Post on 24-Jan-2022
1818
Int. J. Morphol.,38(6):1818-1836, 2020.
Morfometría Geométrica y sus Nuevas Aplicaciones en Ecología y Biología Evolutiva. Parte 2
Geometric Morphometric and its New Applications in Ecology and Evolutionary Biology. Part 2
Amado Villalobos-Leiva1 & Hugo A. Benítez2
VILLALOBOS-LEIVA, A. & BENÍTEZ, H. A. Morfometría geométrica y sus nuevas aplicaciones en ecología y biología evolutiva.Parte 2. Int. J. Morphol., 38(6):1818-1836, 2020.
RESUMEN: La presente revisión entrega una visión actualizada del estudio de la morfometría geométrica y sus aplicacionesmás actuales en ecología y biología evolutiva, metodología con una amplia variación en los últimos 5 años de su primera versión enInternational Journal of Morphology. La Morfometría geométrica es una herramienta que permite evaluar las variaciones morfológicascon factores subyacentes, siendo una herramienta más sensible que la morfometría tradicional, lo que permite detectar mínimos cambiosde variación morfológica. Lo que la ha vuelto una herramienta notable para responder preguntas de biología comparada centradas encaracteres anatómicos. En sus comienzos fue una herramienta usada principalmente para responder preguntas taxonómicas, y paradiferenciar a nivel de individuos, poblaciones o especies. No obstante, en los últimos años la cantidad de preguntas y problemáticas enlas que se aplica, ha diversificado considerablemente, pasando a ser una herramienta muy precisa para responder preguntas de variaciónmorfológica en contextos ecológicos y evolutivos. Ya ha pasado casi media década desde la última revisión del método, por lo que éstetrabajo tiene como objetivo analizar los cambios metodológicos y los nuevos enfoques usados en Morfometría geométrica, y presentaruna pequeña guía introductoria a éstos nuevos métodos, sus usos y aplicaciones.
PALABRAS CLAVE: Morfometría geométrica; Integración; Modularidad; Asimetría fluctuante; Covariación de la for-ma; Morfometría geométrica 3D.
INTRODUCCIÓN
Desde los inicios de la biología, los investigadoresse han valido de la morfología para realizar descripciones yobservaciones de la naturaleza y la vida. Y éstas observa-ciones, en base a diferencias y similitudes han servido pararealizar aproximaciones de relación entre grupos, poblacio-nes e incluso especies, siendo la base de la taxonomía clási-ca. No obstante, y a pesar de las descripciones detalladas, lamorfología no podía ser sujeta a un análisis cuantitativo fuer-te, limitándose sólo a mediciones lineales de las estructuras.Ya a comienzos de la década de 1930, y con el desarrollo denuevas técnicas estadísticas multivariadas (Toro-Ibacacheet al., 2010), el enfoque pasó a ser conocido como“morfometría tradicional” (MT) o “morfometríamultivariada” ( Marcus, 1990; Rohlf & Marcus, 1993; Adamset al., 2004). No obstante, esta aproximación tenías suslimitantes, al no obtener una visualización gráfica del cam-bio de la forma. No fue hasta que Kendall (1977) sentaríalas bases de la metodología que prestaría solución a los va-cíos de la morfometría tradicional, definiendo a la forma
como “Toda información geométrica que resulta de retirarlos efectos de la posición, escala y rotación”. Es así como lamorfometría tradicional comenzó a centrarse en la verdade-ra “forma de las estructuras” al adoptar nuevas técnicas adi-cionales, enfoque que pasaría a ser conocido como“Morfometría geométrica” (MG).
La MG es el estudio de la covariación de la formacon factores geométricos subyacentes, y se utiliza para de-terminar la “forma pura” (Shape) en un individuo o estruc-tura, mediante puntos discretos en el espacio y bien defini-dos (Landmarks) (Zelditch et al., 2004). Este tipo de análi-sis no se ve afectado por el tamaño del individuo, así comotampoco por su rotación ni escala, por lo que la forma delobjeto en estudio no se describe en términos de sus dimen-siones, sino de la relación espacial entre sus partes (Toro-Ibacache et al.; Zelditch et al.). Esto constituye una dife-rencia fundamental con la MT, la que entrega una “formatotal” (Form) (Marcus; Rohlf & Marcus; Adams et al.;
1 Departamento de Zoología, Facultad de Ciencias Naturales y Oceanográficas, Universidad de Concepción, Concepción, Chile.2 Centro de Investigación de Estudios Avanzados del Maule, Universidad Católica del Maule, Talca, Chile.
1819
Zelditch et al.), y que no permite la recuperación de la for-ma en estudio. Lo anterior se debe a que las matrices quecontienen la información, basadas en datosunidimensionales, sólo pueden entregar una representaciónabstracta de la estructura. La forma resultante en la MG,Shape en inglés, puede entregar importante información,como la adaptación a las presiones ambientales yreproductivas (Kaliontzopoulou et al., 2010; Weaver &Gunz, 2018), así como también los rasgos que son más biende carácter plesiomórficos y que permiten estimar grado desimilitud entre individuos de distintos grupos o localidades(Fernández-Mazuecos et al., 2013; Kaliontzopoulou et al.).Esto hace que la MG sea una herramienta útil y sencillapara evaluar similitudes y diferencias de caráctermorfológico y ecológico entre individuos, grupos de unamisma especie, entre especies distintas, poblaciones, etc.(Benítez & Püschel, 2014; Toro-Ibacache et al.). Lo últimopermite realizar estudios de delimitación de especie y varia-ciones interespecíficas (Zúñiga-Reinoso & Benítez, 2015).
Al igual que como ocurre con los nuevos enfoquespara estudio de problemáticas biológicas, la MG haincrementado su uso de forma exponencial en los últimos10 años para responder preguntas de orden biológica en dis-tintas áreas, en especial en biología integrativa. Así mismo,ha sufrido constantes cambios y actualizaciones en su me-todología, haciendo al enfoque más preciso y capaz de re-solver problemáticas cada vez más complejas (Benítez &Püschel, 2014; Toro-Ibacache et al.). Por ejemplo, en el pa-sado quedó el uso de los partial warps (Pw) y relative warps(rw), los cuales eran usados como valores de componentesprincipales de la deformación de la grilla de forma (Thinplate spline), en análisis estadísticos exploratorios (Rohlf &Marcus; Toro-Ibacache et al.). No obstante, y a pesar de quelas grillas de transformación son una herramienta muy útilpara la visualización de los cambios de la forma, no necesa-riamente son fiables dependiendo de los algoritmos mate-máticos asociados (como Pw y rw), señalando el cambio enlas regiones más alejadas de los landmarks, ya que esta trans-formación responde en mayor medida como resultado delalgoritmo de transformación y carece de sentido biológico(Klingenberg, 2013b). Así mismo, estudios recientes(Wärmländer et al., 2019) indican que, a pesar que lo que secreía anteriormente, los landmarks Tipo 1 son menos infor-mativos que los Landmarks Tipo 3, en especial para recupe-rar información de la forma usando enfoques 3D.
Es por esta razón, y entendiendo la importancia deluso de las nuevas metodologías que corrigen los errores es-tadísticos metodológicos de la MG, es que se realiza estarevisión, para señalar las actualizaciones más recientes enMG, así como para indicar las nuevas metodologías, sus usosy las problemáticas que hoy en día intentan responder.
Revisión Bibliográfica. Para la revisión se realizó una bús-queda sistemática en los buscadores Scopus, Web of Sciencey Science Direct. Se utilizaron las palabras clave: GeometricMorphometrics, Fluctuating Asymmetry, MorphologicalIntegration y Partial Least Squares. Además, como criteriosde exclusión se consideraron únicamente los artículos cien-tíficos publicados en revistas desde el año 2010 en adelante,descartando revisiones bibliográficas y libros, y que contuvieran al menos una de las siguientes palabras clave:“Geometric Morphometrics”, Evolution, Morphology,Morphometry, “Anatomy and histology”, y “Biologicalevolution”.
Se seleccionaron 65 artículos, los cuales fueron ana-lizados para extraer la información de: Modelo de estudio,Método de análisis utilizado, Pregunta o Caso de estudio, yel Tipo de problemática (Tabla I). Y se graficó en el soft-ware GraphPad Prism V.5 la frecuencia de uso demetodologías (Fig. 1) y la frecuencia de temáticas de estu-dio (Fig. 2) desde el año 2010 al 2018.
Considerando que las temáticas más frecuentes ac-tualmente para el uso de la MG son las evolutivas yecológicas, distinguiéndose principalmente los métodos de:Integración y Modularidad, Asimetría Fluctuante, yCovariación de la forma (2B-PLS), es que en este trabajonos centramos en ahondar en las metodologías de estas pro-blemáticas. Por lo demás, y a pesar de que estas metodologíasestán cobrando importante notoriedad en las últimas déca-das, no hay mucha bibliografía práctica que explique el usoy aplicaciones de los métodos, y en especial es relevante lafalta de bibliografía en español, que pueda servir como unpunto de inicio para los investigadores jóvenes que comien-zan a profundizar en la MG.
Software. La morfometría geométrica desde sus inicios hapasado por diferentes transiciones desde el punto de vistade software computacionales, donde en sus inicios la serieTPS por el profesor James Rohlf el cual bajo el alero deStony Brook Univerity y la web (https://life.bio.sunysb.edu/morph/) por décadas actualizado las múltiples opciones deTPS para el público en morfometría en general con la des-ventaja que solo servía para algunos sistemas operativos(debía ser utilizado en Mac con emuladores de Windows).Luego del tiempo y fines de la década del 90 otros softwaresque integraban morfometría 3D fueron apareciendo contem-poráneos a la serie TPS (Morpheus, Morphologica,Landmark editor entre otros). Chris Klingenberg académi-co de la Universidad de Manchester en Reino Unido, creaun software basado en la plataforma java denominadoMorphoJ (Klingenberg, 2011) el cual integra muchos de losmétodos que la seria TPS tiene por separados en un soloprograma de fácil manejo y compatible con todos los siste-
VILLALOBOS-LEIVA, A. & BENÍTEZ, H. A. Morfometría geométrica y sus nuevas aplicaciones en ecología y biología evolutiva. Parte 2. Int. J. Morphol., 38(6):1818-1836, 2020.
1820
Tabl
a I.
Res
umen
de
los
trab
ajos
ana
lizad
os,
met
odol
ogía
s us
adas
, ca
so d
e es
tudi
o y
tipo
de p
robl
emát
ica1
. N
ota
1: E
co=
Eco
logí
a, D
S=
Dim
orfis
mo
Sex
ual,
Alo
= A
lom
étric
o,E
vo=
evo
lutiv
o.
n°°°°A
ño
Mod
elo
2D3
Drw
PW
GPA
PC
AC
SC
VA
PL
SF
AS
WR
VC
RC
CA
Pre
gun
ta/C
aso
de e
stud
ioT
po
prob
lem
átic
a
M
étod
o
120
10ca
rnív
oros
y p
rim
ates
1
1
1
Efe
cto
de l
a m
odul
arid
ad e
n la
dis
pari
dad
cran
ial
Des
crip
tivo
220
11C
ráne
os
Hum
anos
1
1
Com
para
ció
n en
tre
esca
ner
lase
r 3D
y d
igiti
liza
dor
3DM
etod
ológ
ico
320
11Sy
nneu
ria s
p (L
epid
opte
ra)
1
1
1
Dim
orfis
mo
sexu
alD
S-D
escr
iptiv
o
420
12pe
rfil
nasa
l hum
ano
1
1
1
Def
inir
el p
erfi
l nas
al s
egún
MG
Des
crip
tivo
520
13Pe
rro
Map
ache
1
1
1
Var
iaci
ón d
e la
form
a en
una
pob
laci
ón s
alva
jeE
co-D
escr
iptiv
o
620
13L
inar
ia s
ect.
Ver
sico
lore
s
1
1
Evo
luci
ón d
e lo
s ra
sgos
flo
rale
s qu
e re
stri
ngen
el a
cces
o a
polin
izad
ores
Evo
-Des
crip
tivo
720
13C
ráne
os
hum
anos
1
1
1
vari
ació
n m
orfo
mét
rica
y d
imor
fism
o se
xual
DS-
Des
crip
tivo
820
13es
perm
a de
rat
ón d
e ca
sa1
11
1
1
va
riac
ión
mod
ular
a n
ivel
cel
ular
Des
crip
tivo
920
13C
teno
mys
bic
olor
1
1
Val
idac
ión
de e
spec
ieT
axon
ómic
o
1020
13C
erog
loss
us
1
1
Dim
orfis
mo
sexu
al d
e ta
mañ
o en
rel
ació
n a
la p
ropo
rció
n d
e se
xos
DS-
Des
crip
tivo
1120
13B
ombu
s1
1
1
E
stud
io s
iste
mát
ico
Tax
onóm
ico
1220
13Fe
linos
1
1
1
1
rela
ción
ent
re i
nteg
raci
ón f
unci
onal
y d
esem
peño
mec
ánic
oB
iom
ecán
ico
1320
13C
roci
dura
gol
iath
(m
usar
aña
s)1
1
1
1
D
elim
itaci
ón d
e es
peci
esT
axon
ómic
o
1420
13H
yla
plic
ata
(ran
a)1
1
1
1
V
aria
ción
mor
foló
gica
alti
tudi
nal
Eco
-Des
crip
tivo
1520
13C
erog
loss
us
chile
nsis
1
1
1
Efe
cto
del a
mbi
ente
en
la A
sim
etrí
a flu
ctua
nte
y di
mo
rfis
mo
sex
ual
Eco
-Des
crip
tivo
1620
13C
abal
lo d
omés
tico
1
1
1
1
Dim
orfis
mo
sexu
al d
el h
emic
oxis
DS-
Des
crip
tivo
1720
13C
erog
loss
us
chile
nsis
1
11
1
1
Asi
met
ría
fluct
uant
eE
co-D
escr
iptiv
o
1820
13C
ráne
os
de A
ves
1
1
11
1
1
Com
para
r m
étod
os p
ara
inte
grar
fil
ogen
ias
y M
GM
etod
ológ
ico
1920
14C
omp.
