Identificación de organismos: algoritmo y herramientas

Error en la identificación de una plaga → pesticida incorrecto

Imaginemos la situación: un agrónomo descubre en cultivos de cereales un insecto que por su aspecto recuerda al pulgón de los cereales. Se toma la decisión de aplicar un insecticida contra pulgones. Sin embargo, un análisis más atento revela que no es un pulgón, sino una larva de trips o una chicharrita, un organismo con biología distinta, distinta susceptibilidad a los principios activos y distintos plazos de tratamiento. El resultado: pérdida de cosecha, gastos injustificados en pesticidas y, lo que es especialmente importante, una carga innecesaria de pesticidas sobre el agrocenosis.

Barhate et al. (2024), en su revisión sistemática de métodos de identificación de plantas, subrayan que «el análisis manual de estos parámetros al mismo tiempo es una tarea considerablemente laboriosa, y a veces incluso los expertos pueden tener dificultades para evaluarlos correctamente». Este problema se agrava en condiciones de campo, donde el acceso a literatura especializada y equipos es limitado.

Error en la identificación de un patógeno → pérdida de cosecha

En fitopatología la situación es aún más crítica. Muchos agentes causales de enfermedades tienen síntomas similares en las etapas tempranas de la infección. Por ejemplo, como señalan Garrido et al. (2016) en el capítulo sobre enfermedades fúngicas de la fresa, «muchos agentes causales de enfermedades de la fresa producen síntomas similares, y es importante saber distinguir las diferentes especies». Los autores dan un ejemplo concreto: la mancha foliar causada por Diplocarpon earlianum se confunde a menudo con los síntomas de la mancha causada por Mycosphaerella fragariae, y los síntomas de esta última se identifican erróneamente como el tizón por Phomopsis, causado por Phomopsis obscurans (Garrido et al., 2016).

Las consecuencias de tal error son diversas:

• Elección incorrecta del fungicida (distintos patógenos pueden requerir distintos principios activos)
• Plazos de tratamiento incorrectos (los ciclos de vida difieren)
• Imposibilidad de predecir una epidemia (distintos patógenos tienen distinta dinámica de desarrollo)

En la revisión de Tso et al. (2021) sobre el diagnóstico de la hernia de las crucíferas (Plasmodiophora brassicae) se subraya que «la determinación temprana y preventiva del patotipo es necesaria para maximizar la productividad y promover la producción sostenible de cultivos». Los autores señalan que la difusión de variedades resistentes ha llevado a la aparición de nuevos patotipos virulentos, y solo la identificación precisa permite seleccionar correctamente la variedad y la estrategia de protección.

Incidentes de cuarentena

Una categoría especial la constituyen los organismos de cuarentena. Aquí un error en la identificación puede tener no solo consecuencias agronómicas, sino también jurídicas. Como se señala en la revisión de Cubero et al. (2024), «la detección e identificación precisas de un patógeno son de gran importancia, ya que pueden proporcionar información decisiva sobre su ecología, la amenaza potencial para los cultivos y la introducción de métodos de manejo adecuados».

Imaginemos la situación: al inspeccionar un lote importado de semillas se detecta un patógeno fúngico. Si se identifica erróneamente como una especie no cuarentenaria, el lote será admitido en el territorio del país, lo que puede llevar a la introducción de un agente peligroso. Por el contrario, el sobrediagnóstico (la falsa determinación del estatus de cuarentena en un organismo inofensivo) conduce a pérdidas económicas injustificadas para el importador y los socios comerciales.

En el manual de diagnóstico de Tso et al. (2021) se indica directamente que «la determinación temprana del patotipo permite a los agricultores que cultivan canola elegir variedades con la resistencia adecuada y garantizar la mejor protección contra la enfermedad». Esto es especialmente importante en condiciones en las que, como señalan los autores, «el cultivo repetido de variedades resistentes ha creado una presión selectiva que ha llevado a cambios de virulencia en el patógeno, favoreciendo la propagación de nuevos patotipos virulentos».

