Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Morfometriacapituloread Only
Morfometriacapituloread Only
discussions, stats, and author profiles for this publication at: https://www.researchgate.net/publication/237522938
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:
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.
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.
1
adquieren rasgos morfológicos propios que impactan de manera diferencial su biología y
ecología.
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?
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.
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.
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.
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 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.
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.
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).
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).
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).
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.
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).
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).
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.
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).
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.
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.
18
por el contrario, la preserva mientras retira los efectos de la escala, de la orientación y de la
posición.
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.
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.
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., 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.
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.
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