Cra
neo
faci
al y
mol
ares
hum
ano
s1
1
11
1
1
V
aria
ción
de
la m
odul
arid
ad c
on la
eda
dA
lo-D
escr
ipti
vo
2020
14D
iabr
otic
a vi
rgif
era
(Col
eopt
era)
1
11
11
1
Inte
grac
ión
mor
foló
gica
y m
odul
arid
adE
vode
vo-
Des
crip
tivo
2120
14m
amíf
eros
car
nívo
ros
1
1
1
1
1
Patr
ones
de
inte
grac
ión
evol
utiv
a en
el e
sque
leto
ape
ndi
cula
rE
vo-D
escr
iptiv
o
2220
14T
opill
o (M
icro
tus)
1
1
1
1
1
Ori
gen
de la
org
aniz
ació
n m
odul
ar d
e la
den
tició
n de
riva
daE
vo-D
escr
iptiv
o
2320
14pu
ntas
de
flec
ha d
e pi
edra
1
1
1
1
Cov
aria
ción
de
la f
orm
a de
fle
chas
lític
as c
omo
proc
esos
cu
ltura
les
adap
tati
vos
Evo
-Des
crip
tivo
2420
14A
grio
tis1
1
1
1
A
soci
ació
n en
tre
varia
ble
s am
bien
tale
s y
vari
ació
n de
la
form
aE
co-D
escr
iptiv
o
2520
14A
rtic
ulac
ión
de l
a ca
dera
hum
ana
1
11
1
1
Eva
luar
la in
tegr
ació
n fu
ncio
nal
de la
arti
cula
ción
de
la c
ader
aE
vo-B
iom
ecán
ico
2620
15Lu
tzom
yia
umbr
atil
is1
1
1
1
E
valu
ació
n de
l ta
mañ
o y
form
a al
ar e
ntr
e po
blac
ione
sE
co-D
escr
iptiv
o
2720
15V
aran
us s
pp1
1
1
1
1
Aná
lisis
de
la v
aria
ción
y re
laci
ón c
on e
l ren
dim
ient
o es
truct
ural
y
ecol
ogía
alim
enta
ria
Eco
-Bio
mec
ánic
o
2820
15A
mia
cal
va1
1
1
1
1
D
escr
ibir
el
patr
ón y
la m
odul
arid
ad d
e lo
s can
ales
de
la lí
nea
late
ral
sens
oria
l y s
u in
tegr
ació
n co
n lo
s hu
esos
cra
neal
es d
e so
port
eE
vode
vo-
Des
crip
tivo
2920
15C
ulex
spp
1
1
1
1
Dis
crim
inac
ión
de e
spec
ies
Tax
onóm
ico
3020
15O
chle
rota
tus
scap
ular
is1
1
11
D
escr
ipci
ón d
e la
var
iabi
lidad
mor
foló
gica
Des
crip
tivo
3120
16O
dont
esth
es s
pp1
1
11
1
Infe
rir d
elim
itac
ión
entr
e 2
SPP
y m
orfo
s in
term
edio
s
dulc
eacú
icol
as y
mar
inos
Tax
onóm
ico
3220
16V
aran
us1
1
11
ef
ecto
de
las
vist
as (
Dor
sal,
vent
ral y
late
ral)
infl
uye
en la
var
iaci
ónde
la
form
a in
tere
spec
ífic
a. C
ompa
rar
met
odol
ogía
s 2D
y 3
DM
etod
ológ
ico
3320
16D
enta
dur
a hu
man
a1
1
1
1
1
Inve
stig
ar e
l efe
cto
de la
alo
met
ría
sobr
e la
for
ma
de
los
cont
orno
s
de l
a co
rona
infe
rior
dm
2 (d
m2)
y M
1 (M
1) y
exa
min
ar s
i la
tray
ecto
ria
y m
agni
tud
de la
esc
ala
alom
étri
ca s
e co
mpa
rten
ent
re lo
sd
llH
iA
lo-D
escr
ipti
vo
3420
16D
atos
sim
ulad
os
11
E
valu
ació
n de
las
pro
pied
ades
del
coe
fici
ente
RV
Met
odol
ógic
o
VILLALOBOS-LEIVA, A. & BENÍTEZ, H. A. Morfometría geométrica y sus nuevas aplicaciones en ecología y biología evolutiva. Parte 2. Int. J. Morphol., 38(6):1818-1836, 2020.
1821
5220
18gr
upo
bifo
veol
atum
11
11
11
11
1
Inve
stig
ar la
exi
sten
cia d
e va
riaci
ón e
xpre
siba
e in
tegra
ción
en la
form
a de
las
parte
s de
pen
etra
ción
de
la g
enita
lia y
los p
arám
etro
sat
ravé
s que
los e
spec
ímen
es d
e es
as e
spec
ies
difi
eren
a lo
larg
o de
ll
lidd
Tl
idi
idlid
dd
lód
ld
l
Evod
evo-
Des
crip
tivo
5320
18B
ifac
es g
ahag
an (p
unta
de
flech
a de
pied
ra)
11
11
Com
para
ción
de
la m
orfo
logí
a en
de la
s bifa
ces c
ompa
rand
o do
ssi
tios
de m
uest
reo
Eco-
Des
crip
tivo
5420
18G
obies
ox m
arm
orat
us1
11
11
Efe
cto
del e
ctop
aras
itism
o en
el m
orfo
espa
cio d
e la
rvas
de
pece
sEc
o-D
escr
iptiv
o
5520
18C
aim
an la
tiros
tris
- C
. yac
are
1
11
1
1
Cua
ntifi
caci
ón d
e la
vari
ació
n in
ter e
intra
esp
ecífi
ca d
e la
mor
folo
gía
cran
eal e
n 2
espe
cies
de
caim
anes
, enf
ocán
dose
en
aque
llas
área
s rel
evan
tes a
la s
istem
átic
a. R
elaci
ón e
ntre
la d
ieta
yca
mbi
os D
escr
iptiv
os d
uran
te la
ont
ogen
iaTa
xonó
mic
o
3520
16Ae
des f
luvi
atili
s1
11
Eval
uar D
imor
fism
o se
xual
DS-
Des
crip
tivo
3620
17M
us m
uscu
lus
11
1
prop
oner
un
sis d
e aná
lisis
de li
bre
acce
so p
ara
ayud
ar e
n la
esta
ndar
izaci
ón d
e lo
s est
udio
de
mic
ro to
mog
rafía
s (M
icro
-CT)
com
puta
rizad
as e
n el
rató
n de
lab.
Met
odol
ógic
o
3720
17ci
enpi
és g
eofil
omor
fos
11
11
11
1Ev
alua
r la
varia
ción
mor
foló
gica
en
las
estru
ctur
as m
ásco
nspi
cuas
de
los a
para
tos d
e ca
ptur
a de
pre
sas.
Bio
mec
-D
escr
iptiv
o
3820
17C
anis
lupu
s x
C. l
upus
fam
iliar
is1
11
1
rela
ción
entr
e di
vers
idad
cra
neal
y d
espr
opor
cion
es o
rofa
cial
esco
n un
a m
enor
fuer
za d
e in
tegr
ació
n de
los
mód
ulos
cra
neál
es y
por l
a de
svia
ción
del
pat
rón
de c
ovar
iaci
ón en
com
para
ción
con
lobo
s.Ec
o-D
escr
iptiv
o
3920
17D
inos
aurio
s ce
rato
psid
os1
11
11
11
11
¿Qué
pro
ceso
s evo
lutiv
os im
puls
an la
evol
ució
n fe
notíp
ica
de lo
scr
áneo
s y m
andí
bula
s en
Cer
atop
sia?
¿Cuá
l es
el gr
ado
dein
tegr
ació
n m
orfo
lógi
ca e
ntre
el c
ráne
o y
la m
andí
bula
infe
rior
, yen
tre e
l hoc
ico
y el
die
nte
de s
ierra
ent
re lo
s cla
dos?
Fin
alm
ente
,¿h
ay a
lgún
cam
bio
en la
tasa
de
evol
ució
n m
orfo
lógi
ca d
e la
filog
enia
cer
atop
sian
a?Ev
olut
ivo
4020
17H
omín
idos
11
11
11
Aná
lisis
del e
fect
o de
la in
tegr
ació
n cr
anea
l en
la m
orfo
logí
aen
docr
anea
lD
escr
iptiv
o
4120
17H
omín
idos
11
11
11
rela
ción
entr
e la
s dife
renc
ias m
orfo
lógi
cas
en la
form
a de
las
arca
das
entre
hom
ínid
os v
ivos
, con
la c
ovar
iaci
ón d
e la
man
díbu
lasu
perio
r e in
ferio
r, y
el p
re m
axila
r y
el m
axila
rEv
o-D
escr
iptiv
o
4220
17M
icra
ster
ias c
ompe
rean
a (D
esm
idia
les:
alga
s ver
des)
11
11
11
Det
erm
inar
si l
as e
mic
élul
as e
stán
o n
o re
alm
ente
inte
grad
asre
spec
to a
la c
ovar
iaci
ón d
e lo
s da
tos d
e fo
rma
Des
crip
tivo
4320
17m
amífe
ros
11
11
1
Doc
umen
taci
ón d
e la
expr
eció
n m
orfo
lógi
ca d
el Z
igom
a en
mam
ífero
s, pa
ra m
ejor
ar la
com
pren
ción
del
efec
to d
e és
te en
lare
gión
pos
torb
ital
Des
crip
tivo
20
17C
oleo
pter
a: C
hrys
omeli
nae
11
11
11
Aná
lisis
de la
var
iaci
ón m
orfo
lógi
ca y
func
iona
l de
las a
las
post
erio
res
Bio
men
cáni
co
4520
17Fe
lidae
11
11
Det
erm
inar
si l
as in
tera
ccio
nes
de d
esar
rollo
son
una
prim
era
influ
enci
a pa
ra la
mod
ular
idad
ver
tebr
al. A
naliz
ar la
exi
stenc
iava
riaci
ón d
e in
tegr
ació
n a
lo la
rgo
de la
col
umna
Evod
evo
4620
17N
atri
x sp
p1
11
11
Eval
uació
n de
l gra
do d
e in
tegr
ació
n de
los h
ueso
s fu
ncio
nale
s yco
nect
ados
en
com
para
ción
de
los
desc
onec
tados
, e im
pacto
del
desa
rrol
lo y
func
ión
en la
inte
grac
iín m
orfo
lógi
ca. E
valu
ació
n de
lef
ecto
de
la a
lom
etría
en
la in
tegra
ción
mor
foló
gica
del
crá
neo
Evod
evo-
Alo
met
ría
4720
17H
omín
idos
11
11
11
prop
orci
onar
info
rmac
ión
mor
foló
gica
det
alla
da s
obre
las
vérte
bras
cerv
ical
es s
ubax
iale
sD
escr
iptiv
o
4820
18H
omín
idos
11
11
Enfo
que
de M
G p
ara
visu
aliz
ar y
com
para
r gra
dien
tes
dese
lecc
ión
entre
taxa
,los v
ecto
res
de d
ifere
ncia
ción
aso
ciad
os y
los
grad
iente
s de
sele
cció
n de
sde
sim
ulac
ione
s neu
trales
Met
odol
ógic
o-E
vo
4920
18H
omo
sapi
ens
11
11
Eval
uar l
a ra
zon
de la
dife
renc
iaci
ón d
e ro
stro
s en
tre e
urop
eos y
chin
osH
anEv
o-D
escr
iptiv
o
5020
18Ba
rbus
bal
cani
cus
11
11
Com
para
r y v
isual
izar
la v
aria
ción
gen
eral
de
tamañ
o y
form
a,ta
mañ
o se
xual
y d
imor
fism
o de
form
a de
dife
rent
es lo
calid
ades
frag
men
tadas
Eco-
Des
crip
tivo
5120
18N
atri
x he
lvet
ica
- Vip
era
beru
s1
11
1
Eval
uar e
l gra
do d
e di
mor
fism
o se
xual
en ta
mañ
o y
form
a, ju
nto
con
el im
pact
o re
lativ
o de
la a
lom
etría
y la
s di
men
sione
sco
rpor
ales
gen
eral
es e
n la
form
a de
la c
abez
a.D
S-D
escr
iptiv
o
VILLALOBOS-LEIVA, A. & BENÍTEZ, H. A. Morfometría geométrica y sus nuevas aplicaciones en ecología y biología evolutiva. Parte 2. Int. J. Morphol., 38(6):1818-1836, 2020.
