En el contexto de la Sistemática, los métodos de la estadística y morfometría han provisto conjuntos de técnicas para describir y comparar cuantitativamente la variación morfológica de caracteres y de grupos taxonómicos (James & McCulloch 1990, Strauss 2010). Comúnmente los métodos estadísticos multivariados (PCA, Cluster analyses, Discriminant analyses) se han asociado con los métodos fenéticos en sistemática (Rohlf 1971). Bajo tal enfoque los datos y métodos morfométricos se usan con el objetivo de agrupar y distinguir taxa. Todos los caracteres cuantitativos se ingresan en una matriz y usualmente se procede en dos direcciones para agrupar y para distinguir. Para agrupar los especímenes se calcula algún tipo de distancia pareada y con esas distancias se ejecuta algún algoritmo de agrupación como el UPGMA. Los grupos de similitud en el fenograma generado, se interpretan como grupos taxonómicos.
La segunda dirección de análisis morfométrico para distinguir taxa previamente agrupados consiste en ordenar la varianza de todos los caracteres combinados mediante ACP y AVC. Aunque estas técnicas no agrupan, la disposición sobrepuesta o separada de las nubes de puntos de los grupos a priori se interpreta como una medida de los niveles de la distinción taxonómica. Dado que los ejes del AVC identifican la máxima separación de los grupos, los caracteres correlacionados con estos ejes discriminantes se interpretan como los caracteres que más contribuyen a la distinción y por lo tanto son los de mayor importancia taxonómica. Un ejemplo reciente de esta doble estrategia estadística es el estudio de la variación en especímenes de Gymnopodium floribundum (Ancona et al 2019). Se colectaron datos de distancias (largos y anchos) y una configuración de coordenadas x, y (forma de la hoja). Se aplicaron los dos tipos de análisis descritos antes (UPGMA, AVC). Los resultados revelaron la existencia de tres grupos, los cuales se interpretaron taxonómicamente como subespecies.
Pero esas aplicaciones analizando estadísticamente todos los caracteres combinados no es la única manera de usar los datos morfométricos en Sistemática. La integración robusta de los datos morfométricos consiste en el uso de los métodos multivariantes (ACP, AVC) no para la circunscripción de taxa, como en un enfoque fenético, sino para el examen de preguntas acerca de la variación de estados de carácter, homología y grupos monofiléticos. Por lo tanto, el uso de los datos morfométricos puede enfocarse al estudio de la variación de los caracteres individualmente. Dependiendo de la complejidad de cada carácter, algunos podrán ser descritos con una o dos variables (largo y ancho), pero otros deberán ser descritos por varias distancias entre puntos, o por las coordenadas Cartesianas de esos puntos.
Bajo un enfoque filogenético se analiza estadísticamente la variación de cada carácter por separado. Los métodos estadísticos a usar dependerán en cada caso si un carácter es univariado o multivariado. Un ejemplo reciente de la exploración de la variación de caracteres es el estudio de un grupo de especies de ácaros acuáticos (Ramírez-Sanchez et al 2016) del genero Arrenurus (Acari, Hidrachnidia, Arrenuridae). Se registraron tres conjuntos de distancias y cinco configuraciones de coordenadas x, y para describir ocho caracteres multivariados. Para cada carácter multivariado por separado, las técnicas y análisis morfométricos (CVA, UPGMA) se usaron para la cuantificación de la identidad de estados entre trece especies. Los resultados revelaron que algunos caracteres son muy variables y tienen muchos estados diferentes, mientras que otros caracteres son menos variables y tienen pocos estados. Este estudio ejemplifica el uso de métodos morfometricos para hipótesis de identidad de estados como primer paso para la postulación de homologia táxica y transformacional (homología filogenética).
Datos morfométricos y homología filogenética.