Niveles de detalle taxonómico

En la agroesfera, las tareas de identificación pueden requerir determinación en diferentes niveles:

Nivel de familia o género: a menudo suficiente para una evaluación preliminar. Por ejemplo, al detectar un insecto en cultivos basta con determinar que es un representante de la familia Aphididae (pulgones) para tomar la decisión sobre la necesidad de un análisis más detallado. Como señalan en el manual de protección integrada de plantas (Albajes y Madeira, 2019), «cuando el técnico observa insectos o ácaros en el cultivo, la primera pregunta que surge es: “¿qué es esto?” La respuesta exacta a esta pregunta es el punto de partida clave para encontrar una solución eficaz si la población crece hasta el nivel de plaga».

Nivel de especie: necesario para la mayoría de las decisiones prácticas. Es precisamente en este nivel donde se determinan los umbrales económicos de daño, se seleccionan los pesticidas y se desarrollan las estrategias de protección. Como subrayan Tso et al. (2021), «la identificación precisa hasta especie permite a los agricultores elegir variedades con la resistencia adecuada y garantizar la mejor protección contra la enfermedad».

Nivel de categorías intraespecíficas: razas, patotipos, biotipos. En algunos casos, incluso la determinación hasta especie es insuficiente. Por ejemplo, para Plasmodiophora brassicae (agente causal de la hernia de las crucíferas) se distinguen muchos patotipos, que se diferencian por la virulencia en un conjunto de plantas diferenciales (Tso et al., 2021). Para elegir una variedad resistente es necesario saber qué patotipo está presente en el suelo.

Nivel de cepa o aislado: en estudios epidemiológicos y en el desarrollo de preparados biológicos. Por ejemplo, para Bacillus thuringiensis, distintas cepas poseen diferente actividad insecticida contra distintos grupos de insectos (Albajes y Madeira, 2019).

Factores que determinan el nivel requerido

La elección del nivel de detalle está determinada por varios factores:

1. Objetivo del estudio o de la tarea práctica. Si el objetivo es el monitoreo fitosanitario general, puede bastar la determinación hasta familia. Si el objetivo es elegir un pesticida, se necesita la determinación hasta especie. Si el objetivo es el mejoramiento para resistencia, puede requerirse la determinación hasta patotipo.

2. Recursos disponibles. La determinación hasta especie puede requerir consulta con un especialista sistemático, acceso a colecciones de referencia o a un laboratorio molecular. Si tales recursos no están disponibles, hay que limitarse a un nivel de detalle menor.

3. Consecuencias económicas del error. Cuanto mayor es el costo del error, mayor es el nivel de detalle requerido. Para organismos de cuarentena, incluso la probabilidad de error debe minimizarse, lo que exige aplicar los métodos más fiables.

4. Naturaleza del objeto. Algunos grupos de organismos son objetivamente más difíciles de identificar. Como se señala en la revisión sobre código de barras de ADN de plantas (Letsiou et al., 2023), «en las plantas el uso de un código de barras de ADN universal como el COI, que se utiliza en animales, aún no se ha logrado». Para distintos grupos se requieren distintos marcadores y distintos enfoques.

Formulación de la tarea: recomendaciones prácticas

Al plantear una tarea de identificación se recomienda responder a las siguientes preguntas:

• ¿Qué se sabe de la muestra? (origen, huésped, síntomas, condiciones)
• ¿Qué nivel de determinación se necesita? (familia, género, especie, raza)
• ¿Qué métodos están disponibles? (morfología, microscopía, métodos moleculares)
• ¿Qué limitaciones existen? (tiempo, presupuesto, acceso a equipos)
• ¿Cuáles son las consecuencias del error? (económicas, jurídicas, ecológicas)

Una formulación clara de la tarea permite evitar dos extremos: el detalle insuficiente (cuando el resultado no permite tomar una decisión) y el detalle excesivo (cuando los costos de la identificación no se justifican por la necesidad práctica).

Principios generales de recolección

En el manual de preparación de especímenes de herbario (Judd et al., 2018, Apéndice 2) se formulan los principios básicos de recolección de plantas:

1. Completitud. «Las plantas recolectadas deben representar la variación observada en la población. Pueden necesitarse varios especímenes para documentar adecuadamente el patrón de variación observado» (Judd et al., 2018).

2. Representatividad. «Elija plantas bien desarrolladas, no enfermas. Si es posible, debe recolectarse toda la planta, incluidas las partes subterráneas; ¡nunca recolecte solo una flor o una hoja!» (Judd et al., 2018).

3. Presencia de caracteres diagnósticos. «No recolecte especímenes que carezcan de flores y frutos; tal material será difícil de identificar» (Judd et al., 2018).

