Documentos de Académico
Documentos de Profesional
Documentos de Cultura
señales aposemáticas
Resumen.
Muchas especies poseen defensas (como toxinas) contra el ataque de los
depredadores, que no pueden ser observadas por estos antes del ataque, pero que
podría ser beneficioso para el depredador evitar. A menudo, estos animales son de
colores brillantes o tienen alguna otra forma de señalar que están defendidos
(aposematismo). En uno de nuestros trabajos examinamos la evolución y el desarrollo
de la defensa y la conspicuidad, la luminosidad de la señal de defensa, en estas
especies de presas mediante un modelo de teoría de juegos. En este capítulo
desarrollamos más el modelo y, en particular, ampliamos los resultados más teóricos
con ejemplos que demuestran el tipo de soluciones que pueden darse. Clasificamos
ocho posibles configuraciones de niveles de solución para las soluciones simples. Por
último, hay otra clase de soluciones posibles, en las que hay una fuerte variación de
apariencia entre individuos entre presas conspicuas y mal defendidas, y demostramos
un ejemplo de esta solución compleja.
4.1 Introducción
Las especies de presas poseen varios tipos de defensa contra los depredadores.
Algunas de estas defensas son muy visibles, como las espinas afiladas o las patas
fuertes, que indican una velocidad de carrera rápida. Hay otras defensas no son
visibles, siendo el ejemplo más destacado la posesión de toxinas peligrosas o
desagradables. Algunas presas potenciales con defensas no visibles no tratan de
esconderse de sus depredadores, sino que anuncian sus defensas antidepredatorias
mediante señales brillantes: ganando disuadir los ataques, en lugar de evitarlos,
mediante la adopción de una apariencia críptica; un individuo críptico es aquel que
adopta una coloración o un patrón que lo hace difícil de ver. La existencia de señales
luminosas de defensa (las llamadas señales aposemáticas) fue vista por Darwin y
Wallace como un interesante desafío a la teoría evolutiva, y lo sigue siendo hasta hoy
(capítulo 8, Ruxton et al. [1]). Por simplicidad algebraica o computacional, la mayoría
de las teorías sobre la evolución de dichas señales asumen que la defensa en sí es un
rasgo fijo a lo largo del proceso evolutivo. Este enfoque es difícil de justificar
biológicamente, por lo que se requiere un enfoque que considere la coevolución tanto
de la inversión en defensas como de la apariencia externa de los individuos ante los
posibles depredadores. Además, la literatura teórica sobre el aposematismo se ha centrado
mucho en cómo podría evolucionar el despliegue aposemático en primera instancia, ignorando
las cuestiones más amplias sobre lo llamativo que debería ser un despliegue, y cuánto debería
invertirse en costosas defensas secundarias. Utilizaremos el término conspicuidad para
referirnos al brillo de la señal dada al depredador. El nivel mínimo posible de conspicuidad se
denominará cripsis.
En [2] examinamos la evolución y el mantenimiento de la defensa y la conspicuidad en las
especies de presa utilizando un modelo de teoría de juegos (véase también [3]). Un importante
modelo anterior [4] considera un grupo de depredadores ingenuos que inicialmente atacan a
todos los individuos, pero que con el tiempo aprenden a evitar los tipos no apetecibles.
Nuestro modelo considera un grupo de depredadores en equilibrio (es decir, con proporciones
fijas de la población depredadora en todos los niveles de aprendizaje), donde los individuos
pueden tanto aumentar como disminuir su aversión ( rechazo o repugnancia) a determinadas
apariencias (véase [5]).Hemos investigado la interacción entre la defensa y la conspicuidad de
forma teórica, con funciones generales, que han dado lugar a una serie de predicciones y
conjeturas, pero que han requerido algunas suposiciones. En este capítulo adaptamos el
modelo para hacer el análisis más manejable y examinamos en detalle algunas funciones de
ejemplo, mostrando que para estas formas funcionales nuestras predicciones se mantienen y
proporcionan una imagen mucho más clara de la relación entre las soluciones y los parámetros
específicos. En [2] y en las siguientes secciones, utilizaremos el término toxina para
representar las defensas no visibles, aunque los resultados son más ampliamente aplicables.
Suponemos que F es una función decreciente de t, al igual que K (los individuos de alta
toxicidad pueden ser liberados sin daños por un depredador que los encuentre desagradables).
Hay otra forma en la que la toxicidad puede afectar a la supervivencia, concretamente
influyendo en la probabilidad Q (I). Q (I) disminuye con la aversión de las experiencias que el
depredador ha tenido previamente (y recordado posteriormente) al atacar elementos de presa
de aspecto similar, I. Los valores positivos de H indican una experiencia aversiva; cuanto
mayor sea la toxicidad, más positiva será H y, por tanto, más aversiva será la experiencia. Si la
inversión de un individuo en las toxinas es baja, la experiencia de atacarlo puede no ser en
absoluto aversiva, es más, el depredador puede tratarla como una experiencia beneficiosa.
