See

discussions, stats, and author profiles for this publication at: https://www.researchgate.net/publication/237522938

Morfometría geométrica: principios teóricos y

métodos de empleo.

Chapter · January 2011

CITATION READS

1 5,702

1 author:

Nicolas Jaramillo O
University of Antioquia
64 PUBLICATIONS 1,077 CITATIONS

SEE PROFILE

Some of the authors of this publication are also working on these related projects:

Geographic variability in wing's shape of Colombian Triatoma dimidiata. View project

Artificial selection of insecticide resistance to lambda-cyhalothrin in Aedes aegypti and cross resistance
to other insecticides View project

All content following this page was uploaded by Nicolas Jaramillo O on 28 May 2014.

The user has requested enhancement of the downloaded file.

 MORFOMETRÍA GEOMÉTRICA: PRINCIPIOS TEÓRICOS Y MÉTODOS DE
EMPLEO

Nicolás Jaramillo-O.
Profesor Asociado
Instituto de Biología, Universidad de Antioquia
Calle 62 # 52-59, SIU, laboratorio 620,
Grupo de Biología y Control de Enfermedades Infecciosas
Tel.: 57-4-2196521. Fax: 57-4-2196565
e-mail: nicolas.jaramillo@siu.udea.edu.co
Medellín, Colombia

INDICE
1. Resumen
2. Palabras claves
3. Introducción
4. Variabilidad morfológica
5. Selección de puntos anatómicos y toma de datos
5.1. Puntos anatómicos de referencia, contornos
5.2. Homología
6. Análisis generalizado de Procrustes y la técnica de las deformaciones de placas delgadas
6.1. Visualización de las deformaciones de conformación
6.2. Uso de los pseudo-puntos anatómicos deslizantes (“Sliding semi-landmarks”)
6.3. ¿Qué hacer con las regiones curvas de la anatomía?
7. Análisis estadísticos (univariados y multivariados)
8. Alometrías
9. Asimetrías
10. Agradecimientos
11. Referencias

1. RESUMEN
Uno de los objetivos principales en Biología es entender el origen, la naturaleza y las
causas de cambio en los patrones de variación. El análisis cuantitativo de la variación
fenotípica y sus relaciones con la ambiental, genética y aleatoria (o de origen desconocido)
ayuda enormemente a alcanzar tal objetivo.

La primera propiedad de los organismos que resalta a nuestra vista es su variabilidad

morfológica. Un sinnúmero de factores biológicos y no-biológicos subyacen a tal
variabilidad interactuando de un modo complejo para modelar los individuos, las
poblaciones y las especies. Los factores biológicos son el producto de procesos micro- y
macro-evolutivos interactuando con el ambiente. Es así como, el tamaño y la conformación
morfológica resultan de la interacción entre los efectos maternos y la calidad de vida
durante el desarrollo con las combinaciones genotípicas heredadas de los padres, en un
marco genético dado por la historia evolutiva. Las poblaciones y especies, entonces,

1
adquieren rasgos morfológicos propios que impactan de manera diferencial su biología y
ecología.

Cuantificar y analizar la variación morfológica que resulta de tales interacciones es el

principal objetivo de la morfometría. Se complementa este objetivo con la cuantificación
de la co-varianza entre la morfología y otras variables de origen genético, climático,
geográfico, etc.
Este es un capítulo introductorio para quienes desean conocer los principios teóricos de la
morfometría geométrica y los métodos más usados para su aplicación. Para ello se
presentan de manera muy sucinta las relaciones entre las técnicas morfométricas y los
estudios de biología de las poblaciones, haciendo una breve reflexión sobre la variabilidad
morfológica. Se enseñan las principales técnicas de adquisición y manejo de las
mediciones. Se enseñan los métodos de procesamiento morfométrico, en particular el
Análisis Generalizado de Procrustes, para obtener la variación de tamaño y la de
conformación libre de la variación no-biológica. Finalmente se presentan los análisis
estadísticos (univariados y multivariados) más útiles para comparar la variación
morfométrica. Espero que a lo largo de todo el capítulo se logre dar a conocer los alcances
(ecológicos, taxonómicos, evolutivos) de esta poderosa herramienta de análisis cuantitativo
de la variación morfológica y se despierte la curiosidad y el interés por avanzar en su
comprensión y aplicación a resolver problemas del orden biológico.

2. PALABRAS CLAVES: morfometría tradicional, morfometría geométrica, análisis

multivariados, análisis generalizado de Procrustes, thin-plate spline, alometría, asimetrías.

3. INTRODUCCION
Al comparar conjuntos de individuos pertenecientes a diferentes entornos espaciales,
temporales o ecológicos, frecuentemente se detecta una variabilidad morfométrica
importante. A causa de ello, el investigador se enfrenta a responder preguntas similares a
las siguientes:

1) ¿Las diferencias observadas son debidas sólo a variación intra-específica o hay más de
una especie involucrada?

2) Si resulta que la variación morfométrica observada es intra-específica (entre

poblaciones) ¿habrá un sustrato genético que dé cuenta de tal variación?

3) ¿Cómo diferenciar la porción de variación morfométrica causada por factores

ambientales de la porción que responde a la expresión del genoma subyacente?

Las respuestas corresponden a los atributos biológicos del grupo de organismos bajo
estudio, no de los individuos por separado, y se obtienen del análisis del conjunto de rasgos
morfométricos. Las especies y poblaciones se pueden confundir entre sí cuando se estudian
los caracteres individualmente; pero se tornan entidades propias cuando se consideran
muchos caracteres en conjunto. La razón de ello estriba en que las fuerzas selectivas actúan
sobre el conjunto de rasgos de la población. Tales fuerzas se manifestarán como la

2
adaptación del grupo a la interacción entre los diversos factores internos y externos a los
organismos.

Los métodos morfométricos proveen al investigador de un conjunto de técnicas analíticas

muy poderosas para cuantificar la variación morfológica y examinar los componentes
genético y ambiental de los rasgos examinados. A partir de un conjunto de mediciones
(variables continuas) los análisis permiten obtener nuevas variables que describen la
conformación de una estructura biológica, la cual es libre de la variación no biológica
(aquella relacionada con la escala, la posición y la orientación de la estructura morfológica
en el espacio) y resulta de la historia evolutiva particular del conjunto de organismos que la
comparten. Paralelamente, también se obtiene una estimación del tamaño, el cual podría ser
explicado por factores fisiológicos ocurriendo durante la ontogenia o por adaptaciones
acaecidas durante la historia evolutiva. El objetivo de los análisis es estudiar por separado
la variación en la conformación y el tamaño, relacionando entre sí estos componentes
morfométricos con el entorno interno y externo de las poblaciones, suponiendo que ambos
son modificados por razones biológicas diferentes (Slice, 2005, 2007).

Algunas manipulaciones experimentales apoyan y complementan la información

proporcionada por las poblaciones naturales. Una de ellas consiste en eliminar la variación
macro-ambiental creciendo los organismos en ambientes controlados, como es el caso de
los insectarios. Las diferencias que persisten entre las medias poblacionales tienen
probablemente un origen genético. Por el contrario, se puede eliminar la variación genética
estudiando clones biológicos en ambientes heterogéneos. En este caso, las diferencias entre
los clones se pueden atribuir a la variación ambiental. Otro método se basa en la selección
artificial de ciertos caracteres ligados al valor adaptativo (fitness) y estudiar los cambios
morfológicos correspondientes (por pleiotropía o ligamiento genético). La información
procedente de la biología molecular (RAPDs, isoenzimas, microsatélites, etc.) y de
parámetros ambientales (latitud, longitud, precipitación, temperatura, etc.) complementan
los análisis morfométricos.