Aplicaciones de la morfometría en Sistemática tales como los análisis de ordenación (ACP, AVC) y los análisis de varianza (MANOVA) han sido muy informativos para la identificación de taxa usando la variación de caracteres cuantitativos, sin controversia. Pero la interacción de la morfometría y la filogenia ha provocado reacciones en dos direcciones epistemológicas. Por un lado, investigadores opinan "a priori" que absolutamente TODOS los caracteres morfométricos (distancias o coordenadas) no contribuyen a la filogenia y por lo tanto no se deben incluir. De acuerdo con estos autores, en el mejor de los casos los datos morfométricos se pueden mapear "a posteriori" sobre una filogenia preestablecida. Con la idea de optimizar o mapear los datos morfométricos sobre una filogenia se han desarrollado "métodos comparativos" para interpretar la magnitud y dirección de los cambios de forma. Los datos morfométricos se mapean sobre una filogenia para estimar formas ancestrales y cambios a lo largo de nodos en el árbol (Adams et al 2011, 2013, Bookstein 1994, Felsenstein 2002, Humphries 2002, Klingenberg & Gidaszewski 2010, Monteiro 2000, Rohlf 1998, 2002).
Por otro lado, con la idea de examinar si los datos morfométricos son homología u homoplasia, se han desarrollado "métodos filogenéticos" para el análisis de la congruencia entre varios tipos de caracteres (sinapomorfía). Bajo este enfoque, para poder aplicar la prueba de congruencia entre caracteres, los caracteres morfom´tricos siempre se deben combinar con los otros tipos de caracteres para efectuar la clasificación basada en grupos monofiléticos construidos mediante análisis filogenéticos. Los datos cuantitativos se incluyen combinados con otros caracteres para la inferencia de homología y grupos monofiléticos en una filogenia. Los datos morfométricos se optimizan sobre la filogenia para estimar formas ancestrales y los cambios en el árbol (Catalano et al 2010, Clouse et al 2010, Goloboff et al 2006, Gonzalez-Jose et al 2008, MacLeod 2002, Naylor 1996, Palci & Lee 2019).
Este capitulo se basa en la posición epistemológica de que los datos de distancias y coordenadas deben incluirse en la inferencia de la filogenia. Esta es la única posición epistemológica que permite la oportunidad de la prueba de congruencia entre todos los caracteres combinados para identificar homología filogenética. La expectativa teórica es que ALGUNOS caracteres morfométricos serán homólogos y otros no. Pero "a priori" no es posible saberlo. Por eso los datos morfométricos se deben combinar para demostrar "a posteriori" si son homoplasia o no. La experiencia enseña que si se incluyen y se combinan con caracteres moleculares, algunos caracteres morfométricos resultarán ser homologías, es decir serán congruentes con los otros caracteres (Ospina & De Luna 2017, Solis et al 2019).
Bajo un enfoque filogenético, el descubrimiento de sinapomorfías es el paso básico en el reconocimiento de grupos monofiléticos. Bajo este enfoque, los métodos morfométricos se usan para el análisis de caracteres y para proponer hipótesis de homología filogenética. Las descripciones cuantitativas de la variación morfológica permiten el reconocimiento de similitud como primer paso al postular homología táxica y transformacional. Comúnmente unas cuantas mediciones son suficientes para derivar mejores inferencias que cuando sólo son comparaciones verbales o cualitativas. Por ejemplo, las hojas pueden compararse con mediciones de longitudes y anchos. Alternativamente también pueden compararse con las colecciones de configuraciones de coordenadas de puntos para analizar la forma de las hojas.
Métodos
La metodología para poder combinar datos morfométricos con otros tipos de caracteres en los análisis filogenéticos se ha desarrollado recientemente. En este capitulo no se intenta cubrir las matemáticas de las técnicas, ni las justificaciones teóricas del uso de los datos y métodos morfométricos en sistemática. Para quienes desean profundizar en estos conocimientos proveemos la literatura primaria recomendada. Ahora podemos integrar muy bien los datos morfométricos en reconstrucciones filogenéticas de grupos monofiléticos usando las longitudes y anchos (distancias) como caracteres continuos y los datos de coordenadas Cartesianas sin codificación o transformación.
