Morfometría Geométrica y Machine Learning para diferenciar especies de ratones en la SEP 2023

Inicio / Aragosaurus / Morfometría Geométrica y Machine Learning para diferenciar especies de ratones en la SEP 2023

Los dientes de ratones actuales (arriba) y fósiles (abajo) utilizados en este estudio

Seguimos con los trabajos presentados por Aragosaurus en la SEP. Ahora toca uno de ordenadores y ratones (que no ratones de ordenador). Ángel Domínguez-García presentó un trabajo en el que utiliza la morfometría geométrica en 2D combinada con técnicas de aprendizaje automático o machine learning aplicadas a la diferenciación taxonómica de ratones del género Mus.

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 segunda mitad del Holoceno.

Mediante este nuevo enfoque metodológico se consiguieron diferenciar con una eficiencia del 100% los primeros molares inferiores del ratón casero (Mus musculus domesticus) y el ratón moruno (Mus spretus). Para ello se utilizaron fotografías de más de 300 ejemplares actuales de estas especies de roedores almacenadas 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 otras.

en la revista Quaternary Science Reviews.

Una vez caracterizada la morfología dental y cuantificadas las diferencias entre ambas especies a partir de los ejemplares actuales, el modelo desarrollado se aplicó al estudio de los fósiles recuperados en la Cueva del Estrecho (Villares del Saz, Cuenca). De esta forma se identificaron las dos especies del género Mus en el yacimiento, aportando así una de las escasas evidencias precisas que permiten confirmar que se encontraban representadas en el centro de la península ibérica hace unos 2.200 años.

Por tanto, los resultados obtenidos ponen de manifiesto que el uso de técnicas de machine learning combinadas con la morfometría geométrica constituyen herramientas muy útiles en la investigación paleontológica.

Este trabajo ha sido realizado en colaboración con la asociación Lapis Specularis en el marco de las intervenciones arqueológicas asociadas a la adaptación de la Cueva del Estrecho para su uso turístico. En él participan investigadores del Institute of Evolution in Africa (IDEA), del Muséum National d’Histoire Naturelle de Paris, de la Universidad Complutense de Madrid y del Museo Arqueológico y Paleontológico de Madrid. Además, el estudio completo fue publicado

Referencia contribución:

Domínguez-García, Á. C., Moclán, A., Stoetzel, E., Cucchi, T., Sevilla, P., Laplana, C. 2023. Morfometría geométrica y aprendizaje automático aplicados a la diferenciación de especies de roedores del género Mus Linnaeus, 1758. In Ros-Franch et al. (Eds.), Libro de Resúmenes de las XXXVIII Jornadas SEP. Palaeontological publications, 4, 70. https://www.aragosaurus.com/wp-content/uploads/2023/10/Dominguez-garcia_etal_2023.pdf

Referencia del artículo:

A. Moclán, Á.C. Domínguez-García, E. Stoetzel, T. Cucchi, P. Sevilla, C. 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, DOI: 10.1016/j.quascirev.2022.107877.

Hay más noticias