La morfometría se ha beneficiado grandemente del desarrollo de las computadoras. Ahora

es posible automatizar el proceso de toma de mediciones, la manipulación computarizada
de grandes matrices de datos y los análisis multivariados con un despliegue de gráficas muy
elaboradas. Todo esto no era accesible para la mayoría de los investigadores hace tan sólo
35 años.

Con las herramientas anteriores la morfometría contribuye a dar respuesta a problemas de

taxonomía y de biología evolutiva. Es entonces un objeto del conocimiento que puede ser
importante para responder preguntas teóricas y aplicadas en Biología (Slice, 2005, 2007).

Este capítulo pretende enseñar las bases teóricas y experimentales de la morfometría

geométrica con la esperanza que logre despertar una curiosidad intelectual e investigativa,
para que en el futuro nuestros biólogos puedan contribuir exitosamente a la dinámica de la
investigación en este campo.

3
4. LA VARIABILIDAD MORFOLÓGICA Y LA MORFOMETRÍA GEOMÉTRICA
Actualmente, la moda, lo que llama la atención, parece ser la biología molecular. Aún la
taxonomía tradicional, basada en caracteres morfológicos discretos, es cuestionada, en
muchas ocasiones, por los resultados de la biología molecular.

Muchos piensan que la mirada tradicional sobre la morfología (como lo hacen por ejemplo,
los taxónomos) es tremendamente subjetiva. Si le añadimos un proceso de cuantificación al
análisis morfológico, el asunto se vuelve un problema de estadística y ésta es mirada con
recelo. Trabaja con promedios y varianzas, las cuales no son entidades físicas. Sus
resultados son probabilidades; esto es, siempre está la posibilidad del error. Nunca hay
certezas.

Los taxónomos tradicionales y los biólogos moleculares trabajan con individuos, los
identifican, y clasifican. Toman mediciones, cuentan estructuras, sacan proporciones para
comparar pares de individuos y así afirmar sus clasificaciones. Para ellos el problema de la
clasificación es una propiedad individual, no colectiva. Y eso está bien: cada individuo
debe ser identificado y clasificado correctamente en su taxón. Otro asunto, es el problema
de la realidad del taxón (del grupo cohesivo): ¿es una entidad natural? o ¿es una
construcción imaginaria, producto de la necesidad de comunicación humana o de la
satisfacción personal del taxónomo?

Asumiendo que estamos ante una realidad natural, el problema de la clasificación pasa de
ser individual a grupal. Cuando usamos las claves dicotómicas usuales ¿se toma en cuenta
la variabilidad genotípica y fenotípica? No siempre. ¿Quién asegura que en los rangos
descritos está contenida toda la variación del taxón en cuestión? La morfometría ha
demostrado ser una buena herramienta para apoyar la taxonomía, tomando en consideración
estas inquietudes.

Reflexionemos un poco sobre la variabilidad. Miremos en primer lugar el aspecto estético:

la belleza es muy subjetiva, pero probablemente estamos de acuerdo en que si ponemos al
frente de muchas personas del común una imagen de un chimpancé, de una electroforesis
de isoenzimas y de una secuencia de ADN y les pedimos que decidan cual es el objeto más
bello, la mayoría escogerían al primero. Siempre nos maravilla la complejidad de un
organismo, su incomprensible capacidad de acción e interacción. También es cierto que
nuestra primera mirada al mundo; donde reconocemos por primera vez la variabilidad
extraordinaria de la naturaleza, es desde lo morfológico.

La ciencia actual se fundamenta en hipótesis. Sin embargo, muchos de los estudios

científicos en nuestro medio se hacen sin hipótesis. Son descriptivos. Los morfólogos
clásicos son fundamentalmente descriptivos. Dedicados muchos de ellos a hacer
inventarios. Son los que llamamos naturalistas. Los que se preguntan ¿Qué hay? No los que
se preguntan ¿por qué hay?, ¿cómo es que hay? ¿cómo es que no hay? Ahora es necesario
hacer esas descripciones naturalistas en un contexto ecológico, incorporando tales
preguntas. Sólo así podremos responder dichas preguntas y comprender las asombrosas
variaciones naturales.

4
Pero, en el contexto ecológico, cuando pasamos de la lista de inventarios al análisis de las
relaciones del taxón de nuestro interés con otros taxones y con los elementos físicos del
ambiente, nos enfrentamos a una gran dificultad: la complejidad biológica.

Evidentemente un chimpancé es mucho más complejo que una isoenzima o que una
secuencia de ADN. Sus relaciones con el entorno, con sus congéneres, con los otros
organismos y con los factores no vivos de la naturaleza, su personalidad, su fisiología, su
morfología, etc. tienen gran cantidad de partes constitutivas, tienen conectividad, tienen
auto-organización, hay dependencia del contexto, hay dependencia histórica, hay
jerarquías, y la razón por la cual los sistemas complejos son más difíciles de estudiar: son
irreductibles, en el sentido que el organismo es la integración funcional de sus diferentes
módulos constitutivos. Muchas de sus propiedades son emergentes; es decir, no se
encuentran en los módulos aislados. Sólo después que se integran de manera
funcionalmente coherente aparecen dichos atributos. Esto hace parte de los motivos por los
cuales hay morfologías que se pueden imaginar pero que nunca veremos en la naturaleza.

Por eso, para entender la posición de un grupo de organismos en la naturaleza y no sólo

para darle un nombre que lo distinga de los demás, se requiere el aporte de muchas
disciplinas biológicas. La taxonomía sistemática es una de ellas. Otras son: la
paleobiología, la ecología, la biología molecular y la genética, la biología del
comportamiento, la fisiología, la embriología y la morfometría.

Lo que más resalta de la morfología es la variabilidad. La que tiene efectos evolutivos es

aquella heredada vía el material genético. La expresión de este material interactúa con la
variabilidad ambiental para dar origen a la diversidad fenotípica. El individuo adulto es el
resultado de tal interacción que se presenta a lo largo de su desarrollo y que está limitada
por reglas mecánicas que descartan las variaciones no funcionales.

Entonces, detrás de la variabilidad hay factores biológicos y no biológicos. Un individuo

tiene un tamaño que es producto, no sólo de su ambiente materno, de su ontogenia, de sus
encuentros con parásitos, depredadores, etc. sino, además, de la combinación genética
particular que fue heredada de sus padres. Las poblaciones, al igual que las especies,
también tienen atributos de tamaño propios, los cuales están codificados en los alelos que
portan. El tamaño de los individuos de una especie fluctúa en un rango especifico;
propiedad que es muy utilizada por los taxónomos. Sin embargo, los extremos de la
variación de tamaño de los taxones en muchas ocasiones se superponen. En estos casos es
útil estudiar la variación de la conformación biológica (el aspecto, la configuración, la
figura). Por ejemplo, consecuente con sus trayectorias evolutivas divergentes Rhodnius
prolixus es una especie de tamaño pequeño en relación con R. pallescens, aunque los
individuos más grandes de la última especie pueden ser de igual tamaño que los más
pequeños de la primera. Pero, ambas especies exhiben además conformaciones corporales
diferentes (Jaramillo & Caro-Riaño, 2005), todo lo cual podría estar involucrado en las
diferentes capacidades como vectores de Trypanosoma cruzi, el hemoparásito causante de
la enfermedad de Chagas.

5
Probablemente el tamaño y la conformación no se pueden desligar en términos biológicos,
en el sentido que cualquier alteración en el tamaño causa una alteración correspondiente en
la conformación. Sin embargo, es factible suponer que ambos rasgos tienen bases genéticas
propias y el peso que cada factor ambiental tiene en su expresión es diferente (Dujardin,
2008).