1. Analisis de la variación de caracteres.
Basados en el concepto de homología filogenética, un carácter taxonómico potencial es necesariamente un sistema de por lo menos dos estados (homología transformacional). Por lo tanto, una fase preliminar en la selección de caracteres taxonómicos consiste en la descripción de los patrones de variación de un carácter, con más variación entre taxa que dentro de los taxa. Esta exploración de la variación morfometrica de un carácter se logra con el uso de análisis estadísticos, como ACP y AVC.
El ejemplo que sigue explora la variación de caracteres en la forma del cuerpo de ácaros en un grupo de once especies del género Arrenurus (Acari, Hidrachnidia, Arrenuridae) y dos especies como grupos externos. La referencia para el estudio de caso es: Ramírez-Sanchez, M.M., E. De Luna & C. Cramer. 2016. Geometric and traditional morphometrics for the assessment of character state identity: multivariate statistical analyses of character variation in the water mite genus Arrenurus (Acari, Hydrachnidia, Arrenuridae). ZOOLOGICAL JOURNAL OF THE LINNEAN SOCIETY 177:720-749.
A. Definiciones de caracteres.
La decisión sobre qué estructuras o conjunto de estructuras cuentan como unidad para el analisis filogenético depende de la sospecha informada sobre qué es un carácter. En un extremo, podemos suponer que todo el cuerpo del ácaro es un solo carácter. Siendo asi, se diseña una configuración de puntos para registrar cada individuo y comparar la variación entre especies. Pero también es posible seccionar el cuerpo del ácaro en zonas o sectores anatómicos que podrían considerarse como varias unidades de comparación.
En este estudio se consideraron cinco regiones del cuerpo en vista dorsal: idiosoma anterior, cauda, postocularia R2 y dorsoglandularia D2 y D3, dorsoglandularia D4, y ventroglandularia V1, V2 y V3. La Figura 4 en el artículo de Ramirez et al (2016) identifica estas cinco zonas anatómicas. Los análisis estadísticos (MANOVA, CVA) sugirieron el descubrimiento de 10 estados distintos de la forma del idiosoma anterior en la variación de las 13 especies comparadas (data set 1, Ramirez et al 2016). Los mismos análisis por separado documentan que sólo hay tres estados para la forma del cuarto par de dorsoglandularia (data set 4, Ramirez et al 2016). Para propósitos de esta demostración, sólo procedemos en detalle para los análisis con datos de las coordenadas 2D del idiosoma (data set 1, Ramirez et al 2016).
B. Procedimientos para el registro de coordenadas 2D
El contorno del idiosoma anterior se registro con 23 puntos: tres son marcas y 20 semi-marcas. Se registraron 169 especímenes representando 13 especies, como grupos a priori. Como guía para la colocación de las semi-marcas, sobre cada imagen se dibujó un círculo de 50 radios equidistantes en Makefan6 (IMP; Sheets, 2006); se colocó una semi-marca en la intersección de cada línea sobre el contorno, dejando una línea libre entre cada semi-marca.
Superposición y alineamiento
Las configuraciones de coordenadas registradas (x, y) se sometieron a un Análisis Procrustes Generalizado usando CoorGen6h (IMP; Sheets, 2006). Además, las semi-marcas se alinearon con SemiLand 6 (IMP, Sheets 2003). Se uso un protocolo de alineamiento para definir 10 "puntos de ayuda" (puntos 16, 18, 20, 22, 25, 27, 29, 31, 33, 34).
C. Analisis de morfometría geométrica
Se calculó la forma promedio (configuración consenso) de todos los especímenes de las 13 especies, para usarla como referencia en la estimación de las variables de deformación ("partial warps") para los análisis estadísticos. Se examino la varianza generalizada en la forma del idiosoma entre todos los especímenes con un ACP, usando PCAGen 6p (IMP; Sheets, 2005c).