4. Documentación. Cada espécimen debe ir acompañado de una etiqueta con información completa: lugar de recolección, fecha, colector, características que no se conservan al secarse (color, olor, dimensiones).

Especificidad de la recolección de distintos grupos de organismos

Plantas. Para la herborización, las plantas se recolectan enteras o en partes, que luego se secan en una prensa. Como señalan Judd et al. (2018), «la planta debe colocarse en papel de periódico doblado y disponerse de modo que sean visibles las superficies superior e inferior de las hojas, las flores y los frutos». Para plantas suculentas y frutos grandes puede requerirse fijación previa en alcohol o agua caliente.

Insectos. Para los insectos se suele utilizar el montaje en seco sobre alfileres entomológicos, o la conservación en alcohol (etanol al 70–96 %). La elección del método depende del grupo: los coleópteros y lepidópteros suelen montarse en alfileres, mientras que los de cuerpo blando (larvas, pulgones, ácaros) se conservan en alcohol.

Hongos y microorganismos. Para los hongos fitopatógenos se utiliza tanto el secado (herborización de órganos afectados) como la conservación de cultivos puros en medios nutritivos. Como señalan Garrido et al. (2016), «el desarrollo de métodos moleculares ha llevado a la generación de una gran cantidad de información sobre estas enfermedades», lo que exige conservar material apto para análisis de ADN.

Muestras de suelo. Para el análisis de organismos del suelo (nematodos, protozoos, microartrópodos) se emplean métodos especiales de muestreo. Lentendu et al. (2022) describen el procedimiento: «Usando un muestreador, tome en total 9 muestras (de unos 250 g cada una), distribuidas uniformemente a lo largo del borde exterior de una parcela circular o dispersas uniformemente dentro de una parcela cuadrada con radio/lado de 1 a 10 m».

Fijación y conservación

La elección del método de fijación está determinada por los objetivos del análisis posterior:

Para análisis morfológico: secado (herborización) o conservación en alcohol. Es importante garantizar la conservación de los caracteres diagnósticos.

Para análisis molecular: fijación rápida en etanol (96–100 %) o gel de sílice. Como se señala en el manual de recolección de semillas (Hopkins, 2015), «el gel de sílice (para recolectar hojas para secuenciación de ADN)» es un elemento estándar del equipo de campo.

Para análisis microbiológico: conservación en condiciones estériles, a menudo con medios de transporte especiales.

Es importante comprender que los métodos de fijación óptimos para un tipo de análisis pueden ser inadecuados para otro. Por ejemplo, como señalan Judd et al. (2018), las muestras tratadas con alcohol para conservación temporal «normalmente serán inadecuadas para el análisis químico posterior (incluido el de ADN)».

Aspectos éticos y jurídicos de la recolección

La recolección de organismos está regulada por la legislación. Judd et al. (2018) subrayan: «Muchas plantas que antes eran comunes ahora son raras, principalmente debido a la destrucción del hábitat, la sobreexplotación por parte de los humanos o la competencia con especies exóticas. Los colectores deben ser conscientes de las cuestiones de conservación. Las plantas raras o inusuales normalmente no deben recolectarse; fotografiar la planta es una buena alternativa en tales circunstancias».

Además, «las leyes de muchos países protegen las especies vegetales nativas, y solo deben recolectarse con los permisos correspondientes. Se requieren permisos para recolectar en parques y bosques urbanos, de condado, estatales y nacionales» (Judd et al., 2018). Para recolectar en tierras privadas se necesita permiso del propietario. El comercio internacional de plantas está regulado por la Convención sobre el Comercio Internacional de Especies Amenazadas de Fauna y Flora Silvestres.

Análisis macroscópico

En esta etapa se estudian los caracteres visibles a simple vista o con lupa:

Para plantas, Sharma (2009) enumera las siguientes características que deben anotarse antes de la identificación:

• «Determine la naturaleza herbácea o leñosa, anual o perenne del espécimen»
• «Anote el tipo de hoja, la filotaxis y la nervadura»
• «Anote la presencia o ausencia y el tipo de estípulas en los brotes jóvenes»
• «¿Hay savia lechosa o coloreada en la hoja, el tallo u otras partes de la planta?»
• «Anote la distribución y los tipos de cubiertas superficiales (es decir, pelos, tricomas, espinas, etc.)»