Imagine que toma, a contraluz, sendas fotos de dos amigos. Las revela en el mismo formato
y aunque sólo puede ver las siluetas de ambos aún puede distinguirlos, no por su tamaño
pero si por su conformación corporal. Probablemente podamos tener resultados muy
similares si comparamos, de igual modo, dos especies. En un caso difícil, quizás se nos
ocurra recortar las siluetas y sobreponerlas para detectar las diferencias. Sin embargo, hay
especies tan similares que esta habilidad es inútil. Necesitamos, entonces, alguna técnica
analítica para develar las diferencias, muchas veces ocultas a la simple inspección visual.
Siempre vamos a querer describirlas y buscar las explicaciones de tales diferencias. Esa
técnica es la morfometría geométrica.

La morfometría geométrica o el análisis cuantitativo de la relación entre la variación de la

conformación biológica con la de origen genético, ambiental e inclusive aleatorio (o
desconocido) ayuda enormemente a entender su naturaleza y la acción de los factores que
alteran su distribución. Aunque la conformación y el tamaño responden a causas micro y
macroevolutivas, existe un consenso de que la conformación es menos afectada por la
variación ambiental (Dujardin, 2008; Caro-Riaño et al., 2009). Separar la variación de la
conformación que es moldeada por factores biológicos de la variación de tamaño y de la
causada por factores no biológicos es una gran posibilidad de la morfometría geométrica.
La morfometría geométrica es, entonces, el estudio de la variación de las conformaciones
biológicas y su covariación con otras variables (Adams et al., 2004; Rohlf and Marcus,
1993).

La morfometría tradicional utiliza las distancias lineales entre dos puntos anatómicos, las
cuales se traducen en el papel en cifras, perdiendo su relación con la forma biológica. Igual
podrían ser datos tomados de mediciones económicas, de encuestas psicológicas o políticas,
de objetos no biológicos, etc.; con ellas se pierde la orientación de las diferencias
morfológicas. Por el contrario, la morfometría geométrica conserva a través de los
diferentes procesos analíticos la posición espacial relativa de los puntos anatómicos, cuya
unión da la configuración geométrica de los organismos. El proceso comienza seleccionado
puntos sobre las estructuras biológicas, para luego convertirlos en coordenadas. En las
coordenadas crudas está la información de la variación de la conformación biológica; pero,
también están contenidas las diferencias causadas por la escala a la que fueron tomadas, la
orientación y la posición espacial. De tal manera que en este estado no es posible estimar
los cambios de la conformación ni la dirección de tales cambios. Una vez se procesan las
coordenadas mediante la morfometría geométrica se puede estudiar la variación de la
conformación biológica, libre de efectos artefactos, y su co-variación con otras variables.

6
En la literatura se pueden encontrar ejemplos de la utilización de la morfometría geométrica
para: (1) detectar y describir cuantitativamente la variación morfológica presente en las
poblaciones, (2) investigar el origen y la naturaleza de la variabilidad morfológica, (3)
investigar los factores que pueden alterar los patrones de variación morfológica, (4) apoyar
la taxonomía, en particular en poblaciones de estatus taxonómico dudoso, (5) detectar
patrones evolutivos y (6) apoyar los estudios filogenéticos.

5. LA TOMA DE DATOS EN MORFOMETRÍA GEOMÉTRICA

5.1. Puntos anatómicos de referencia, contornos
La morfometría geométrica utiliza las coordenadas de ciertos puntos llamados “puntos
homólogos” o mejor “puntos anatómicos de referencia” (PAR). Estos son puntos
específicos, localizados de acuerdo a algún criterio, sobre una estructura biológica o una
imagen de ella. En condiciones ideales, se tienen en cuenta criterios de importancia
biológica, adaptativa, taxonómica y filogenética. Sin embargo, es muy poco frecuente la
posibilidad de definir puntos con tales criterios. Se recurre, entonces, a reglas prácticas:
puntos de fácil ubicación, ojalá situados en intersecciones de dos o más tejidos y presentes
en todas las estructuras analizadas. Los PAR se pueden localizar sobre todo el cuerpo:
cabezas, alas, patas, palpos, antenas y abdomen. Esta última estructura es la menos
recomendada debido a los grandes cambios de forma causados por la alimentación. Las
estructuras tridimensionales también pueden causar problemas de precisión cuando la toma
de coordenadas se hace sobre imágenes en fotografías o dibujos hechos con la ayuda de
cámara lúcida. En la actualidad existen en el mercado escáneres para estructuras
tridimensionales y software para digitalizar los PAR sobre ellas; pero son muy costosas.
Las estructuras planas son las que mejor se prestan para definir los puntos con los sistemas
tradicionales: un estero-microscopio adaptado con “zoom”, cámara lúcida y cámara
fotográfica digital y una computadora con el software apropiado para digitalizar los puntos.
Tal vez esta es una de las razones por las cuales en triatominos, con frecuencia, se
encuentra que las alas son más informativas que las cabezas.

Fred Bookstein (Bookstein, 1990) clasificó los puntos en función de la facilidad para
reconocerlos en cada estructura. Los de tipo I, son aquellos más fácilmente reconocibles y
se encuentran en la conjunción o en la intersección de dos o más tejidos. Por ejemplo, las
intersecciones de las nervaduras de las alas en insectos. Los de tipo II, son más difíciles de
reconocer como homólogos (ver ítem 5.2); corresponden al extremo cóncavo o convexo de
una curvatura. Fíjese, por ejemplo, en la porción más distal del ala de un insecto.
Finalmente, los de tipo III, es muy probable que no sean homólogos. Corresponden a los
puntos que separan los extremos de una estructura o que se localizan en uno de los
extremos de una estructura que seguramente no es plana (Figura 1). Es importante,
entonces, incluir para el análisis puntos de tipo I. Sin embargo, es posible que los otros
tipos de puntos contengan una variabilidad de origen biológico, que puede no estar presente
en los de tipo I y que no sería bueno desconocer. Por ello, es recomendable hacer análisis
exploratorios con diferentes conjuntos de puntos, incluyendo algunos de tipo II, para
identificar los más informativos. Nunca sobra decir, que una buena selección de puntos es
fundamental para obtener resultados sólidos y confiables.

7
Es importante considerar el número de puntos a escoger. Cada PAR contribuye a dos
variables: una coordenada sobre el eje de las abcisas y otra sobre el de las ordenadas. El
número de individuos del grupo más pequeño debe superar en, al menos dos veces, el
número de variables, porque en los análisis estadísticos el error residual (varianza intra-
grupo) crece exponencialmente a medida que decrece el tamaño de la muestra con relación
al número de variables.

III

II

Figura 1. Puntos anatómicos de referencia. Los puntos tipo I, II y III conllevan una
información de calidad decreciente. Los de tipo III son informativos sólo en una dirección
(una de las coordenadas no puede ser definida), por lo cual se llaman semi-puntos
(semilandmarks en inglés). Estos pueden ser procesados por un algoritmo matemático que
los desliza a lo largo de una tangente a la curva.

8
El primer método geométrico hizo uso de los contornos de las estructuras. Los contornos se
superponen y ajustan, de manera óptima mediante una función matemática que usualmente
es el análisis de Fourier. Los coeficientes derivados del análisis se usan como variables de
conformación para comparar las estructuras mediante análisis estadísticos multivariados.
Este método no es el más usado ahora, porque no es fácil definir la correspondencia punto a
punto de los puntos que definen los contornos; a pesar, de que los contornos como tales
pueden considerarse homólogos para todos los especímenes.

