⚛️ biofísica

A Geometrical Class of Population Growth Models, across Scales and Population Structures

Este artículo propone un marco geométrico unificado que distingue entre las leyes de crecimiento replicativo y directo mediante la modelización de cómo interactúan la fracción de componentes activos y el tamaño del espacio de componentes accesibles, describiendo así con éxito diversos fenómenos que van desde la dinámica de poblaciones bacterianas y humanas hasta métricas de innovación como las patentes y las presentaciones de arXiv.

Autores originales: Tunstall, T., Zaccone, A.

Publicado 2026-10-10

📖 7 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Tunstall, T., Zaccone, A.

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

El crecimiento es una historia universal, contada en el lenguaje de los números, ya sea que estemos observando una colonia de bacterias multiplicándose en una placa de Petri, una civilización humana expandiéndose a través de continentes o el número de nuevas ideas científicas que aparecen cada año. Durante siglos, los científicos han intentado escribir las reglas de esta historia. Algunos han tratado el crecimiento como un ascenso simple y constante, como una línea trazada recta hacia arriba en un gráfico. Otros lo han visto como una curva que se ralentiza a medida que los recursos se agotan, como un coche que se queda sin gasolina. Pero una nueva perspectiva sugiere que la forma de esta curva de crecimiento depende de algo más profundo: el tamaño del patio de recreo disponible para las cosas que crecen. En esta visión, el crecimiento no se trata solo de cuántos individuos están presentes, sino de cómo el espacio mismo de posibilidades para esos individuos cambia a medida que se multiplican.

Dos investigadores, Thomas Tunstall y Alessio Zaccone, han desarrollado una nueva forma de observar estos patrones. Proponen que la velocidad a la que una población crece depende de dos cosas: cuántos "ayudantes" están activos en un momento dado y qué tan grande es el conjunto total de ayudantes potenciales. Imagine a un equipo de construcción construyendo una casa. La velocidad del trabajo depende de cuántos trabajadores están realmente recogiendo herramientas en este momento. Pero también depende del tamaño del almacén donde se guardan las herramientas. Si el almacatorio tiene un tamaño fijo, el equipo puede trabajar solo hasta cierto punto, sin importar cuántos trabajadores aparezcan. Pero si el almacén mismo se expande cada vez que llega un nuevo trabajador, creando más herramientas y más espacio para nuevos trabajadores, la velocidad de la construcción puede acelerarse de una manera que parece casi explosiva. Esta distinción entre un conjunto de recursos fijo y uno en expansión es la clave para entender por qué diferentes sistemas crecen de maneras tan distintas.

Los investigadores probaron esta idea a través de tres mundos muy diferentes: organismos unicelulares, sociedades humanas y la generación de nuevas ideas. Encontraron que, si bien la matemática subyacente es la misma, el comportamiento cambia drásticamente dependiendo de si el "conjunto" de componentes que apoyan el crecimiento mantiene su tamaño o se hace más grande.

Primero, observaron a las bacterias. En un entorno cerrado, una célula bacteriana tiene un número determinado de procesos internos —como la absorción de nutrientes o la producción de energía— que la ayudan a crecer. Estos procesos pueden activarse o desactivarse según las condiciones, pero el número total de procesos disponibles no cambia solo porque la bacteria se multiplique. Los investigadores encontraron que el crecimiento bacteriano se ajusta a un modelo donde el conjunto de ayudantes es fijo. La velocidad de crecimiento está determinada por cuántos de estos ayudantes están activos en cualquier momento. Cuando la comida abunda, la mayoría de los ayudantes están activos y la colonia crece rápido. Cuando la comida se agota, los ayudantes se apagan y el crecimiento se ralentiza. Este es un sistema donde las reglas del juego no cambian, solo los niveles de energía de los jugadores.

Después, se volvieron hacia las poblaciones humanas. Aquí, la historia es diferente. Los humanos no solo se reproducen; construyen redes. Cada nueva persona añade a la red de comercio, conocimiento, infraestructura y cooperación que sostiene a todos los demás. En este caso, el conjunto de "ayudantes" no es fijo; se expande a medida que la población crece. Los investigadores encontraron que la historia humana sigue un patrón donde la tasa de crecimiento se acelera porque la red de apoyo crece más rápido que la población misma. Analizaron datos de tres eras distintas. Entre 1790 y 1948, los datos sugirieron que la red de apoyo se estaba expandiendo muy rápidamente, lo que conducía a una tasa de crecimiento súper rápida. Sin embargo, entre 1970 y 2023, el patrón cambió. La red de apoyo seguía expandiéndose, pero el efecto de añadir más personas comenzó a ralentizar la tasa de crecimiento por persona, sugiriendo que el sistema estaba alcanzando nuevos límites o que la naturaleza de la red había cambiado. El modelo mostró que la historia humana no puede describirse mediante una regla única e invariable; la forma en que las personas se conectan y se apoyan entre sí ha cambiado con el tiempo, alterando la curva de crecimiento.

