El pensamiento bayesiano un pensamiento computacional por todas partes….

 

En los premios Nobel también

 

Está reciente la concesión de los premios Nobel. Particularmente interesate ha sido el de Medicina, concedido a Svante Pääbo y a sus investigaciones sobre los genomas de nuestros parientes extintos más cercanos, los neandertales y los injustamente desconocidos denisovanos, también sobre la propia evolución de homo sapiens y sus genes.

Por otro lado, y sin que obviamente tuviera dada que ver, en los últimos tiempos hemos  estado trabajando, Yamil Buenaño, Raidell Avello y un servidor, sobre lo que algunos autores hemos dado en llamar y en considerar al pensamiento bayesiano como pensamiento computacional por todas partes.

¿Cuál ha sido el mérito del Nobel de Medicina Svante Pääbo?

Mediante modelos, y sin evidencia empírica en hallazgos paleontológicos o muy escasos, ha conseguido establecer la existencia de un antepasado, desconocido hasta ahora, con gran influencia genética en el hombre actual: El denisovano.

 Al leer la noticia y la reseña del premio pensé que habría que ver en qué medida en sus hallazgos ha intervenido el pensamiento bayesiano.

Lo que nadie dice en los medios, acerca de los descubrimientos del actual Nobel de Medicina, es que sus trabajos tienen mucho que ver con lo que hemos llamado pensamiento computacional por todas partes o pensamiento bayesiano. Todos las noticias se centran en comentar espectaculares fotos del Hombre de Neandertal, que las ilustran. Pero casi nadie habla de los denisovanos y nadie penetra en el núcleo de su investigación: Unos trabajos, casi sin evidencias empíricas, basada en modelos genéticos y en el Teorema de Bayes, con analítica de datos.

Eso es lo que he supuesto nada más leer algunas síntesis de sus trabajos. Pero ahora he visto éste, derivado de ellos. Lo he encontrado en una simple búsqueda, con proliferación del uso del Teorema de Bayes y hasta de sus métodos más simples, el árbol bayesiano, para establecer relaciones evolutivas de los ADNmt de Denisovan:

Figure S5. MtDNA tree of three Denisovans, seven Neandertals, a hominin from Sima de los Huesos (65), and five present-day humans. The Bayesian tree was computed using 16,286 mtDNA positions and a chimpanzee mtDNA (X93335.1) as outgroup (not shown). Important posterior probabilities are shown.

Pero más importante es el artículo que sigue. Y lo es por su relevancia para lo que quiero poner de relieve.

Es el trabajo de Pääbo et al (2008 ) publicado en Cell y Science Direct titulado significativamente A Complete Neandertal Mitochondrial Genome Sequence Determined by High-Throughput Sequencing. Como autor principal, su nombre va en último lugar, dirigiendo y supervisando a una extensa gama de investigadores.

Pese a ello, es breve. Once páginas. Pero eso no obsta para que aparezcan seis incidencias directas al teorema y a los métodos bayesianos. También, y eso es más importante aún, aparecen varios árboles bayesianos como criterio para determinar la aceptación o el rechazo de una hipótesis en su modelo genético. Genial y muy revelador. Veámoslas:

MtDNA Divergence

To further explore the evolutionary relationship between Neandertal and extant human mtDNAs, we estimated a phylogenetic tree with the complete mtDNA of Neandertal, 53 human mtDNAs, the human rCRS, and chimpanzee and bonobo mtDNAs as outgroups. Neighbor-joining, maximum likelihood, parsimony, and a Bayesian approach (Supplemental Data) all indicated that the 54 extant humans formed a monophyletic group to the exclusion of the Neandertal, with complete support for each tree-building measure (100% bootstrap support; 1.0 posterior probability). Unsurprisingly, this topology is also found when analysis is restricted to various subsets of the sequence, such as protein-coding sequences and RNA-coding sequences (Supplemental Data).

In order to estimate the date of the divergence of the Neandertal and extant human mtDNAs, we compared the Neandertal mtDNA to 10 divergent human mtDNAs (Figure 3A), and tested if we could reject a molecular clock assuming the topology of the Bayesian tree (see Supplemental Data). This was not the case, indicating no significant heterogeneity in evolutionary rates among the sequences. To allow divergences of mtDNA sequences to be transformed to calendar years, we assumed—based on the fossil record—that humans and chimpanzees diverged between six (Galik et al., 2004) and eight million years ago (Brunet et al., 2002, Lebatard et al., 2008). This results is an estimate of the mean divergence time between Neandertal and extant human mtDNAs of 660,000, with a 95% credibility interval of 520,000–800,000 years ago (Figure 3B) (see also Supplemental Data), which overlaps with previous estimates based on HVRI and II sequences (Krings et al., 1997, Krings et al., 1999). Since the width of the divergence credibility interval increases almost linearly with the posterior mean of the divergence estimate (Figure S5), further sequence data would be unlikely to decrease the width of the credibility interval (Yang and Rannala, 2006). However, if the estimated date of the divergence between humans and chimpanzees, or current assumptions about how the mtDNA evolves, were found to be incorrect, the estimates in calendar years of the divergence of the Neandertal and human mtDNAs would need to be revised.