Existen en Internet varios programas computacionales de acceso gratuito para convertir los
PAR ubicados sobre las imágenes en coordenadas cartesianas y en contornos. El más usado
es el desarrollado por F. James Rohlf (Department of Ecology and Evolution, State
University of New York, Stony Brook, NY): tpsDig. Este programa es actualizado
frecuentemente y se puede bajar gratis de http://Life.Bio.SUNYSB.edu/morph/morph.html.
También recomendamos el COOwin desarrollado por Jean Pierre Dujardin (IRD,
Montpellier, Francia). Este programa se encuentra disponible gratuitamente en:
http://www.mpl.ird.fr/morphometrics/

5.2. Homología
En morfometría geométrica se usa, frecuentemente, el término de puntos anatómicos
homólogos para referirse a puntos que son fácilmente reconocibles en cada una de las
estructuras biológicas analizadas. Sin embargo, tal connotación no tiene necesariamente un
significado evolutivo. Es decir, los puntos no se escogen en función de haber derivado de
un ancestro común reciente; aunque, en la mayoría de los casos, es muy probable que si lo
sean.

6. ANÁLISIS GENERALIZADO DE PROCRUSTES Y LA TÉCNICA DE LAS

DEFOMACIONES DE PLACAS DELGADAS (THIN-PLATE SPLINE)
La morfometría, tradicional y geométrica, permiten detectar los primeros cambios
generados por la estructuración geográfica y la “micro-evolución”. Además, permite
estudiar de manera indirecta, sin costos elevados pero con resultados confiables y
comparativos, los cambios ambientales y evolutivos que afectan al organismo. En los
Triatominae la morfometría se ha utilizado en estudios de diferenciación geográfica (Harry
et al., 1994; Casini et al., 1995; Dujardin et al., 1998b), diferenciación de poblaciones
silvestres y domésticas (Dujardin et al., 1998a, 1997a, 1999b), re-infestación de viviendas
(Dujardin et al., 1997b), tentativas de reconstrucción filogenética (Dujardin et al., 1999a),
solución de problemas taxonómicos (Dos Santos et al., 2007; Gurgel-Goncalves et al.,
2008; Matias et al., 2001; Villegas et al., 2002) y de preguntas evolutivas (Dujardin et al.,
2009).

La morfometría geométrica es una herramienta matemática con fundamentos biológicos,

que ha demostrado ser muy efectiva para descomponer la variación que resulta
fundamentalmente de la fisiología de los individuos y de la escala en que fueron hechas las
mediciones (variación del tamaño), de aquella más estable, propia de la población y
producto probablemente del componente genético (variación de la conformación)
(Dujardin, 2008).

9
El método se fundamenta en la superposición de cada individuo a una configuración
“consenso”, la cual resume toda la variación geométrica presente en la muestra. Realmente,
existen varios métodos para hacer la superposición, pero el más usado, por conveniente, es
el algoritmo matemático llamado análisis generalizado de Procrustes1 (AGP) (Adams et al.,
2004), en el cual las configuraciones geométricas se superponen de manera
matemáticamente óptima utilizando el criterio de los mínimos cuadrados (Bookstein, 1991).
El AGP elimina los efectos de la escala, la orientación y la posición de los objetos,
consiguiendo cuantificar las desviaciones entre los puntos anatómicos de referencia (PAR)
correspondientes. Tales desviaciones, libres de los efectos no biológicos, contienen toda la
información sobre la variación biológica de las estructuras estudiadas y pueden ser usadas
directamente para comparar grupos con la ayuda de análisis estadísticos multivariados
(Adams et al., 2004).

Previo al AGP se extrae un estimador de tamaño llamado “tamaño centroide” el cual se

calcula como la raíz cuadrada de la suma de las distancias elevadas al cuadrado entre el
centro de gravedad de cada figura (centroide) y los PAR que la definen. Si se tuvo buen
cuidado de eliminar los efectos de la escala antes de convertir los PAR en coordenadas, es
posible que la variación del tamaño centroide represente un fenómeno biológico real: las
diferencias en la interacción de la expresión genética y de la fisiología de cada individuo.

El AGP se puede dividir en tres grandes etapas (Figura 2). En primer lugar, los individuos o
sus estructuras se ajustan por el tamaño al dividir las coordenadas por el tamaño centroide.
Las configuraciones ajustadas se trasladan unas sobre otras y se superponen por sus
centroides. Luego, se rotan (las configuraciones) tal que se alcance la suma mínima de las
distancias al cuadrado entre cada PAR de cada individuo y una configuración consenso. La
configuración consenso resulta de promediar los PAR de las dos primeras figuras
superpuestas; luego se va actualizando por el ajuste de tamaño, la traslación y la rotación
iterativa de cada una de las estructuras siguientes, hasta que se alcance la superposición
óptima. Este proceso se da en un espacio multidimensional curvo llamado espacio de la
conformación de Kendall (Kendall, 1984). La métrica de este espacio no permite usar las
variables de conformación para hacer análisis estadísticos multivariados; para ello, es
necesario interpolar una función matemática llamada “deformaciones de placas delgadas”
(thin-plate spline) o “tps”. Con la ayuda de la función tps, se proyectan las configuraciones
superpuestas sobre un hiperplano tangente a la configuración consenso. Tales proyecciones
son matemáticamente divididas en componentes no-uniformes (también llamados “partial
warp-scores”) y componentes uniformes. Estos son descriptores de las desviaciones de las
configuraciones biológicas individuales a partir de la configuración consenso (Bookstein,
1991). En conjunto, los componentes no-uniformes y los uniformes son variables de la
1
Este nombre hace referencia a una leyenda griega que representó una de las acciones heroicas más
importantes de Teseo. Procrustes era un bandido que asaltaba a los viajeros prometiéndoles una placentera
noche de descanso en una cama muy especial ya que se ajustaba al tamaño de quien la usara. Lo que no les
decía Procrustes a sus huéspedes era que el método de ajuste consistía en cortar las piernas a quienes las
tenían muy largas o estirarlas a golpes de mazo a quienes las tenían muy cortas. Teseo, enfrentó a Procrustes y
lo venció sometiéndolo a su mismo tratamiento.

10
conformación y son usados como datos en análisis multivariados que tienen por objetivos
detectar y/o comparar grupos de individuos (Adams and Funk, 1997).

Los componentes uniformes representan estiramientos o comprensiones simples, lineales y

totales de los especímenes, mientras que los componentes no-uniformes caracterizan
cambios más complejos en conformación, patrones no lineales de deformación, tal que se
pueden localizar en regiones pequeñas de las estructuras examinadas. En los primeros
trabajos publicados se analizaban por separado estos componentes de la conformación; sin
embargo, actualmente no se recomienda tal práctica ya que a causa de la integración
morfológica que se da en el desarrollo, la conformación debe ser estudiada como un
elemento único de la morfología. Los componentes uniformes y no-uniformes son sólo
descomposiciones matemáticas de la función tps y aislados no tienen, necesariamente, una
explicación biológica.

En un sistema de coordenadas de dos dimensiones, se obtienen 2k – 4 variables de

conformación; donde k es el número de puntos anatómicos de referencia. Se multiplica por
dos ya que cada punto tiene dos coordenadas, una sobre el eje x y otra sobre el eje y. Se
resta cuatro del producto porque durante el análisis se pierden dos “grados de libertad” al
desplazar las configuraciones sobre los ejes x, y; se pierde uno al ajustar todas las
configuraciones a un tamaño único y, finalmente, se pierde uno al rotarlas de manera
óptima, tal que se minimiza la suma de las distancias (elevadas al cuadrado) entre los
puntos anatómicos correspondientes. Por ejemplo, de ocho puntos anatómicos,
correspondientes a 16 variables de coordenadas, se obtienen 12 variables de conformación.
Una limitación del AGP es que las varianzas de los PAR deben ser estadísticamente
homogéneas, pues de lo contrario (si uno o pocos PAR son mucho más variables que los
otros) el algoritmo de los mínimos cuadrados tiende a dispersar la variación de esos PAR
hacia los otros afectando las variables de conformación. Es lo que se llama el efecto
Pinocho (Chapman, 1990).

