Variedades de la explicación en Evo-Devo

1. Introducción. La biología evolutiva del desarrollo

Si bien los escritos de Charles Darwin postulaban ya un posible papel del desarrollo en el cambio evolutivo, el lento desarrollo de la embriología como disciplina motivó su exclusión de la Síntesis Moderna que dominó el campo de la biología evolutiva a partir de la década de 1940. Más de tres décadas después la ontogenia sería reincorporada a la disciplina, con el surgimiento de la biología evolutiva del desarrollo (evo-devo), un campo que busca explicar los procesos evolutivos a través de las modificaciones en el desarrollo de los organismos ocurridas a lo largo de la filogenia. Los cambios en la forma y función de los individuos se estudian a través de las variaciones en la ontogenia que generan o modifican estructuras y procesos biológicos. Estas variaciones pueden ser posteriormente sujeto de la selección natural si impactan en el éxito reproductivo o fitness.

Los procesos del desarrollo son orquestados por complejas redes génicas afectadas por las condiciones ambientales a las que el organismo se encuentra sometido. Actualmente la estructura y variabilidad de estas redes y sus efectos en el desarrollo se estudian a través de los cambios fenotípicos que se observan en distintos caracteres.

2. La explicación mecanicista

Veamos los elementos mecanicistas indispensables para comprender las explicaciones utilizadas en evo-devo. Según esta corriente, el fenómeno de interés (explanandum) se explica en función de caracterizar las causas y mecanismos que lo producen. Para ello deben describirse las partes del mecanismo, sus actividades y la organización (espacial, temporal y jerárquica) que se establece entre ellas. Esto se conoce como condición 3M (model to Mechanism Mapping). A diferencia de los modelos fenomenológicos, un modelo mecanicista:

1. Debe involucrar partes robustas (detectables por distintas metodologías)

2. Esas partes deben tener propiedades estables (que tienden a co-ocurrir regularmente),

3. Y además deben ser potencialmente manipulables y plausibles fisiológicamente.

Las explicaciones causales son utilizadas en las llamadas ciencias frágiles (aquellas en las que las leyes no son rígidas, sino que interesan las regularidades estadísticas, por ser mecanísticamente frágiles).

Las explicaciones mecanicistas son además multinivel; es decir que integran una jerarquía de mecanismos, involucrando las relaciones entre partes que pertenecen a distintos niveles y que ejercen efectos entre sí.

Según la concepción manipulacionista de la relevancia causal (y explicativa), una variable X es causalmente relevante para otra variable Y si la intervención sobre X genera un cambio en Y solo vía el cambio en X. Dado que una explicación satisfactoria debe abarcar distintos niveles, es habitual que la intervención y la detección de los efectos no ocurran dentro del mismo nivel. Craver separa este tipo de intervenciones en top-down (se interviene sobre componentes en los niveles superiores para luego observar las consecuencias en los niveles inferiores) y bottom-up (en que la intervención se hace en los niveles inferiores y se detectan los efectos en niveles superiores).

3. Intervenciones experimentales en evo-devo

La observación y descripción de la variabilidad natural constituyen una fuente importante de información para la evo-devo y pueden utilizarse para inferir mecanismos posibles del surgimiento del cambio fenotípico. Sin embargo, usualmente se requieren ensayos manipulativos, que involucran a diversos niveles, tanto top-down como bottom-up, para establecer relaciones de causalidad de las que puedan derivarse mecanismos actuales.

Un ejemplo de análisis top-down:

1. Análisis de asociación del genoma completo (Genome Wide Association Studies o GWAS) sobre poblaciones sujetas a diferentes condiciones ambientales, en los que se buscan asociaciones estadísticas entre distintas variantes genéticas y la variabilidad fenotípica observada (Korte & Farlow, 2013).

2. Caracterización de los cambios fenotípicos o en algún nivel del mapa genotipo-fenotipo G->F luego de un régimen de selección artificial sobre una población (von Heckel et al., 2016; MacMillan et al., 2016).

Ejemplos de análisis bottom-top:

Estudio del efecto fenotípico causado por los cambios en la expresión de un gen mediante su inducción ectópica, (la expresión ectópica es la expresión de un gen en un tejido donde no se expresa normalmente.​ El término también se refiere a la expresión de un gen en un punto del ciclo celular o del desarrollo del organismo en el que no es expresado en condiciones normales.​ Puede deberse a una enfermedad, o ser producida artificialmente) su anulación por knock-out (desactivación génica) o la introducción de mutaciones puntuales dentro o en las cercanías del gen.

Habitualmente estos estudios implican un contraste con individuos con idéntico genoma.

4. Manipulación y representatividad

Puede entenderse que una relación causal inferida en base a ensayos manipulativos es representativa o posee validez externa (Sullivan, 2009) si se mantiene y resulta relevante a un proceso dado en condiciones de interés externas a las de laboratorio. En el caso particular de la evo-devo, esto implicaría caracterizar relaciones causales que sean relevantes a las trayectorias evolutivas en poblaciones naturales. Por ejemplo, las expresiones ectópicas o los mutantes puntuales de gran efecto fenotípico no serían relevantes a este nivel (por no ser esperables en la naturaleza), si bien han sido intervenciones importantes en la historia para dilucidar aspectos de otra forma inaccesibles al investigador. No obstante, el surgimiento de los GWAS (estudios globales de genomas completos) en los últimos años permitió detectar variantes con efectos fenotípicos más sutiles utilizando líneas derivadas de poblaciones naturales, lo cual permite la identificación de mutaciones presentes en la naturaleza.

