La biología evolutiva , en particular la comprensión de cómo evolucionan los organismos a través de la selección natural, es un área de la ciencia con muchas aplicaciones prácticas. [1] [2] Los creacionistas a menudo afirman que la teoría de la evolución carece de aplicaciones prácticas; sin embargo, esta afirmación ha sido refutada por los científicos. [3]
El enfoque evolutivo es clave para gran parte de la investigación actual en biología que no se propone estudiar la evolución per se, especialmente en la biología y ecología de organismos . Por ejemplo, el pensamiento evolutivo es clave para la teoría de la historia de la vida . La anotación de los genes y su función se basa en gran medida en enfoques comparativos, es decir, evolutivos. El campo de la biología evolutiva del desarrollo investiga cómo funcionan los procesos de desarrollo utilizando el método comparativo para determinar cómo evolucionaron. [3]
Una de las principales aplicaciones tecnológicas de la evolución es la selección artificial , que es la selección intencional de ciertos rasgos en una población de organismos. Los seres humanos han utilizado la selección artificial durante miles de años en la domesticación de plantas y animales. [4] Más recientemente, dicha selección se ha convertido en una parte vital de la ingeniería genética , con marcadores seleccionables como los genes de resistencia a los antibióticos que se utilizan para manipular el ADN en biología molecular . También es posible utilizar rondas repetidas de mutación y selección para desarrollar proteínas con propiedades particulares, como enzimas modificadas o nuevos anticuerpos , en un proceso llamado evolución dirigida . [5]
La resistencia a los antibióticos puede ser resultado de mutaciones puntuales en el genoma del patógeno a una tasa de aproximadamente 1 en 10 8 por replicación cromosómica. La acción de los antibióticos contra el patógeno puede considerarse como una presión ambiental; las bacterias que tienen una mutación que les permite sobrevivir seguirán reproduciéndose. Luego transmitirán este rasgo a su descendencia, lo que dará lugar a una colonia totalmente resistente.
La comprensión de los cambios que han ocurrido durante la evolución de los organismos puede revelar los genes necesarios para construir partes del cuerpo, genes que pueden estar involucrados en los trastornos genéticos humanos . [6] Por ejemplo, el tetra mexicano es un pez cavernícola albino que perdió la vista durante la evolución. La cría conjunta de diferentes poblaciones de este pez ciego produjo algunas crías con ojos funcionales, ya que se habían producido diferentes mutaciones en las poblaciones aisladas que habían evolucionado en diferentes cuevas. [7] Esto ayudó a identificar los genes necesarios para la visión y la pigmentación, como las cristalinas y el receptor de melanocortina 1. [ 8] De manera similar, la comparación del genoma del pez de hielo antártico , que carece de glóbulos rojos , con parientes cercanos como el bacalao antártico reveló los genes necesarios para producir estas células sanguíneas. [9]
Como la evolución puede producir procesos y redes altamente optimizados, tiene muchas aplicaciones en la ciencia informática . Aquí, las simulaciones de la evolución utilizando algoritmos evolutivos y vida artificial comenzaron con el trabajo de Nils Aall Barricelli en la década de 1960, y fueron ampliadas por Alex Fraser , quien publicó una serie de artículos sobre simulación de selección artificial . [10] La evolución artificial se convirtió en un método de optimización ampliamente reconocido como resultado del trabajo de Ingo Rechenberg en la década de 1960 y principios de la de 1970, quien utilizó estrategias de evolución para resolver problemas complejos de ingeniería. [11] Los algoritmos genéticos en particular se hicieron populares a través de los escritos de John Holland . [12] A medida que crecía el interés académico, los aumentos dramáticos en la potencia de las computadoras permitieron aplicaciones prácticas, incluida la evolución automática de programas de computadora. [13] Los algoritmos evolutivos ahora se utilizan para resolver problemas multidimensionales de manera más eficiente que el software producido por diseñadores humanos, y también para optimizar el diseño de sistemas. [14]