Existen programas computacionales para hacer el análisis generalizado de Procrustes. Dos

buenas opciones son el tpsRelw y el MOGwin, desarrollados por F. James Rohlf
(Department of Ecology and Evolution, State University of New York, Stony Brook, NY) y
Jean Pierre Dujardin (Institut de Recherches pour le Développement, IRD, France),
respectivamente. Este último programa grafica el ajuste a un tamaño único, la traslación
sobre los centroides y la rotación para lograr la superposición óptima de las coordenadas
alineadas, por lo cual resulta muy atractivo para el que se inicia en esta técnica. Ambos
programas se pueden descargar de http://life.bio.sunysb.edu/morph/ y
http://www.mpl.ird.fr/morphometrics/.

6.1. Visualización de las deformaciones de conformación

La función tps es particularmente atractiva porque permite la descripción gráfica de la
variación de conformación como deformaciones de rejillas (Figura 2D) o desplazamientos
de vectores. La técnica de las deformaciones de placas delgadas (thin-plate spline)
implementa rigurosamente el concepto de D’Arcy Thompson en las que una configuración

11
geométrica se deforma a lo largo de una rejilla, al hacer coincidir cada uno de sus puntos
anatómicos con los de la configuración consenso (Bookstein, 1991).

Figura 2. Secuencia esquemática del análisis generalizado de Procrustes. A. Los puntos

anatómicos de referencia tomados sobre las estructuras biológicas se convierten en
coordenadas. B. Mediante una serie iterativa de desplazamientos, ajustes de tamaño y
rotaciones algebraicas se remueve de las coordenadas la variación no biológica,
obteniéndose variables de conformación. C. La variación de la conformación se puede
analizar mediante pruebas estadísticas multivariadas. D. Se reconstruye la configuración
geométrica de los objetos biológicos, para analizar visualmente la magnitud y la orientación
de la variación de conformación.

El programa tpsRelw, desarrollado por F. James Rohlf (http://life.bio.sunysb.edu/morph/),

despliega la conformación anatómica correspondiente al valor de una variable
independiente; por ejemplo, pertenencia a un sexo determinado o a un taxón particular. Se
observan las deformaciones por la superposición de la configuración de interés sobre
rejillas o por flechas que representan los desplazamientos vectoriales de cada PAR de la
configuración de interés con respecto a la configuración consenso.

12
6.2. Uso de los pseudo-puntos anatómicos deslizantes (“Sliding semi-landmarks”)
Los puntos anatómicos utilizados usualmente para estudiar la variabilidad de la
conformación de las estructuras biológicas difieren en la calidad de la información que
ellos portan. Ya mencionamos que Bookstein (1991) definió tres clases o tipos. Para la
morfometría geométrica que usa coordenadas, los tipos I y II son fácilmente localizados
sobre las estructuras morfológicas y todas sus dimensiones son, en mayor o menor grado,
biológicamente informativas. Pero, los puntos de tipo III contienen información
significativa sólo en la línea que los conecta con la estructura remota de referencia (Figura
1). Entonces, estos puntos son “deficientes” y aparentemente no son útiles para los estudios
que utilizan las técnicas de morfometría geométrica. Pero esta inutilidad deja por fuera de
los estudios muchas de las partes anatómicas curvas.

Los primeros métodos de morfometría geométrica, todavía relativamente populares,

utilizan los contornos de las estructuras biológicas (outline methods) y por lo tanto incluyen
las estructuras anatómicas curvas. El procedimiento consiste en delinear los contornos
digitalizando series de puntos equidistantes y cercanos ente sí. Los contornos se superponen
de manera matemáticamente óptima, utilizando algún tipo de análisis de Fourier, lo cual
elimina la variación debida a la escala (el tamaño), la orientación y la posición espacial. Se
obtienen al final, unas variables que se interpretan como variables de conformación
biológica, libres de la variación no biológica, las cuales se pueden utilizar en
comparaciones estadísticas mediante análisis multivariados.

El problema con estos métodos es la falta de correspondencia anatómica entre los puntos
digitalizados a lo largo de los contornos de las diferentes estructuras. Mientras el contorno
de una estructura o región puede ser considerado homólogo a través de los especímenes, no
es tan clara la homología de los puntos usados para muestrear tales curvas (Adams et al.,
2004).

Los métodos actuales de la morfometría geométrica (particularmente el análisis

generalizado de Procrustes) utilizan coordenadas derivadas de puntos de tipo I y II para
obtener variables de conformación de las estructuras biológicas, libres de la variación no
biológica. Generalmente se evita utilizar puntos tipo III.

6.3. ¿Qué hacer con las regiones curvas de la anatomía?

Bookstein (1997) propuso un nuevo método para analizar las regiones desprovistas de
puntos tipo I y II, el cual se puede combinar con el AGP, convirtiéndose en una extensión
del mismo. Se analizan, entonces, regiones más extensas e informativas de las estructuras
biológicas. La denominación inglesa de tal método (sliding semilandmarks) se puede
traducir como: “análisis de pseudo-puntos anatómicos deslizantes”. Consiste
fundamentalmente en “relajar” la posición de algunos de los puntos situados sobre las
líneas curvas de tal manera que se deslicen a lo largo de líneas tangentes a esos puntos. Los
puntos que se relajan son los de tipo III, cuya definición incluye expresiones como “más
distante que”, “más extremo que” y, por lo tanto, son informativos solo en la dirección que
los separa de la estructura distante referida. Como son deficientes en una coordenada, se

13
llaman, más apropiadamente, pseudo-puntos. Es de anotar que el método se vuelve muy
impreciso en curvaturas muy pronunciadas, por lo que en estos casos es mejor tratar los
puntos como de tipo II y no como pseudo-puntos.

El método comienza con una selección conveniente de pseudo-puntos sobre las curvas de la
estructura biológica. Los pseudo-puntos deben estar igualmente espaciados a lo largo de las
curvas, tal que se obtenga, entre ellos, una correspondencia burda y su número debe ser
igual para todos los objetos de la muestra. Es importante anotar que se deben definir
verdaderos puntos de referencia (tipo I o II) entre los pseudo-puntos, con el fin de que al
deslizar éstos sobre las tangentes, no se “salgan de los datos” (Figura 3).

Figura 3. Puntos anatómicos de referencia y pseudo-puntos sobre la cabeza de

Lasioderma serricorne (Coleoptera). Los pseudo-puntos (X) deben encontrarse entre
verdaderos puntos de referencia (O) para que al deslizarlos sobre las tangentes no se salgan
fuera de los datos.

El algoritmo básico utiliza sólo las coordenadas no deficientes de los pseudo-puntos,

alternando el AGP con el relajamiento de los pseudo-puntos (Gunz et al., 2005). En cada
caso se utiliza el criterio de los mínimos cuadrados; es decir, se minimiza la cantidad de
cambio de conformación entre cada espécimen y la configuración promedio de Procrustes
de todos los especímenes. Los programas computacionales de acceso libre por Internet:
tpsRelw y tpsSpline incluyen los comandos necesarios para el análisis de pseudo-puntos
deslizantes (F.J. Rohlf, Department of Ecology and Evolution, State University of New
Cork, Stony Brook, NY. http://life.bio.sunysb.edu/morph/). El algoritmo básico se puede
resumir en la siguiente secuencia:

14
1) Para cada pseudo-punto se calculan tangentes respecto a los dos (pseudo) puntos
vecinos.
2) Se relajan todos los especímenes contra el primero de ellos (se deslizan los pseudo-
puntos, a lo largo de las líneas tangentes, en direcciones opuestas desde su posición
inicial.
3) Se computa la configuración promedio de Procrustes (se efectúa un AGP).
4) Se calculan nuevas tangentes.
5) Se relajan de nuevo todos los especímenes; pero esta vez, contra la configuración
promedio de Procrustes.
6) Se iteran los pasos 4 a 7 hasta que se alcanza la convergencia (cuando el promedio no
cambia más en cada iteración).
7) Al igual que con el AGP, al final se obtienen variables de conformación que se pueden
analizar mediante los métodos convencionales de la estadística multivariada.