Los investigadores también observaron el nacimiento de nuevas especies, un proceso llamado especiación. Al igual que los humanos, las especies crean oportunidades para que existan otras especies. Una nueva especie puede abrir un nuevo nicho en un ecosistema, permitiendo que otras evolucionen. Los datos sobre la historia de la vida eucariota (que incluye plantas, animales y hongos) encajan con el mismo modelo de red expansiva. La tasa a la que aparecen nuevas especies depende del número de especies existentes y de la compleja red de relaciones que crean. El modelo sugirió que la diversidad de la vida ha sido impulsada por esta red de interacciones en expansión, donde la presencia de más especies facilita que surjan aún más especies.

Finalmente, el equipo examinó la innovación, observando el número de nuevos artículos científicos y solicitudes de patentes. Este es un caso donde los "ayudantes" no se reproducen. Una patente no da a luz a otra patente de la misma manera que una bacteria se divide. En cambio, las nuevas ideas se construyen sobre el inventario existente de conocimiento. Los investigadores encontraron que la tasa de innovación sigue una regla diferente: depende del tamaño del conjunto existente de ideas, pero este no se multiplica a sí mismo. El crecimiento de las nuevas ideas es impulsado directamente por el espacio de posibilidades en expansión creado por las ideas pasadas, sin el factor adicional de la autorreplicación. Esta distinción les permitió separar el crecimiento de las poblaciones vivas, que se reproducen, del crecimiento de las ideas, que se acumulan.

El hallazgo más importante de este trabajo es que un marco unificado puede explicar todos estos diferentes tipos de crecimiento. La diferencia entre una colonia bacteriana, una sociedad humana y una biblioteca de patentes no está en la matemática básica de cómo crecen, sino en la naturaleza del espacio en el que crecen. Si el espacio es fijo, el crecimiento está limitado por cuántas partes están activas. Si el espacio se expande a medida que la población crece, el crecimiento puede acelerarse. Si el espacio se expande pero los elementos no se reproducen, el crecimiento sigue un camino diferente y directo.

Este enfoque cambia nuestra forma de pensar sobre los límites. En el pasado, los científicos a menudo asumían que todo crecimiento debía eventualmente ralentizarse debido a la falta de recursos. Este nuevo modelo sugiere que la desaceleración o la aceleración depende de cómo evolucione el sistema mismo. Para las poblaciones humanas, el modelo indica que las reglas del crecimiento han cambiado a lo largo de la historia, pasando de períodos de rápida aceleración a períodos donde la retroalimentación de la red se vuelve menos positiva. No predice un final único e inevitable para el crecimiento, sino que sugiere que el futuro depende de cómo continúe evolucionando la red de interacción humana.

Los investigadores no pretendían haber resuelto el misterio del crecimiento para siempre. En su lugar, ofrecieron un nuevo lenguaje para describirlo. Demostraron que, al observar el tamaño y la actividad del sistema de apoyo subyacente, podemos entender por qué algunas cosas crecen lenta y constantemente, mientras que otras explotan en complejidad. El modelo sugiere que el futuro de cualquier sistema en crecimiento —ya sea una ciudad, una especie o un campo científico— depende de si ese sistema está simplemente utilizando un conjunto fijo de herramientas, o si está construyendo constantemente nuevas herramientas a medida que crece. Esta distinción nos ayuda a ver que la historia del crecimiento no se trata solo de números, sino del paisaje cambiante de posibilidades que esos números crean.

Resumen Técnico: Una Clase Geométrica de Modelos de Crecimiento Poblacional, a través de Escalas y Estructuras Poblacionales

Planteamiento del Problema
Los modelos de crecimiento poblacional tradicionalmente oscilan entre leyes de ajuste fenomenológico (por ejemplo, funciones logísticas) y descripciones mecanísticas que vinculan el crecimiento macroscópico con procesos microscópicos (por ejemplo, la asignación de nutrientes bacterianos). Existe una brecha para unificar estas descripciones a través de escalas muy diferentes y estructuras poblacionales. Específicamente, es necesario distinguir entre sistemas donde el "espacio de componentes de soporte de crecimiento" es fijo (controlado por la dinámica de activación/desactivación) y sistemas donde el propio espacio de componentes se expande a medida que la población crece (impulsado por interacciones, innovación o especiación). Si bien un trabajo reciente introdujo un modelo geométrico para el crecimiento bacteriano basado en la fracción de componentes activos, queda por ver si esta construcción se generaliza a espacios de componentes en expansión y a sistemas no replicativos como la innovación tecnológica.

Metodología
Los autores desarrollan un marco geométrico general donde la tasa de crecimiento per cápita, $r(t) = \frac{1}{X}\frac{dX}{dt}$ , depende exponencialmente del número de componentes activos de soporte de crecimiento, $M(t)A(t)$ . Aquí, $M(t)$ representa el tamaño del espacio de componentes accesible y $A(t)$ es la fracción de esos componentes que están activos.