1822
mas operativos. No obstante, en los últi-mos 10 años de investigación en el área ydentro de las nuevas aplicaciones enmorfometría geométrica, el uso de R comosoftware ha adquirido la fuerza suficientepara implementar todas las herramientasnecesarias que una investigación enmorfometría geométrica necesita desde ladigitalización 2D o 3D hasta sus análisiscorrespondientes, por su versatilidad en lavariedad y combinación de sus paquetes.
R es un entorno de programaciónlibre que se utiliza para el procesamiento yanálisis estadístico de datos entre otrosanálisis utilizando el lenguaje S. La varie-dad de software en morfometría geométricano es muy amplia, no obstante, una buenacombinación de software entre MorphoJpara principiantes y R más avanzados po-dría ser una buena recomendación.
Aprender R ciertamente necesita depráctica, y uso diario, entrenamiento queentrega una curva de aprendizaje notoria-mente empinada. Depende las necesidadesusando R no es necesario comprender elarte de la programación para poder reali-zar análisis morfométricos en R, no obs-tante, se necesita aprender algunos concep-tos básicos y cómo manipular los archivosen R.
Zelditch et al. (2012) indica que laventaja de aprender los conceptos básicosde R es que la curva de aprendizaje para lamorfometría geométrica es rápida y versá-til debido a que los paquetes disponibleshoy en día han sido implementados con elcuidado necesario en sus guías de usuarioque suelen ser muy simple seguir, es asícomo el Dr. Dean Adams y su equipo libe-ran el paquete morfométrico "geomorph"(Adams & Otárola-Castillo, 2013), ademásde la implementación de un foro de google(https:/ /groups.google.com/forum/#!forum/geomorph-r-package) libre paraque cualquier usuario de geomorph puedehacer preguntas, y su equipo, o cualquierusuario experimentado puede ayudar a lacomunidad morfometría a responder suspreguntas y de la misma forma motivar aluso de R para análisis morfométricos.56
2018
Form
a de
hue
vo1
11
1
Prop
oner
una
nue
va m
etod
olog
ía p
ara
cuan
tific
ar lo
spa
tron
es d
e va
riac
ión
de la
for
ma
de h
uevo
util
izan
dom
orfo
met
ría
geom
étri
ca d
e pu
ntos
de
refe
renc
iatr
idim
ensi
onal
es c
aptu
rado
s en
cás
cara
s de
hue
vore
cons
truid
as d
igit
alm
ente
y d
emos
trar
su r
endi
mie
nto
en la
capt
ura
de la
var
iaci
ón d
e la
form
a a
múl
tiple
s ni
vele
sbi
ológ
icos
.M
etod
ológ
ico
5720
18H
omo
sapi
ens
11
1
Prob
ar la
hip
ótes
is d
e qu
e lo
s es
quel
etos
tem
pran
os d
ehu
man
os e
n C
hile
pos
een
una
mor
folo
gía
cran
eal d
istin
ta a
la d
e lo
esq
uele
tos p
oste
rior
esE
vo-D
escr
iptiv
o
5820
18H
omo
sapi
ens
11
11
Com
prob
ar e
l tam
año
de la
caj
a to
ráci
ca e
n re
laci
ón
a la
latit
ud d
e há
bita
t, as
í com
o la
cor
rela
ción
ent
re e
l ta
mañ
ode
las
cost
illas
y la
latit
ud. A
naliz
ar s
i est
a re
laci
ón e
sco
mún
ent
re la
s pob
laci
ones
ada
ptad
as a
l frí
oE
co-D
escr
ipti
vo
5920
18St
agni
cola
cap
erat
a1
11
1In
vest
igar
la a
fini
dad
taxo
nóm
ica
com
para
ndo
las
pobl
acio
nes
con
los
topo
tipos
.T
axon
ómic
o
6020
18H
omo
sapi
ens
11
11
Inve
stig
ar la
var
iaci
ón d
e ta
mañ
o y
form
a de
los
prem
olar
es h
uman
os e
ntre
indí
gena
s au
stra
liano
s y
aust
rali
anos
de
asce
nden
cia
euro
pea,
y a
nali
zar
las
dife
renc
ias
entr
e sex
o y
ance
strí
a.E
vo-D
escr
iptiv
o
6120
18C
erco
pite
cus
11
1
Pres
enta
ción
de
un m
étod
o pa
ra v
isua
liza
r las
sim
ilitu
des
ydi
fere
ncia
s de
las
tray
ecto
rias
ont
ogen
étic
as c
rane
áles
ent
relo
s ta
xa y
un
mét
odo
para
rec
onst
ruir
tray
ecto
rias
onto
gené
tica
s an
cest
rale
s (c
onte
xto
filo
gené
tico
).C
ompr
obac
ión
de la
señ
al f
ilog
enét
ica
en la
s tra
yect
oria
son
toge
néti
cas.
Met
odol
ógic
o-E
vode
vo
6220
18R
attu
s pr
aeto
r1
11
1D
elim
itaci
ón d
e sp
p cr
ípti
cas
usan
do m
orfo
met
ría
de lo
sra
sgos
den
tale
sT
axon
ómic
o
6320
18H
omo
sapi
ens
11
11
1
pres
enta
r una
técn
ica
prec
isa
basa
da e
n pu
ntos
de
refe
renc
ia p
ara
reco
nstr
uir
la f
orm
a tr
idim
ensi
onal
de
las
supe
rfic
ies
ente
sale
s hum
anas
, par
a in
vest
igar
si
la fo
rma
de la
s en
tesi
s hu
man
as e
stá
rela
cion
ada
con
su ta
mañ
o.T
ambi
én s
e ev
alua
ron
los
efec
tos
de la
eda
d a
la m
uert
e y
la lo
ngitu
d de
los
hues
os e
n la
s fo
rmas
de
ente
sas
Met
odol
ógic
o
6420
18C
liban
ariu
s si
gnat
us1
11
11
1A
nali
sis
de la
var
iaci
ón m
orfo
lógi
ca in
terp
obla
cion
al d
elca
para
zón
Eco
-Des
crip
tivo
6520
18St
reps
irri
nos
11
1
Inve
stig
ar la
rel
ació
n en
tre
el c
ompo
rtam
ient
o de
aga
rre
yla
mor
folo
gía
de la
s ex
trem
idad
es a
nter
iore
s en
estr
epsi
rrin
os e
n un
con
text
o fi
loge
nétic
oB
iom
ec-E
volu
tivo
VILLALOBOS-LEIVA, A. & BENÍTEZ, H. A. Morfometría geométrica y sus nuevas aplicaciones en ecología y biología evolutiva. Parte 2. Int. J. Morphol., 38(6):1818-1836, 2020.
1823
MÉTODOS
En la primera parte de este review, publicado por Benítez &Puschel (2014) se tocaron los temas básicos de la morfometríageométrica con una somera incursión en las técnicas morfométricaspara estudios en ecología y evolución, las cuales en esta versión seránexplicadas con mayor profundidad.
Integración Morfológica y Modularidad. Se conoce como integra-ción morfológica (IM) al fenómeno de la variación morfológica coor-dinada entre rasgos funcionales y del desarrollo de los organismos(Benítez & Püschel, 2014; Klingenberg, 2013b). A través de sus aspec-tos genéticos y del desarrollo, la IM está estrechamente relacionadacon las mismas limitaciones evolutivas y del desarrollo (Futuyma, 2010;
Klingenberg, 2013b). En la última década, estatemática ha ganado particular protagonismo, enespecial por el interés de los investigadores enresponder preguntas complejas, que relacionanla variación morfológica con aspectos funciona-les, del desarrollo u evolutivos, entre otros(Andjelkovic et al., 2017; Bardua et al., 2019;Bonneau et al., 2014; Curth et al., 2017;Klingenberg, 2013a; Labonne et al., 2014;Maiorino et al., 2017; Neustupa, 2017; Randau& Goswami, 2017; Stefanello et al., 2018;Watanabe et al., 2019; Zollikofer et al., 2017).
A cada nivel de IM hace referencia de unaforma u otra a la covariación entre las partes orasgos, pero el origen de esta variación, así comoel contexto conceptual y el enfoque de la investi-gación difieren de un nivel a otro (Klingenberg,2008, 2013a). Klingenberg (2014) analiza el es-tudio de la IM en varios niveles desde un nivelestático que incluye integración tanto en función,desarrollo, genético y ambiental, como a nivelesontogenéticos y evolutivos, para esto se ha utili-zado una variedad de métodos morfométricos loscuales han cuantificado la forma de medir los ni-veles de integración de distintas maneras. Unmétodo común es la cuantificación de la varianzade los eigenvalues en un PCA (Young 2006), oanalizar los patrones de covariación entre partesutilizando un partial least-squares analyss (PLS).Además de estos "métodos estándar" para anali-zar los niveles de integración morfológica, algu-nos métodos morfométricos están diseñadosespecíficamente para comparar patrones de inte-gración en diferentes matrices de covarianza (aná-lisis de coordenadas principales (PCoA)), unatarea que es especialmente relevante para com-paraciones en diferentes niveles (Gonzalez et al.,2011).
Un primer trabajo que compara y evalúala integración en múltiples niveles desde el pun-to de vista estático, desarrollo y evolutivo fue eltrabajo publicado por Klingenberg et al. (2013a)el cual evalúa principalmente aspectos de inte-gración y modularidad evolutiva en la diversifi-cación del cráneo de Aves. Bonneau et al., inte-gra la morfometría 3D con la integración funcio-nal, estudiando la articulación de la cadera enhomínidos respecto a la postura bípeda. Para re-ducir el efecto de la orientación tridimensionalen la covariación, los autores evaluaron los pa-trones de covariación entre sus respectivos valo-
Fig. 2. Frecuencia Porcentual de las temáticas analizadas con MG desde 2010a 2018. Nótese que las problemáticas evolutivas y ecológicas suman alrededordel 60 % de las evaluadas durante el año 2018.
Fig. 1. Frecuencia porcentual de los métodos usados desde 2010 a 2018. rw=relative warp, PW= partial warp, PCA= análisis de components principals,CS= tamaño del centroide, CVA= análisis de variables canónicas, PLS= míni-mos cuadrados parciales, FA= asimetría fluctuante, SW= singular warp, RV=Coeficiente de Escoufier, CR= tasa de covarianza, CCA= análisis de correla-ción canónica.
VILLALOBOS-LEIVA, A. & BENÍTEZ, H. A. Morfometría geométrica y sus nuevas aplicaciones en ecología y biología evolutiva. Parte 2. Int. J. Morphol., 38(6):1818-1836, 2020.
1824
res tridimensionales de cada estructura, los cuales fueroncuantificados usando el coeficiente de RV de Escoufier comolos métodos de PLS. Desde otro punto de vista, Watanabe etal. integra patrones ecomorfologicos con la diversificaciónevolutiva y la integración morfométrica en cráneos de repti-les principalmente Squamata (lagartos y serpientes), encon-trando que, a pesar de sus tendencias evolutivas dispares,los lagartos y las serpientes comparten un patrón común deintegración de rasgos, con las correlaciones más altas en eloccipital, la articulación de la mandíbula y el paladar. Por lotanto, Watanabe et al. concluye que los fenotipos altamentediversos, ejemplificados por lagartos y serpientes, puedensurgir de la selección diferencial que actúa sobre patronesconservados de integración fenotípica.
Cabe destacar que la forma en la cual se cuantifica laintegración morfológica ha pasado por serias revisiones des-de su punto de vista metodológico. Tanto los análisis de co-eficiente de RV como de PLS están basados en la matriz decovarianza, aunque ambos procesos son distintos y respon-den de forma diferente la pregunta de covariación. El coefi-ciente de RV representa la cantidad total de la covarianza,escalada por la cantidad de variación entre dos sets de va-riables (Klingenberg, 2009; Adams, 2016). Se han utilizadopruebas de permutación para evaluar la significación esta-dística del coeficiente de RV, es decir, las observaciones enlos dos conjuntos se permutan aleatoriamente para simularla hipótesis nula de independencia completa. En cuanto alanálisis de PLS, este calcula las combinaciones lineales decovarianza maximizada utilizando el método de descompo-sición del valor singular para maximizar la representaciónde baja dimensión de la estructura de covarianza entre blo-ques. El análisis del coeficiente de RV y el análisis de PLSson dos métodos complementarios para explorar patronesde covarianza, ya que el primero trabaja en la covarianzatotal entre dos matrices en relación con la varianza de cadamatriz, mientras que el segundo trabaja en dos de los ejes decovarianza máxima.
Es necesario destacar que la IM no es uniforme através de todo el organismo, sino que tiende a concentrarseen ciertos complejos de partes que están estrechamente in-tegradas de forma interna, pero que son independientes deotros complejos (Klingenberg, 2013b), y la integración en-tre éstos es relativamente débil (Adams, 2016). A estos com-plejos se les denomina módulos, por lo tanto, se entiendecomo Modularidad a la división de sistemas del desarrolloen componentes parcialmente disociados que se encuentranintegrados a partir de distintos niveles de organización bio-lógica (Adams, 2016; Klingenberg, 2008).