En español

Divergencia de ADNmt

Para explorar más a fondo la relación evolutiva entre los ADNmt humanos existentes y de neandertal, estimamos un árbol filogenético con el ADNmt completo de neandertal, 53 ADNmt humanos, el rCRS humano y los ADNmt de chimpancé y bonobo como grupos externos. La unión de vecinos, la máxima verosimilitud, la parsimonia y un enfoque bayesiano ( datos complementarios ) indicaron que los 54 humanos existentes formaron un grupo monofilético con exclusión del neandertal, con soporte completo para cada medida de construcción de árboles (100% de soporte de arranque; 1.0 probabilidad posterior). Como era de esperar, esta topología también se encuentra cuando el análisis se restringe a varios subconjuntos de la secuencia, como secuencias que codifican proteínas y secuencias que codifican ARN ( datos complementarios ).

Para estimar la fecha de la divergencia de los ADNmt humanos existentes y neandertales, comparamos el ADNmt neandertal con 10 ADNmt humanos divergentes ( Figura 3 A) y probamos si podíamos rechazar un reloj molecular asumiendo la topología del árbol bayesiano ( ver Datos complementarios ). Este no fue el caso, lo que indica que no hay una heterogeneidad significativa en las tasas evolutivas entre las secuencias. Para permitir que las divergencias de las secuencias de mtDNA se transformen en años calendario, asumimos, con base en el registro fósil, que los humanos y los chimpancés divergieron hace entre seis ( Galik et al., 2004 ) y ocho millones de años ( Brunet et al., 2002) . Lebatard et al., 2008). Este resultado es una estimación del tiempo medio de divergencia entre los ADNmt humanos neandertales y humanos existentes de 660 000, con un intervalo de credibilidad del 95 % de hace 520 000–800 000 años ( Figura 3 B) (ver también Datos complementarios ), que se superpone con estimaciones anteriores basadas en Secuencias HVRI y II ( Krings et al., 1997 , Krings et al., 1999 ). Dado que el ancho del intervalo de credibilidad de la divergencia aumenta casi linealmente con la media posterior de la estimación de la divergencia ( Figura S5 ), es poco probable que más datos de secuencia disminuyan el ancho del intervalo de credibilidad ( Yang y Rannala, 2006).). Sin embargo, si la fecha estimada de la divergencia entre humanos y chimpancés, o las suposiciones actuales sobre cómo evoluciona el ADNmt, fueran incorrectas, sería necesario revisar las estimaciones en

Referencias.-

Green, R. E., Malaspinas, A. S., Krause, J., Briggs, A. W., Johnson, P. L., Uhler, C., ... & Pääbo, S (2008). A complete Neandertal mitochondrial genome sequence determined by high-throughput sequencing. Cell, 134(3), 416-426.  https://www.sciencedirect.com/science/article/pii/S0092867408007733 y https://reader.elsevier.com/reader/sd/pii/S0092867408007733?token=F3B0ACFC8FE111D5AEC6E25CE88F90ACF06D139DCF8A8FBEFB88EAC0F8BC2B448E2E0E032F5CB23355019D69B3438DAF&originRegion=eu-west-1&originCreation=20221005155513 

Zapata Ros, M., & Buenaño Palacios, Y. (2021). El pensamiento bayesiano, un pensamiento computacional omnipresente. Revista de Educación a Distancia (RED), 21(68). https://doi.org/10.6018/red.496321

Zapata Ros, M. y Avello Martínez, R. (2021). Pensamiento bayesiano una componente distinta y relevante del pensamiento computacional. Aula Magna 2.0 https://cuedespyd.hypotheses.org/8972

Zapata Ros, M. (2022). El pensamiento computacional desenchufado(II). Pensamiento bayesiano. La evaluación del PC

Zapata Ros, M. (2022). Pensamiento computacional, qué es. Una definición por elementos. Unplugged. Pensamiento bayesiano. https://www.youtube.com/watch?v=9yqFDcjdCXk