Cómo la casualidad gobierna la evolución exprés

Original: "Stochastic individual-bases models"
· Anton Bovier, Anna Kraut
arXiv:2607.11520 · 2026-07-13 · CC BY 4.0 · 1 min
Los científicos han mostrado cómo el tamaño de la población y la frecuencia de las mutaciones juntos determinan el camino de la evolución: desde cambios suaves hasta saltos bruscos.

La evolución fluye como el agua. En un río ancho los cambios son suaves y lentos, mientras que un arroyo de montaña bulle con cada piedra. El tamaño de la población y la frecuencia de las mutaciones determinan el cauce: ancho y tranquilo o estrecho y lleno de rápidos.

Los científicos construyeron un modelo matemático basado en la teoría de procesos aleatorios de Andréi Márkov, donde se tienen en cuenta el tiempo, el número de individuos, la tasa de mutación y su amplitud. En grupos grandes la evolución avanza sin prisa: las mutaciones se acumulan durante siglos y a menudo se hunden sin dejar rastro, como tinta en un río. En los pequeños bulle: una mutación beneficiosa en pocas generaciones se apodera de toda la población, como una piedra que cambia el cauce de un arroyo.

En el micromundo de las bacterias esto se ve claramente: en una colonia de un billón de individuos un cambio beneficioso puede simplemente perderse, mientras que en un tubo de ensayo con un centenar de especímenes se convierte en patrimonio común al cabo de un día.

Estos cálculos permiten prever la respuesta de las especies a los cambios ambientales. Controlando el nivel de caos en las poblaciones, podemos ralentizar la evolución no deseada, por ejemplo, en insectos dañinos. La biología obtiene una herramienta de predicciones precisas en lugar de palabras generales.

Las matemáticas de las cadenas aleatorias que aplicaron los científicos no nacieron en la biología: Andréi Márkov las creó analizando la alternancia de vocales y consonantes en el poema de Pushkin «Eugenio Oneguin».

Científicos
Paul DiracEmilio Gino SegrèNancy Grace RomanPeter HiggsRichard FeynmanMarie Curie
Conceptos
dinámica estocástica biológica modelado estocástico modelado de complejidad emergente tamaño de muestra cadena de Markov modelo probabilístico modelo de Wright-Fisher parámetro dinámica de sistemas complejos pronóstico especie evolución estadística de Bose–Einstein sistemas dinámicos exponente estadística sobreajuste escalable ajuste de parámetros punto de referencia