Modularidad. La modularidad describe el caso en el quelos patrones de covariación de los rasgos están desigual-
mente dispersos entre estos. Un módulo se puede definircomo una unidad morfológica dentro de la cual existe unaalta integración de varias y/o fuertes interacciones, pero quea la vez poseen cierto grado de independencia de esas uni-dades (Benítez & Püschel, 2014; Klingenberg, 2008).
La modularidad se encuentra en la organización deredes biológicas en diferentes contextos, desde la regula-ción genética hasta las redes alimentarias en los ecosistemas(Klingenberg, 2010). Los estudios de integraciónmorfológica y modularidad difieren de los análisis de redesen otros contextos, porque las interacciones responsablesde la integración no son directamente observables y, en cam-bio, deben inferirse a partir de los patrones de covariaciónentre rasgos. Debido a esta razón, la modularidad ha sidotemática de particular relevancia en la última década, enespecial en estudios de evolución del desarrollo, donde va-rios autores argumentan que proporciona la flexibilidad su-ficiente para que diferentes rasgos evolucionen más fácil-mente bajo demandas funcionales diferentes y/ocontrastantes (Andjelkovic et al.; Asahara, 2013; Goswami& Polly, 2010; Lehoux & Cloutier, 2015; Maga et al., 2017;Maiorino et al.; Randau & Goswami, 2017, 2018; Simonset al., 2018; Stefanello et al.; Tamagnini et al., 2018;Zollikofer et al.). Por consiguiente, la delimitación de mó-dulos a partir de datos sobre patrones de covariación es unapreocupación clave para la evolución del desarrollo de laforma (Klingenberg, 2010). La modularidad, debido a laescasa integración entre los módulos, puede mitigar los efec-tos de las limitaciones que se aplicarían si la variación estu-viera plenamente integrada. Felice et al. (2018) proponenque la magnitud, patrón y relación de rasgos que describentanto la IM como la modularidad, reflejan interaccionesgenéticas, de desarrollo y funcionales, que dan forma a losprocesos evolutivos al regular la capacidad de evolución yrestricciones de ésta. Esto debido a la disparidad morfológica(diversidad) que se puede observar en escalas temporalesmacroevolutivas. Por lo tanto, la IM y la modularidad hansido descritas como las influencias fundamentales en la evo-lución morfológica y en la generación de biodiversidad.Específicamente, se sugiere que la fragmentación de las re-laciones entre los rasgos, en módulos semiautónomos pro-mueve la capacidad evolutiva al liberar conjuntos de rasgoscon presiones de selección divergentes de las restriccionesde su covariación, impuestas por la pleiotropía genética o lacanalización del desarrollo (Felice et al.). Efectivamente, losautores evidenciaron que el patrón de disparidad morfológicarespondía a un patrón de movimiento Browniano, siendo lavarianza morfológica proporcional al tiempo y a la tasa demutación (Felsenstein, 1985).
Por otra parte, para sets de datos morfométricos, lashipótesis de modularidad han sido comúnmente evaluadas
VILLALOBOS-LEIVA, A. & BENÍTEZ, H. A. Morfometría geométrica y sus nuevas aplicaciones en ecología y biología evolutiva. Parte 2. Int. J. Morphol., 38(6):1818-1836, 2020.
1825
con el uso del coeficiente de RV, que es un estadístico deasociación utilizado en una amplia variedad de campos(Klingenberg, 2009). No obstante, Adams (2016) utilizan-do datos simulados, demuestra que el coeficiente de RV esafectado negativamente por los atributos de los datos (ta-maño muestral y número de variables), por lo que no carac-teriza la covarianza de las estructuras entre los sets de varia-bles (Fig. 3). En las simulaciones, se puede observar comoen los sets de datos con bajo tamaño muestral produce valo-res de RV altos, y viceversa (Fig. 3A). La razón de este pa-
trón es debido a que el denominador del coeficiente de RV(Fig. 4B), contiene tanto a la variación dentro de los módu-los, como además la variación de todos los rasgos, los cua-les se escalan con el tamaño muestral (Klingenberg, 2009).Así mismo, se evaluó el efecto del número de variables, y seencontró que el valor del coeficiente de RV también depen-de altamente de esto (Fig. 3B). Específicamente, se observóel valor del coeficiente de RV es directamente proporcionala la cantidad de variables examinadas. Para solucionar es-tos inconvenientes, Adams (2016) propone el test denomi-
Fig. 3. Evaluación de los coeficientes de RV y CR bajo la hipótesis de asociación aleatoriade las variables (sin modularidad ni estructuración). (a) Valores de RV a distintos tama-ños muestrales para datos simulados, (b) Valores de RV para datos simulados a distintacantidad de variables. (c) Valores de CR a distintos tamaños muestrales para datos simu-lados, (d) Valores de CR para datos simulados a distinta cantidad de variables (Adams,2016).
Fig. 4. A) Matriz de covarianza para el coeficiente de RV, donde los bloques diagonalesS1 y S2 corresponden a las matrices de covarianza de los dos conjuntos de variables,mientras que el bloque fuera de la diagonal S12 es la matriz de covarianzas entre lasvariables de los dos conjuntos (la matriz S21 es la transposición de S12). B) Ecuaciónpara el coeficiente RV de Escoufier. C) Matriz de covarianza para el coeficiente de tasade covarianza (CR), donde los bloques diagonales S11 y S22 corresponden a las matri-ces de covarianza dentro de cada módulo, mientras que S12 y S21describen la covarianzaentre módulos. D) Ecuación para el coeficiente de covariación CR, donde S*11 y S*22representan las matrices de covariación dentro de cada módulo respectivo, reemplazan-do los elementos nulos por ceros ( Klingenberg, 2009; Adams).
nado covariance ratio (CR), para cuanti-ficar la modularidad y demostrar que nose ve afectada por el tamaño de la mues-tra o el número de variables y además,complementado por un test estadísticoestandarizado desarrollado por Adams &Collyer (2019) denominado (CovarianceRatio Effect Sizes: ZCR) para medir elgrado de modularidad y estandarizar elefecto del tamaño entre conjuntos devariables y poder hacer una comparaciónestadística esta herramienta publicada afines del 2019 se basada en el análisisde CR (Adams, 2016) para comparar laintensidad de la señal modular en losconjuntos de datos, así como para eva-luar los patrones de la señal modular se-gún la definición de hipótesis demodularidad alternativas para el mismoset de datos.
A diferencia del coeficiente de RV, el CRusa sólo los pares de covarianza entre lasvariables, para cuantificar la estructuramodular (Fig. 4D). Para estimar la rela-ción de la covarianza, se obtienen varia-bles en cada uno de los dos módulos (Y1e Y2) para las N muestras. Las matricesde datos pueden entonces concatenarseen una única matriz (Y), a partir de lacual se construye la matriz de covarianzaglobal (Fig. 4C), donde S11 y S22 sonlas matrices de covarianza dentro de losmódulos Y1 e Y2 respectivamente, y S12y S21 describen la covariación entremódulos. Así, al reemplazar con ceroslos elementos diagonales de las matri-ces S11 y S22 (S*11 y S*22 respectiva-mente), obtenemos la ecuación para cal-cular el coeficiente CR (Fig. 6D). Al re-visar la ecuación de CR, se puede apre-ciar que éste representa la tasa decovariación total entre los módulos re-
VILLALOBOS-LEIVA, A. & BENÍTEZ, H. A. Morfometría geométrica y sus nuevas aplicaciones en ecología y biología evolutiva. Parte 2. Int. J. Morphol., 38(6):1818-1836, 2020.
1826
lativos al total de la covariación dentro de los módulos.Específicamente, el numerador se obtiene a partir de la ma-triz de covarianza entre módulos (S12), y describe la sumatotal de la covarianza cuadrada entre Y1 e Y2. Por el contra-rio, el denominador se obtiene de la matriz de covarianzadentro de cada módulo (S11 y S22), por lo que describe lasuma total del cuadrado de la covariación en cada dimen-sión del rasgo. Debido a que el CR describe la covariaciónentre módulos en relación con la covariación dentro de losmódulos, es apropiado para evaluar pruebas de modularidad,en lugar de simplemente describir la covariación entre mó-dulos. Así, el coeficiente de CR puede considerarse comouna herramienta analítica complementaria, útil para diferen-tes propósitos. Empíricamente, el coeficiente de CR va des-de cero a valores positivos, siendo directamente proporcio-nal al grado de covariación entre módulos. En cuanto al des-empeño de CR respecto a los datos simulados, se observóque el valor de CR esperado se mantiene constante a medi-da que aumenta el tamaño muestral (Fig. 3C). Así mismo,se observó que a medida que aumenta el número de varia-bles, el coeficiente de CR alcanza la asíntota rápidamente(Fig. 3D). Por lo tanto, y a diferencia del coeficiente de RV,la hipótesis de covarianza nula de asociaciones aleatoriasde variables, independiente de la relación, muestra un valoresperado constante (CR = 1·0) bajos distintos tamañosmuestrales o cantidad de variables analizadas.
Como ejemplo de trabajos que evalúen modularidadcon el coeficiente de CR, es el trabajo de Randau & Goswami(2017), en el cual analizan la hipótesis del desarrollo demódulos en las vértebras de félidos, con tal de determinarcómo las interacciones del desarrollo son la principal in-fluencia en la modularidad vertebral. Además, analizaron lamagnitud tanto de la integración como de la disparidadintravertebral, para evaluar si el nivel de integración varía alo largo de la columna vertebral y, de ser así, si la integra-ción y la disparidad están asociadas. Para esto utilizaronlandmarks 3D en 19 de las 27 vértebras presacrales en nue-ve especies de félidos, los cuales fueron sometidos a análi-sis de GPA individuales para cada vértebra. Para recuperarla información de la forma, utilizaron un digitalizadorMicroScrib® G2X de inmersión. Se hipotetizó que las vér-tebras estaban compuestas por dos módulos: “el centro” y la“espina neural”. Se evaluó el grado de modularidad y lasignificancia de esos modelos usando tantos el método delcoeficiente de RV como el de CR. Para analizar las distintasespecies, y sin eliminar de todo el efecto de la señalfilogenética (que puede determinar la fuerza de lamodularidad), se realizó una corrección para agrupar lasdistintas especies en un mismo análisis, mediante una ma-triz combinada de varianza-covarianza (VCV) para cadavértebra, y luego se evaluó esta VCV con el uso del análisisde CR. La matriz de VCV fue calculada mediante una fun-ción de covarianza en R. Es importante señalar que ésta es
Fig. 5. Diagrama que muestra la distribución de la disparidad morfológica entre especies (comovarianza de Procrustes y distancia máxima de Procrustes) y la dispersión de valores propios (esdecir, la integración morfológica) a través de las vértebras C4 a L7, calculada utilizando 16 puntoslandmarks homólogos. Las líneas verticales discontinuas ilustran los límites morfológicos y fun-cionales de la columna vertebral presacra, mientras que las líneas discontinuas horizontales repre-sentan la varianza media de Procrustes (gris) y la distancia media de Procrustes (negro) (Randau& Goswami, 2017).
una nueva utilización para el co-eficiente de CR, el cual aún noha sido testeado mediante simu-lación de datos. No obstante, losresultados de modularidad tan-to con o sin el uso de la matrizde VCV, fueron similares, porlo tanto, no existe alguna razónobvia para pensar que las pro-piedades del método CR no seanválidas para este caso.
Los resultados del traba-jo, confirmaron la hipótesis deldesarrollo modular de las vér-tebras, mostrando dos módulosen las vértebras más presacrales(Fig. 5). Las excepciones se cen-tran en los límites entre las re-giones tradicionales y funciona-les, lo que sugiere que lamodularidad intervertebral pue-de reflejar una modularidad amayor escala en la columna delos félidos. Además, las autorasdemostraron que la integración
VILLALOBOS-LEIVA, A. & BENÍTEZ, H. A. Morfometría geométrica y sus nuevas aplicaciones en ecología y biología evolutiva. Parte 2. Int. J. Morphol., 38(6):1818-1836, 2020.
1827
general y la disparidad son mayores en las vértebras poste-riores, proporcionando así un ejemplo empírico de integra-ción que potencialmente promueve mayores respuestasmorfológicas a la selección.
Asimetría Fluctuante. Si consideramos que toda respuestafenotípica es producto de la interacción entre el genoma y elambiente, entonces podemos suponer que, en ciertas oca-siones, es el ambiente el que determina la variabilidadmorfológica de ciertos rasgos o individuos. En la mayor partede los casos, los organismos presentan un plan corporal con-sistente en la repetición de estructuras en diferentes posi-ciones u orientaciones unas de otras (Palmer & Strobeck,1986). A esto se le conoce como simetría (Klingenberg,2015). En la naturaleza podemos encontrar varios tipos desimetría, siendo la simetría radial (como la presente en al-gunas flores, cnidarios y equinodermos), y la simetría bila-teral las más comunes en la naturaleza, siendo esta última lamás extendida entre los animales. Este tipo de simetría secaracteriza por la capacidad de distinguir un lado derecho eizquierdo a través de un plano medio del cuerpo, haciendoque estos lados sean una imagen espejo una de otra. Estareflexión a través del plano medio del cuerpo, es importantepara la simetría bilateral, y puede ser usada para caracterizarla(Benítez et al., 2011b).