El número de pseudo-puntos utilizados depende de la complejidad de la curva. Sin

embargo, a mayor número se mejora la representación de la figura geométrica de interés.
Gunz et al. (2005) sugieren hacer varios análisis sobre las mismas muestras, pero con
diferente número de pseudo-puntos hasta encontrar el óptimo; es decir, cuando los pseudo-
puntos adicionales no agregan más información a la variación de la conformación.

Es muy probable que el número óptimo de pseudo-puntos supere el de individuos, lo cual

presenta un problema para los análisis estadísticos paramétricos. Pero hay una serie de
análisis exploratorios válidos, al igual que métodos de aleatorización, útiles para hacer
inferencias estadísticas.

7. LOS ANÁLISIS MULTIVARIADOS

Sobre la matriz de variables de conformación se pueden efectuar análisis estadísticos
multivariados con el objetivo de detectar grupos, verificar hipótesis relacionadas con la
presencia de grupos definidos a priori o comparar las variaciones medias de la
conformación entre ellos.

Los análisis multivariados tradicionales tienen por objetivo representar los objetos (los
individuos o las unidades taxonómicas operacionales) en un espacio de caracteres reducido,
el cual es definido por los ejes de mayor variación; cada uno jerarquizado por la cantidad de
variación que explica (Sorensen and Footit, 1992). Estos análisis se usan para reducir las
dimensiones del conjunto de datos, eliminar las correlaciones entre caracteres, calcular los
patrones de mayor variación y para ordenar los OTU en un nuevo espacio espacio
multivariado.

En general, los análisis multivariados se dividen entre aquellos que consideran la muestra
total como un grupo conceptual único y los que utilizan particiones de la muestra total en
dos o más grupos definidos a priori por el investigador. Los primeros son útiles para
detectar subdivisiones de la meta-población; mientras que los segundos sirven para
verificar la estructura de la meta-población en los grupos previamente definidos.

15
Los análisis de ordenación pertenecientes al primer grupo, son básicamente exploratorios;
no verifican hipótesis estadísticas. Son muy útiles porque permiten visualizar las
ordenaciones de los individuos en el espacio multivariado de la conformación. Los más
usados son el análisis de componentes principales y el análisis de agrupamiento jerárquico
(análisis de cluster). Aunque es deseable la multi-normalidad de las variables, su falta no es
catastrófica para estos análisis (Sorensen and Footit, 1992). Por su parte, los métodos que
intentan visualizar las diferencias entre los grupos previamente definidos se basan en
hipótesis y resultan en niveles de significancia que verifican o rechazan las diferencias de
conformación promedio entre los grupos. El más usado es el análisis variado canónico,
también llamado en muchos casos análisis discriminante. Este análisis junta en uno sólo el
análisis de componentes principales, el análisis multivariado de varianza, manova, y el
cálculo de funciones discriminantes. Desafortunadamente tiene sus límites: exige multi-
normalidad y homogeneidad de varianzas; además, de tamaños grandes de las muestras (el
grupo más pequeño debe tener, al menos, el doble de individuos que de variables).

A diferencia de las variables tradicionales medidas en longitudes, las variables de

conformación derivadas del análisis generalizado de Procrustes (AGP), son libres de los
efectos de la escala (el tamaño), la posición y orientación en el espacio y, además, son
ortogonales. Esta diferencia es importante: los análisis multivariados sobre las variables de
conformación, no proporcionarán información sobre las diferencias de tamaño entre
individuos o entre grupos, ni sobre las variables individuales que más contribuyen a la
variación total. En cambio, sirven para visualizar y verificar hipótesis estadísticas de las
diferencias de conformación entre grupos.

La primera exploración válida (casi obligatoria) es la de someter las variables de

conformación al familiar análisis de componentes principales, que en el lenguaje de la
morfometría geométrica se llama análisis de relative warps. Este análisis es una
combinación linear de las variables de conformación para obtener nuevas variables que
representan porciones progresivamente decrecientes de la variación original. Los dos o tres
primeros relative warps representan la mayor porción de la variación de conformación
(Rohlf, 1993); sobre ellos usualmente se proyectan los especímenes para explorar la
formación de “nubes” de individuos de acuerdo con sus conformaciones (Figura 2C). Al
calcular los relative warps, se ajusta el parámetro alfa (scaling parameter) a 0, tal como lo
recomienda Rohlf (1993) para estudios taxonómicos. Un valor de 0 pondera por igual todas
las variables de conformación tal que no se enfatizan ni las pequeñas ni las grandes
diferencias en la escala de la conformación. Normalmente, lo primero que se hace después
de un AGP es proyectar los individuos sobre los dos o tres primeros “relative warps” y
analizar la estructuración de los grupos en este espacio multivariado de la conformación.
Eventualmente se pueden utilizar tales ejes para hacer sobre ellos un análisis discriminante.
Si el tamaño de la muestra es pequeño esta es una buena opción de análisis.

Cuando hay muchos grupos las ordenaciones de los individuos sobre los “relative warps”
puede ser algo confusa. En estos casos, probablemente, sea mejor optar por hacer un
análisis de agrupación jerárquica (análisis de clúster). El método más usado es el de
comparación por pares usando promedios aritméticos no-ponderados (UPGMA). Se

16
recomienda explorar la estructura meta-poblacional haciendo un análisis que incluya todos
los individuos y otro que use las medias aritméticas de las variables de conformación de
cada grupo. Los resultados son dendrogramas, en los cuales se puede evaluar la distribución
de los individuos y de los grupos de acuerdo con su similitud.

Cuando se tienen suficientes individuos por grupo se puede hacer directamente un análisis
discriminante sobre las variables de conformación. Con este análisis se verifica la igualdad
de las medias multivariadas de la conformación y se ordenan los grupos en gráficas de
dispersión, de acuerdo con la mayor separación posible entre ellos. Tal magnificación de la
variación inter-grupos se hace minimizando la variación intra-grupos. Las distancias de
Mahalanobis, calculadas en el análisis discriminante, señalan que tan distante se encuentra
cada individuo de los centroides de cada grupo. Tal distancia discriminante se asocia a una
probabilidad de pertenecer a un grupo. Es esta probabilidad la que tiene una utilidad
taxonómica. Si los grupos están naturalmente bien definidos la probabilidad de
reclasificación en su grupo original será alta. El análisis discriminante genera, además, unas
funciones discriminantes que permiten a posteriori clasificar un individuo de origen
desconocido en su grupo más probable. El programa computacional PADwin de acceso
libre en Internet (Jean-Pierre Dujardin, Institut de Recherches pour le Développement, IRD,
France; http://www.mpl.ird.fr/morphometrics/) tiene un comando que permite clasificar
individuos de origen desconocido. Tiene, además, otro comando para reclasificar los
individuos y evaluar la correspondencia entre la clasificación inicial hecha por el
investigador y la predicción de pertenecer a un grupo, de acuerdo con la conformación
biológica. Es una reclasificación que utiliza el método del “jacknife”; por lo que es más
rigurosa que las efectuadas por otros programas.

Una vez hemos evaluado la variación de conformación de nuestros grupos y determinado

las posibles diferencias estadísticas entre ellos, es conveniente examinar si tales diferencias
se asocian con la variación ambiental. Para ello, se pueden preparar matrices que contengan
la información sobre temperatura, humedad relativa, precipitación, distancias geográficas,
altitud, latitud y todas aquellas que el investigador estime que pueden estar relacionadas
con la variación de la conformación. La prueba de Mantel es muy útil para estimar las
posibles correlaciones. Las verificaciones estadísticas de las correlaciones se pueden hacer
mediante permutaciones.

