Predicción de haplogrupos mitocondriales de Bradybaena similaris (Gastropoda, Camaenidae) en Argentina utilizando enfoques de machine learning

SERNIOTTI, E.N.; RAU, A.I.; FERREYRA, A.M.; IURINIC, L.; SCHERF, S.E.; GUZMÁN, L.B.; VOGLER, R.E.; BELTRAMINO, A.A.

Posadas

Congreso; 4° Congreso Argentino de Malacología; 2022

Asociación Argentina de Malacología en conjunto con la Universidad Nacional de Misiones (UNaM), el Grupo de Investigación en Genética de Moluscos (GIGeMol) del Instituto de Biología Subtropical (IBS, CONICET - UNaM) y la Agencia Misionera de Innovación

La introducción de especies invasoras en áreas no nativas se ha visto exacerbada en los últimos años debido al avance de la globalización, generando impactos a gran escala. Desde la pérdida de biodiversidad hasta el daño a cultivos, a la salud humana y animal, los moluscos constituyen excelentes ejemplos de invasiones biológicas de alto impacto que pocas veces son abordados desde un enfoque preventivo. La caracterización genética de especies ya establecidas puede arrojar luces sobre las rutas de introducción existentes y colaborar en la generación de estrategias para evitar futuras introducciones. Sin embargo, los costos de secuenciación de ADN asociados con estudios poblacionales suele ser la mayor limitante en países de bajos recursos. Convenientemente, el desarrollo de algoritmos matemáticos para el aprendizaje automático ha hecho posible el aprovechamiento de caracteres morfológicos para la predicción de variabilidad genética. En este trabajo aplicamos métodos de machine learning no supervisado para la predicción de haplogrupos mitocondriales de poblaciones argentinas de Bradybaena similaris (Férussac, 1822). Para ello se tomaron ocho medidas conquiliológicas de 500 individuos de B. similaris presentes en la Colección Malacológica del Instituto de Biología Subtropical, de los cuales 106 presentaban información genética mitocondrial (cox1 y rrnL). Los datos fueron analizados utilizando diversas librerías disponibles en Python 3.8 por medio del entorno JupyterLab. Las dimensiones fueron reducidas empleando PCA y t-SNE, mientras que los clusters fueron aproximados mediante k-means. Los análisis llevados a cabo utilizando medidas conquiliológicas no permitieron la discriminación de clusters, en tanto que los registros con datos genéticos no fueron inequívocamente diferenciados. Estos resultados podrían sugerir que: las medidas morfológicas utilizadas no tendrían relación con la divergencia genética observada; la muestra empleada no es representativa de la variabilidad conquiliológica de las poblaciones; o bien, la cantidad de registros analizados no resultó suficiente para los modelos de machine learning.