Matemáticamente, un objeto es simétrico si al reali-zar transformaciones sobre éste, la forma del objeto perma-nece sin cambios. Por ejemplo, la reflexión sobre el planomedio, deja a las estructuras simétricamente bilateralesinalteradas. De forma similar, la rotación sobre el eje, de unobjeto de simetría radial, dejaría inalterada la forma del ob-jeto o estructura.
Al ser ambos lados (derecho e iz-quierdo) configurados por los mismosgenes, podemos esperar que bajo condi-ciones idóneas del desarrollo, ambos la-dos sean idénticos uno del otro (Benítez& Püschel, 2014; Klingenberg, 2015). Delo contrario, al detectar asimetría en laforma de estructuras u organismos, en-tonces podemos estar ante la presencia dealgún factor o condición que produce al-teraciones en la estabilidad del desarro-llo (Polak, 2003). Los patrones de asime-tría son la manifestación observable deprocesos biológicos, pero no son proce-sos biológicos en sí (Klingenberg, 2015).Es decir, son la consecuencia de un pro-ceso biológico. Inferir procesos biológi-cos desde patrones de asimetría es com-
Fig. 6. Gráficos de frecuencia para las diferencias entre lados derecho e izquierdo deacuerdo a los principales tipos de asimetría. a) Asimetría Fluctuante “pura”. Las dife-rencias derecho-izquierdo siguen una distribución acampanada con una media decero (ausencia de asimetría direccional); b) Asimetría Direccional y simétrica. Lasdiferencias derecho-izquierdo están distribuidas a alrededor de una media distinta decero, indicando asimetría direccional. La dispersión de las diferencias individualesderecha-izquierda alrededor de la media, es asimetría fluctuante. c) Antisimetría. Ladistribución de las diferencias derecha-izquierda es bimodal, indicando que la mayo-ría de los individuos son claramente asimétricos, pero pueden estar sesgados hacia laderecha o a la izquierda. Las unidades de los ejes del gráfico son arbitrarias (Palmer& Strobeck 1986).
plejo, y por lo general requiere de evidencia adicional. Tra-dicionalmente, tres tipos de asimetrías pueden distinguirseen una población, acorde a la distribución de las diferenciasentre los lados derecho e izquierdo: asimetría direccional,asimetría fluctuante y antisimetría (Fig. 6). Estos tipos deasimetría difieren en sus propiedades estadísticas, así comopor sus orígenes e implicancias biológicas (Palmer &Strobeck, 1986).
La asimetría direccional puede ser cuantificada porlas diferencias promedio entre los lados derecho e izquier-do. Esta diferencia entre los lados puede ser grande o pe-queña, pero el promedio de las diferencias entre los ladosderecho e izquierdo debe diferir de cero. El mejor ejemplode asimetría direccional es la disposición de los órganos in-ternos en la mayoría de los animales, incluidos los huma-nos, donde el corazón está en el lado izquierdo, el intestinoestá enrollado de manera constante y asimétrica, y otros ór-ganos como los pulmones o el hígado también sonasimétricos de manera consistente. La disposición en espe-jo de todos los órganos internos, situs inversus, es rara enhumanos y la heterotaxia, o situs ambiguus, es también unacondición rara en humanos donde sólo algunos pero no to-dos los órganos internos ocurren en la orientación de la ima-gen en espejo y se asocia con malformaciones y causamorbilidad o mortalidad graves en personas afectadas(Sutherland & Ware, 2009).
La asimetría direccional requiere diferencias siste-máticas de desarrollo entre el lado izquierdo y el derecho.Tales diferencias han sido investigadas extensamente paralas asimetrías direccionales conspicuas de los órganos in-ternos que existen en la mayoría de las fila de los animalesbilaterales, y se ha encontrado una variedad de mecanismosmoleculares que pueden establecer una distinción inicial
VILLALOBOS-LEIVA, A. & BENÍTEZ, H. A. Morfometría geométrica y sus nuevas aplicaciones en ecología y biología evolutiva. Parte 2. Int. J. Morphol., 38(6):1818-1836, 2020.
1828
entre los lados izquierdo y derecho y transmitir esta informa-ción a los órganos en desarrollo (Coutelis et al., 2014; Namigaiet al., 2014; Vandenberg & Levin, 2013). Algunos de losmecanismos y genes involucrados en la producción de la asi-metría direccional de los órganos internos parecen estar muyconservados, lo que sugiere que la asimetría izquierda-dere-cha es una característica ancestral de los animales bilaterales(Coutelis et al.; Namigai et al.; Pélabon et al., 2006;Vandenberg & Levin). La posible importancia funcional yadaptativa de la asimetría direccional no está clara (Namigaiet al.; Pélabon et al.) y es concebible, por ejemplo, que losbajos niveles de asimetría direccional de muchas estructurasexternas sea una consecuencia no adaptativa de las limitacio-nes del desarrollo relacionadas con la asimetría direccionalconspicua de los órganos internos. Benítez et al. (2014b) de-muestra en un estudio con escarabajos invasores que los ni-veles de simetría direccional además pueden ser heredables opasar de generaciones siendo esta característica conspicua dedichas poblaciones.
En el caso de la antisimetría, por el contrario, la ma-yoría de los individuos de una población son asimétricos, perodifieren en la dirección de la asimetría. Así, la población es-
tará conformada por una mezcla de afines al “lado derecho”y afines al “lado izquierdo” (Klingenberg, 2015). Y comoresultado de esta mezcla, la distribución de las frecuencias delas diferencias derecha-izquierda puede ser bimodal (Fig. 7c).En algunos casos, cuando la antisimetría es débil, con peque-ñas variaciones de simetría, puede que no se observe un claropatrón bimodal. Por lo que parecería razonable prever unatransición gradual entre la asimetría fluctuante y laantisimetría. Para poder definir de forma correcta a laantisimetría, se requiere de algún tipo de correlación negati-va o retroalimentación entre los valores de los rasgos de loslados derecho e izquierdo (Klingenberg, 2015). Mientras quetal correlación es inexistente en la asimetría fluctuante. Laantisimetría está altamente extendida en la naturaleza, tantoen animales como en plantas, pudiéndose observar por ejem-plo en las tenazas de algunas especies de cangrejo, o en laforma de algunas orquídeas.
La asimetría fluctuante (FA) a diferencia de la asime-tría direccional y la antisimetría, denotas pequeñas diferen-cias ente los lados derecho e izquierdo, debido a imprecisionesaleatorias ocurridas durante los procesos de desarrollo(Klingenberg, 2015). Si se espera que un rasgo morfológico
Fig. 7. La relación entre asimetría fluctuante, variabilidad morfológica e idoneidad ambiental. Las gráficas de dispersión muestran larelación entre la asimetría fluctuante y la idoneidad ambiental en dos escalas espaciales (arriba) y la relación entre la varianza morfológicay la idoneidad ambiental (abajo). Las barras discontinuas representan el error estándar. Se muestra el valor del coeficiente de determina-ción (Maestri et al., 2015).
VILLALOBOS-LEIVA, A. & BENÍTEZ, H. A. Morfometría geométrica y sus nuevas aplicaciones en ecología y biología evolutiva. Parte 2. Int. J. Morphol., 38(6):1818-1836, 2020.
1829
se exprese, en promedio, de una manera particular bajo elcontrol de un genoma particular, bajo condiciones ambienta-les particulares, y para el lado del cuerpo en cuestión, un ras-go real se desviará generalmente en mayor o menor medidade esta expectativa (o "fenotipo ideal" (Nijhout & Davidowitz,2003)). Estas desviaciones existen porque los procesos dedesarrollo no son totalmente deterministas, sino que tienenun componente inherente de variación aleatoria (Klingenberg,2015). A este componente aleatorio o residual, es a lo que sele conoce como asimetría fluctuante. Un problema prácticocon este razonamiento es que el fenotipo objetivo normal-mente no se conoce, pero debe ser estimado. Si el fenotipoideal se estima por el promedio de cada lado de una pobla-ción de organismos genéticamente homogéneos desarrolla-dos en un mismo ambiente, entonces la asimetría fluctuantepuede obtenerse como la diferencia entre la asimetría de cadaindividuo y el promedio de la asimetría direccional (Polak).En otras palabras, la asimetría fluctuante es la variación indi-vidual de las diferencias izquierda-derecha de los valores delos rasgos (Klingenberg, 2015; Van Valen, 1962). Algunosautores han sugerido que esta debería ser una distribuciónnormal y que las pruebas de kurtosis podrían ser útiles paradistinguir entre asimetría fluctuante y antisimetría o para ha-cer inferencias sobre procesos biológicos subyacentes (VanDongen et al., 2003; Palmer & Strobeck, 2003) explican queuna distribución normal de las diferencias izquierda-derechasurge si las desviaciones del fenotipo objetivo son el resulta-do de muchos pequeños efectos aleatorios que son aditivos eindependientes entre sí. Esta es una traducción biológica delteorema del límite central de la estadística. Si bien es plausi-ble que las fluctuaciones del desarrollo sean aleatorias en susdirecciones, es dudoso que sean aditivas e independientes,porque los procesos no lineales (no aditivos) y la interdepen-dencia mutua son características prominentes de los proce-sos del desarrollo (Klingenberg, 2003).
Muchos estudios han utilizado la asimetría fluctuantecomo medida de la inestabilidad del desarrollo (Benítez et al.,2013a, 2018; Bravi & Benítez, 2013; Maestri et al.) y hantratado de correlacionarla con medidas de exposición al estrésu otras condiciones adversas, endogamia o hibridación, ofitness. La inestabilidad del desarrollo es la cantidad de va-riación entre estructuras para las cuales se espera el mismofenotipo objetivo: es el resultado de la imprecisión de los pro-cesos de desarrollo y, por lo tanto, una medida de la regula-ción del desarrollo. Debido a que los lados derecho e izquier-do del mismo organismo comparten el mismo genoma y porlo general casi el mismo ambiente, se puede esperar que losórganos del lado izquierdo y del lado derecho compartan elmismo fenotipo objetivo (asumiendo que no hay asimetríadireccional) y por lo tanto difieren sólo por la inestabilidaddel desarrollo (Klingenberg, 2015). La mayoría de estos es-tudios evalúan a la FA con el uso de la MG. Esto debido a la
necesidad de contar con una herramienta específica, de granpoder, que sea capaz de detectar los mínimos cambios de laforma entre los lados derecho e izquierdo, y que ésta puedadetectar o determinar la varianza a nivel de la inestabilidaddel desarrollo, ya que la FA es un parámetro que tiene unfuerte contexto de en la evolución del desarrollo. La estabili-dad del desarrollo es la capacidad del sistema de desarrollopara lograr un fenotipo cercano al objetivo a pesar de las fluc-tuaciones en los procesos de desarrollo (Polak). Por ende, loque se busca evaluar con el uso de la MG es el efecto deldesarrollo sobre la forma (shape) del individuo, siendo lasvariaciones una respuesta del organismo a la inestabilidaddel desarrollo. Otro tipo diferente de aplicación de la FA, tam-bién con el uso mayoritario de la MG, es la utilización de laFA para inferir el origen del desarrollo de la integración den-tro y entre estructuras morfológicas (Debat et al., 2009;Klingenberg, 2008; Klingenberg et al., 2002; Lehoux &Cloutier; Maestri et al.).
En resumen, el uso de la morfometría geométrica enestudios de FA ha proporcionado nuevos métodos para el es-tudio de cuestiones que ya se habían abordado en estudios deasimetría fluctuante con morfometría tradicional, con el usode mediciones lineales, como las mediciones de longitud, yha abierto nuevas direcciones de investigación que abordancuestiones relativas a temas como la integración morfológica.
Como ejemplo de trabajos con éstos enfoques, tene-mos el realizado por Maestri et al., en el cual los autores ana-lizan la idoneidad de especies a determinados hábitats, paracon fines de conservación, predecir la supervivencia de unaespecie a largo plazo. Para esto, los autores analizaron la FAcomo una medida de estrés del desarrollo, que a su vez lautilizan como indicador indirecto del desempeño de un indi-viduo en diferentes regiones. Por lo cual, pusieron a pruebala congruencia de la idoneidad de distintas áreas geográficas(determinadas por modelos de nicho ecológico), con los mar-cadores morfológicos que reflejan estrés ambiental y varianzamorfológica, en la especie de roedor endémico de BrasilAkodon cursor.
Las mediciones de FA fueron realizadas para cada in-dividuo de forma particular. Para esto, 1° se hizo un reflejode cada una de las configuraciones originales de los landmarksa su imagen espejo, generando una copia reflejada de cadaconfiguración; 2° usando Procrustes fit, se generó un prome-dio de las configuraciones originales y reflejadas para cadaespécimen, lo cual es una configuración perfectamente simé-trica; y 3° la asimetría de la forma se calculó para cada indi-viduo, como la desviación de la configuración original de loslandmarks del consenso simétrico. Además, de cada indivi-duo se obtuvo un valor, expresado en unidades de distanciade Procrustes, que refleja la cantidad de asimetría indivi-
VILLALOBOS-LEIVA, A. & BENÍTEZ, H. A. Morfometría geométrica y sus nuevas aplicaciones en ecología y biología evolutiva. Parte 2. Int. J. Morphol., 38(6):1818-1836, 2020.
