INTRODUCTION

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 distribuyendo las poblaciones del mosquito en el espacio a través del tiempo.

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 disponibles.

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 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 Kilifi, Kenya. El experimento se centró en la curva de abundancia de mosquitos adultos.

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 insecticida, lo cual también afecta al ser humano ya que contamina el aire y el agua. [5]

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 condiciones de vida.

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 población estable durante la realización de las simulaciones.

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 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.