¿Podría la IA ayudar a las especies marinas en peligro a sobrevivir al cambio climático?

Los océanos de la Tierra se están calentando y volviendo más ácidos a medida que cambia el clima. Para gran parte de la flora y la fauna del mar, eso podría significar la extinción, a menos que las especies puedan adaptarse a nuevas condiciones y fuentes de alimentos, o migrar a aguas más hospitalarias.

Pero las especies en peligro podrían obtener ayuda de los humanos, dice Katie Lotterhos, profesora asociada de ciencias marinas y ambientales en Northeastern, siempre que los científicos puedan determinar con precisión qué especies necesitarán ayuda.

Ahí es donde entran Lotterhos y sus colegas.

Dentro de las especies a menudo hay variación genética. Algunas cepas genéticas podrán adaptarse más fácilmente a ciertas condiciones nuevas que otras. Si los investigadores pueden identificar qué cepas genéticas de una especie determinada tienen más probabilidades de sobrevivir en las nuevas condiciones esperadas, pueden centrar los esfuerzos de restauración y protección en esas cepas. O, dice Lotterhos, los científicos podrían ayudar a las especies a adaptarse al cambio climático moviéndolas a lugares que probablemente sean más hospitalarios en el futuro en un concepto llamado «migración asistida». Los científicos y líderes de la industria ya están considerando este enfoque para la agricultura y los árboles.

«Existe una necesidad social urgente de combinar mejor las cepas genéticas con los entornos para los esfuerzos de restauración frente al cambio climático», dice Lotterhos. Para hacer eso, los científicos han estado desarrollando métodos para el «pronóstico genómico», dice, que pueden usar datos genéticos para «predecir cómo se comportará una cepa genética en diferentes entornos».

Pero en este momento, los científicos no están muy seguros de si esas predicciones son precisas. Entonces, Lotterhos y sus colegas pusieron a prueba un algoritmo líder de aprendizaje automático. Sus resultados se informan en un artículo reciente publicado en la revista Aplicaciones evolutivas.

El algoritmo de aprendizaje automático combina información genética y ambiental para predecir qué tan mal adaptada estaría una cepa genética dada de una especie a un determinado conjunto de condiciones ambientales en una medida llamada «compensación genómica», dice Lotterhos. Para probar con qué precisión el algoritmo predice el desplazamiento genómico, explica, el equipo creó simulaciones por computadora de lo que ellos llaman «especies virtuales» que no existen en el mundo real pero que nacen, mueren, se dispersan, se seleccionan evolutivamente y mutan en el de la misma manera que lo hacen las especies reales en la naturaleza.

«Nuestro estudio muestra que los métodos de pronóstico genómico son prometedores, pero que todavía no tenemos una comprensión completa de sus fortalezas y limitaciones», dice Lotterhos. El método de aprendizaje automático demostró ser mejor que otras medidas para predecir la compensación genómica cuando los investigadores mantuvieron las entradas simples, considerando solo información genética o solo información ambiental. Pero en conjunto como una forma de predecir la disminución de la población debido al cambio ambiental, Lotterhos dice que los resultados podrían ser engañosos.

Para probar aún más el enfoque de aprendizaje automático, el equipo de Lotterhos está desarrollando más simulaciones. Los científicos también desconectarán este experimento y realizarán experimentos de campo.

Lotterhos recibió recientemente dos prestigiosos premios: un premio CARRERA de la Fundación Nacional de Ciencias y una beca Fulbright. Con el apoyo del premio CAREER, Lotterhos y sus colegas están realizando pruebas de métodos de predicción genómica en ostras. La beca Fulbright la ha llevado a Suecia, donde está probando los métodos en la vida marina allí, como los caracoles marinos, la hierba marina y los isópodos, un orden de crustáceos que incluye cochinillas.

«El mar Báltico es un sistema de estudio interesante porque muchas especies se han adaptado genéticamente a un gradiente ambiental pronunciado desde condiciones oceánicas benignas a un ambiente de agua dulce más ácido», dice Lotterhos. «El objetivo es determinar qué tan bien funcionan estos métodos y en qué condiciones funcionan bien».