1830
dual. Y se utilizó este valor individual de los individuosde una misma población, para obtener un valor prome-dio de FA de todos los individuos dentro de una pobla-ción. Y como medida de varianza morfológica, utiliza-ron la disparidad morfológica dentro de cada población.
Para medir la variabilidad en la idoneidad dehábitat, se correlacionaron los valores promedio de FAy varianza morfológica (dentro de una población), conlos valores de idoneidad de hábitat generados a partir demodelamientos de nicho. Además, se realizaron prue-bas de autocorrelación espacial para determinar si lasvariables de forma estaban correlacionadas en el espa-cio, lo podría haber generado sesgos en los análisis alviolar los principios de independencia entre muestras.
Como resultado, los autores obtuvieron que exis-te una significativa relación ente los niveles de idonei-dad y los niveles de FA, los que indica que en aquellasáreas menos adecuadas, los individuos experimentan nu-merosas perturbaciones durante el desarrolloontogenético del cráneo. Así mismo, no encontraronasociación entre la varianza morfológica y la idoneidaddel hábitat (Fig. 7). Estos resultados confirman las pre-dicciones de que, en ambientes con menor idoneidad, elestrés en el desarrollo aumenta.
Otro ejemplo de trabajo que utiliza la FA, es elde Benítez et al. (2018), en el cual los autores utilizan ala FA como bio-indicador del desarrollo de la estabili-dad en la forma de individuos de escarabajos carábidosde la especie Pterostichus melas melas, en múltiples po-blaciones de dos producciones agrícolas diferentes: Pe-rennes y anuales. Para obtener datos de forma, los in-vestigadores utilizaron imágenes 2D de la zona ventraldel cuerpo de los escarabajos. Se utilizaron 16 landmarksconsiderando los lados derecho e izquierdo, y se obtu-vieron las coordenadas de forma mediante un completoajuste de Procrustes. Con tal de medir la simetría, lareflexión fue eliminada mediante la inclusión de la ima-gen espejo y la imagen original, de todas las configura-ciones analizadas y simultáneamente realizando la su-perposición de todas ellas. Se analizó el error de la FAdigitalizando dos veces cada individuo, y analizando lavarianza de los CS para detectar posibles diferencias,mientras que se realizó un análisis de Procrustes ANOVApara analizar las diferencias de la forma. Estos análisisfueron realizados entre sexos de forma separada, con talde analizar la influencia del dimorfismo sexual sobre laasimetría de la forma. Los patrones principales de lavariación de la forma fueron analizados mediante unanálisis de PCA, calculado a partir de la matriz decovarianza del promedio poblacional del componente
simétrico de forma. Para analizar la relación entre la forma y losniveles de FA se realizó una regresión multivariante que incluyósus respectivas elipses de confianza (90 %) por grupo, utilizando laforma y las puntuaciones de FA, y se realizó un análisis depermutación de 10.000 iteraciones. Para analizar la correlación en-tre los datos climáticos y la forma, se realizó un análisis de PLSutilizando la temperatura y las precipitaciones como covariables.Como resultado, los investigadores obtuvieron que las regresiones(valores de la FA VS Forma) y PLS, mostraron que los carábidosque habitaban el agroecosistema perenne parecen haberse adaptadoa nivel fenotípico, a la fuerte influencia antropogénica (es decir, lasprácticas de Plan de Manejo Integrado de Inocuidad de SustanciasQuímicas), mientras que los carábidos que habitan losagroecosistemas anuales experimentan ambientes más inestables ysus fenotipos parecen haber sido cambiados en fechas más recien-tes (Figs. 8 y 9).
Fig. 8. Análisis de los componentes principales de la forma media delcuerpo en Pterostichus melas melas. Los dos primeros componentes prin-cipales (PCs) se utilizan para mostrar la mayor parte de la variación deforma. (Edit. Benítez et al. 2018).
Fig. 9. Análisis de regresión multivariante de la forma en Procustes FA.Los diferentes colores representan las diferentes poblaciones bajo estu-dio (Rojo= Perenne; Verde= Anual; Azul= Control; Negro= Control deMuseo). Las elipses de confianza del 90 % se calcularon para la media decada población. (Edit. Benítez et al. 2018).
VILLALOBOS-LEIVA, A. & BENÍTEZ, H. A. Morfometría geométrica y sus nuevas aplicaciones en ecología y biología evolutiva. Parte 2. Int. J. Morphol., 38(6):1818-1836, 2020.
1831
Covariación de la forma con variables ecológicas:2B-PLS. Mientras que los estudios de integración miden lacovariación de la forma entre distintas partes o lados de unaestructura, en los estudios que utilizan la metodología deTwo-Block Partial Least Squares (Cuadrados Mínimos par-ciales de 2 Bloques – 2B-PLS) analizan la covariación entredos sets de variables: morfológica y ecológica-ambientales.Este método difiere del análisis de regresión en que los dosconjuntos de variables se tratan simétricamente en lugar deutilizar un conjunto de variables (variables independientes)para predecir la variación en el otro conjunto de variables(variables dependientes). Aunque el método tiene similitu-des con el conocido método de análisis de correlación canó-nica (CCA), es diferente y se utiliza para responder a unapregunta un tanto diferente (Rohlf & Corti, 2000). Una delas ventajas de los 2B-PLS sobre los CCA, es que puedenser aplicados en morfometría, donde una de las variablespuede ser variables de forma. La fuente más directa de lasvariables de forma es utilizar las coordenadas x, y (o x, y, zpara los datos tridimensionales) de las coordenadas de lasubicaciones de los landmarks morfológicos después de quehayan sido alineados a su forma media, mediante el uso deun análisis de PGA. La ventaja de los datos obtenidos me-diante PGA, de los datos obtenidos por morfometría tradi-cional, es que en éstos se elimina el efecto de la variaciónajena a la forma (tamaño, rotación, traslación, etc).
El método 2B-PLS se utiliza para explorar el patrónde covariación entre dos conjuntos de variables. Si se divi-de una matriz Y de datos n X p, por columnas en Y1 y Y2(con columnas p1 y p2, respectivamente), entonces 2B-PLSconstruye pares de variables que son combinaciones linea-les de las variables dentro de cada uno de los dos conjuntos.Las combinaciones lineales se construyen de manera quelas nuevas variables representen en la medida de lo posiblela covariación entre los dos conjuntos de variables origina-les. Se espera que estas nuevas variables sean útiles paradescribir cualquier patrón de covariación que exista entrelos dos conjuntos de variables originales (Rohlf & Corti).Éste tipo de método presta una herramienta precisa paraevaluar, por ejemplo, el impacto de la geografía y el am-biente en la variabilidad fenotípica (Benítez et al., 2014a;Cardini et al., 2007; Ismail, 2018), o como la variabilidadmorfológica se correlaciona se relaciona con la variabilidaden el comportamiento (Fabre et al., 2018) o como se rela-ciona la forma con los aspectos funcionales (Polychronis &Halazonetis, 2014; Randau & Goswami, 2018).
Un ejemplo de un estudio que utiliza este enfoque,es el trabajo de Ismail, en el que analiza la forma del escudodel cangrejo ermitaño Clibanarius signatus, el cual habitavarios hábitats intermareales del mar rojo, como costas ro-cas y manglares de marismas litorales, en este estudio el
autor analizó la variación de la forma del escudo entre trespoblaciones de C. signatus. Para medir el efecto de las va-riables ambientales sobre los cambios fenotípicos, utilizóun análisis de 2B-PLS para examinar la covariación entredos conjuntos de variables (forma de escudo entre pobla-ciones usando las coordenadas de Procrustes) y variablesambientales. Las variables ambientales se resumieron en 6variables que representan variaciones de la concha (en lasque habita) y en las condiciones climáticas: (1) longitud dela concha; (2) peso de la concha; (3) longitud del opérculode la concha; (4) grado de protección costera; (5) tipo desustrato y (6) tipo de vegetación. El autor utilizó una pruebade Mantel (10.000 permutaciones aleatorias) para evaluar sila variación del escudo está relacionada con la distanciageográfica entre los sitios de estudio, utilizando distanciasgeográficas en línea recta entre los sitios de muestreo. Ade-más, comparó la matriz de distancia de Procrustes entre to-dos los individuos en cada sitio, con la matriz de distanciageográfica entre los tres sitios de muestreo y calculó su co-rrelación de momento de producto. La primera matriz con-siste en la distancia de Procrustes, mientras que la segundamatriz representa la distancia geográfica (Km). Los resulta-dos mostraron una fuerte asociación entre la variación de laforma del escudo y la longitud de la concha, la longitud delopérculo de la concha y el peso de la concha, así como bajaa débil asociación con la protección de la costa, el tipo desustrato y el tipo de vegetación. La relación entre la formadel escudo y la distancia geográfica fue insignificante (Fig.10). Esto sugiere que la relación entre la forma del escudo yla concha podría ser resultado de la plasticidad fenotípicade la especie.
Fig. 10. Análisis de 2B-PLS para la forma del escudo de C. signatusy las condiciones ambientales (Ismail, 2018).
VILLALOBOS-LEIVA, A. & BENÍTEZ, H. A. Morfometría geométrica y sus nuevas aplicaciones en ecología y biología evolutiva. Parte 2. Int. J. Morphol., 38(6):1818-1836, 2020.
1832
Otro trabajo de la misma línea, es el trabajo de Fabreet al., pero en este caso los autores analizaron la covariaciónde la forma de los huesos largos de las extremidades ante-riores con el comportamiento de agarre en los primatesestrepsirrinos. Para esto los autores trabajaron con variablesde forma obtenidas mediante el uso de semilandmarks 3Dde desplazamiento, para cuantificar las formas y curvaturasde cada uno de los huesos largos de las extremidades ante-riores en 22 especies de primates estreptirrinos. Luego, me-diante el uso de 2B-PLS analizaron la covariación entre laforma de los huesos largos y la conducta de agarre. Debidoa que las especies comparten una historia evolutiva, no pue-den ser tratadas como datos independientes. Para esto secorrigió el análisis cuantificando el grado de coevoluciónentre la forma media de cada especie para cada hueso largo
y el comportamiento de agarre, teniendo en cuenta lafilogenia mediante un algoritmo de mínimos cuadrados par-ciales generalizados bajo un modelo de evolución de movi-miento Browniano. Los valores de PLS evolutivos se calcu-laron a partir de los dos bloques de datos filogenéticamentecorregidos, y se evaluó la correlación evolutiva entre losdos bloques de los valores de PLS (rPLS). Se evaluó lasignificancia de la correlación PLS utilizando permutacionesfilogenéticas, donde la forma o los valores de comporta-miento de agarre para todas las especies para un bloque sepermutaban en los tips de la filogenia. Los valores de corre-lación así derivados, se obtuvieron a partir de los conjuntosde datos permutables y pueden compararse con el valor ob-servado. Como resultado, los autores encontraron existe unaseñal filogenética débil, aunque significativa, en el compor-
Fig. 11. Resultados del análisis de 2B-PLS entre la forma del húmero y el comportamiento de agarre para el análisis realizado en elconjunto de datos. Diagrama de dispersión de los primeros ejes PLS que describen la coevolución entre la forma del húmero y elcomportamiento de agarre. Los círculos y cuadrados representan la familia a la que pertenece cada especie. Las formas humorales (ladoizquierdo) asociadas a cada mínimo y máximo de coevolución se ilustran en los extremos derecho e izquierdo, respectivamente, mientrasque al centro se representa la forma intermedia, en la parte inferior de la gráfica de dispersión. Las cargas de comportamiento de agarreasociadas con la covariación de la forma humeral están representadas por el diagrama de barras a la izquierda del diagrama de dispersión.Los comportamientos utilizados para agarrar objetos grandes se representan en gris y los utilizados para agarrar objetos pequeños enblanco. Abreviaturas: O, oral; U, unimanual; MU, bucal-unimanual; MB, bucal-bimanual; B, bimanual (Fabre et al., 2018).
VILLALOBOS-LEIVA, A. & BENÍTEZ, H. A. Morfometría geométrica y sus nuevas aplicaciones en ecología y biología evolutiva. Parte 2. Int. J. Morphol., 38(6):1818-1836, 2020.
1833
DISCUSIÓN
Ya desde sus inicios, a fines de la década de los 70’s,la MG ha sido una valiosa herramienta que ha entregadoinformación mucho más precisa que la MT, particularmente
por su base matemática más robusta, lo que ha permitidorealizar estudios más complejos con preguntas mássofisticadas.
