos aún pueden estar influenciados por la especificación incorrecta del modelo (por ejemplo, estados ocultos) y que el ranking de los escenarios no siempre es uno a uno cuando se consideran las perspectivas de tiempo hacia adelante versus hacia atrás.

Resumen Técnico: Mapeo de Escenarios Evolutivos a Reglas de Gobierno en Modelos de Especiación-Extinción Dependientes del Estado

Más como este