El marco distingue tres regímenes basados en la dinámica de $M(t)$ y $A(t)$ :

Espacio de Componentes de Tamaño Fijo: $M(t) \approx M_0$ es constante. La dinámica de crecimiento surge únicamente de los cambios en la fracción activa $A(t)$ . Esto recupera el modelo de crecimiento bacteriano propuesto anteriormente.
Crecimiento Geométrico Replicativo: El espacio de componentes se expande con el tamaño de la población, escalando como $M_{eff}(X) \propto X^\gamma$ (donde $\gamma > 0$ ). En este régimen, las entidades existentes se reproducen y el factor geométrico modula la tasa per cápita. Esto produce la ley:
$\frac{dX}{dt} = \alpha X \exp(\beta X^\gamma)$
Esto se denomina el modelo "Geométrico Replicativo".
Crecimiento Geométrico Directo: Aplicable a indicadores de innovación (por ejemplo, patentes, manuscritos) donde los elementos existentes no se reproducen directamente. En este caso, la tasa de crecimiento carece del prefactor lineal $X$ , resultando en:
$\frac{dX}{dt} = \alpha \exp(\beta X^\gamma)$
Esto se denomina el modelo "Geométrico Directo".

Los autores prueban estos modelos contra datos históricos utilizando ajuste empírico y criterios de selección de modelos (AIC y BIC). Los conjuntos de datos incluyen:

Poblaciones bacterianas (sistemas cerrados).
Datos históricos de la población humana (tres ventanas temporales distintas: 1790–1948, 1930–1978, 1970–2023).
Datos de linaje a través del tiempo de eucariotas (especiación).
Indicadores de innovación: envíos de manuscritos a arXiv y solicitudes de patentes de EE. UU.

Resultos Clave

Crecimiento Bacteriano: El modelo recupera con éxito la dinámica de crecimiento bacteriano como una realización de espacio de componentes fijos donde el crecimiento está gobernado por la evolución temporal de la fracción activa $A(t)$ , lo cual es consistente con restricciones fisiológicas como la disponibilidad de nutrientes y la regulación de (p)ppGpp.
Población Humana: El modelo Geométrico Replicativo se ajusta mejor a los datos de la población humana histórica que los modelos simples de crecimiento exponencial o de ley de potencia, pero los parámetros varían significativamente según el régimen:
- 1790–1948: Mejor ajuste con un exponente superlineal $\gamma \approx 2.2$ , lo que indica un espacio de componentes efectivos en rápida expansión.
- 1970–2023: El modelo converge independientemente a $\gamma \approx 1$ (recuperando el límite de Trachenko-Zaccone) pero con un coeficiente de retroalimentación negativa ( $\beta < 0$ ), lo que sugiere que el espacio de componentes en expansión se ha vuelto supresivo para el crecimiento per cápita.
- 1930–1978: Los datos se describen mejor mediante una ley de potencia, que los autores identifican como el límite asintótico de la familia de leyes Geométricas Replicativas cuando $\gamma \to 0$ .
Especiación: Aplicado a los datos de especiación de eucariotas, el modelo Geométrico Replicativo supera tanto al modelo exponencial como al de ley de potencia (menor AIC/BIC), lo que respalda la hipótesis de que los nichos bióticos (interacciones entre especies) expanden el espacio de configuración para la diversificación.
Innovación: Para los envíos de arXiv y las solicitudes de patentes, el modelo Geométrico Directo (que carece del prefactor $X$ ) proporciona el mejor ajuste en comparación con los modelos Geométricos Replicativos y de ley de potencia. Notablemente, el ajuste Replicativo para las patentes converge a $\gamma \to 0$ y $\beta < 0$ , colapsando efectivamente a una ley de potencia, mientras que el modelo Geométrico Directo mantiene una interpretación mecánica distinta apropiada para la producción no replicativa.

Significancia y Reivindicaciones
El artículo afirma proporcionar una "descripción común" para los procesos de crecimiento a través de escalas biológicas, demográficas y tecnológicas al separar la fracción de componentes activos del tamaño del espacio de componentes accesible. La contribución principal es la demostración de que leyes de crecimiento cualitativamente diferentes (tipo logístico, exponencial, ley de potencia y super-exponencial) pueden surgir de la misma construcción geométrica dependiendo de cómo evolucionen $M(t)$ y $A(t)$ .

El marco distingue entre crecimiento Replicativo (donde las entidades se reproducen, modulando una tasa per cápita) y crecimiento Directo (donde la producción no es per cápita). Los autores argumentan que la ecuación de retroalimentación de tasa no lineal de "Trachenko-Zaccone" es un caso específico ( $\gamma=1$ ) de una familia más amplia de leyes Geométricas Replicativas.

Crucialmente, el artículo postula que el marco geométrico sirve como un "lenguaje común" para preguntar si un sistema crece dentro de un conjunto fijo de posibilidades o dentro de un espacio de configuración generado por el propio proceso de crecimiento. Los autores enfatizan que los parámetros ajustados (específicamente $\gamma$ y $\beta$ ) deben interpretarse como parámetros efectivos para regímenes históricos específicos, señalando que los sistemas físicos pueden transicionar entre regímenes debido a limitaciones de recursos o cambios en la estructura de la red. El trabajo no prescribe un mecanismo de saturación universal, sino que se enfoca en identificar la dependencia geométrica dentro de regímenes de crecimiento específicos.

Más como este