I n s t i t u t o T e c n o l ó g i c o y de E s t u d i o s S u p e r i o r e s d e M o n t e r r e y C a m p u s Estado de México
Atizapán de Zaragoza, Estado de México a 7 de Mayo de 2008.
L i c . A r t u r o A z u a r a F l o r e s :
Director de Asesoría Legal del Sistema
Por medio de la presente hago constar que soy autor y titular de la obra titulada Modelo computacional para el estudio del comportamiento de poblaciones con introducción de modificaciones genéticas". e n los sucesivo LA O B R A , e n virtud de lo cual autorizo a el Instituto Tecnológico y de Estudios Superiores de Monterrey (EL I N S T I T U T O ) para que efectúe la divulgación, publicación, comunicación pública, distribución y reproducción, así como la digitalización d e ta misma, c o n fines académicos o propios al objeto de EL INSTITUTO.
El Instituto se c o m p r o m e t e a respetar e n todo m o m e n t o mi autoría y a otorgarme el crédito correspondiente e n todas las actividades mencionadas anteriormente de la obra.
De la misma manera, desligo de toda responsabilidad a EL I N S T I T U T O por cualquier violación a tos derechos de autor y propiedad intelectual que c o m e t a el suscrito frente a terceros
Modelo Computacional para el Estudio del Comportamiento de
Poblaciones con Introducción de Modificaciones
Genéticas-Edición Única
Title Modelo Computacional para el Estudio del
Comportamiento de Poblaciones con Introducción de Modificaciones Genéticas-Edición Única
Authors Mauricio Guevara Souza
Affiliation Tecnológico de Monterrey, Campus Estado de México
Issue Date 2008-02-01
Item type Tesis
Rights Open Access
Downloaded 19-Jan-2017 01:30:16
INSTITUTO TECNOLÓGICO Y DE ESTUDIOS SUPERIORES DE MONTERREY
MODELO COMPUTACIONAL PARA EL ESTUDIO DEL
COMPORTAMIENTO DE POBLACIONES CON
INTRODUCCIÓN DE MODIFICACIONES GENÉTICAS
TESIS QUE PARA OPTAR EL GRADO DE MAESTRO EN CIENCIAS COMPUTACIONALES
PRESENTA
MAURICIO GUEVARA SOUZA
Asesor: Dr. EDGAR EMMANUEL VALLEJO CLEMENTE
Comité de Tesis: Dra. MARÍA DE LOS ÁNGELES JUNCO REY
Dra. MARICELA QUINTANA LÓPEZ
Dedicaciones
Quiero dedicar este trabajo a mis padres y hermanos. Agradezco su apoyo, paciencia y
comprensión, por estar siempre al pendiente de mí y estar ahí cuando los he necesitado. Siempre
serán la causa de todos los éxitos que pueda conseguir.
A mis tíos les agradezco los ánimos que me transmiten. Siempre me han demostrado la confianza
que tienen en mí la cual me impulsa a seguir adelante y buscar nuevos retos.
A mi familia que está lejos quiero que sepan que siempre estuvieron en mi mente. A mi hermano,
mi cuñada, mis sobrinos y mi sobrina les doy las gracias por el excelente recibimiento que me
dan cuando estoy de visita.
Finalmente a mis amigos les quiero decir lo importante que son en mi vida, sin ustedes cualquier
Agradecimientos
Agradezco al Instituto Tecnológico y de Estudios Superiores de Monterrey (ITESM) y al Consejo
Nacional de Ciencia y Tecnología (CONACYT) por el financiamiento y el apoyo que me
brindaron sin el cual este trabajo no hubiera sido posible.
También quiero agradecer de manera muy especial a mi asesor, el Dr. Edgar Emmanuel Vallejo
Clemente, por el tiempo, paciencia y conocimientos invertidos en este trabajo de investigación y
por su apoyo incondicional en la defensa del mismo
Por último quiero agradecer a mis profesores, compañeros de clases y empleados del Tecnológico
de Monterrey Campus Estado de México por hacerme más agradable mi estancia durante la
Resumen
La bioinformática es una disciplina reciente la cual obtiene, analiza y distribuye información
biológica con la ayuda de las ciencias computacionales. Está considerada como un área de
estudio multidisciplinaria ya que combina la biología con la computación. Gracias al apoyo de las
herramientas computacionales, la bioinformática ha sido capaz de resolver una variedad de
problemas biológicos complejos.
Las aplicaciones de la bioinformática han ayudado al desarrollo de otras ciencias como la
biotecnología, la cual ha desarrollado diferentes tipos de productos, desde medicamentos hasta
alimentos genéticamente modificados con el apoyo de herramientas computacionales.
Uno de los retos más importantes de la medicina es diseñar mecanismos de control para
enfermedades que se transmiten a través de un vector como es el caso de la malaria y el dengue
por mencionar algunos ejemplos.
La malaria es una enfermedad parasitaria que se transmite de un humano a otro a través de la
picadura de algún mosquito. Es la enfermedad más letal a la cual se ha enfrentado la humanidad, ya que ha matado más personas que el SIDA, el ébola, o cualquier otra enfermedad conocida.
La creación de mosquitos modificados genéticamente ha sido considerada recientemente como
una estrategia potencialmente efectiva para combatir la malaria, ya que de esta manera no se
afectaría el ciclo de vida del mosquito, lo cual puede provocar un desequilibrio en el ecosistema
como lo hacen los métodos de control de la enfermedad basados en pesticidas, y no se tendrían
los problemas actuales de distribución de medicamentos.
La introducción de nuevos genes a la naturaleza es muy peligroso debido a que es muy difícil
predecir el efecto que provocarán estos nuevos genes tanto en el individuo como en las
un ambiente más real pero muy controlado antes de permitir la propagación de los genes en
poblaciones naturales.
Mediante un modelo computacional se puede simular estos experimentos buscando obtener
resultados cercanos a los reales de una manera rápida y mucho menos costosa. Además de todo
esto se tiene control sobre variables como el clima, la migración, la mutación, la rapidez del ciclo
de vida del mosquito, etc. que en experimentos en un ambiente real serían difíciles de manipular.
El trabajo propuesto para esta tesis es el desarrollo de un modelo computacional que nos permita
observar la variación genética de las poblaciones de mosquitos a través del tiempo en función de
factores como la migración de individuos y la mutación genética entre otros y entender el
potencial de estos modelos para analizar la manera en que se propagaron los genes.
Las contribuciones que un modelo como este puede aportar son numerosas. Entre las principales
podemos mencionar un mejor entendimiento del comportamiento de las poblaciones del mosquito
Anopheles gambiae, sus rutas de migración y como se propagan los genes de una generación a otra.
Durante el desarrollo de este trabajo se realizaron experimentos para conocer el tamaño de
población en el cuál se minimiza el efecto de la deriva genética. Encontramos que con un tamaño
de 50,000 es suficiente para tales efectos, pero en los experimentos subsecuentes utilizamos un
tamaño de 100,000 individuos.
También se realizaron experimentos para tener un aproximado del porcentaje de mosquitos
genéticamente modificados que se deben introducir en la población nativa de manera que el gen
que se quiere fijar se conserve a través de las generaciones. El porcentaje de mosquitos
Otro aspecto que nos interesaba estudiar era el efecto que tendría en la fijación de las
modificaciones genéticas el cambio de aptitud en el organismo portador del gen transpuesto. Una
vez realizados los experimentos correspondientes, encontramos que para fijar las modificaciones
genéticas en la población, éstas no deben de disminuir la aptitud del mosquito en un valor mayor
al 5%.