Para las inferencias estadísticas, frecuentemente se usan pruebas basadas en permutaciones,

las cuales no exigen las condiciones de las pruebas paramétricas. Grosso modo, hay dos
situaciones donde se pueden utilizar permutaciones. En primer lugar cuando se quiere
buscar la asociación entre la variación de conformación con otras variables. En este caso se
tienen dos conjuntos de datos para los mismos especímenes; un conjunto es la matriz que
contiene las variables de conformación y el otro puede ser la variación de tamaño o un
conjunto de mediciones no morfométricas. Para evaluar la alometría se efectúa una
regresión multivariada de la variación de conformación sobre la variación de tamaño (ver
abajo, ítem 8); pero, para probar la hipótesis nula de que no hay un efecto alométrico
significativo del tamaño sobre la conformación se permutan repetidamente las variables de
conformación y cada matriz permutada se regresa nuevamente sobre el tamaño. El valor P

17
(técnicamente el nivel alfa o nivel de significancia) de la asociación efectuada con los datos
“reales” es, exactamente, la fracción de la distribución de las permutaciones que iguala o
excede la estadística observada (Gunz et al., 2005). Una segunda situación se da cuando se
quiere examinar la estructura misma de la matriz de conformación. Un gran número de
problemas se pueden ver en términos de similitudes o disimilitudes (distancias) entre
observaciones únicas o entre muestras de observaciones o entre poblaciones de
observaciones. Por ejemplo, cuando se desea conocer si hay diferencias significativas entre
la conformación de varios grupos de triatominos. En este caso, se calculan distancias
(usualmente euclidianas, pero también pueden ser de Mahalanobis) entre los grupos. Se
permuta varias veces la matriz de distancias y en cada ocasión se calcula una estadística
que relacione la matriz “real” con la permutada (por ejemplo, mediante correlación múltiple
o diferencias entre la medias de los grupos). Se acepta la hipótesis nula de no diferencias
entre los grupos si la fracción de estadísticas que señalan una asociación entre los bloques
de datos observados y los permutados igualan o superan un nivel de significancia
convencional (v.gr. 0,05).

Un programa de acceso libre en Internet, que incluye la mayoría de las funciones que se
utilizan en morfometría tradicional y geométrica es el PAST (PAlaeontological STatistics),
desarrollado por Øyvind Hammer D.A.T y Harperand P.D. Ryan. Se puede bajar de
http://folk.uio.no/ohammer/past. PopTools es una adición versátil al popular programa
Excel de Microsoft que facilita el análisis de modelos estocásticos tales como la prueba de
Mantel y las simulaciones hechas mediante permutaciones. Se puede descargar
gratuitamente de: http://www.cse.csiro.au/poptools/

8. ALOMETRÍA
La alometría se refiere a la velocidad de crecimiento relativa de una estructura biológica
respecto a otra(s) o al organismo total. La alometría da cuenta de los cambios de
conformación que derivan del cambio de tamaño; de tal manera que la conformación es
dependiente del tamaño. Un caso particular es cuando la velocidad de crecimiento es la
misma entre los caracteres en estudio; en el cual se llama isometría, pero este es un
fenómeno raro en los seres vivos.

Klingenberg (1996) reconoce tres clases de alometría: estática, ontogenética y evolutiva. La

primera es el resultado de las dos últimas; se evalúa en individuos adultos pertenecientes al
mismo grupo etario. La segunda se refiere a las diferencias de conformación que se van
presentando a medida que el embrión crece hasta el adulto. La tercera comprende las
diferencias de conformación morfológica que resultan de los diferentes modos de crecer
que tienen los grupos con diferentes historias evolutivas.

El análisis generalizado de Procrustes (AGP) remueve el efecto de la variación de tamaño

(al dividir las coordenadas crudas por el tamaño centroide), pero no remueve ninguna
variación de la conformación que pueda estar relacionada con la variación de tamaño. El
tamaño centroide es, entonces, una variable isométrica. Si en las muestras hay alometría,
esta no es removida, porque el AGP no remueve la variación de la conformación, sino que,

18
por el contrario, la preserva mientras retira los efectos de la escala, de la orientación y de la
posición.

La presencia de alometría en la variación de la conformación, se detecta mediante análisis

multivariados de regresión lineal. Las variables de conformación operan como variables
dependientes, mientras que el estimador de tamaño (generalmente se usa el tamaño
centroide) actúa como variable independiente. Algunos investigadores hacen una regresión
lineal simple utilizando como variable dependiente el primer factor canónico (derivado del
análisis discriminante sobre las variables de conformación) y como variable independiente
el estimador de tamaño, tamaño centroide. Este procedimiento tiene la ventaja de poder
visualizar la relación entre las variables de conformación y tamaño, mediante una gráfica
bivariada de dispersión de puntos; pero, tiene el inconveniente que no recoge toda la
variación de la conformación, ya que el primer factor canónico solo da cuenta de una
porción de esta (aunque es la mayor). Es importante tener presente que la alometría que se
detecta en este último procedimiento es la que responde por las diferencias de
conformación entre grupos que resultan de la variación de tamaño; pero no da cuenta de la
variación alométrica de conformación intra- e inter-grupo simultáneamente ya que el
análisis discriminante elimina la variación intra-grupo para poder magnificar la inter-grupo.

Una vez se detecta alometría es importante examinar si la variación de la conformación

dentro de los grupos tiene la misma relación con la variable de tamaño; es decir, si los
grupos presentan el mismo modo de crecer. Para ello, se hace un análisis multivariado de
covarianzas (ancova) de dos vías, empleando los grupos y el tamaño centroide como
variables independientes; mientras que las variables de conformación son las variables
dependientes.

Los análisis para detectar alometría se pueden hacer con los programas computacionales
PAST (Øyvind Hammer D.A.T y Harperand P.D. Ryan) y tpsRegr (F. James Rohlf,
Department of Ecology and Evolution, State University of New York, Stony Brook, NY)
que se pueden bajar libremente desde las siguientes direcciones:
http://folk.uio.no/ohammer/past; http://life.bio.sunysb.edu/morph/

9. ASIMETRIAS
Por último, es importante señalar una utilidad más del análisis de la morfometría
geométrica: su capacidad de detectar alteraciones de la simetría.

Las estructuras bilaterales, como las alas de los dípteros, tienen el mismo origen
embrionario (discos imaginales) y genéticos y su desarrollo se da en el mismo ambiente,
por lo cual cabría esperar que tuviesen una simetría perfecta. Pero, frecuentemente hay
diferencias sutiles, que en la mayoría de las ocasiones no superan el 1% del tamaño
promedio del rasgo. Tales asimetrías se han atribuido al ruido del desarrollo (diferencias
aleatorias en la tasa de crecimiento celular, en las vías bioquímicas, en la distribución de las
sustancias citoplasmáticas, etc.); pero, además a las perturbaciones durante el desarrollo
(parasitismo, hambre, calidad del cuidado materno, etc.). Tales diferencias se reparten al
azar entre los lados derecho e izquierdo de las estructuras bilaterales, generando una

19
distribución cercana a la normal. Por eso se llaman asimetrías fluctuantes. Son, entonces,
fundamentalmente de origen ambiental. Pero también hay asimetrías constantes,
sistemáticas, donde un lado es consistentemente mayor que el otro. A éstas se le atribuyen
orígenes genéticos y se llaman asimetrías direccionales. Finalmente hay asimetrías que no
se distribuyen al azar entre los lados izquierdos y derechos, si no de una manera platicúrtica
o bimodal; hay grupos de individuos con un lado sistemáticamente diferente del otro,
mientras otros presentan el rasgo opuesto. Estas asimetrías pueden indicar la presencia de
una estructuración de la población en grupos aislados; de no ser así, podría ser un rasgo
particular con origen genético en unos casos y ambiental en otros.

