RESUMEN

Los estudios del dimorfismo sexual de los mamíferos tradicionalmente han involucrado la medida de dimensiones seleccionadas de elementos esqueléticos particulares y el uso de procedimientos de análisis de datos únicos. En consecuencia, tales estudios se han visto limitados por una variedad de restricciones prácticas y conceptuales. Para comparar y contrastar lo que podría obtenerse de un enfoque más exploratorio y multifactorial de la evaluación cuantitativa de la variación de la forma, se analizaron imágenes de una pequeña muestra de cráneos modernos de lobo (Canis lupus) en Israel mediante un análisis elíptico de Fourier de contornos craneales, el enfoque de aprendizaje automático de Bayes para el análisis de estos mismos datos y un análisis de aprendizaje profundo de imágenes completas en el que se representaron todos los aspectos de estas morfologías craneales. La significación estadística y la estabilidad de cada resultado discriminante se probaron utilizando procedimientos de bootstrap y jackknife. Los resultados no revelan evidencia de un dimorfismo de tamaño sexual estadísticamente significativo, pero sí un dimorfismo de forma significativo mediado por el sexo. Estos resultados son consistentes con los hallazgos de estudios previos sobre el dimorfismo sexual del lobo y amplían estos estudios al identificar nuevos aspectos de la variación dimórfica. Además, los resultados sugieren que el dimorfismo sexual basado en la forma en el complejo craneal Canis lupus puede estar más extendido morfológicamente de lo que habían apreciado investigadores anteriores. Estos resultados sugieren que el dimorfismo de tamaño y forma puede detectarse en muestras pequeñas y puede disociarse en morfologías de mamíferos. Este resultado es particularmente digno de mención porque implica que puede ser necesario perfeccionar las pruebas de hipótesis alométricas que buscan explicar el dimorfismo sexual fenotípico. Los métodos que los autores emplean en esta investigación son completamente generalizables y se pueden aplicar a una amplia gama de materiales biológicos y podrían facilitar la evaluación rápida de una amplia gama de hipótesis morfológicas/fenómicas.

Los autores y otros datos del artículo:

MacLeod, N. and L. K. Horwitz (2020). «Machine-learning strategies for testing patterns of morphological variation in small samples: sexual dimorphism in gray wolf (Canis lupus) crania”. Bmc Biology 18 (1). DOI: 10.1186/s12915-020-00832-1.

La revista Bmc Biology tuvo un factor de impacto en el año 2019 de 6,765 (Web of Science, 2021).

Categoría de la revista	Total de revistas	Clasificación de la revista	Cuartil
Biología	93	7	Q1

REFERENCIAS

Web of Science (2021). Consultado el 13 de marzo de 2021. https://apps.webofknowledge.com/Search.do?product=WOS&SID=F2vhLlS7EAchDSyDhi2&search_mode=GeneralSearch&prID=b2d0da15-d6a6-4684-83bd-7f75f9576726