También se ejecutaron las pruebas para saber si hay diferencias entre las formas promedio de cada especie. Las 13 especies se usaron como grupos a priori para los análisis mutlivariados de varianza (MANOVA) ejecutado mediante el AVC usando CVAGen 6o (IMP; Sheets, 2007). En este caso, se eliminaron los seis últimos componentes del ACP, para disminuir el numero de variables en el AVC. Los resultados del MANOVA proveen las inferencias sobre si las formas son distintas y pueden reconocerse varios estados de carácter. La secuencia de los niveles de similitud entre estados se visualizo con un análisis de agrupamiento basado en la Distancia de Mahalanobis (DM), derivada del AVC. Se calcularon las DM pareadas entre los promedios de las 13 especies. Se aplico el algoritmo de agrupación UPGMA usando el programa NTSYS-PC 1.60 (Rohlf 1991).
D. Resultados
Los primeros tres componentes acumulan el 88% de la varianza generalizada de todos los especímenes (PC1 = 46.34, PC2= 32.72%, PC3= 9.31%).
Los análisis multivariados de varianza (MANOVA) detectaron diferencias entre 10 de las 13 especies, dado que 9 ejes fueron significativos en el AVC.
El análisis de agrupamineto basado en la DM muestra que la especie más diferente es Arrenurus (Dadayella) aztecus, una de las incluidas como grupo externo para los análisis filogenéticos. Este mismo análisis permite revelar que la forma del idiosoma no es diferente en cuatro especies: Megaluracarus catoi, M. maya, M. anitahoffmannae, y M. olmeca (Fig. 6, Ramirez et al 2016).
2. Formulación y evaluación de los caracteres morfométricos como homologías.
La formulación de homologías es relativamente trivial desde el punto de vista epistemológico. Todos los caracteres se pueden proponer como hipótesis de homología. Lo relevante es la evaluación de tales hipótesis sobre cualquier tipo de caracteres. La pregunta difícil es: ¿entre todas las similitudes (caracteres taxonómicos) propuestas como homología, cuáles son aceptables como inferencias confiables de historia filogenética? Es decir, el problema no es postular homologías, sino ¿como evaluar las hipótesis de homología y consecuentemente, las de grupos monofiléticos? En el análisis filogenético la selección de hipótesis aceptables de homología depende del criterio extraevidencial de parsimonia. El procedimiento de evaluación por congruencia entre caracteres permite abiertamente que las inferencias iniciales de homología sean destruidas en el cladograma más parsimonioso. Las hipótesis de homología son potencialmente refutadas por su incongruencia interna en un cladograma. Mediante el criterio de parsimonia se minimizan las proposiciones de "no homología" necesarias. Sólo en el cladograma global más parsimonioso se pueden salvar la mayoría de las hipótesis iniciales de homología y minimizar las re-interpretaciones de algunas similitudes (homologías refutadas) como evidencia conflictiva (homoplasia). En el estudio de caso que sigue se ejemplifica una estrategia práctica basada en el uso de medidas entre marcas (largos y anchos) y también con datos de coordenadas 2D en el análisis filogenético de un grupo de lagartijas del genero Sceloporus.
procedimientos para el registro de coordenadas 2D
superposición
conversión de coordenadas al formato de TNT
preparación de la matriz con caracteres combinados (distancias, discretos, nucleótidos, coordenadas)
ejecución de análisis básicos de búsqueda de árboles óptimos
estimación de medidas de soporte de clados
detección de sinapomorfías en los datos morfométricos
----
Adams DC, A Cardini, LR Monteiro, P O'Higgins & FJ Rohlf. 2011. Morphometrics and phylogenetics: Principal components of shape from cranial modules are neither appropiate nor effective cladistic characters. J. Human Evolution: 240-243.
Adams, D. C., Rohlf, F. J., & Slice, D. E. 2013. A field comes of age: Geometric morphometrics in the 21st century. Hystrix, 24, 7–14. https://doi.org/10.4404/hystrix-24.1-6283.
Ancona J.J. , J. J. Ortiz-Díaz, E. de Luna, J. Tun-Garrido y R. C. Berrientos-Medina. 2019
Statistical analyses of morphological variation in the Gymnopodium floribundum complex (Polygonaceae): definition of three subspecies. ACTA BOTÁNICA MEXICANA 126: e1517. DOI: 10.21829/abm126.2019.1517
Bookstein, F. L. 1994. Can biometrical shape be a homologous character? In B. K. Hall (Ed.), Homology: The hierarchical basis of comparative biology (pp. 197–227). London, UK: Academy Press.