Un procedimiento detallado y bien aceptado para analizar las asimetrías en variables de

conformación derivadas del AGP lo propusieron Klingenberg y McIntyre (1998). El
programa computacional ASIwin desarrollado por Jean Pierre Dujardin y de libre acceso
por Internet (Institut de Recherches pour le Développement, IRD, France;
http://www.mpl.ird.fr/morphometrics), permite hacer análisis de asimetrías acorde con este
procedimiento.

10. AGRADECIMIENTOS
A la Dra. Harling Caro-Riaño por sus útiles correcciones y comentarios.

11. REFERENCIAS

Adams DC., Funk DKJ. 1997. Morphometric inferences on sibling species and sexual
dimorphism in Neochlamisus bebbianae leaf beetles: Multivariate applications of the thin-
plate splines. Systematic Biology. 46: 180-194.

Adams DC., Rohlf FJ., Slice DE. 2004. Geometric Morphometrics: Ten Years of Progress
Following the 'Revolution'. Italian Journal of Zoology. 71:5-16

Bookstein FL. 1990. Introduction to the Methods for Landmark data. In: Rohlf FJ.,
Bookstein FL. (eds.), Proceedings of the Michigan Morphometrics Workshop, pp. 216-225.
The University of Michigan, Museum of Zoology, Special Publication No. 2. Ann Arbor,
Michigan.

Bookstein FL. 1991. Morphometric tools for landmark data: geometry and biology.
Cambridge University Press, Cambridge.

Bookstein FL. 1997. Landmark methods for forms without landmarks: Localizing group
differences in outline shape. Medical Image Analysis 1:225-243.

Caro-Riaño H, Jaramillo N, Dujardin JP. 2009. Growth changes in Rhodnius pallescens

under simulated domestic, sylvatic conditions. Infection, Genetics and Evolution. 9: 162-
168.

20
Chapman RE. 1990. Conventional Procrustes approaches, In: Rohlf FJ., Bookstein FL.
(eds.), Proceedings of the Michigan Morphometrics Workshop, pp. 251–267. University of
Michigan Museum of Zoology, Ann Arbor.

Casini C., Dujardin JP., Martinez M., Bentos-Pereira A., Salvatella R. 1995. Morphometric
differentiation between two geographic populations of Triatoma infestans in Uruguay.
Research and Reviews in Parasitology. 55:25-30.

Dos Santos SM., Lopes CM., Dujardin JP., Panzera F., Pérez R., Carbajal de la Fuente AL.,
Pacheco RS., Noireau F. 2007. Evolutionary relationships based on genetic and phenetic
characters between Triatoma maculata, Triatoma pseudomaculata and morphologically
related species (Reduviidae: Triatominae). Infection, Genetics and Evolution. 7:469-475.

Dujardin JP. 2008. Morphometrics applied to medical entomology. Infection, Genetics and
Evolution. 8:875-890.

Dujardin JP., Bermúdez H., Casini C., Schofield CJ., Tibayrenc M. 1997a. Metric
differences between silvatic and domestic Triatoma infestans (Heteroptera: Reduviidae) in
Bolivia. Journal of Medical Entomology. 34:543-551.

Dujardin JP., Bermúdez H., Schofield C. 1997b. The use of morphometrics in

entomological surveillance of sylvatic foci of Triatoma infestans in Bolivia. Acta Tropica.
66:145-153.

Dujardin JP., Costa J., Bustamante D., Jaramillo N., Catalá S. 2009. Deciphering
morphology in Triatominae: The evolutionary signals. Acta Tropica. 110:101-111.

Dujardin JP., Forgues G., Tórrez M., Martínez E., Córdoba C., Gianella A. 1998a.
Morphometrics of domestic Pastrongylus rufotuberculatus in Bolivia. Annals of Tropical
Medicine and Parasitology. 92:219-228.

Dujardin JP., Muñoz M., Chavez T., Ponce C., Moreno J., Schofield CJ. 1998b. The origin
of Rhodnius prolixus in Central America. Medical and Veterinary Entomology. 12:113-
115.

Dujardin JP., Chavez T., Moreno J., Machane M., Noireau F., Schofield C. 1999a.
Comparison of isoenzyme electrophoresis and morphometric analysis for phylogenetic
reconstruction of the Rhodniini (Hemiptera, Reduviidae: Triatominae). Journal of Medical
Entomology. 36:653-659.

Dujardin JP., Steindel M., Chavez T., Machane M., Schofield C. 1999b. Changes in the
sexual dimorphism of Triatominae in the transition from natural to artificial habitats.
Memórias do Instituto Oswaldo Cruz. 94:565-569.

21
Gunz P., Mitteroecker P., Bookstein FL. 2005. Semilandmarks in Three Dimensions
(Chapter Three). In: Slice DE (ed.), Modern Morphometrics in Physical Anthropology, pp.
73-98. Kluwer Academic / Plenum Publishers, NY.

Gurgel-Gonçalves R., Abad-Franch F., Ferreira JB., Santana DB., Cuba CA. 2008. Is
Rhodnius prolixus (Triatominae) invading houses in central Brazil? Acta Tropica. 107:90-
98.

Harry M. 1994. Morphometric variability in the Chagas’ disease vector Rhodnius prolixus.
Japan Journal of Genetics. 69:233-250.

Kendall DG. 1984. Shape-manifolds, Procrustean metrics and complex projective spaces.
Bulletin of the London Mathematical Society. 16:81-121.

Klingenberg CP. 1996. Multivariate allometry. In: Marcus LF., Conti M., Loy A., Naylor
GJ., Slice DE. (eds.), Advances in Morphometrics, NATO ASI, Series A: Life Sciences,
Vol. 284, pp. 23-49. Plenum Press, NY.

Klingenberg CP., McIntyre GS. 1998. Geometric Morphometrics of Developmental

Instability: Analyzing Patterns of Fluctuating Asymmetry with Procrustes methods.
Evolution. 52:1363-1375.

Jaramillo N., Caro-Riaño H. 2005. Diferencias morfométricas entre Rhodnius prolixus Stål,
1859 y R. pallescens Barber, 1932. In: Guhl F. (ed.), Primer Taller Internacional sobre
Control de la Enfermedad de Chagas. SSA-ES, Tripanosomiasis Update, pp. 69-79. CDIA,
Uniandes, Bogotá. http://cdiaec.uniandes.edu.co/.

Slice DE. 2005. Modern Morphometrics. In: Slice DE. (ed.), Modern Morphometrics in
Physical Anthropology, pp. 1-45. Kluwer Academic Publishers, NY.

Slice DE. 2007. Geometric Morphometrics. Annual Review Anthropology. 36:261-81.

Sorensen JT., Footit R. 1992. Ordination in the study of Morphology, Evolution and
Systematics of insects: Applications and quantitative genetics rationales. Elsevier Science
Publishers B.V., Amsterdam.

Rohlf FJ. 1993. Relative warp analysis and an example of its application to mosquito
wings. In: Marcus LF, Bello E, García-Valdecasas A. (eds.), Contributions to
Morphometrics, Vol. 8, pp. 131-159. Museo Nacional de Ciencias Naturales (CSIC),
Madrid, Spain.

Rohlf FJ, Marcus LF. 1993. A revolution in morphometrics. Trends in Ecology and
Evolution. 8:129-132.

22
 Villegas J., Feliciangeli MD., Dujardin JP. 2002. Wing shape divergence between Rhodnius
prolixus from Cojedes (Venezuela) and Rhodnius robustus from Mérida (Venezuela).
Infection, Genetics and Evolution. 2:121-128.

23

View publication stats