Fig. 12. Resultados del análisis de 2B-PLS entre la forma del radio y el comportamiento de agarre para el análisis realizado en el conjuntode datos. Diagrama de dispersión de los primeros ejes PLS que describen la coevolución entre la forma del radio y el comportamiento deagarre. Los círculos y cuadrados representan la familia a la que pertenece cada especie. Las formas humorales (lado izquierdo) asociadasa cada mínimo y máximo de coevolución se ilustran en los extremos derecho e izquierdo, respectivamente, mientras que al centro serepresenta la forma intermedia, en la parte inferior de la gráfica de dispersión. Las cargas de comportamiento de agarre asociadas con lacovariación de la forma humeral están representadas por el diagrama de barras a la izquierda del diagrama de dispersión. Los comporta-mientos utilizados para agarrar objetos grandes se representan en gris y los utilizados para agarrar objetos pequeños en blanco. Abrevia-turas: O, oral; U, unimanual; MU, bucal-unimanual; MB, bucal-bimanual; B, bimanual (Fabre et al., 2018)
tamiento de agarre y la forma del cúbito y el radio, y unaseñal filogenética moderada y significativa en la forma delhúmero. Además encontraron que existe una marcadacoevolución entre el comportamiento de agarre y la forma
del húmero (Fig. 11) y el radio (Fig. 12). Este hallazgo su-giere una asociación funcional entre el agarre y la forma dela extremidad anterior, lo que a su vez sugiere que la formaósea limita o facilita el comportamiento de agarre.
VILLALOBOS-LEIVA, A. & BENÍTEZ, H. A. Morfometría geométrica y sus nuevas aplicaciones en ecología y biología evolutiva. Parte 2. Int. J. Morphol., 38(6):1818-1836, 2020.
1834
En las últimas décadas, el uso cada vez más masivo deMG ha propiciado que más investigadores realicen actualiza-ciones de los métodos usados, correcciones matemáticas delos índices, recomendaciones o nuevos enfoquesmetodológicos (Adams, 2016; Openshaw et al., 2016; Magaet al.; Attard et al., 2018; Felice et al.; Karakostis et al., 2018;Palci & Lee, 2018; Simons et al.; Weaver & Gunz), lo que hapermitido un crecimiento exponencial de preguntas y proble-máticas que se intentan resolver con MG, desde la variacióndel espacio morfológico en un contexto de biología del desa-rrollo ( Maestri et al.; Fernandez Blanco et al., 2018; Simonset al.), hasta la asociación de la variación en un contextomacroevolutivo (Adams & Collyer; Maiorino et al.; Randau& Goswami, 2018; Taverne et al., 2018).
El objetivo de muchos estudios morfométricos es en-contrar y explorar las relaciones entre diferentes conjuntos devariables. Por ejemplo, los estudios de alometría analizan laasociación entre el tamaño y la forma en una muestra deespecímenes, los estudios ecomorfológicos caracterizan lasrelaciones entre datos ecológicos y morfológicos, y los análi-sis de la selección natural pueden investigar los efectos de lamorfología en la adecuación biológica de los organismos(Klingenberg, 2010). El incremento de estudios metodológicosque han incorporado la morfometría geométrica, ha permiti-do utilizar varias estrategias para estudiar la covarianza entreconjuntos de variables dependiendo de la naturaleza específi-ca de la relación entre ellas y de los objetivos del análisis.Dentro de este paradigma de comprender las relaciones entrecovariables y la forma geométrica de los organismos es queestudios asociados a procesos del desarrollo morfológico ad-quirieron fuerza en los últimos años con metodologías direc-tas como el estudio de la integración, modularidad y princi-palmente patrones de simetría llevando a la MG a estudiar lainferencia de la variación morfológica en sus procesos de de-sarrollo. Es importante destacar, que estos procesos general-mente se expresan en patrones de covarianza entre rasgos, porejemplo, asociaciones de cambios adaptativos, que resultande la variación en el proceso de desarrollo. Si el proceso novaría en absoluto, es decir, si se desarrolla exactamente de lamisma manera en todos los individuos, entonces significa queno habrá ninguna información de variación en los rasgosmorfológicos, por lo tanto enfoque por lo tanto fallaría(Klingenberg, 2010).
Es importante entender estos avances metodológicoscomo una forma de depuración y refinamiento de los resulta-dos, eliminando efectos algorítmicos en éstos, para estar másrelacionados a un trasfondo biológico (Adams, 2016;Klingenberg, 2013b). Así mismo, existe la necesidad de reali-zar estudios de forma en un contexto evolutivo, analizandolas variaciones morfológicas en un contexto filogenético, pararesponder preguntas con componentes multidimensionales
(Cardini & Elton, 2008; Fernandez Blanco et al.; Maiorinoet al.; Morningstar et al., 2018; Simons et al.).
Los métodos morfométricos para visualizar tendenciasmacroevolutivas en datos multidimensionales, recientementehan comenzado a dar resultados, luego de años de controver-sia en su uso (Adams & Collyer). Uno de los patrones másimportantes a calcular en evolución fenotípica, es el grado deseñal filogenética el cual solo después de los últimos años deextensiva investigación se pueden cuantificar de maneraconfiable y además de caracterizar patrones de covariación,tanto dentro de fenotipos multivariados como entre fenotiposmultivariados y otras variables (Adams & Collyer).
Finalmente, el objetivo del presente artículo fue reali-zar una revisión en las últimas actualizaciones en la MG, contal de entregar una nueva perspectiva, ampliando el conoci-miento en los usos metodológicos de esta herramienta pararesponder nuevas interrogantes cada vez más complejas, tan-to en contextos ecomorfológico como morfoevolutivos. Sinduda, este campo está en un proceso de aumento metodológicoexponencial lo que genera de forma imperativa la necesidadde comprender las nuevas metodologías. Por lo tanto, con estetrabajo pretendemos ser un primer punto de partida para aque-llos investigadores que se están iniciando en la MG, y que así,en un futuro, esta se pueda seguir expandiendo para facilitarlas respuestas a preguntas cada vez más complejas ysofisticadas.
AGRADECIMIENTOS
Los autores agradecen al Proyecto Fondecyt de Ini-ciación N° 11180366 por el financiamiento del este manus-crito, además AVL agradece al programa CONICYTPCHA/doctorado nacional 2018-21180921 por el apoyo y revisiónde las versiones anteriores a esta última.
VILLALOBOS-LEIVA, A. & BENÍTEZ, H. A. Geometricmorphometric and its new applications in ecology and evolutionarybiology. Part 2. Int. J. Morphol., 38(6):1818-1836, 2020.
SUMMARY: This study provides an updated vision of the studyof Geometric Morphometrics and its most recent application in ecologyand evolutionary biology, covering a wide variation in methodologyoccurring in the last 5 years since the first version published in theInternational Journal of Morphology. Geometric Morphometrics is atool that allows evaluating morphological variations with underlyingfactors, with a higher sensitivity than traditional morphology, so thatminimum changes of morphological variation can be detected. Therefore,it has turned into an outstanding tool to answer questions of comparativebiology focused on anatomic characters. At the beginning, it was a toolmainly used to answer taxonomic questions and for differentiation at
VILLALOBOS-LEIVA, A. & BENÍTEZ, H. A. Morfometría geométrica y sus nuevas aplicaciones en ecología y biología evolutiva. Parte 2. Int. J. Morphol., 38(6):1818-1836, 2020.
1835
individual, population or species level. However, in the last years, thenumber of questions and problematic on which it is applied, hasdiversified considerably, turning it into a very accurate tool to answerquestions of morphological variation in ecologic and evolutionarycontexts. Almost half a decade has elapsed since the last revision of themethod, so this work is intended to analyze the methodological changesand the new approaches used in Geometric Morphometrics, including abrief introductory guideline to these new methods, their uses andapplications.
KEY WORDS: Geometric morphometrics; Integration;Modularity; Fluctuating asymmetry; Shape covariation; 3DGeometric morphometrics.
REFERENCIAS BIBLIOGRÁFICAS
Adams, D. C. & Collyer, M. L. Comparing the strength of modular signal, andevaluating alternative modular hypotheses, using covariance ratio effect sizeswith morphometric data. Evolution, 73(12):2352-67, 2019.
Adams, D. C. & Otárola-Castillo, E. Geomorph: An r package for the collectionand analysis of geometric morphometric shape data. Methods Ecol. Evol.,4(4):393-9, 2013.
Adams, D. C. Evaluating modularity in morphometric data: challenges with theRV coefficient and a new test measure. Methods Ecol. Evol., 7(5):565-72,2016.
Adams, D. C.; Rohlf, F. J. & Slice, D. Geometric morphometrics: ten years ofprogress following the «revolution». Ital. J. Zool., 71(1):5-16, 2004.
Andjelkovic, M.; Tomovic, L. & Ivanovic, A. Morphological integration of thekinetic skull in Natrix snakes. J. Zool., 303(3):188-98, 2017.
Asahara, M. Shape variation in the skull and lower carnassial in a wild populationof raccoon dog (Nyctereutes procyonoides). Zool. Sci., 30(3):205-10, 2013.
Attard, M. R. G.; Sherratt, E.; McDonald, P.; Young, I.; Vidal-García, M. & Wroe,S. A new, three-dimensional geometric morphometric approach to assess eggshape. PeerJ, 6:e5052, 2018.
Bardua, C.; Wilkinson, M.; Gower, D. J.; Sherratt, E. & Goswami, A. Morphologicalevolution and modularity of the caecilian skull. BMC Evol. Biol., 19(1):1-23,2019.
Benítez, H. A. & Parra, L. E. Fluctuating asymmetry: a morpho-functional tool tomeasure development stability. Int. J. Morphol., 29(4):1459-69, 2011b.
Benítez, H. A. & Püschel, T. A. Modelling shape variance: geometric morphometricapplications in evolutionary biology. Int. J. Morphol., 32(3):998-1008, 2014.
Benítez, H. A.; Lemic, D.; Bazoc, R.; Bravi, R.; Buketa, M. & Püschel, T.Morphological integration and modularity in Diabrotica virgifera virgiferaLeConte (Coleoptera: Chrysomelidae) hind wings. Zool. Anz., 253(6):461-8,2014b.
Benítez, H. A.; Lemic, D.; Bazok, R.; Gallardo-Araya, C. M. & Mikac, K. M.Evolutionary directional asymmetry and shape variation in Diabrotica virgiferavirgifera (Coleoptera: Chrysomelidae): an example using hind wings. Biol. J.Linn. Soc., 111(1):110-8, 2013a.
Benítez, H. A.; Lemic, D.; Püschel, T.A.; Viric Gasparic, H.; Kos, T.; Baric, B.;Bazok, R. & Pajac Zivkovic, I. Fluctuating asymmetry indicates levels ofdisturbance between agricultural productions: An example in Croatianpopulation of Pterostichus melas melas (Coleptera: Carabidae). Zool. Anz.,276:42-9, 2018.
Benítez, H. A.; Parra, L.; Sepúlveda, E. & Sanzana, M. Geometric Perspectivesof Sexual Dimorphism in the Wing Shape of Lepidoptera?: the Case ofSynneuria sp. ( Lepidoptera: Geometridae ). J. Entomol. Res. Soc., 13(1):53-60, 2011a.
Benítez, H. A.; Püschel, T.; Lemic, D.; Cacija, M.; Kozina, A. & Bazok, R.Ecomorphological variation of the wireworm cephalic capsule: studyingthe interaction of environment and geometric shape. PloS One, 9(7):e102059,2014a.
Benítez, H. A.; Sanzana, M.; Jerez, V.; Parra, L. E.; Hernández, C. E. & Cana-les-Aguirre, C. B. Sexual shape and size dimorphism in carabid beetles ofthe genus Ceroglossus: is geometric body size similar between sexes due tosex ratio? Zoolog. Sci., 30(4):289-95, 2013b.
Bonneau, N.; Baylac, M.; Gagey, O. & Tardieu, C. Functional integrative analysisof the human hip joint: The three-dimensional orientation of the acetabulumand its relation with the orientation of the femoral neck. J. Hum. Evol.,69:55-69, 2014.
Bravi, R. & Benítez, H. A. Left e right asymmetries and shape analysis onCeroglossus chilensis (Coleoptera: Carabidae). Acta Oecol., 52:57-62,2013.
Cardini, A. & Elton, S. Does the skull carry a phylogenetic signal? Evolutionand modularity in the guenons. Biol. J. Linn. Soc., 93(4):813-34, 2008.
Cardini, A.; Jansson, A. U. & Elton, S. A geometric morphometric approach tothe study of ecogeographical and clinal variation in vervet monkeys. J.Biogeogr., 34(10):1663-78, 2007.
Coutelis, J. B.; González-Morales, N.; Géminard, C. & Noselli, S. Diversityand convergence in the mechanisms establishing L/R asymmetry inmetazoa. EMBO Rep., 15(9):926-37, 2014.
Curth, S.; Fischer, M. S. & Kupczik, K. Patterns of integration in the canineskull: an inside view into the relationship of the skull modules of domesticdogs and wolves. Zoology (Jena), 125:1-9, 2017.
Debat, V.; Debelle, A. & Dworkin, I. Plasticity, canalization, and developmentalstability of the Drosopfila wing: Joint effects of mutations anddevelopmental temperature. Evolution, 63(11):2864-76, 2009.
Fabre, A. C.; Peckre, L.; Pouydebat, E. & Wall, C. E. Does the shape of forelimblong bones co-vary with grasping behaviour in strepsirrhine primates? Biol.J. Linn. Soc., 127(3):649-60, 2018.