Catalano, SA, PA Goloboff & NP Giannini. 2010. Phylogenetic morphometrics (I): the use of landmark data in a phylogenetic framework. Cladistics 26: 539-549.
Clouse, RM, BL de Bivort & G. Giribet. 2010. Phylogenetic signal in morphometric data. Cladistics 27: 1-4.
Felsenstein, J. 2002. Quantitative characters, phylogenies,and morphometrics. in MacLeod, N. and
Forey, F. (eds) Morphology, shape and phylogeny, London: Taylor and Francis, pp. 27-44.
Goloboff, P.A., Mattoni, C.I., Quinteros, A.S., 2006. Continuous characters analyzed as such. Cladistics 22: 589–601.
Gonzalez-Jose, R., Escapa, I., Neves, W., Cuneo, R., Pucciarelli, N., 2008. Cladistic analysis of continuous modularized traits provides phylogenetic signals in Homo evolution. Nature 453, 775–778.
Humphries, C. J. 2002. ‘Homology, characters and continuous variables’, in MacLeod, N. and
Forey, F. (eds) Morphology, shape and phylogeny, London: Taylor and Francis, pp. 8–26.
James, F. C. & C. E. McCulloch. 1990. Multivariate analysis in ecology and systematics: Panacea or Pandora's box. Ann. Rev. Ecol. Syst. 21: 129-166.
Klingenberg CP & NA Gidaszewski. 2010. Testing and Quantifying Phylogenetic Signals and Homoplasy in Morphometric Data. Syst. Biol. 59(3):245–261.
MacLeod N. 2002. Phylogenetic signals in morphometric data. In MacLeod, N. & P. T. Forey, P.T. (Eds.) Morphology, Shape and Phylogeny (pp. 100-138). London: Taylor & Francis.
Monteiro, L. R. 2000. Why morphometrics is special: The problem with using partial warps as characters for phylogenetic inference. Systematic Biology, 49, 796–800. https://doi.org/10.1080/106351500750049833
Naylor, G., 1996. Can partial warp scores be used as cladistic characters? In: Marcus, L.F., Corti, M., Loy, A., Naylor, G., Slice, D.E. (Eds.), Advances in Morphometrics. pp. 519–530.
Ospina S. & E. De Luna. 2017. Phylogenetic analysis of landmark data and the evolution of cranial shape and diets in species of Myotis (Chiroptera: Vespertilionidae). ZOOMORPHOLOGY 136(2): 251-265. DOI: https://doi.org/10.1007/s00435-017-0345-z
Palci, A., & Lee, M. S. Y. 2019. Geometric morphometrics, homology and cladistics: Review and recommendations. Cladistics 35: 230-242. https://doi.org/10.1111/cla.12340
Rohlf, F. J. 1998. On applications of geometric morphometrics to studies of ontogeny and phylogeny. Systematic Biology, 47, 147–158. https://doi.org/10.1080/106351598261094
Rohlf, F. J. 2002. Geometric morphometrics and phylogeny. In MacLeod, N. & P. T. Forey (Eds.) Morphology, Shape and Phylogeny (pp. 175-191). London: Taylor & Francis.
Solis-Zurita C., E. De Luna & D. González. 2019. Phylogenetic relationships in the Sceloporus variabilis (Squamata: Phrynosomatidae) complex based on three molecular markers, continuous characters, and geometric morphometric data. ZOOLOGICA SCRIPTA 48:419–439. DOI: 10.1111/zsc.12349.
Strauss RE. 2010. Chp 4. Discriminating groups of organisms. En: Elewa AMT (ed). Morphometrics for Nonmorphometricians. Lecture Notes in Earth Sciences 124. Springer-Verlag. pp 73-91.
No hay comentarios.:
Publicar un comentario
Preguntas, aclaraciones y/o correcciones, bienvenidas. Muchas gracias.