La diferencia de comportamientos entre un mosquito nativo y un mosquito con modificaciones
genéticas fue simulado mediante la teoría de juegos evolutiva. En los experimentos realizados se
confirmo la teoría que dice que una población que adopta una estrategia evolutivamente estable
no puede ser invadida. Así mismo se hizo un experimento con una población que no se
encontraba en un estado evolutivamente estable y fue invadida. Por último se planteó un
escenario donde la interacción entre los individuos es muy agresiva por lo que la población
desaparece completamente.
Finalmente se realizó un experimento para evaluar la efectividad de los métodos de análisis
filogenético. Se utilizaron dos algoritmos diferentes, el de máxima verosimilitud y el de máxima
Índice
Capitulo 1. Introducción
1.1 Descripción de la bioinformática.………1
1.2 Descripción de la enfermedad de la malaria………2
1.3 Nuevas alternativas para combatir la malaria………..3
1.4 Utilidad de los modelos computacionales en la bioinformática………..6
1.5 Trabajo propuesto………7
Capitulo 2 Genética de poblaciones 2.1 Metapoblaciones………..………11
2.2 Factores que contribuyen a la variación genética……...………..12
2.3 Genes transpuestos………...14
2.4 Reconstrucción filogenética………16
2.5Deriva genética……….20
Capitulo 3. Simulación computacional en biología 3.1Vida artificial………...22
3.2Teoría de juegos evolutiva………...…24
3.3Trabajos previos en simulación de la genética de poblaciones………27
Capitulo 4. Modelo Propuesto
4.1Proyecto de modificación genética del mosquito Anopheles gambiae………....38
4.2 Procesos biológicos simulados en el modelo computacional………..41
4.3Competencia por recursos utilizando teoría de juegos evolutiva ………45
4.4Generalidades del modelo computacional ………..……….47
Capitulo 5. Experimentos y resultados
5.1Determinación del tamaño de la población……….….50
5.2Determinación de la proporción de la población modificada
genéticamente………...54
5.3Efectos del cambio de aptitud del mosquito a causa del gen
transpuesto………57
5.4Teoría de juegos evolutiva para modelar la competencia
por recursos………..60
5.5Análisis filogenético de las poblaciones simuladas………..…………68
Capitulo 6. Conclusiones y trabajo futuro
6.1Conclusiones………....…….72
6.2Trabajo Futuro………...……...……....74
Referencias.……….………76
Anexos
Índice de figuras
Figura 1. Localización geográfica de la malaria………..2
Figura 2. Ejemplo de metapoblaciones………12
Figura 3. Ejemplo de gen transpuesto………...………...14
Figura 4. Ejemplo de dendograma………....………17
Figura 5. Ejemplo de árbol filogenético……… ………18
Figura 6. Efecto de la deriva genética en la frecuencia de alelos de una población………...….21
Figura 7. Escenario del experimento de simulación de poblaciones de mosquitos………..29
Figura 8. Descripción del ciclo de vida del mosquito en el modelo computacional………30
Figura 9. Relación entre temperatura y desarrollo de las larvas………...31
Figura 10. Efecto del insecticida en la población de mosquitos………...31
Figura 11. Escenarios de extinción de metapoblaciones………..32
Figura 12. Promedio de variación genética de las metapoblaciones………34
Figura 13. Proyecto de modificación genética del mosquito Anopheles gambiae………..……39
Figura 14. Migración en el modelo computacional………..42
Figura 15. Inserción del gen transpuesto………..43
Figura 16. Replicación del gen transpuesto………..43
Figura 18. Ejemplo de los datos registrados por el modelo
computacional………..47
Figura 19. Secuencia de los experimentos realizados ………..49
Figura 20. Resultados de las pruebas de deriva genética insertando 1% de mosquitos transgénicos………...51
Figura 21. Resultados de las pruebas de deriva genética insertando 5% de mosquitos transgénicos………...52
Figura 22. Resultados de las pruebas de deriva genética insertando 10% de mosquitos transgénicos………...52
Figura 23. Resultados de las pruebas de fijación del gen con diferentes porcentajes de inserción de mosquitos transgénicos………...…56
Figura 24. Resultados de las pruebas de fijación del gen con diferentes valores de cambio de aptitud por causa del gen transgénico……...………59
Figura 25. Resultado del experimento de fijación del gen transpuesto………63
Figura 26. Resultado del experimento de no fijación del gen transpuesto………...65
Figura 27. Resultado del experimento de extinción de la población………66
Figura 28. Comportamiento del tamaño de la población en el experimento de desaparición de la población………...67
Figura 29. Árbol filogenético creado por el algoritmo de máxima verosimilitud………69
Capitulo 1. Introducción
1.1 Descripción de la bioinformática
La bioinformática es una disciplina reciente cuya finalidad es obtener, analizar y
distribuir información biológica con la ayuda de las ciencias computacionales. Gracias al
apoyo de las herramientas computacionales, la bioinformática ha sido capaz de resolver
problemas biológicos complejos. [1]
La bioinformática es considerada como un área de estudio multidisciplinaria debido a que
sirve de interfaz entre la biología y las ciencias de la computación. La principal
motivación para el desarrollo de esta ciencia fue la obtención y comprensión del genoma
humano, de tal forma que esta información pudiera utilizarse para prevenir y curar
enfermedades y con ello elevar la calidad de vida de las personas. [2]
La biotecnología es una ciencia en la cual la bioinformática ha contribuido de manera
importante para su desarrollo. Productos como medicamentos o alimentos genéticamente
modificados han sido el resultado de los avances en dicha ciencia. [3]
Pocos trabajos se han hecho enfocados a estudiar como cambiaría el mapa genético de un
organismo con la introducción de genes nuevos y las consecuencias que esto podría
acarrear a nivel poblacional, principalmente debido a la gran inversión económica y de
tiempo que dichos trabajos representan.
Los trabajos hasta ahora realizados se han hecho principalmente en plantas. La
modificación genética de las plantas se ha utilizado de diversas formas desde la
producción de plantas ornamentales como las rosas híbridas, hasta la producción de
Debido al desarrollo de nuevas herramientas computacionales y al incremento en las
capacidades de procesamiento y almacenamiento de las computadoras, la bioinformática
ha sido de utilidad en el estudio y búsqueda de curas de enfermedades mortales y
degenerativas para el ser humano, entre las cuáles se encuentra la malaria y la fibrósis
quística, ésta última es causada por un desorden genético. [5]
1.2
Descripción de la enfermedad de la malaria
La malaria, también conocida con el nombre de paludismo, es una enfermedad que se
transmite a los seres humanos a través de un vector. Es la enfermedad que más muertes
ha causado al ser humano. Se estima que cada minuto mueren de 3 a 5 personas por causa
de esta enfermedad. [6]
En la actualidad el promedio de infecciones anuales fluctúa entre los 300 y los 500
millones, y las muertes al año por esta enfermedad ascienden hasta los 2 millones de
personas únicamente en África, aunque la malaria está extendida en diversas partes del
[image:14.612.184.429.459.620.2]mundo y no es exclusiva de los países tropicales. (Ver figura 1)
Figura 1-Localización geográfica de la malaria [6]
El principal responsable de transmitir esta letal enfermedad, aunque no es el único, es el
mosquito Anopheles gambiae, aunque es importante resaltar que solo las hembras pueden transmitirla ya que solo ellas son hematófagas. Las hembras se infectan con alguno de los
parásitos antes mencionados y lo transmiten a través de su picadura. [8]
Los recursos económicos dedicados a prevenir y curar la enfermedad en África oscilan
entre el 4% y 6% del PIB y según predicciones de los expertos de la Organización
Mundial de la Salud (OMS) se espera un crecimiento del 20% anual de enfermedades y
muertes relacionadas con la malaria. [9]
1.3
Nuevas alternativas para combatir la malaria
Debido a todo lo anterior es muy importante desarrollar nuevas soluciones al problema de
la malaria que no involucren medicamentos por los problemas que estos conllevan como
los efectos colaterales y la resistencia que el parásito puede desarrollar. Además, la
solución debe beneficiar al mayor número de personas posibles con un costo económico
bajo. [10]
Para encontrar estas nuevas soluciones una opción interesante es incursionar en las
llamadas ciencias multidisciplinarias, en las cuales diferentes áreas de la ciencia
contribuyen para resolver un problema complejo.
