Desarrollo teórico de un método morfométrico no-euclídeo basado en Redes Neuronales Artificiales y su aplicación a las transformaciones macroevolutivas en el cráneo de Theropoda

Abstract

Las formas orgánicas son la esencia de la adaptación biológica, y sus cambios en el tiempo son la muestra más clara del proceso evolutivo. Para entender ese cambio, y descifrar así las relaciones filogenéticas entre organismos, se desarrolló la morfometría: el estudio comparativo y cuantitativo de la morfología. Aunque existen diferentes métodos morfométricos, la mayoría se basan en transformaciones lineales entre puntos homólogos, y, como común denominador, imponen una naturaleza lineal a las transformaciones de carácter no-lineal que en realidad son las que ocurren en la evolución de los organismos. En el presente trabajo se explora una solución operativa posible a esas limitaciones: un método capaz de estimar complejidades o distancias algorítmicas entre las formas, de manera que se mueva en espacios de transformación y no en espacios euclídeos. Esta metodología se ha basado en Redes Neuronales Artificiales, un modelo de computación cada vez más utilizado en diversas áreas que, por las características de su funcionamiento y estructura, permite captar la no-linealidad. Una primera aproximación se ha realizado desde el estudio de transformaciones sobre formas relativamente sencillas derivadas de un cuadrado unidad. Posteriormente, para validar esta nueva aproximación se ha utilizado como modelo la transformación macroevolutiva del cráneo de los dinosaurios terópodos, desde los miembros basales del clado hasta las aves modernas. Pese a los resultados satisfactorios en la aproximación inicial, que demuestran la consistencia teórica del método, los resultados muestran que la red neuronal falla a la hora de aproximar las complejidades algorítmicas reales del cráneo. El resultado negativo despierta una serie de preguntas relevantes desde un punto de vista técnico y teórico, con implicaciones evolutivas importantes.