Aplicações de evolução - Applications of evolution

A biologia evolutiva , em particular a compreensão de como os organismos evoluem por meio da seleção natural, é uma área da ciência com muitas aplicações práticas. Os criacionistas freqüentemente afirmam que a teoria da evolução carece de qualquer aplicação prática; no entanto, essa afirmação foi refutada por cientistas.

Biologia mais ampla

A abordagem evolucionária é a chave para muitas pesquisas atuais em biologia que não se propõem a estudar a evolução em si, especialmente em biologia e ecologia de organismos . Por exemplo, o pensamento evolucionário é a chave para a teoria da história de vida . A anotação de genes e sua função depende fortemente de abordagens comparativas, ou seja, evolutivas. O campo da biologia evolutiva do desenvolvimento investiga como os processos de desenvolvimento funcionam, usando o método comparativo para determinar como eles evoluíram.

Seleção artificial

Uma das principais aplicações tecnológicas da evolução é a seleção artificial , que é a seleção intencional de certas características em uma população de organismos. Os humanos têm usado a seleção artificial por milhares de anos na domesticação de plantas e animais. Mais recentemente, essa seleção se tornou uma parte vital da engenharia genética , com marcadores selecionáveis , como genes de resistência a antibióticos, sendo usados ​​para manipular DNA em biologia molecular . Também é possível usar rodadas repetidas de mutação e seleção para desenvolver proteínas com propriedades particulares, como enzimas modificadas ou novos anticorpos , em um processo denominado evolução direcionada .

Medicamento

Representação esquemática de como a resistência a antibióticos evolui por meio da seleção natural. A seção superior representa uma população de bactérias antes da exposição a um antibiótico. A seção do meio mostra a população diretamente após a exposição, a fase em que a seleção ocorreu. A última seção mostra a distribuição da resistência em uma nova geração de bactérias. A legenda indica os níveis de resistência dos indivíduos.

A resistência aos antibióticos pode ser resultado de mutações pontuais no genoma do patógeno a uma taxa de cerca de 1 em 10 8 por replicação cromossômica. A ação do antibiótico contra o patógeno pode ser vista como uma pressão ambiental; as bactérias que têm uma mutação que lhes permite sobreviver viverão para se reproduzir. Eles então passarão essa característica para seus descendentes, o que resultará em uma colônia totalmente resistente.

Compreender as mudanças que ocorreram durante a evolução do organismo pode revelar os genes necessários para construir partes do corpo, genes que podem estar envolvidos em distúrbios genéticos humanos . Por exemplo, o tetra mexicano é um peixe-caverna albino que perdeu a visão durante a evolução. O cruzamento de diferentes populações desse peixe cego produziu alguns filhotes com olhos funcionais, uma vez que diferentes mutações ocorreram nas populações isoladas que evoluíram em diferentes cavernas. Isso ajudou a identificar genes necessários para visão e pigmentação, como cristalinas e o receptor de melanocortina 1 . Da mesma forma, comparar o genoma do peixe-gelo da Antártida , que não tem glóbulos vermelhos , com parentes próximos como o crocodilo da Antártica revelou os genes necessários para fazer essas células do sangue.

Ciência da Computação

Como a evolução pode produzir processos e redes altamente otimizados, ela tem muitas aplicações na ciência da computação . Aqui, simulações de evolução usando algoritmos evolutivos e vida artificial começaram com o trabalho de Nils Aall Barricelli na década de 1960 e foram estendidas por Alex Fraser , que publicou uma série de artigos sobre simulação de seleção artificial . A evolução artificial tornou-se um método de otimização amplamente reconhecido como resultado do trabalho de Ingo Rechenberg na década de 1960 e no início da década de 1970, que usava estratégias de evolução para resolver problemas complexos de engenharia. Os algoritmos genéticos, em particular, tornaram-se populares por meio dos escritos de John Holland . Conforme o interesse acadêmico cresceu, aumentos dramáticos no poder dos computadores permitiram aplicações práticas, incluindo a evolução automática de programas de computador. Algoritmos evolutivos agora são usados ​​para resolver problemas multidimensionais com mais eficiência do que software produzido por designers humanos e também para otimizar o projeto de sistemas.

Referências