Las ciencias computacionales y en particular, la bioinformática puede contribuir al
entendimiento y comprensión de factores cruciales en el ciclo de vida del principal vector
de la malaria, el mosquito Anopheles gambiae, como son la migración, la estructura de las poblaciones, la propagación de los genes dentro de las poblaciones, etc. mediante el
La modificación genética es una de las principales aportaciones de la biología molecular
en la cual los estudios de bioinformática juegan un papel preponderante. En este caso,
técnicas experimentales de la biología molecular puede ser usada para modificar el ADN
del mosquito en forma tal que no siga transmitiendo la malaria. [12]
La creación de mosquitos transgénicos es una opción interesante para combatir la malaria
ya que de esta manera no se afectaría el ciclo de vida del mosquito como lo hacen los
métodos basados en pesticidas, los cuales disminuyen sin control la población de
mosquitos afectando la cadena alimenticia, y no se tendrían los problemas actuales de
distribución de medicamentos.
Actualmente está en desarrollo un proyecto para modificar genéticamente al mosquito
Anopheles gambiae, en el cual participan varios campus de la Universidad de California. Dicho proyecto tiene como objetivo hacer resistente a la malaria al mosquito Anopheles gambiae para evitar que transmita la enfermedad.
Predecir los efectos que provocarán la introducción de nuevos genes en un organismo y
en la población es muy difícil, por lo que se deben realizar diversas pruebas en el
laboratorio y después en un ambiente más parecido al real pero muy controlado antes de
propagar estos genes en las poblaciones naturales con la finalidad de mitigar los riesgos
que conlleva una alteración de esta naturaleza. [13] Por otro lado, la introducción de
nuevos genes debe conferir una ventaja en aptitud de modo que estos puedan fijarse en la
población lo más pronto posible y no sean desplazados por otros genes.
Esto último es de suma importancia, ya que la modificación del mosquito puede ser
exitosa a nivel individual, pero no tendría sentido hacerlo si las modificaciones genéticas
no se propagan en la población por lo que para lograr esto último se deberán adoptar
Es muy importante resaltar que dichos experimentos son muy costosos y difíciles de
validar. Se necesitaría montar un laboratorio cerca de las poblaciones de mosquitos que
se desean estudiar y tener a un equipo de expertos viviendo en condiciones precarias
expuestos a las enfermedades.
Afortunadamente, la bioinformática puede ser muy útil en estos casos. Mediante un
modelo computacional se puede simular los experimentos buscando obtener resultados
muy cercanos a los reales de una manera rápida y mucho menos costosa. [14]
Adicionalmente se tiene control sobre variables como el clima, la migración, la mutación,
la rapidez del ciclo de vida del mosquito, etc. que en experimentos en un ambiente real
serían difíciles de manipular. En síntesis, mediante estos estudios se podrían entender de
mejor manera las condiciones requeridas para que la estrategia sea exitosa.
Se debe estudiar el resultado de las interacciones entre los mosquitos nativos y los
transgénicos para asegurarnos que los cambios hechos en el ADN se sigan propagando en
las generaciones posteriores. También es importante verificar que el mosquito no
transmita otras enfermedades que antes no transmitía debido a los cambios hechos en su
genética.
Asimismo, se debe de estudiar la rapidez con la que los nuevos genes se distribuyen en
las poblaciones de mosquitos y como van cambiando estos genes debido a factores como
el clima, la migración, la mutación, la dinámica de poblaciones, entre otros de modo que
1.4
Utilidad de los modelos computacionales en la
bioinformática
Como se mencionó anteriormente, es necesario monitorear la rapidez con que los nuevos
genes se propagan entre las diferentes poblaciones de mosquitos así como los cambios
que pueden sufrir a través del tiempo.
En este contexto resulta muy útil contar con un modelo computacional de variación
genética debido al ahorro en recursos que éste supone como la rapidez con la que se
pueden realizar los experimentos, ya que se pueden acelerar los ciclos de vida del
mosquito (nacimiento, reproducción, muerte) de manera que podemos conocer en un
tiempo corto cómo se comportará la población en el largo plazo. Trabajar en el
laboratorio con organismos reales es muy costoso y complicado.
Adicionalmente, en un modelo computacional se pueden plantear diferentes escenarios
variando la migración, la mutación, etc. para saber que pasaría si en determinado
momento alguno de estos factores se dispara fuera del rango de sus valores esperados y
en general, conocer la sensibilidad de los resultados de acuerdo a los diferentes
parámetros. [15]
De la misma manera, los modelos computacionales tienen ciertas limitaciones. Debido a
que una simulación computacional es una abstracción de la realidad, algunas de las
variables que intervienen en el ciclo de vida de los organismos como la aptitud y tiempo
de vida deben ser representadas por una cantidad numérica, que para organismos reales
sería muy difícil de determinar.
Otra limitación importante de los modelos computacionales es el tamaño de la población
que puede manejar, ya que la computadora al tener recursos limitados en cuanto a
número manejable, buscando que se satisfagan las condiciones del ambiente real en la
medida de lo posible.
Sin embargo, consideramos que las ventajas de usar estos modelos, sobrepasan
considerablemente sus limitaciones.
1.5
Trabajo propuesto
El trabajo propuesto para esta tesis es un modelo computacional que nos permita observar
la variación genética de las poblaciones de mosquitos a través del tiempo en función de
factores como la migración de individuos y la mutación genética entre otros y entender el
potencial de estos modelos para analizar la forma en que se propagaron los genes y
analizar el comportamiento de los individuos y las poblaciones cuando es introducida una
modificación genética de manera artificial.
Dentro del modelo computacional se tendrá la capacidad de parametrizar los factores más
importantes en el ciclo de vida del mosquito Anopheles gambiae (estructura de las poblaciones, migración, mutación, etc.)
Otra parte importante del modelo computacional es la reconstrucción de los ancestros a
partir del genoma de la descendencia. Esto es de suma importancia debido a que se
pueden detectar las migraciones entre poblaciones, las mutaciones en el genoma a través
del tiempo, el comportamiento reproductivo dentro de las poblaciones, la distribución
geográfica de la especie, etc. [16]
El mosquito Anopheles gambiae sufre un fenómeno conocido como inversiones de cromosomas, el cual reduce las recombinaciones en las cadenas de ADN y hace más
difícil el análisis filogenético, por lo que es interesante conocer como se comportan los
Un modelo computacional puede ayudarnos a obtener un mejor entendimiento del
comportamiento de las poblaciones del mosquito Anopheles gambiae, el grado de variación genética que sufre de una generación a otra y en que grado afecta tanto a los
individuos como a la población la introducción de modificaciones genéticas. Esperamos
contribuir a entender la viabilidad de esta estrategia de control de la enfermedad de la
malaria a nivel poblacional.