En resumen, a causa del control de distintas variables necesario para determinar causalidad –particularmente entre distintos niveles– y también de las limitaciones en la potencia de las herramientas de manipulación y análisis disponibles en la actualidad, se establece un compromiso entre manipulación y representatividad en las intervenciones aplicadas en evo-devo.

5. Explicaciones no mecanicistas en evo-devo

Uno de los principales objetivos del campo de la evo-devo siempre ha sido explicar el surgimiento y el mantenimiento de la variabilidad que puede encontrarse en la naturaleza, considerando las relaciones de causalidad entre componentes en distintos niveles de organización. Hasta la Síntesis Moderna, los esfuerzos de la biología evolutiva se concentraban en estudiar la transmisión de los alelos a lo largo de la filogenia, resaltando la importancia de las mutaciones casi neutrales en la evolución; el surgimiento de la evo-devo cambió el foco a la transmisión de cambios fenotípicos (Krimsky & Gruber, 2013), con un interés casi exclusivo por las variantes involucradas en los cambios de forma y función (Carroll, 2005). Este abandono del concepto del genoma como único determinante de la variabilidad fenotípica y el abordaje de los factores epigenéticos –en un sentido amplio– ha permitido desarrollar en los últimos años teorías que explican la robustez y la plasticidad de los sistemas biológicos (Flatt, 2005), y la importancia de las mutaciones casi neutrales y la variabilidad críptica así como la aparición de novedades evolutivas en tiempos relativamente cortos (Paaby & Gibson, 2016) como resultado de las propiedades emergentes de la organización del mapa G -> F.

La incorporación de la biología del desarrollo, particularmente a partir del concepto de arquitectura genética, agrega complejidades que resaltan la fragilidad en la relación entre genotipo y fenotipo también a nivel molecular (Mackay, 2001). En este contexto, no es extraño que los modelos que permiten extraer mecanismos posibles se encuentren en auge, más aún cuando las mejoras en las técnicas de simulación y el aumento del poder de cómputo han permitido sofisticarlos y obtener explicaciones que involucran una gran complejidad (Pfau et al., 2011). La biología evolutiva computacional, que involucra a la vez la simulación de procesos evolutivos y su aplicación en el desarrollo de algoritmos en evolución, puede considerarse un campo enteramente compuesto de este tipo de modelos (Wagner & Altenberg, 1996) que ha contribuido al desarrollo de la evo-devo. Los experimentos de simulación son útiles en una disciplina que involucra el estudio de dinámicas poblacionales a lo largo de tiempos extensos o bien de fenómenos no fácilmente manipulables. Por ejemplo, el análisis in silico de poblaciones permite modelar dinámicas evolutivas ante cambios en distintos parámetros de la arquitectura genética, el ambiente y/o las funciones de fitness (Hoban et al., 2012). Los modelos dinámicos, por otro lado, utilizan la teoría de los sistemas dinámicos para comprender fenómenos en los cuales estos cambian en función del paso del tiempo. Las relaciones entre los componentes del sistema se describen mediante lenguaje matemático de forma de poder modelar su evolución y así generar predicciones acerca de su comportamiento que puedan ser contrastadas con datos empíricos (Venturelli, 2012).

Finalmente, otras construcciones enteramente ficcionales (modelos as if), analogías o metáforas, son utilizadas en la evo-devo para ilustrar procesos complejos o comprender ideas abstractas mediante su comparación con conceptos tangibles (Lakoff & Johnson, 1980; Pugh, 1992) y pueden utilizarse para el planteo de mecanismos posibles (Keller, 2002). Los distintos tipos de modelos mencionados pueden solaparse entre sí (como en el caso de redes o modelos dinámicos que involucran simulaciones), y son integrados en la bibliografía junto con las intervenciones manipulativas y las metáforas o analogías con el objetivo de lograr un mejor entendimiento de los mecanismos involucrados en los fenómenos de interés.

Concluimos entonces que una pluralidad en las explicaciones y modelos utilizados en la evo-devo puede servir como estrategia para aprovechar las ventajas y lidiar con las limitaciones de cada acercamiento. Esta posibilidad de abordar distintos fenómenos en simulaciones o en organismos modelo adecuados a los intereses y necesidades de cada investigador favorece la constitución un cuerpo de conocimiento robusto que permite abordar los fenómenos complejos y contingentes que subyacen al surgimiento de la diversidad biológica.

Autores originales: María Alejandra Petino Zappala y Sergio Daniel Barberis

Epistemología e Historia de la Ciencia. Vol. 3. N. 1. Disponible en: https://revistas.unc.edu.ar/index.php/afjor/issue/view/1726/showToc