MADRID, 23 Dic. (EUROPA PRESS) -
Un enfoque computacional nuevo y rápido para obtener árboles evolutivos fechados con precisión ha confirmado que los mamñiferos modernos se originaron tras la extinción de los dinosaurios.
Los autores, codirigidos por el UCL (University College London) utilizaron el método novedoso para analizar un conjunto de datos genómicos de mamíferos y responder una vieja pregunta sobre si los grupos de mamíferos placentarios modernos se originaron antes o después de la extinción masiva del Cretácico-Paleógeno (K-Pg), que acabó con más del 70% de todas las especies, incluidos todos los dinosaurios.
Los hallazgos, publicados en Nature, confirman que los antepasados de los grupos de mamíferos placentarios modernos son posteriores a la extinción de K-Pg que ocurrió hace 66 millones de años, resolviendo una controversia sobre los orígenes de los mamíferos modernos. Los mamíferos placentarios son el grupo más diverso de mamíferos vivos e incluyen grupos como primates, roedores, cetáceos, carnívoros, quirópteros (murciélagos) y humanos.
La coautora principal, la Dra. Sandra Álvarez-Carretero, del departemento de Genetica y Evolución de UCL, quien comenzó la investigación mientras estaba en la Universidad Queen Mary de Londres, dijo en un comunicado: "Al integrar genomas completos en el análisis y la información fósil necesaria, pudimos para reducir las incertidumbres y obtener una línea de tiempo evolutiva precisa. ¿Coexistieron los grupos de mamíferos modernos con los dinosaurios o se originaron después de la extinción masiva? Ahora tenemos una respuesta definitiva".
El coautor principal, el profesor Phil Donoghue, de la Universidad de Bristol, dijo: "La línea de tiempo de la evolución de los mamíferos es quizás uno de los temas más polémicos en biología evolutiva. Los primeros estudios proporcionaron estimaciones de origen para los grupos placentarios modernos en las profundidades del Cretácico, en la era de los dinosaurios. En las últimas dos décadas, los estudios se movieron de un lado a otro entre los escenarios de diversificación posteriores a K-PG y anteriores a K-Pg. Nuestro cronograma preciso resuelve el problema ".
Con proyectos de secuenciación en todo el mundo que ahora producen cientos o miles de secuencias del genoma, y con planes inminentes para secuenciar más de un millón de especies, los biólogos evolutivos pronto tendrán una gran cantidad de información en sus manos. Sin embargo, los métodos actuales para analizar los vastos conjuntos de datos genómicos disponibles y crear líneas de tiempo evolutivas son ineficientes y computacionalmente costosos.
El coautor principal, el Dr. Mario dos Reis, de la Universidad Queen Mary de Londres, dijo: "Inferir líneas de tiempo evolutivas es un objetivo fundamental de la biología. Sin embargo, los métodos más avanzados se basan en el uso de computadoras para simular líneas de tiempo evolutivas y evaluar las más plausibles. En nuestro caso, esto fue difícil debido al gigantesco conjunto de datos analizados, que involucra datos genéticos de casi 5.000 especies de mamíferos y 72 genomas completos ".
En este estudio, los investigadores desarrollaron un nuevo enfoque bayesiano rápido para analizar un gran número de secuencias del genoma, al tiempo que tienen en cuenta las incertidumbres dentro de los datos.
El Dr. dos Reis agregó: "Resolvimos los obstáculos computacionales dividiendo el análisis en subpasos: primero simulando líneas de tiempo usando los 72 genomas y luego usando los resultados para guiar las simulaciones en las especies restantes. El uso de genomas reduce la incertidumbre porque permite el rechazo de líneas de tiempo no plausibles de las simulaciones ".
Usando su enfoque novedoso, el equipo pudo reducir el tiempo de cálculo para este análisis complejo de décadas a meses.
"Si hubiéramos intentado analizar este gran conjunto de datos de mamíferos en una supercomputadora sin utilizar el método bayesiano que hemos desarrollado, habríamos tenido que esperar décadas para inferir el árbol del tiempo de los mamíferos. Imagínense cuánto tiempo podría llevar este análisis si usáramos nuestras propios PC", dijo Álvarez-Carretero.
"Además, logramos reducir el tiempo de cálculo en un factor de 100. Este nuevo enfoque no solo permite el análisis de conjuntos de datos genómicos, sino que también, al ser más eficiente, reduce sustancialmente las emisiones de CO2 liberadas debido a la computación".
El método desarrollado en el estudio podría usarse para abordar otras líneas de tiempo evolutivas polémicas que requieren el análisis de grandes conjuntos de datos.