La principal contribución para la computación que un trabajo de esta naturaleza puede
aportar son la construcción del modelo computacional, la adaptación de herramientas
computacionales para resolver un problema complejo, el análisis de los datos utilizando
algoritmos sofisticados y demostrar que las ciencias computacionales pueden servir de
apoyo para resolver problemas de manera más económica y rápida.
La hipótesis de este trabajo es que mediante el uso de un modelo computacional podemos
entender como se comporta la población de mosquitos nativos una vez que se introducen
mosquitos modificados genéticamente.
El objetivo de este trabajo es simular poblaciones de mosquitos Anopheles gambiae para plantear diferentes escenarios en los que las modificaciones genéticas se fijen en la
población y permanezcan en ella el mayor tiempo posible.
Dado que el modelo computacional nos permite asignar diferentes valores a los
parámetros y condiciones de las simulaciones, queremos encontrar un rango de valores
factibles para que las modificaciones genéticas permanezcan en la población
Para lograr lo anterior, existen una serie de interrogantes que se responderán a lo largo de
este trabajo y son las siguientes; ¿Cuál es el tamaño mínimo de la población que se debe
usar para minimizar los efectos de la deriva genética? ¿En que proporción se deben
introducir los mosquitos genéticamente modificados para que permanezcan en la
población después de un número de generaciones? ¿Puede modelarse el proceso de
aptitud del mosquito debido a las modificaciones genéticas en su permanencia en la
población nativa? ¿Qué efecto tendría la teoría de juegos evolutiva en la fijación del gen?
Para contestar estas preguntas se realizaron diferentes experimentos en los cuales
obtuvimos los siguientes resultados. El tamaño necesario de la población para minimizar
los efectos de la deriva genética es de aproximadamente 50,000 individuos. Para el resto
de los experimentos se utilizó una población de 100,000 individuos. La proporción en la
que se deben introducir los mosquitos modificados genéticamente en la población nativa
es del 5% para que dichos mosquitos permanezcan en la población después de un número
de generaciones. En cuanto a la disminución máxima de aptitud que el gen transpuesto
puede conferir es de -5% para lograr una fijación en la población. Por último, mediante la
inclusión de la teoría de juegos evolutiva al modelo podemos observar escenarios donde
se fijan las modificaciones genéticas, un escenario donde prácticamente desaparecen y
otro donde la población de mosquitos modificados y la población de mosquitos nativos
desaparecen.
Este trabajo consta de 6 capítulos diferentes, organizados en la forma siguiente:
Capitulo 1: Es el capítulo de introducción y presenta un resumen general de todo el
escrito.
Capitulo 2: Este capítulo presenta los conceptos básicos de genética de poblaciones
necesarios para entender el resto del trabajo. Si el lector tiene conocimientos básicos
sobre variación genética, metapoblaciones, filogeografía, deriva genética y genes
transpuestos puede continuar al capitulo 3.
Capitulo 3: En este capítulo se explican conceptos básicos sobre simulación
computacional. Si el lector está familiarizado con los conceptos de vida artificial, teoría
de juegos evolutiva, bioinformática y el software utilizado para hacer simulaciones de
Capitulo 4: En este capítulo se explica a detalle el modelo computacional desarrollado
para este trabajo de tesis y los procesos biológicos que es capaz de simular.
Capitulo 5: En este capítulo se explican a detalle los experimentos realizados para
contestar las preguntas planteadas y los resultados obtenidos así como una breve
explicación del por qué de los resultados.
Capitulo 6: En este capítulo se presentan las conclusiones obtenidas en este trabajo de
Capitulo 2. Genética de poblaciones
2.1
Metapoblaciones
Las metapoblaciones se definen como pequeños grupos de la misma especie que están
relacionados entre sí vía migración (Ver figura 2). Estos grupos relativamente aislados se
forman debido a factores naturales como los ríos, las montañas, los lagos, etc. o pueden
ser causados por la destrucción de su hábitat debido a la actividad humana. [18]
Richard Levins introdujo el concepto de metapoblaciones en 1969 y desarrolló un modelo
en el cual se tienen varios hábitats dispersos, propensos a la extinción y conectados entre
sí vía migración. Este modelo asume que todas las metapoblaciones son del mismo
tamaño y están en igualdad de condiciones. [19]
El modelo de Levins fue criticado debido a su falta de estructura y a las premisas de
igualdad de tamaños y condiciones en las que se encuentran las metapoblaciones , ya que
en la naturaleza no se presentan fácilmente estas condiciones (Ver figura 2). [20]
Además del modelo de Levins, existe otro modelo de metapoblaciones muy aceptado
conocido como modelo de isla. El modelo de isla propone que existe una población local
grande y las metapoblaciones se van formando por individuos que migran de la
población local.
Hanski definió las metapoblaciones como pequeñas poblaciones reproductivamente
activas, que comparten el mismo territorio que las poblaciones locales más grandes. Las
metapoblaciones afectan a las poblaciones locales incluyendo la posibilidad de una
La teoría de las metapoblaciones es útil para la biología debido a que la mayoría de las
poblaciones tanto de animales como de plantas están fragmentadas y distribuidas a lo
[image:24.612.133.509.180.408.2]largo de un territorio determinado. [22]
Figura 2. Ejemplo de metapoblaciones (representadas en rojo) [23]
2.2
Factores que contribuyen a la variación genética
La variación genética es la piedra angular de la evolución. Mediante la variación genética
los organismos son capaces de adaptarse a los cambios en el medio ambiente y aumentar
Los factores más contribuyen a la variación genética son los siguientes:
a) Mutación: Es el principal factor que contribuye a la evolución. La mutación es un
cambio estable y heredable en el material genético. Estos cambios que se van
dando a través de las generaciones. Pueden ser exitosos y permanecer en el
genoma o pueden ser eliminados al no proveer ninguna ventaja al organismo. [24]
La tasa de mutación es la probabilidad de que una mutación se lleve a cabo. Una
tasa de mutación alta puede ser benéfica ya que el organismo tiene más
probabilidades de adaptarse al medio ambiente debido a que las mutaciones
permiten la variabilidad genética y con ésta una mejor adaptación, aunque tiene
un cierto límite, ya que demasiadas mutaciones pueden tener consecuencias
negativas en la aptitud del individuo.
b) Migración: La migración es el intercambio de genes entre individuos de
distintas poblaciones. En la naturaleza es común que las diferentes poblaciones de
un organismo en particular estén distribuidas en diferentes lugares geográficos.
Cuando un individuo se traslada de una población a otra, esto se denomina
migración.
La migración es de suma importancia debido a que cada metapoblación acumula
cambios para adaptarse en el medio en el que viven, pero con la migración nuevos
genes son añadidos lo cual permite mayor variabilidad genética. [25]
c) Selección natural: La teoría de la selección natural es sencilla pero a la vez
fundamental en la teoría evolutiva. La selección natural tiene como principal
axioma la supervivencia del individuo mejor adaptado al medio ambiente. Es un
proceso de mejora continua entre los individuos, el cual es guiado por un
mecanismo de selección de individuos donde el más apto transmite sus genes a la
siguiente generación y el proceso se repite hasta que la especie deja de existir.