Describimos tales situaciones con un valor negativo de H.
Tabla 4.1. Los parámetros y funciones del modelo.
parámetro significado
t la toxicidad de un individuo.
r el nivel de conspicuidad de un individuo.
θ el parámetro de patrón de un individuo.
N el tamaño de la población de presas.
n el tamaño de la población de depredadores.
F(t) la fecundidad de un individuo de toxicidad t.
K(t) la probabilidad de que un individuo de toxicidad t muera en un ataque.
H(t) la aversión de un individuo de toxicidad t.
tc la toxicidad para la que H (t c) = 0.
D(r) la tasa de detección de individuos de conspicuidad r.
L(r) la tasa a la que se detectan y recuerdan los individuos de r.
S(x) la función de similitud de los individuos que difieren en apariencia por x.
I el nivel de información aversiva de un individuo.
Q(I) la probabilidad de que un depredador ataque a un individuo I.
a el parentesco medio de los individuos de la población.
λ la tasa de mortalidad de los individuos no debida a la depredación.
Q(I) es una función decreciente de I, de modo que si I es grande y positivo hay pocas
posibilidades de que el individuo sea atacado, y si es grande y negativo es casi seguro que será
atacado. El parámetro a afecta al modelo a través de la función de información I i (véase más
adelante).
(Si t 1 = 0 entonces está en equilibrio estable si la expresión anterior es negativa). Este valor t 1
> 0 era estable si se cumplía la siguiente condición:
Se demostró bajo ciertos supuestos que este valor de t, t (r), era único y aumentaba con r. Por
lo tanto, teníamos un valor único de t que era estable dado un valor particular de r.
Nos referimos a las soluciones anteriores como soluciones puntuales, porque tenemos una
solución monomórfica con todos los individuos de la población con valores idénticos de los
parámetros. No especificamos un valor para el parámetro θ, ya que cualquier valor de θ dará
un ESS; no importa qué θ se elija, siempre que todos los individuos elijan el mismo valor (los
que elijan un valor diferente lo harán peor). También se planteó la hipótesis de que podían
existir soluciones no puntuales, definidas por individuos con diferentes valores de r y θ, donde
C(r) es la densidad de la población de conspicuidad r, la densidad es uniforme sobre θ y la
solución satisface las siguientes condiciones. Tales soluciones deben satisfacer C(r) = 0 r ≥
r(m) para algún valor de r(m) y las dos ecuaciones siguientes. La primera ecuación es la
condición para que la población esté en equilibrio (donde todos tienen idénticos pagos), y la
segunda da una expresión para la función de información I (w) necesaria en la primera.
Todavía no hemos podido demostrar la estabilidad de esta solución.
donde el término de información I 1= N H(t 1)D(r 1)/n. Las condiciones clave de la EES de arriba
pueden ahora reordenarse como sigue.
y r > 0 es estable si
4.4 Resultados
Utilizaremos las siguientes funciones de ejemplo en las condiciones anteriores para encontrar
los ESS de nuestro modelo. Estos se han elegido para representar situaciones reales plausibles
y mantener la trazabilidad matemática.
(si es negativo, entonces t (r) = 0). Como D(r) aumenta con r, esto significa que hay un valor
único de t (r) para cada r, que aumenta a medida que lo hace r, siempre que a > 0.
Si t (r) < t C para todos los valores de r, entonces la desigualdad (4.12) no se satisface nunca,
por lo que no puede haber ninguna solución con r > 0. Es decir, si las presas son percibidas por
los depredadores como beneficiosas para ellos, entonces las presas deberían ser
máximamente crípticas. Si t (r) > t C para algún r, entonces esto es cierto para todo r mayor que
este valor. Esta solución se da si
donde suponemos que D(r) está acotado por encima de d m , de modo que existe un límite
superior a la tasa de encuentro de los individuos, independientemente de lo llamativos que
sean.
Siempre que D(r)/D’(r) no disminuya con r (y para cualquier función sensata es probable que
esto sea cierto), entonces si la estabilidad en r se satisface en algún valor de r, lo es para todos
los valores mayores, de modo que las soluciones son de la forma r > R. Si hay un valor máximo
de r admisible puede que no haya tal solución, de lo contrario, si (4.13) se satisface tal solución
está garantizada.