Para insectos, los caracteres morfológicos incluyen la estructura del aparato bucal, la nervadura de las alas, la estructura de las antenas, las patas y los genitales. Como señalan en el manual de IPM (Albajes y Madeira, 2019), «la identificación de insectos y ácaros generalmente se realiza con claves taxonómicas. Las claves son disposiciones de taxones relacionados agrupados. Los caracteres morfológicos, complementados a veces por la anatomía, la apariencia o rasgos de comportamiento, se utilizan principalmente para separar individuos en grupos».

Para hongos, los caracteres macroscópicos incluyen el tipo de lesión, el color, la textura y la presencia de esporulación. Garrido et al. (2016) describen los síntomas de diversas enfermedades fúngicas de la fresa, subrayando que «algunos patógenos causan síntomas foliares muy característicos; por ejemplo, Sphaerotheca macularis forma manchas blancas de micelio en la superficie abaxial de la hoja. Otras especies causan síntomas similares, incluso idénticos».

Análisis microscópico

Para muchos grupos de organismos, los caracteres macroscópicos son insuficientes y se requiere microscopía.

Para hongos, la microscopía permite revelar la forma y el tamaño de las esporas, la estructura de los conidióforos, la presencia y el tipo de septos en el micelio. Garrido et al. (2016) describen diversos métodos de tinción: «Las esporas de reposo pueden distinguirse del tejido de la raíz mediante el método de triple tinción; las esporas de reposo se tiñen de azul, mientras que el tejido del huésped se tiñe de rosa o violeta». Otros métodos incluyen la tinción con azul de algodón-lactofenol para detectar quitina, azul de metileno para visualizar esporas dentro de plasmodios, y hematoxilina de Harris para observar plasmodios primarios y zoosporas.

Para insectos, la microscopía es necesaria para estudiar los genitales (a menudo el único carácter fiable para distinguir especies cercanas), así como para estudiar estructuras pequeñas (setas, sensilas).

Para nematodos, la microscopía es el método principal de identificación, ya que estos organismos tienen dimensiones que requieren aumento. Lentendu et al. (2022) señalan que «la comprensión taxonómica profunda de las comunidades de nematodos requiere gran experiencia y tiempo y, por lo tanto, es costosa».

Métodos anatómicos

Para algunos grupos se requiere el estudio de la estructura interna:

Para plantas, los cortes anatómicos pueden revelar particularidades de la estructura del tallo, la hoja y la raíz que tienen valor diagnóstico. Sharma (2009) recomienda «hacer un corte transversal del ovario, contar el número de lóculos, el número de óvulos en el lóculo y anotar también la placentación».

Para madera, los caracteres anatómicos (disposición de los vasos, presencia y tipo de radios) se utilizan para identificar especies leñosas.

Para insectos, los métodos anatómicos se emplean con menos frecuencia, pero pueden ser útiles para estudiar estructuras internas.

Pruebas bioquímicas y fisiológicas

En algunos casos se utilizan caracteres bioquímicos para la identificación:

Para bacterias, pruebas de actividad enzimática, capacidad de asimilar diversos sustratos, reacciones serológicas.

Para hongos, pruebas de capacidad de asimilar diversas fuentes de carbono y nitrógeno, producción de enzimas.

Para plantas, caracteres quimiotaxonómicos (composición de flavonoides, alcaloides, aceites esenciales).

Como señalan en la revisión sobre diagnóstico de patógenos (Cubero et al., 2024), «los métodos serológicos no siempre han sido reemplazados por tecnologías basadas en ácidos nucleicos, especialmente cuando los antisueros, anticuerpos y pruebas específicas están disponibles, son suficientemente precisos y a veces ya están comercializados».

Claves dicotómicas

Principio. Una clave dicotómica es una secuencia de pares de afirmaciones mutuamente excluyentes (couplets). Cada par se llama couplet, y cada afirmación se llama lead. El usuario elige sucesivamente una de dos variantes hasta llegar al nombre de un taxón.

Sharma (2009) define una clave como «un dispositivo artificial o medio analítico mediante el cual se ofrece una elección entre dos afirmaciones contradictorias, lo que lleva a aceptar una y rechazar la otra».