2.3
Genes Transpuestos
Las cadenas de ADN son secuencias de 4 caracteres diferentes (A,G,C,T) pero cuya
longitud puede ser del orden de miles de millones de estos. Los genes transpuestos son
fragmentos de ADN que tienen la capacidad de cambiar su posición dentro del genoma
mediante un proceso conocido como transposición. (Ver figura 3) Debido a su movilidad
[image:26.612.221.392.248.444.2]en el genoma, a los genes transpuestos se les da el sobrenombre de genes saltarines. [27]
Figura 3. Ejemplo de gen transpuesto [28]
Como se puede observar en la figura 3, un gen transpuesto (TA) es introducido en la
cadena original de DNA. El gen transpuesto por sí mismo se replica y cambia de
posición. A esto se refiere el término de genes saltarines ya que los genes transpuestos
pueden cambiar su posición dentro del genoma en cualquier momento.
Existen dos grandes clasificaciones de elementos transpuestos:
• Clase 1: También conocida como elementos retrotranspuestos. Se mueven en el genoma mediante una transcripción al RNA y mediante una retrotranscripción
• Clase 2: Este tipo de elementos transpuestos cambian directamente de una
posición a otra mediante una enzima que realiza un mecanismo de “cortar y
pegar”. [29]
En la naturaleza los elementos transpuestos generalmente dañan al genoma debido a su
naturaleza mutágena. Hay tres formas principales en las que un elemento transpuesto
puede causar daño:
• Cuando un elemento transpuesto se inserta en un gen activo, usualmente el gen se
desactiva.
• Cuando un elemento transpuesto se mueve de un gen al otro, el espacio que deja
en el gen no es reparado de manera correcta.
• Múltiples copias de una misma secuencia pueden crear problemas en el proceso
de cruzamiento de la reproducción celular.
Algunas enfermedades causadas por los elementos transpuestos son la hemofilia, la
distrofia muscular, predisposición al cáncer, entre otros. [30]
Aún cuando parece en apariencia, los efectos de los genes transpuestos son siempre
negativos, también son una excelente herramienta para modificar genéticamente un
organismo. [31]
Los elementos transpuestos han sido utilizados para propagar genes benéficos en plantas,
animales y microbios. Un elemento transpuesto debe de ser capaz de mantenerse intacto
en el genoma del organismo una vez que interactúa con la población natural de dicho
organismo. [31]
A pesar de que los genes transpuestos están siendo cada vez más utilizados para la
modificación genética de algunos organismos, no se tiene el entendimiento completo del
los experimentos realizados hasta el momento han sido principalmente en laboratorios y
bajo condiciones controladas. [32]
2.4
Reconstrucción Filogenética
Mediante análisis filogenético se puede reconstruir con cierta precisión la estructura de
las poblaciones y los cambios que han sufrido a través del tiempo por factores cruciales
para la evolución genética como lo son la migración y la mutación. [33]
Las poblaciones acumulan cambios a través del tiempo los cuales son diferentes entre las
diferentes poblaciones debido al aislamiento en el que se encuentran. Algunas veces estos
cambios pueden llegar a formar nuevas especies. [34]
Lewis propuso un modelo de poblaciones en equilibrio en el cual cuando hay una
extinción local, las poblaciones cercanas recolonizan el hábitat. Se considera que este es
un modelo no estructurado en el que se asume que todas las poblaciones locales son
idénticas en todos los sentidos. [35]
Esto último es relevante en el campo de la modificación genética ya que entender como
afectan al organismo estos cambios que son introducidos de manera natural nos puede
ayudar a formular una estrategia de manera que los cambios introducidos en el
laboratorio perduren en la población nativa.[36]
El resultado del análisis filogenético generalmente se representa mediante un diagrama
llamado dendograma (Ver figura 4). El dendograma representa de manera jerárquica el
parentesco entre un grupo de especies mediante un tipo particular de grafo donde cada
vértice representa el antepasado común a dos o más especies y cada arista tiene asociados
Figura 4-Ejemplo de dendograma. [12]
Un árbol filogenético es un diagrama que se utiliza para representar el camino que ha
seguido la evolución para producir la gran diversidad genética dentro de las especies (Ver
figura 5). En dicho diagrama las formas extintas son intermedias entre otras formas más
primitivas y las nuevas. Por lo general, las hojas de un árbol filogenético están ocupadas
por especies actuales y los nodos representan eventos de especiación. Un dendograma
Figura 5-Ejemplo de árbol filogenético. [12]
Para la construcción de los diagramas mencionados anteriormente existe una variedad de
algoritmos computacionales entre los cuales se encuentran:
a) Máxima parsimonia: La máxima parsimonia es un método de reconstrucción
filogenética que está basado en la suposición de que la hipótesis más probable es
aquella que requiere el menor número de explicaciones. Este método de
reconstrucción filogenética es utilizado por la escuela cladista de clasificación, la
cual propone tanto un criterio para clasificar a los seres vivos, como un método
para recuperar la historia filogenética. [38]
Según el cladismo, las especies se deben clasificar en grupos en los cuales los
La máxima parsimonia asume que la similitud es evidencia de cercanía de
descendencia. Sin embargo, no cualquier similitud es útil para reconstruir la
historia, como ya mencionamos anteriormente, la máxima parsimonia asume que
solo las sinapomorfias (los caracteres derivados compartidos), son útiles para
recuperar la historia evolutiva ya que son los únicos que nos permiten evaluar
distintas hipótesis filogenéticas. [39]
b) Método Máxima Verosimilitud: Este método es el más exacto en la práctica.
Utiliza las leyes de las probabilidades para generar todos los árboles filogenéticos
posibles y escoger el que tenga una mayor probabilidad de ser el correcto. [33]
Este método tiene la desventaja de ser difícil de implementar y su costo
computacional suele ser grande, por lo que en la práctica no es un método muy
utilizado. [33]
Dos factores fundamentales para la filogenética son el tiempo y el espacio, en los cuales
se representan los genes de interés. La filogenética es muy importante debido a que nos
permite conocer la estructura de las poblaciones a partir de los genes de la descendencia.
[34]
La filogenética es útil en este trabajo ya que uno de nuestros objetivos es observar si, a
partir de la última generación de mosquitos que resulten al finalizar la simulación,
podemos reconstruir la historia de cómo se fueron acumulando los cambios en el material
genético de los mosquitos a través de las generaciones.
Los algoritmos computacionales utilizados para este propósito fueron el de máxima
verosimilitud y el de máxima parsimonia. Decidimos utilizar estos algoritmos ya que son
los que tienen una mejor eficacia en la clasificación de organismos, aunque su costo
2.5
Deriva genética
Los alelos se definen como las diferentes instancias que puede tener un gen. Cuando un
organismo es haploide, solo tiene una instancia del gen. Si el organismo es diploide,
entonces tiene dos instancias del mismo gen. En este caso un alelo se manifestará y el
otro permanecerá latente. [40]
La deriva genética se define como la probabilidad de que existan cambios en la
frecuencia de los alelos en una población finita de una generación a otra. [40]
Esta probabilidad de cambio es inversamente proporcional al tamaño de la población. En
una población grande la probabilidad será pequeña, mientras que en una población
pequeña esta probabilidad de cambio de alelos será mucho más alta. [40]
Este efecto es muy importante en el flujo de genes de las poblaciones, ya que en
poblaciones lo suficientemente pequeñas, la deriva genética puede provocar una
fluctuación de alelos desproporcionada dentro de la población. [40]
Existen diversas formas en las que el material genético de un individuo, y por ende de
una población, puede variar. Una de estas formas es la selección natural, en la que los
genes más aptos son transmitidos a la generación siguiente con la finalidad de que las
nuevas generaciones estén mejor adaptadas al medio ambiente y puedan sobrevivir, pero
la deriva genética puede influir en el proceso de selección natural si la población es lo
suficientemente pequeña. [41]
En lo que se refiere a fijación de genes, la deriva genética juega un papel muy importante,
ya que debido a la fluctuación en la frecuencia de genes que provoca, se puede dar el caso
que un gen que le confiere una ventaja a un organismo no se fije y desaparezca o tarde
parte, la deriva genética también puede provocar que un gen que no es tan apto para el
organismo se fije en la población. [41]
El la figura 6 se tiene una población con dos alelos, cada alelo tiene una participación del
50% de la población total. La figura muestra como a menor población, la participación de
un alelo puede ser mayor aún cuando este alelo no sea el que confiera una mayor aptitud
[image:33.612.203.404.239.518.2]al organismo.