Suponiendo que r no esté acotado por encima, entonces existe un conjunto estable de
soluciones r > R si se cumple (4.13), es decir, i.e.,
Los valores evolutivamente estables dependen del tamaño relativo de la expresión 1/( f - A2 d 0
) - 1/k en comparación con 0 y t c , donde d 0 = D(0) y A2 = aqN/n, de arriba. Existe un conjunto
estable de soluciones r > R si 1/ (f - A2 d m) - 1/k > t c .
Para el caso c, tenemos automáticamente un conjunto estable. Sin embargo, si r tiene un valor
máximo r max , no es necesario que se produzca dicho conjunto. Dicho máximo r max no dará
lugar a dicho conjunto estable si se cumple la desigualdad (4.11) y la desigualdad (4.12) no se
cumple en r = 0, de modo que tenemos la siguiente desigualdad:
Esto se mantendrá para valores de v por debajo de un valor crítico siempre que t > t c. Por
tanto, podemos tener las ocho posibilidades.
Donde
Primero trataremos de obtener una expresión para Y (r, w), y luego consideraremos una
aproximación. Escogiendo v = 1 obtenemos
Consideraremos la aproximación no trivial más sencilla a Y (r,w), a saber,
Obsérvese que como el término de la derecha es positivo y también la integral, entonces sólo
puede haber una solución si H (t 1) < 0, de modo que el nivel de toxina de equilibrio es
insuficiente para ser aversivo.
Así,
y por lo tanto
4.6 Discussion
En este capítulo hemos desarrollado el modelo de [2] para intentar aclarar y elaborar algunos
resultados importantes de ese trabajo. En particular, hemos demostrado para nuestras
funciones elegidas que existe un nivel de equilibrio de toxicidad t (r) para cualquier aspecto r,
que este nivel aumenta con r (como predice [6]; la fuerza de esta relación depende del
parentesco de los individuos, entre otros factores) y que siempre se produce una estabilidad
en la dirección de t. Así pues, el conjunto de ESS puntuales se clasifica en una de las ocho
categorías, cada una de las cuales es posible. En particular, es posible que las presas
fuertemente defendidas sean crípticas en nuestro modelo. También hemos demostrado un
caso en el que se produce el complejo equilibrio no puntual hipotetizado en [2], y hemos
mostrado la forma de la solución. En resumen, hemos demostrado que todas las soluciones de
[2] se dan para valores razonables de los parámetros y hemos confirmado que los resultados
hipotetizados se dan efectivamente. Creemos que es probable que estos resultados se
generalicen a la mayoría de las formas razonables.
La literatura teórica relativa a las defensas secundarias está dividida en cuanto al grado de
defensa que podemos esperar de las presas crípticas. Tanto [4] como [7] sugieren que cuando
la presión de depredación es baja, las presas crípticas no deberían invertir en defensas
secundarias. Otros (por ejemplo, [8], [9], [10], [11], [12]) sostienen que las presas crípticas
pueden estar muy defendidas. Una consecuencia importante es que la coloración aposemática
no es necesariamente óptima para las presas que poseen defensas sustanciales.
Desde un punto de vista práctico, el avance más importante de este capítulo es la capacidad de
cuantificar la relación entre los valores de los parámetros y la gama de soluciones posibles,
como se ejemplifica en la figura 4.1. Esto debería permitir la comprobación efectiva de la
teoría mediante el estudio de los gradientes de los valores de los parámetros apropiados, ya
sea en análisis comparativos como [6] o mediante experimentos de laboratorio manipulativos
utilizando especies con tiempos de generación cortos. La Fig. 4.1 también deja claro que
pueden existir estrategias alternativas, y que la ESS seleccionada por un sistema dado no
depende simplemente de los valores actuales de los parámetros, sino también de la historia
evolutiva de la población. En este caso, los empíricos tienen el reto de explorar si existe alguna
evidencia de tales estados estables alternativos en la naturaleza. estados estables alternativos
en la naturaleza.
No hemos explorado la dinámica de nuestro modelo, pero podría ser compleja. Es probable
que cuando haya una única ESS críptica, ésta sea globalmente estable, pero cuando haya ESS
aposemáticas, hay un número infinito de ellas, y la situación será más complicada. No está
claro que todas las ESSs sean alcanzables mediante repetidas mutaciones localizadas. Tal vez,
partiendo de la cripsis, siempre se alcance el límite inferior R.
También es posible que haya una solución no puntual además de las soluciones puntuales
aposemáticas, de modo que no se pueda alcanzar ninguna de estas ESS aposemáticas desde la
cripsis. No está claro qué comportamiento dinámico se producirá a partir de un punto de
partida en el que r > 0. Obsérvese que cerca de cualquier solución puntual la evolución en la
dirección de r es más fuerte que en la dirección de t debido a la discontinuidad de la derivada
en esta dirección, de modo que el análisis puede reducirse efectivamente a una dimensión.