Hasta ahora no éramos conscientes de ellos dada su existencia invisible bajo el agua
Utilizando una novedosa genómica comparativa de paisajes fluviales, biólogos de la Universidad de Arkansas estudiaron 31 especies de peces de 75 lugares en la cuenca del río White en Arkansas.
Su estudio reveló una compleja red de relaciones y adaptaciones que definen las comunidades acuáticas en los ríos y ayudarán a los biólogos a planificar la conservación y la gestión de los ecosistemas.
El enfoque de los investigadores para el mapeo genómico, similar al utilizado por 23andMe para los humanos, reveló límites genéticos consistentes entre poblaciones de diversas especies en diferentes subcuencas.
"Así como nuestros antepasados tenían más probabilidades de tener cerca parientes cercanos, también los tienen los peces, creando así 'países' genéticos regionalmente distintos, moldeados por entornos únicos", dijo Zach Zbinden, investigador asociado postdoctoral. Zbinden realizó la investigación como parte de su tesis doctoral, guiada por Marlis y Michael Douglas, profesores de ciencias biológicas.
La investigación cambiará la forma en que los biólogos planifican la conservación y la gestión de los ecosistemas, ya que los humanos normalmente no eran conscientes de este tipo de poblaciones, dada su existencia invisible bajo el agua, dijo Zbinden.
Al identificar y comprender estos "países" genéticos de muchas especies, puede surgir un plan para la conservación eficaz de los ecosistemas, un sistema que reconozca y defina la diversidad genética del paisaje fluvial.
El estudio también demuestra la importancia de la estructura de la red fluvial a la hora de predecir las relaciones entre y dentro de las especies codistribuidas. Destaca la necesidad de traducir estas fronteras ocultas en estrategias de gestión local, por ejemplo, priorizando la conservación de ríos que albergan poblaciones únicas de muchas especies.
El estudio fue publicado como artículo de portada en Molecular Ecology: Riverscape community genomics: A comparative analytical approach to identify common drivers of spatial structure