Figura 6-Efecto de la deriva genética en la frecuencia
de alelos de una población. [42]
El efecto de la deriva genética es muy importante en este trabajo ya que lo que buscamos
es que las modificaciones genéticas que se realicen sobre los mosquitos perduren a través
del tiempo, y como se puede observar en la figura 6, el efecto de la deriva genética puede
Capitulo 3. Simulación computacional
3.1
Vida artificial
La vida artificial se refiere a la simulación computacional de los procesos biológicos de
los seres vivos con la finalidad de proveer enfoques alternativos para su mejor
entendimiento. Los mecanismos biológicos que se simulan en la vida artificial son el
crecimiento, la adaptación al medio, reproducción, interacción con los demás individuos,
aprendizaje y muerte. [43]
La finalidad es crear un entorno muy parecido al real de manera que se pueda observar la
evolución de los individuos y su respuesta a ciertos cambios en el medio ambiente a
través del tiempo.
Existen cuatro modelos diferentes de vida artificial los cuales son:
a) El modelo molecular: Este modelo es el más parecido a la vida natural. Los
experimentos se realizan con cadenas de RNA evolucionándolas por un número
determinado de generaciones hasta que un grupo de cadenas de RNA tienen las
características deseadas. [18]
b) El modelo celular: Este modelo se enfoca principalmente en el mecanismo de
reproducción a nivel celular, intentando averiguar cómo ha ido evolucionando ese
mecanismo de reproducción. Este modelo toma en cuenta dos tipos de evolución:
• La evolución química la cual se refiere a la historia evolutiva desde que la
célula se reproduce a sí misma hasta que las nuevas células están
totalmente desarrolladas y listas para reproducirse.
c) El modelo organizacional: Este modelo estudia la organización a nivel
organismo. Un ejemplo podrían ser los insectos en los cuales se pueden modelar
su cuerpo, su sistema nervioso y los sentidos y estudiar cómo se comporta un
individuo dentro de un grupo debido a los impulsos que recibe del medio
ambiente y de los demás integrantes del grupo. [43]
d) El modelo poblacional: Este modelo se centra en el estudio de una población
entera para observar cómo evoluciona genéticamente ésta, cómo interactúa con su
medio ambiente, cómo se distribuye geográficamente, etc. El principal problema
de este modelo es la complejidad matemática que supone simular una población
completa y la limitación en el número de individuos por falta de recursos
computacionales. [16]
En particular, consideramos que mediante el uso de un modelo poblacional de vida
artificial se pueden encontrar las condiciones idóneas para que el gen transpuesto se fije
en la población y se propaga a través de las generaciones.
Este trabajo puede ser clasificado como un trabajo de bioinformática y de vida artificial.
La vida artificial nos permite simular las poblaciones de mosquitos y los procesos
biológicos que intervienen en la variación genética como la migración y la mutación,
mientras que la bioinformática nos permite analizar mediante el uso de computadoras los
conjuntos de datos producidos por las simulaciones para tratar de responder las preguntas
planteadas anteriormente.
Los algoritmos genéticos forman parte de la inteligencia artificial y han sido usados como
algoritmos de búsqueda en diversas áreas de aplicación. Un algoritmo genético funciona
de manera muy similar a la selección natural. En un principio se tiene un conjunto de
soluciones generadas aleatoriamente, mediante algún criterio definido previamente se
seleccionan las mejores soluciones, se evolucionan, reproducen y el ciclo comienza de
En este trabajo de investigación decidimos no utilizar los algoritmos genéticos ya que nos
interesa más observar cómo evolucionan las poblaciones de mosquitos y cómo afectan
variables como la mutación, el tamaño de la población, la introducción de modificaciones
genéticas, que llegar a la solución de un problema en particular.
3.2
Teoría de juegos evolutiva
La teoría de juegos evolutiva fue propuesta por John Maynard Smith. La teoría de juegos
evolutiva se centra en explicar las diferentes estrategias que un individuo puede adquirir
y su respectiva recompensa o penalización dependiendo del comportamiento de los
individuos con los que interactúe. [44]
El fenotipo de un individuo se define como la expresión del genotipo en un determinado
ambiente. El fenotipo pueden ser características tanto físicas como de conducta, por lo
que la teoría de juegos evolutiva es una teoría de evolución de fenotipos.
La finalidad de estudiar este tipo de interacciones es encontrar las condiciones en los
valores de recompensa y penalización en los cuáles una población puede invadir a otra,
así como las condiciones en que la población original no puede ser invadida. [44]
La teoría de juegos evolutiva es una herramienta muy útil para nuestro estudio, ya que
uno de los objetivos de este trabajo es conocer si el gen transpuesto puede fijarse en la
población de mosquitos naturales y de ser así cual sería el escenario requerido para que
esto pudiera suceder en principio.
Las premisas de la teoría de juego evolutiva son que la población debe ser infinita, en un
tiempo continuo y la reproducción de los individuos se hace con parejas escogidas al
Mediante el modelado de una teoría de juegos evolutiva podemos simular la interacción
entre los genes naturales y los transpuestos, dando diferentes valores de recompensa y
penalización para observar el cambio en la fijación del gen transpuesto y en el número de
individuos en la población. [44]
La modificación genética de un organismo tiene un efecto en su aptitud, el cual
generalmente es negativo, por lo que queremos observar hasta donde podría la
modificación genética disminuir la aptitud del mosquito sin afectar la fijación del gen
transpuesto en la población.
Es importante resaltar que una de las premisas principales de la teoría evolutiva de juegos
es que la población debe ser infinita. Por razones obvias, esta premisa no puede
satisfacerse en la naturaleza ni en una simulación, por lo que observaremos en que
medida la teoría evolutiva de juegos se mantiene válida aún si se tiene una población
finita.
En la teoría de juegos evolutiva existe una estrategia llamada estrategia evolutiva estable.
Esta estrategia tiene como característica principal que no puede ser invadida por otra
estrategia, es decir, una población que adopta la estrategia evolutiva estable no puede ser
invadida por otra población.
La estrategiaI es una estrategia evolutivamente estable si para toda J ≠I, satisface
cualquiera de las siguientes condiciones:
( , ) ( , )
( , ) ( , )
W J I W I I
W J I W I I
<
dónde W J I( , ) es la recompensa o penalización en la aptitud cuando un individuo con estrategia J y otro individuo con estrategia I compiten por un recurso, de manera
análoga W I I( , ) es la recompensa o penalización cuando dos individuos con estrategia I
compiten por algún recurso.
En este trabajo de investigación se presentarán los resultados obtenidos de plantear tres
escenarios diferentes; el primero en el cuál el gen no logra fijarse en la población, el
segundo donde la población se extingue totalmente y el tercero donde el gen transpuesto
logra ocupar un lugar importante en el genoma de la población total.
Conocer dichas condiciones sería de mucha utilidad ya que serviría como guía para
conocer los elementos que se deben cumplir para que la propagación genética tenga éxito
y su factibilidad dadas las condiciones actuales.