Felice, R. N.; Randau, M. & Goswami, A. A fly in a tube: Macroevolutionaryexpectations for integrated phenotypes. Evolution, 72(12):2580-94, 2018.
Felsenstein, J. Phylogenies and the comparative method. Am. Nat., 125(1):1-15, 1985.
Fernandez Blanco, M. V.; Cassini, G.H. & Bona, P. Skull ontogeny of extantcaimans: a three-dimensional geometric morphometric approach. Zoology,129:69-81, 2018.
Fernández-Mazuecos, M.; Blanco-Pastor, J. L.; Gómez, J. M. & Vargas, P. Corollamorphology influences diversification rates in bifid toadflaxes (Linaria sect.Versicolores). Ann. Bot., 112(9):1705-22, 2013.
Futuyma, D. J. Evolutionary constraint and ecological consequences. Evolution,64(7):1865-84, 2010.
Gonzalez, P. N.; Hallgrímsson, B. & Oyhenart, E. E. Developmental plasticityin covariance structure of the skull: Effects of prenatal stress. J. Anat.,218(2):243-57, 2011.
Goswami, A. & Polly, P. D. The influence of modularity on cranial morphologicaldisparity in carnivora and primates (Mammalia). PloS One, 5(3):e9517, 2010.
Ismail, T. G. E. Effect of geographic location and sexual dimorphism on shieldshape of the Red Sea hermit crab Clibanarius signatus using geometricmorphometric approach. Can. J. Zool., 96(7):667-79, 2018.
Kaliontzopoulou, A.; Carretero, M. A. & Llorente, G. A. Intraspecificecomorphological variation: linear and geometric morphometrics revealhabitat-related patterns within Podarcis bocagei wall lizards. J. Evol. Biol.,23(6):1234-44, 2010.
Karakostis, F. A.; Hotz, G.; Scherf, H.; Wahl, J. & Harvati, K. A repeatablegeometric morphometric approach to the analysis of hand entheseal three-dimensional form. Am. J. Phys. Anthropol., 166(1):246-60, 2018.
Kendall, D. G. The diffusion of shape. Adv. Appl. Aprobab., 9(3):428-30, 1977.Klingenberg, C. P. A Developmental Perspective on Developmental Instability:
Theory, Models and Mechanisms. En: Polak, M. (Ed.). DevelopmentalInstability: Causes and Consequences. New York, Oxford University Press,2003. pp.14-34.,
Klingenberg, C. P. Analyzing fluctuating asymmetry with geometricmorphometrics: Concepts, methods, and applications. Symmetry, 7(2):843-934, 2015.
Klingenberg, C. P. Cranial integration and modularity: insights into evolutionand development from morphometric data. Hystrix Ital. J. Mamm., 24(1):43-58, 2013a.
Klingenberg, C. P. Evolution and development of shape: Integrating quantitativeapproaches. Nat. Rev. Genet., 11(9):623-35, 2010.
Klingenberg, C. P. MorphoJ: an integrated software package for geometricmorphometrics. Mol. Ecol. Resour., 11(2):353-7, 2011.
Klingenberg, C. P. Morphological integration and developmental modularity.Ann. Rev. Ecol. Evol. Syst., 39:115-32, 2008.
Klingenberg, C. P. Morphometric integration and modularity in configurationsof landmarks: tools for evaluating a priori hypotheses. Evol. Dev., 11(4):405-21, 2009.
VILLALOBOS-LEIVA, A. & BENÍTEZ, H. A. Morfometría geométrica y sus nuevas aplicaciones en ecología y biología evolutiva. Parte 2. Int. J. Morphol., 38(6):1818-1836, 2020.
1836
Klingenberg, C. P. Visualizations in geometric morphometrics: How to read andhow to make graphs showing shape changes. Hystrix Ital. J. Mamm.,24(1):15-24, 2013b.
Klingenberg, C. P.; Barluenga, M. & Meyer, A. Shape analysis of symmetricstructures: Quantifying variation among individuals and asymmetry.Evolution, 56(10):1909-20, 2002.
Labonne, G.; Navarro, N.; Laffont, R.; Chateau-Smith, C. & Montuire, S.Developmental integration in a functional unit: deciphering processes fromadult dental morphology. Evol. Dev., 16(4):224-32, 2014.
Lehoux, C. & Cloutier, R. Building blocks of a fish head: Developmental andvariational modularity in a complex system. J. Exp. Zool. B Mol. Dev. Evol.,324(7):614-28, 2015.
Maestri, R.; Fornel, R.; Galiano, D. & de Freitas, T. R. O. Niche suitabilityaffects development: skull asymmetry increases in less suitable areas. PLoSOne, 10(4):e0122412, 2015.
Maga, A. M.; Tustison, N. J. & Avants, B. B. A population level atlas of Musmusculus craniofacial skeleton and automated image-based shape analysis.J. Anat., 231(3):433-43, 2017.
Maiorino, L.; Farke, A. A.; Kotsakis, T. & Piras, P. Macroevolutionary patternsin cranial and lower jaw shape of Ceratopsian dinosaurs (Dinosauria,Ornithischia): phylogeny, morphological integration, and evolutionary rates.Evol. Ecol. Res., 18:123-67, 2017.
Marcus, L. F. Traditional Morphometrics. En: Rohlf, F. J. & Bookstein, F. L.(Eds.). Proceedings of the Michigan Morphometrics Workshop. Michigan,The University of Michigan Museum of Zoology, 1990. pp.77-122.
Morningstar, C. R.; Inoue, K.; Lang, B. K. & Berg, D. J. A comprehensive sta-tus, phylogenetic, and anatomical review of Stagnicola caperata (Say, 1829)in the south-west United States. Aquat. Conserv. Mar. Freshw. Ecosyst.,28(3):527-34, 2018.
Namigai, E. K. O.; Kenny, N. J. & Shimeld, S. M. Right across the tree of life:The evolution of left-right asymmetry in the Bilateria. Genesis, 52(6):458-70, 2014.
Neustupa, J. Asymmetry and integration of cellular morphology in Micrasteriascompereana. BMC Biol., 17(1):1, 2017.
Nijhout, H. F. & Davidowitz, G. Developmental Perspectives on PhenotypicVariation, Canalization, and Fluctuating Asymmetry. En: Polak, M. (Ed.).Developmental Instability: Causes and Consequences. New York, OxfordUniversity Press, 2003. pp.3-13.
Openshaw, G. H.; D´Amore, D. C.; Vidal-García, M. & Keogh, J. S. Combininggeometric morphometric analyses of multiple 2D observation viewsimproves interpretation of evolutionary allometry and shape diversificationin monitor lizard (Varanus) crania. Biol. J. Linn. Soc., 2016. DOI: https://www.doi.org/10.1111/bij.12899
Palci, A. & Lee, M.S.Y. Geometric morphometrics, homology and cladistics:review and recommendations. Cladistics, 35(2):230-42, 2019.
Palmer, A. & Strobeck, C. Fluctuating asymmetry: measurement, analysis,patterns. Annual Review of Ecology, Evolution, and Systematics, 17:391-421, 1986.
Palmer, A. R. & Strobeck, C. Fluctuating Asymmetry Analyses Revisited. En:Polak, M. (Ed.). Developmental Instability: Causes and Consequences. NewYork, Oxford University Press, 2003. pp.279-319.
Pélabon, C.; Hansen, T. F.; Carter, A. J. R. & Houle, D. Response of fluctuatingand directional asymmetry to selection on wing shape in Drosophilamelanogaster. J. Evol. Biol, 19(3):764-76, 2006.
Polak, M. Developmental Instability: Causes and Consequences. New York,Oxford University Press, 2003.
Polychronis, G. & Halazonetis, D. J. Shape covariation between the craniofacialcomplex and first molars in humans. J. Anat., 225(2):220-31, 2014.
Randau, M. & Goswami, A. Shape covariation (or the lack thereof) betweenvertebrae and other skeletal traits in felids: the whole is not always greaterthan the sum of parts. Evol. Biol, 45(2):196-210, 2018.
Randau, M. & Goswami, A. Unravelling intravertebral integration, modularityand disparity in Felidae (Mammalia). Evol. Dev., 19(2):85-95, 2017.
Ren, J.; Bai, M.; Yang, X. K.; Zhang, R. Z. & Ge, S. Q. Geometric morphometricsanalysis of the hind wing of leaf beetles: proximal and distal parts are separatemodules. Zookeys, (685):131-49, 2017.
Rohlf, F. J. & Corti, M. Use of two-block partial least-squares to study covariationin shape. Syst. Biol., 49(4):740-53, 2000.
Rohlf, F. J. & Marcus, L. F. A revolution morphometrics. Trends Ecol. Evol.,8(4):129-32, 1993.
Simons, E. A.; Frost, S. R. & Singleton, M. Ontogeny and phylogeny of thecercopithecine cranium: A geometric morphometric approach to comparingshape change trajectories. J. Hum. Evol., 124:40-51, 2018.
Stefanello, F.; Bugs, C.; Stenert, C.; Maltchik, L.; Guilbert, E.; Ricardo, J. &Ribeiro, J. R. I. Integration and modularity in the male genitalia andparameres of Belostoma species of bifoveolatum group sensu Lauck, 1962(Insecta, Heteroptera, Belostomatidae). Zool. Anz., 272:45-64, 2018.
Sutherland, M. J. & Ware, S. M. Disorders of left-right asymmetry: Heterotaxyand situs inversus. Am. J. Med. Genet. Part C Sem. Med. Genet., 151(4):307-17, 2009.
Tamagnini, D.; Stephenson, J.; Brown, R. P. & Meloro, C. Geometricmorphometric analyses of sexual dimorphism and allometry in two sympatricsnakes: Natrix helvetica (Natricidae) and Vipera berus (Viperidae). Zoology,129:25-34, 2018.
Taverne, M.; Herbin, A. F. M.; Herrel, A.; Peigné, S.; Lacroux, C.; Lowie, A.;Pagès, F.; Theil, J. C. & Böhmer, C. Convergence in the functional propertiesof forelimb muscles in carnivorans?: adaptations to an arboreal lifestyle?Biol J. Linn. Soc., 125:1-14, 2018.
Toro-Ibacache, M. V.; Manriquez-Soto, G. & Suazo-Galdames, I. Geometricmorphometry and the biologic shapes study: from the descriptivemorphology to the quantitative morphology. Int. J. Morphol., 28(4):977-90, 2010.
Van Dongen, S.; Lens, L. & Molenberghs, G. Recent Developments andShortcomings in the Analysis of Individual Asymmetry: A Review andIntroduction of a Bayesian Statistical Approach. En: Polak, M. (Ed.).Developmental Instability: Causes and Consequences. New York, OxfordUniversity Press, 2003. pp.320-42.
Van Valen, L. A study of fluctuating asymmetry. Evolution, 16(2):125-42, 1962.Vandenberg, L. N. & Levin, M. A unified model for left-right asymmetry?
Comparison and synthesis of molecular models of embryonic laterality. Dev.Biol., 379(1):1-15, 2013.
Wärmländer, S. K. T. S.; Garvin, H.; Guyomarc’h, P.; Petaros, A. & Sholts, S.B. Landmark Typology in Applied Morphometrics Studies: What’s the Point?Anat. Rec., 302(7):1144-53, 2019.
Watanabe, A.; Fabre, A. C.; Felice, R. N.; Maisano, J. A.; Müller, J.; Herrel, A.& Goswami, A. Ecomorphological diversification in squamates fromconserved pattern of cranial integration. Proc. Nat. Acad. Sci. U. S. A.,116(29):14688-97, 2019.
Weaver, T. D. & Gunz, P. Using geometric morphometric visualizations ofdirectional selection gradients to investigate morphological differentiation.Evolution, 72(4):838-50, 2018.
Zelditch, M. L. & Swiderski, D. L. A Practical Companion to GeometricMorphometrics for Biologists: Running analyses in freely-available soft-ware. 2nd ed. Amsterdam, Elsevier, 2012.
Zelditch, M.; Swiderski, D. L.; Sheets, H. D. & Fink, W. L. GeometricMorphometrics for Biologists: A Primer. New York, Elsevier AcademicPress, 2004.
Zollikofer, C. P. E.; Bienvenu, T. & Ponce de León, M. S. Effects of cranialintegration on hominid endocranial shape. J. Anat., 230:85-105, 2017.
Zúñiga-Reinoso, Á. & Benítez, H. A. The overrated use of the morphologicalcryptic species concept: An example with Nyctelia darkbeetles (Coleoptera:
Tenebrionidae) using geometric morphometrics. Zool. Anz., 255:47-53, 2015.
Dirección para correspondencia:Hugo A. BenítezCentro de Investigación de Estudios Avanzados del MauleUniversidad Católica del MauleParque Científico TecnológicoAvenida San Miguel 3605Talca - CHILE
Email: hbenitez@ucm.cl
Recibido : 09-04-2020Aceptado: 07-06-2020
VILLALOBOS-LEIVA, A. & BENÍTEZ, H. A. Morfometría geométrica y sus nuevas aplicaciones en ecología y biología evolutiva. Parte 2. Int. J. Morphol., 38(6):1818-1836, 2020.