• Una investigación liderada por las universidades Complutense de Madrid y de Burgos y el Instituto de Evolución en África logró una clasificación perfecta de los molares de dos especies de ratón muy próximas (casero y moruno) combinando aprendizaje automático con morfometría geométrica
• La nueva metodología, cuyos resultados coinciden con datos paleobiogeográficos previos, constituye una de las escasas evidencias fiables de que ambas especies se encontraban en la península ibérica hace más de dos mil años

UCC-UCM, 28 de marzo de 2023. Un nuevo enfoque metodológico que emplea Inteligencia Artificial (IA) con morfometría geométrica, desarrollado por la Universidad Complutense de Madrid (UCM), la Universidad de Burgos (UBU) y el Instituto de Evolución en África (IDEA) ha permitido identificar, con una eficiencia del 100 %, restos fósiles de ratón casero (Mus musculus domesticus) y de ratón moruno (Mus spretus) datados de hace 2200 años en la Cueva del Estrecho (Villares del Saz, Cuenca).

La aplicación de esta metodología para identificar los ejemplares fósiles recuperados en la cueva conquense supera los problemas de otras técnicas de diferenciación taxonómica.

El trabajo, publicado en Quaternary Science Review, “constituye una de las escasas evidencias precisas que permiten confirmar que ambas especies se encontraban en el centro de la península ibérica hace 2200 años aproximadamente, aportando así nuevos datos para reconstruir los procesos de colonización de estas especies”, destaca Ángel Domínguez García, investigador del Departamento de Geodinámica, Estratigrafía y Paleontología de la UCM en el momento del estudio.

La identificación de los roedores fósiles se basa habitualmente en la forma y tamaño de los dientes recuperados en los yacimientos paleontológicos y/o arqueológicos. No obstante, en muchos casos, esta tarea resulta difícil debido a que algunas especies tienen un tamaño y morfología dental muy similar. Este es el caso de las especies del género Mus presentes en la península ibérica desde la Prehistoria.

Los resultados permiten ampliar el conocimiento de los procesos de intercambio de especies entre distintos territorios asociados a las actividades antrópicas desde la Prehistoria. “De esta forma avanzamos en al estudio del origen de una de las principales amenazas a la biodiversidad del planeta en el presente: las especies invasoras”, señala Domínguez García.

Para llevar a cabo el estudio, se fotografiaron más de 300 ejemplares actuales de estas especies de roedores almacenados en diversas instituciones de España, Francia y Marruecos como la Estación Biológica de Doñana, el Museo Nacional de Ciencias Naturales o el Institut des Sciences de l’Evolution de Montpellier (ISEM), entre otros.

Una vez caracterizada la morfología dental de cada una de las dos especies a partir de los ejemplares actuales, el modelo desarrollado se ha aplicado a un conjunto de ejemplares fósiles recuperados en el yacimiento de la Cueva del Estrecho.

Este estudio es el resultado de ocho años de trabajo desde las excavaciones realizadas en la Cueva del Estrecho por el Equipo Lapis Specularis en el marco de las intervenciones arqueológicas asociadas a la adaptación de la cavidad a uso turístico. En él participan, además de las instituciones que lideran, el Museo Arqueológico y Paleontológico de Madrid y el Muséum National d’Histoire Naturelle de París.

“Estos resultados nos llevan a promover el uso de la Inteligencia Artificial aplicada a la investigación paleontológica, como un enfoque alternativo o combinado con los métodos clásicos de identificación taxonómica”, concluye Abel Moclán, primer autor del trabajo e investigador de la UBU y del IDEA.

Referencia bibliográfica: Abel Moclán, Ángel C. Domínguez-García, Emmanuelle Stoetzel, Thomas Cucchi, Paloma Sevilla, César Laplana. “Machine Learning interspecific identification of mouse first lower molars (genus Mus Linnaeus, 1758) and application to fossil remains from the Estrecho Cave (Spain)”, Quaternary Science Reviews, Volume 299, 2023,107877, ISSN 0277-3791. DOI: 10.1016/j.quascirev.2022.107877.