Adaptación genética después del Neolítico: datos de paleoDNA

## Cómo la agricultura desató la carrera armamentística genética: Datos de 15.000 genomas antiguos

Análisis de 15.836 genomas antiguos de Eurasia Occidental desmiente el mito de la estabilidad del genoma humano tras la Revolución Neolítica. Un estudio en Nature muestra que el cambio a la agricultura y la vida sedentaria activó una potente selección direccional, reescribiendo segmentos clave de ADN a lo largo de milenios. El conjunto de datos, que incluye 10.016 genomas recién secuenciados, revela 479 variantes genéticas bajo selección adaptativa, 10 veces más que las identificadas previamente.

Un nuevo algoritmo contra el ruido genético

Los métodos tradicionales de análisis de paleoADN fallaron por dos factores: la deriva genética y las olas de migración. Los relevos poblacionales (de cazadores-recolectores a agricultores, y luego a pastores esteparios) crearon señales falsas de selección. El equipo de Akbari y Reich desarrolló un modelo lineal mixto generalizado (GLMM) que trata la estructura poblacional como un parámetro controlado, no como ruido.

El método funciona como LiDAR para el genoma: elimina matemáticamente los efectos de la migración, aislando la señal pura de adaptación. El algoritmo prueba si un coeficiente de selección no nulo explica mejor la dinámica de los alelos que los factores demográficos. El avance clave es la densidad temporal de los datos: la muestra abarca 18.000 años con resolución para rastrear microcambios.

# Esquema simplificado de GLMM para análisis de selección
model <- glmmTMB(
  allele_frequency ~ selection_coefficient * time + 
    (1 | population_structure) + 
    (1 | migration_events),
  data = ancient_dna_dataset,
  family = gaussian()
)

La base empírica incluye 6.438 genomas modernos, asegurando una calibración precisa de las puntuaciones poligénicas. Esta escala separa la verdadera selección del ruido estadístico, un problema que frenó el progreso de la paleogenómica durante años.

Neolítico: Reinicio metabólico e inmunológico

Los datos muestran una respuesta genómica inmediata a los desencadenantes neolíticos. Con la llegada de la agricultura (hace 10.000 años), comenzaron cambios sistémicos:

• Reconfiguración metabólica: Declive de alelos que favorecen el almacenamiento de grasa. El excedente calórico constante hizo obsoletos los mecanismos ahorradores de energía.
• Pigmentación: Expansión rápida de mutaciones de piel clara. La pérdida de mariscos en la dieta intensificó la selección para la síntesis de vitamina D.
• Cabello y piel: Aumento de alelos para cabello rojo (hace 4.000 años) junto con una reducción gradual en la predisposición a la calvicie.

La Edad del Bronce (hace 5.000 años) intensificó la presión sobre el sistema inmunológico. Los asentamientos densos y el contacto con el ganado crearon focos perfectos para la reproducción de patógenos. El análisis reveló selección concentrada en tres sistemas clave:

• TYK2: El alelo protector contra la tuberculosis se disparó hace 6.000 años y luego declinó al cambiar los microbiomas.
• CCR5-Δ32: La expansión de la variante resistente al VIH correlaciona con epidemias de peste o viruela hace 6.000–2.000 años.
• Complejo HLA: Mutaciones que elevan el riesgo de celiaquía también potenciaron la defensa contra infecciones, un clásico equilibrio evolutivo.

Estos hallazgos respaldan la teoría de la coevolución gen-cultura: cada innovación cultural (agricultura, ciudades, ganadería) reprogramó el paisaje de selección más rápido que los desastres naturales.

Puntuaciones poligénicas: Una trampa interpretativa

El estudio toca un área controvertida: el análisis de rasgos poligénicos. Datos de GWAS de poblaciones modernas mostraron:

• Declives en puntuaciones ligadas a esquizofrenia y trastorno bipolar
• Aumentos en métricas correlacionadas con velocidad de marcha, educación e ingresos

Pero los autores advierten: son proxies, no marcadores directos. Las asociaciones con «educación» o «ingresos» en el Neolítico no tienen sentido; la selección apuntó a fenotipos ocultos (habilidades cognitivas, coordinación social) que GWAS captura indirectamente.

# Ejemplo de error de extrapolación
ancient_polygenic_score = modern_gwas_weights * ancient_alleles
# Riesgo: pesos entrenados en condiciones modernas!

Annabelle Perry señala: «No había universidades en el Neolítico. Debemos buscar cambios fisiológicos reales, no aferrarnos a interpretaciones modernas». Los confusores ambientales son especialmente riesgosos; por ejemplo, el GWAS del Reino Unido sobre educación refleja el acceso a la nutrición, no la capacidad cognitiva pura.

Lecciones clave

• El cambio a la agricultura activó una selección direccional 10 veces más intensa de lo pensado.
• El sistema inmunológico enfrentó la mayor presión por los cambios epidemiológicos de la Edad del Bronce.
• Cada mutación adaptativa conllevaba un costo oculto: enfermedades autoinmunes modernas suelen provenir de ventajas de supervivencia pasadas.
• Las puntuaciones poligénicas exigen una interpretación cautelosa: asociaciones GWAS modernas ≠ fenotipos antiguos.
• El método GLMM es un avance para separar señales de selección del ruido demográfico.

La evolución no se detuvo con la civilización: se aceleró, convirtiéndose en una reacción a las propias innovaciones humanas. El genoma demostró no ser un artefacto estático, sino una interfaz dinámica entre cultura y biología. Para los desarrolladores de herramientas bioinformáticas, esto subraya la necesidad crítica de considerar el contexto histórico en los algoritmos de análisis evolutivo. Métodos modernos como GLMM muestran cómo el rigor matemático extrae señal del caos, un principio aplicable desde la paleogenómica hasta el análisis de big data en TI.

— Editorial Team