Selección de configuraciones de landmarks para estudios de discriminación taxonómica: una aproximación cuantitativa

AMBROSIO TORRES

SAN JUAN

Jornada; XXIX Jornadas Argentinas de Mastozoología; 2016

Sociedad Argentina para el estudio de los mamíferos

En años recientes la morfometría geométrica (MG) ha surgido como una herramienta claveen el renacimiento de la morfología en una era molecular. Uno de los usos en los que hademostrado ser muy potente, fusiona MG con métodos multivariados (ej. análisisdiscriminantes) para el reconocimiento taxonómico de vertebrados, y de otros organismos adistintos niveles jerárquicos. Si bien está práctica es usual, la mayoría de los autores noexplican, o lo hacen muy pobremente, los criterios para seleccionar las configuraciones delandmarks utilizadas. Estos criterios tienen repercusiones importantes ya que se sabe que elnúmero de landmarks y las combinaciones de éstos, es decir distintas configuraciones,influyen en el porcentaje de discriminación entre entidades taxonómicas; y a pesar de quese defina la configuración utilizando la literatura y tratando de maximizar la homología,está selección no deja de ser subjetiva. El objetivo de este trabajo es presentar un métodoque utiliza algoritmos exhaustivos y heurísticos, implementados en R, para encontrarconfiguraciones óptimas de landmarks que ahorren tiempo de digitalización y de ejecuciónde análisis al escoger aquellas configuraciones que maximicen el porcentaje dediscriminación (mediante funciones lineales y cuadráticas) utilizando la menor cantidad delandmarks posibles. Se presenta un ejemplo de la utilización del método desarrolladoutilizando un set de datos de zorros (Carnivora, Canidae) que incluye información de laforma geométrica del cráneo de las especies Lycalopex griseus y L. gymnocercus (Prevostiet al. 2013). Finalmente, es posible afirmar que al utilizar criterios cuantitativos para laselección de las configuraciones de landmarks se estaría realizando una mejor exploraciónprevia de los datos; así mismo esta selección podría ayudar a reducir el tiempo necesariopara la obtención y análisis de datos sin contradecir la selección tradicional, sino más biencomplementándola.