Esto es de vital importancia debido a que la modificación genética de un organismo solo
tiene sentido si esos cambios se conservan al pasar de las generaciones.
En el modelo computacional existen dos tipos de genes diferentes. Los genes de la
población natural y los que tienen el gen transpuesto. Estos dos tipos de genes competirán
entre ellos para lograr una superioridad numérica en la población.
Cada individuo se comportará de acuerdo al tipo de genes que tenga e interactuará con
los demás miembros de la población. Los comportamientos a modelar son el halcón y
paloma, respectivamente, siguiendo la terminología propuesta en los trabajos originales
[44].
El halcón es más agresivo y al encontrarse con otro halcón pelearán por la comida. La
paloma es más evasiva y huirá si se siente en peligro y compartirá el recurso si se
En este trabajo de investigación, los mosquitos nativos fueron programados con el
comportamiento de paloma, mientras que los mosquitos con modificaciones genéticas
adoptarán el comportamiento de halcón.
Se decidió que los mosquitos nativos se comportaran como palomas ya que es la
población que queremos desplazar. Los mosquitos con modificaciones genéticas se
comportan como halcones ya que queremos que desplacen a los mosquitos nativos.
3.3
Trabajos previos en simulación de la genética de
poblaciones
Uno de los trabajos más representativos en cuanto a simulación de poblaciones de
mosquitos fue realizado por un grupo de diez investigadores de diversas partes del
mundo y de diferentes universidades. [10]
La hipótesis del trabajo mencionado se basa en que es posible simular mediante un
modelo computacional los cambios genéticos que sufren las poblaciones del mosquito
Anopheles gambiae a través del tiempo tomando en cuenta los factores más importantes como la migración, la mutación y que es posible reconstruir los datos originales mediante
técnicas filogenéticas (Ver figura 7). [10]
Además de lo anterior, se intentó demostrar que se puede reconstruir la estructura de las
poblaciones del mosquito mediante análisis filogenéticos y filogeográficos de tal forma
que se pueda conocer de que manera se presentó la migración de individuos entre
poblaciones, si existieron o no extinciones locales y de qué manera se fueron
Este trabajo es muy similar al que se desarrolla en la tesis, con 2 diferencias importantes.
En nuestro modelo se incluyen la teoría de juegos evolutiva y la inserción de genes
transpuestos.
Los investigadores construyeron un modelo computacional que considera las cuatro
etapas de la vida del mosquito, tres de los cuales se llevan a cabo antes del nacimiento del
mosquito y la última cuando ya es un adulto. (Ver figura 8)
Para simular el ciclo de vida de mosquito se tomaron en cuenta 5 factores principales:
a) Temperatura: Es un regulador crítico del crecimiento y desarrollo del mosquito
durante todas las etapas de su vida, ya que determina cuando termina una etapa y
empieza otra. Es el principal regulador de la duración del ciclo de reproducción
del mosquito.
b) Humedad: Es el segundo factor en importancia que regula el ciclo de vida del
mosquito. Interactúa directamente con el factor temperatura.
c) Competencia por el alimento: Este factor es importante sobre todo en el estado
larvario del mosquito, ya que la falta de alimento es la principal causa de muerte
de las larvas. Además, para que un mosquito transite del estado larvario a pupa, el
cuál es un estado mucho más activo que el larvario y es donde empieza a tomar su
forma anatómica final, es necesario un peso mínimo y existe una fuerte relación
entre el peso del mosquito en estado larvario y la fecundidad del mosquito en
estado adulto.
d) Predadores y defunciones: En este factor se consideran las muertes provocadas
por los predadores y por las enfermedades. Se piensa que las enfermedades que
puede contraer el mosquito están relacionadas con los cuerpos de agua que tiene
e) Dispersión: Los mosquitos adultos tienden a emigrar de su lugar de origen en
busca de comida o lugares de reproducción. Este factor es muy importante para
conocer como se distribuyen las metapoblaciones de mosquitos con el paso del
tiempo.
El escenario en el cual se desarrolló el experimento contempla un pequeño conjunto con
6 casas, 5 habitantes por cada casa y tres cuerpos de agua para reproducción. Los
parámetros iniciales de los cinco factores antes mencionados fueron tomados de las
[image:41.612.196.452.289.434.2]condiciones reales en Kenya. (Ver figura 7)
Figura 7-Escenario del experimento donde H1-H6 representan las casas y
P1-P3 los sitios de reproducción. [10]
Se creó una población y se simuló su comportamiento por un periodo de 20 meses,
empezando el 1 de Marzo y terminando el 31 de Diciembre con datos meteorológicos de
Figura 8-Descripción del ciclo de vida del mosquito
en el modelo computacional [10]
Como resultado del experimento se encontró que la temperatura es un factor muy
importante para el desarrollo de los mosquitos hasta su etapa adulta. Como se puede
observar en la figura 9 conforme la temperatura aumenta la abundancia de los mosquitos
también aumenta. Esto es muy relevante ya que se puede predecir un aumento importante
de la población de mosquitos teniendo una predicción del clima por lo que se pueden
planear estrategias de control con anticipación.
Otro resultado interesante que arrojó el experimento es con respecto al uso de insecticidas
para controlar la población de mosquitos, ya que parece que los insecticidas son una
buena medida para el control de la población, pero esto es engañoso, ya que el insecticida
también afecta a sus depredadores, por lo que aunque al principio disminuye la población
de mosquitos, a largo plazo aumenta. Esto conlleva a usar cada vez más y más
Figura 9-Relación entre temperatura y el desarrollo de las larvas [10]
Figura 10-Efecto del insecticida en la población de mosquitos [10]
El modelo computacional construido para el trabajo antes expuesto sólo toma en cuenta
las condiciones de Kenya en lo que se refiere al clima. Un estudio más interesante se
podría hacer simulando las condiciones en las que migran los individuos entre las
diferentes metapoblaciones con diferentes probabilidades de migración, simulando las
metapoblaciones donde los mosquitos migran con mayor frecuencia para tener mejores
[image:43.612.95.537.357.507.2]Un aspecto importante que no se tomó en cuenta para este trabajo es el efecto de la deriva
genética en los cambios que sufre la población. En el modelo computacional que
desarrollamos, sí se toma en cuenta el fenómeno de la deriva genética para minimizar el
efecto que produce y obtener resultados más cercanos a la realidad.
Otra simulación interesante de mosquitos Anopheles gambiae fue la realizada por Manoukis, Lee, Vallejo y Taylor en su trabajo titulado “Detecting recurrent extinction in
a metapopulation of Anopheles gambiae: preliminary results using simulation”. [44]
En este trabajo se dieron a la tarea de observar las extinciones recurrentes en
metapoblaciones de mosquitos Anopheles gambiae y cómo afectaban dichas extinciones a la estructura de las poblacionesmediante el uso de un simulador computacional
En este trabajo se plantearon tres escenarios de extinción de metapoblaciones:
El primer escenario es llamado modo residente en la cuál las metapoblaciones son
mermadas de manera importante durante la época de sequía pero no se llega a una
extinción total. [45] (Ver figura 11)
El segundo escenario es llamado modo de fuente en el cuál algunas metapoblaciones se
extinguen completamente en época de sequía y vuelven a ser pobladas en época de
lluvias por mosquitos que vienen de una población más grande llamada fuente. [45] (Ver
figura 11)
Figura 11-Escenarios de extinción de metapoblaciones [46]
En el modelo computacional se utilizaron cuatro poblaciones periféricas de mosquitos y
una central más grande llamada fuente. Cada mosquito era representado por una cadena
neutral de ADN haploide que evolucionan por medio de la mutación, migración, deriva
genéticay clonación, los cuales se simulaban de la siguiente manera:
a) Migración: La migración se simulaba mediante la remoción de la población
de un individuo elegido de manera aleatoria e inserción en otra población
b) Nacimientos: Los nacimientos se realizaban mediante clonaciones. Se elegía
de manera aleatoria a un individuo para ser clonado y el individuo resultante de
la clonación era insertado en la misma población.
c) Mutación: Es un cambio en la secuencia de ADN y se realizaba al momento
de hacer la clonación.
