A inteligência artificial está ajudando paleontologistas e antropólogos a reconstruir os complexos padrões de cruzamento entre populações antigas que levaram à raça humana moderna.

Um novo estudo da Universidade de Tartu (Estônia), Universidade Pompeu Fabra (Espanha) e Instituto de Ciência e Tecnologia de Barcelona (Espanha) descobriu, por exemplo, que nosso DNA atual pode indicar a existência de um ancestral humano desconhecido vindo da Eurásia, provavelmente um híbrido entre neandertais e denisovanos, ou um parente da linhagem denisovana.

Quando os humanos modernos migraram pela primeira vez da África, 70.000 anos atrás, pelo menos duas espécies relacionadas, agora extintas, já estavam esperando por nós na Eurásia: os neandertais e os denisovanos, populações antigas que cruzaram com nossos ancestrais, deixando pedaços de seu DNA nos genomas de pessoas de descendência não africana até hoje.

Mas há indícios crescentes de uma história ainda mais complicada e miscigenada: uma equipe de pesquisadores descobriu, por exemplo, um fragmento ósseo em uma caverna siberiana pertencente a uma criança de uma mãe neandertal e um pai denisovano. Esse achado marca a primeira evidência fóssil de um híbrido humano de primeira geração.

Infelizmente, é muito raro encontrar esses fósseis. Nosso conhecimento dos denisovanos, por exemplo, é baseado no DNA extraído de um mero osso do dedo.

Muitos outros casais ancestrais podem ter existido, mas ser praticamente invisíveisquando se trata de evidência física. As pistas para sua ocorrência podem sobreviver apenas no DNA de algumas pessoas e, mesmo assim, podem ser mais sutis do que os sinais genéticos neandertais e denisovanos.

Por que utilizar IA?

Os cientistas têm usado modelos estatísticos para inferir a existência de algumas dessas populações sem dados fósseis: por exemplo, de acordo com uma pesquisa publicada no final de 2013, padrões de variação genética em humanos antigos e modernos apontam para uma população humana desconhecida que cruzou com os denisovanos ou seus antepassados.

Mas este é um teste de similaridade, não necessariamente de ancestralidade, porque há muitas maneiras diferentes de interpretar as pequenas quantidades de mistura genética que esse tipo de estudo descobre.

Por exemplo, tais análises podem sugerir que um europeu moderno compartilha certas características com o genoma neandertal, mas não com um africano moderno. Isso não significa necessariamente que esses genes vieram do cruzamento entre neandertais e ancestrais desses europeus. Estes últimos, por exemplo, podem ter cruzado com uma população diferente, relacionada estreitamente com os neandertais.

Na ausência de evidências físicas, é difícil dizer qual das muitas possíveis ascendências inferidas é a mais provável. Agora, em um artigo publicado recentemente na revista científica Nature Communications, os pesquisadores mostraram o potencial de técnicas de deep learning (aprendizagem profunda) para ajudar a preencher algumas das peças que faltam nesse quebra-cabeça.

Os autores da pesquisa usaram inteligência artificial para peneirar a evidência de uma “população fantasma”: um ancestral humano desconhecido na Eurásia, provavelmente um híbrido neandertal-denisovano ou um parente da linhagem denisovana.

O experimento: método e resultados

O novo método de aprendizagem profunda é uma tentativa de explicar os níveis de fluxo gênico muito pequenos para as abordagens estatísticas usuais, oferecendo uma gama muito mais ampla e complicada de modelos.

A rede neural pode aprender a classificar vários padrões em dados genômicos com base em quais históricos demográficos mais provavelmente deram origem a eles, sem que humanos tenham que determinar como fazer essas conexões.

Esse uso do aprendizado profundo pode revelar fantasmas que nem suspeitamos. Por um lado, não há razão para pensar que os neandertais, os denisovanos e os humanos modernos fossem as únicas três populações existentes no planeta.

“Nossa imaginação foi limitada pelo nosso foco em pessoas vivas ou nos fósseis que encontramos na Europa, na África e na Ásia ocidental”, disse Jason Lewis, antropólogo da Universidade Stony Brook (EUA). “O que as técnicas de aprendizado profundo podem fazer, de uma maneira estranha, é refocar as possibilidades. A abordagem não é mais limitada pela nossa imaginação”.

O que o estudo fez foi gerar dezenas de milhares de histórias evolutivas simuladas com base em diferentes combinações de detalhes demográficos: o número de populações humanas ancestrais, seus tamanhos, quando divergiram uma da outra, suas taxas de miscigenação e assim por diante.

A partir dessas histórias simuladas, os cientistas determinaram um enorme número de genomas simulados para populações atuais. Em seguida, treinaram seu algoritmo de aprendizado profundo para analisar esses genomas, de modo que ele aprendeu que tipos de modelos evolutivos tinham maior probabilidade de produzir determinados padrões genéticos.

A equipe então permitiu que a inteligência artificial inferisse as histórias que melhor se ajustavam aos dados genômicos reais. Eventualmente, o algoritmo concluiu que um grupo humano anteriormente não identificado também contribuiu para a ascendência de populações asiáticas.

A partir dos padrões genéticos envolvidos, esses humanos provavelmente eram uma população distinta que surgiu do cruzamento de denisovanos e neandertais por volta de 300.000 anos atrás, ou um grupo que descendeu da linhagem denisovana pouco depois.

Ressalvas

Esta não é a primeira vez que o aprendizado profundo é usado dessa maneira. Alguns estudos têm aplicado métodos semelhantes para abordar outros tópicos de investigação evolucionária.

Um grupo de pesquisa liderado por Andrew Kern, da Universidade de Oregon (EUA), usou uma abordagem baseada em simulação e técnicas de aprendizado de máquina para diferenciar vários modelos de como espécies, incluindo humanos, evoluíram, concluindo que a maioria das adaptações favorecidas pela evolução não se baseia no surgimento de novas mutações benéficas, mas sim na expansão de variantes genéticas que já existem.

Embora a inteligência artificial seja uma ferramenta interessante e empolgante, existem grandes ressalvas. Por exemplo, a escassez de dados antropológicos e paleontológicos relevantes força os pesquisadores a “jogarem sujo”, pedindo que a inteligência artificial “invente” possibilidades.

Se a história evolutiva humana real não se assemelhar aos modelos simulados em que esses métodos de aprendizagem profunda foram treinados, então as técnicas produzirão resultados incorretos.

Esse é um problema que os cientistas vêm tentando resolver, mas ainda há muito trabalho a ser feito para fornecer maiores garantias de precisão.

Enquanto alguns paleontólogos e geneticistas creem que este tipo de estudo é um passo adiante, algo que poderia ser usado para previsões sobre possíveis descobertas fósseis futuras e variações genéticas esperadas, outros são mais céticos.

“Acredito que a IA é exagerada nas aplicações à genômica”, disse Joshua Akey, ecologista e biólogo evolucionista da Universidade de Princeton (EUA). “A aprendizagem profunda é uma nova ferramenta fantástica, mas é apenas outro método. Não vai resolver todos os mistérios e complicações sobre os quais queremos aprender na evolução humana”.

Fonte: ciberia.com.br