El modelo computacional tenía habilitada una característica conocida como turnover, la cual permite tener un control sobre los nacimientos y las muertes para tener un tamaño de
Cada simulación iniciaba con 4 metapoblaciones y una fuente con características
genéticas idénticas. Las simulaciones duraban 10,000 pasos de tiempo. Cada paso de
tiempo tenían lugar la migración, clonación, mutación, nacimientos y muertes. Al
finalizar cada paso de tiempo se sondeaba la población de mosquitos en cada
metapoblación mediante el uso de muestras.
Como resultado de estas simulaciones encontraron que para el escenario de modo de
fuente las metapoblaciones empiezan con diversidad genética baja pero ésta se eleva
muy rápidamente. (Ver figura 12)
En lo que se refiere al escenario de modo residente, la diversidad genética se eleva al
máximo durante la época de lluvias, lo cual era de esperarse ya que es la época en la que
las poblaciones son más grandes. (Ver figura 12)
En el escenario mixto se experimenta mayor diversidad genética en la época de lluvias
debido a los migrantes. Por otro lado, en la época de sequía como la población casi
[image:46.612.129.478.468.680.2]desaparece la diversidad genética disminuye considerablemente. (Ver figura 12)
El trabajo nos muestra de una manera muy interesante la variabilidad genética con los
diferentes escenarios de extinción de metapoblaciones. El único aspecto que podría restar
credibilidad a los resultados expuestos en el trabajo es que el tamaño de la población fue
muy pequeño, de aproximadamente 15,000 individuos, y en una población de ese tamaño
la deriva genética pudo haber influenciado la variación genética.
3.4
Software de flujo de genes de poblaciones
Existe una gran variedad de software en el mercado para realizar las simulaciones que
implementan los modelos probabilísticos y filogenéticos antes mencionados. Se revisó el
software más utilizado en otros trabajos de investigación similar a éste, pero ninguno en
particular se adapta a los experimentos que queremos simular, por lo que decidimos
desarrollar el modelo computacional en vez de utilizar algún paquete de software de los
mencionados más adelante en esta sección.
Los programas que se revisaron fueron los siguientes:
a) Popgen software
Es un simulador simple de genética de poblaciones. Tiene dos modos de
operación, el primero es un simulador de la evolución con un solo locus y el otro un simulador de evolución cuantitativo.
Los parámetros incluyen el tamaño de la población inicial, el porcentaje inicial de
alelos, el modelo de aptitud para cada combinación de alelos, las tazas de
mutación de los dos tipos diferentes de alelos y diferentes tipos de migración
entre las poblaciones. El número máximo de poblaciones que se pueden simular
Es necesario tener un conocimiento básico de genética de poblaciones antes de
empezar a usar el programa debido a que el manual no es específico y no provee
ningún tipo de tutorial. Aunado a esto, el programa no ofrece ninguna ayuda en
pantalla.
b) Avida
Avida es una plataforma de software para experimentos con programas que se
reproducen a sí mismos y que evolucionan a través del tiempo desarrollado por
Chris Adami. Provee control muy detallado sobre los parámetros del experimento,
una gran cantidad de herramientas de medición y métodos muy completos y
sofisticados para el análisis y procesamiento de la información. [46]
Avida se compone de tres módulos principales. El primero se denomina el núcleo
de Avida el cual contiene la población de organismos digitales, el segundo
componente importante de Avida es la interfaz gráfica, la cual le sirve al
investigador para interactuar con el sistema de manera que pueda preparar, llevar
a cabo y analizar los experimentos que requiera.y el componente final contiene
una serie de herramientas de análisis y estadística de datos.
Avida es un programa muy utilizado en el campo científico, los principales
campos de estudio que se han desarrollado incluyen la adaptación de individuos
en una población, evolución de la complejidad biológica y teorías de evolución
molecular.
c) Arlequín
Programa de exploración de genética de poblaciones. Es capaz de manejar
grandes cantidades de información molecular como RFLP, secuencias de ADN y
Entre las muchas ventajas que tiene Arlequín se encuentran el excelente y
detallado manual que incluye información teórica sobre los conceptos que se
deben dominar para usar el programa, incluye referencias para extender la
investigación si se considera necesario, su sitio de internet contiene información
acerca de preguntas frecuentes del software y la interfaz es muy sencilla y
amigable.
Entre las pocas desventajas podemos mencionar la curva de aprendizaje elevada
debido al gran número de opciones con que cuenta el programa. La alimentación
del sistema no es sencilla. Dar formato al archivo de entrada puede resultar
complejo.
Después de analizar los paquetes de software que se encuentran disponibles en el
mercado nos dimos cuenta de que carecen de la funcionalidad requerida para simular los
fenómenos que queremos observar por lo que decidimos construir el modelo
Capitulo 4. Modelo propuesto
4.1 Proyecto de modificación genética del mosquito
Anopheles gambiae
El proyecto de modificación del mosquito Anopheles gambiae surgió como una alternativa para combatir la malaria ya que los métodos tradicionales para combatirla son
cada vez menos eficaces.
Lo que se pretende hacer es modificar genéticamente al mosquito mediante la inserción
de genes transpuestos, de manera tal que dichos genes confieran inmunidad al mosquito y
no propague la malaria. [12] (Ver figura 13)
El proyecto de la modificación genética del mosquito se debe realizar en varias etapas:
La primera de ella involucra la obtención del material genético del mosquito. Hay que
tomar en cuenta que existen varias poblaciones de mosquitos por lo que será necesario
contar con el material genético de todas ellas. Debido al gran costo en recursos que
supondría secuenciar el genoma completo de todos los individuos de una población, se
tomarán muestras para obtener el material genético de cada población. [12]
Una vez obtenidas todas las secuencias se deben de analizar para predecir las regiones
candidatas de ADN que podrían causar que el mosquito transmita la malaria y
reemplazarlas por medio de genes transpuestos de manera que se afecte al mosquito lo
menos posible. [12]
Los mosquitos modificados se crearán en el laboratorio a partir de las secuencias de ADN
modificadas. Se evaluarán las características morfológicas y filogenéticas de los
Figura 13. Proyecto de modificación genética del mosquito Anopheles gambiae.
El propósito es crear mosquitos transgénicos lo más parecido a los mosquitos nativos
para no alterar el ecosistema, ya que los mosquitos son parte de la cadena alimenticia y
un cambio mínimo en alguno de los eslabones puede repercutir de manera importante en
el resto de ella.
La fijación del gen transpuesto tiene múltiples dificultades. La principal es conocer en
qué regiones introducir los mosquitos transgénicos para que el gen transpuesto se
distribuya más rápido entre la población de mosquitos nativos.
Otra cuestión que se debe resolver una vez detectadas las regiones donde se introducirán
los mosquitos transgénicos es el número de mosquitos que se deben introducir para
Obtención del material genético
Identificación de regiones de ADN
candidatas a modificarse
Modificación de las regiones
candidatas Creación de mosquitos