Tipos de claves dicotómicas:

1. Claves indentadas (yoked): cada par de couplets está desplazado una distancia fija desde el margen izquierdo. Ejemplo de Sharma (2009):

1.1. Fruto un grupo de aquenios; flores sin espolones

1.1.1. Pétalos ausentes:

• Sépalos generalmente 4; involucro ausente → Clematis
• Sépalos generalmente 5; involucro presente → Anemone

1.1.2. Pétalos presentes → Ranunculus

2. Claves entre corchetes (bracketed): los couplets se disponen secuencialmente, cada uno lleva al siguiente número. Ejemplo:

• (1) Fruto un grupo de aquenios; flores sin espolones → (2)
• (1) Fruto un grupo de folículos; flores con espolones → (4)
• (2) Pétalos ausentes → (3)
• (2) Pétalos presentes → Ranunculus

Ventajas de las claves dicotómicas:

• Sencillez de uso
• Estructura lógica clara
• Amplia difusión

Limitaciones:

• Si un carácter utilizado en la clave está ausente o no es claro en el espécimen, la identificación se dificulta
• La clave puede ser inadecuada para material incompleto
• Las claves dicotómicas a menudo requieren conocimiento de caracteres específicos que pueden no estar disponibles

Como señala Sharma (2009), «la principal desventaja es que si un carácter particular no es claro en el espécimen para identificación, la única opción disponible es hacer una suposición sobre esa característica particular».

Claves politómicas (multiacceso)

Principio. Una clave politómica (también llamada clave multiacceso, policlave, clave sinóptica) permite al usuario elegir caracteres en cualquier orden de un conjunto de disponibles.

Pandey (2021) define una clave politómica como «una lista de estados de caracteres de la cual el usuario selecciona todos los estados correspondientes al espécimen y luego pasa la lista a un programa informático que compara la lista de caracteres con una base de datos de taxones y caracteres y devuelve la identificación al investigador sobre la base de coincidencias».

Tipos de claves politómicas:

1. Tarjetas perforadas por borde: cada tarjeta corresponde a un taxón, y los agujeros en los bordes corresponden a caracteres. Si un carácter está presente, el agujero se recorta. Para la identificación, las tarjetas se apilan y se pasa una aguja por el agujero correspondiente al carácter seleccionado; las tarjetas con el agujero recortado caen.

2. Tarjetas perforadas por cuerpo: cada tarjeta corresponde a un carácter, y los agujeros corresponden a taxones. Las tarjetas se seleccionan según los caracteres presentes en el espécimen, se apilan y se miran a contraluz; el agujero coincidente indica el taxón.

3. Claves politómicas computarizadas: se implementan como software (por ejemplo, DELTA, Lucid).

Ventajas de las claves politómicas:

• Flexibilidad: se pueden usar cualesquiera caracteres disponibles
• Posibilidad de identificar material incompleto
• Posibilidad de obtener una lista de taxones posibles cuando la información es insuficiente

Limitaciones:

• Requieren más tiempo para su preparación
• Las implementaciones computarizadas requieren acceso a equipos
• Pueden ser menos intuitivas para principiantes

Como señala Pandey (2021), «las claves politómicas son convenientes, económicas y compactas, pero hay pocas disponibles. La preparación de estas tarjetas y la selección de caracteres llevan tiempo, pero estas claves pueden usarse incluso si el espécimen carece de algunos caracteres clave tradicionales».

Claves computarizadas y en línea

Las tecnologías modernas ofrecen nuevas posibilidades para la identificación:

Claves computarizadas: programas que implementan claves dicotómicas o politómicas. Sharma (2009) señala que «una computadora puede programarse para la identificación solo si el algoritmo inicial fue preparado con éxito por un sistemático experto».

Recursos en línea: sitios web que proporcionan acceso a claves, imágenes y bases de datos. Watson et al. (2015) describen el desarrollo de tales recursos: «La World Wide Web proporciona una riqueza de información sobre plantas, acceso a floras y listas de verificación, imágenes de plantas, tratamientos detallados de grupos particulares de plantas y secuencias de ADN».

Aplicaciones móviles: aplicaciones para teléfonos inteligentes que utilizan aprendizaje automático para la determinación automática. Jones (2025) evalúa su eficacia: «Todas las aplicaciones probadas mejoraron durante los 3 años entre 2020 y 2023 en aproximadamente 20 puntos porcentuales en cuanto al porcentaje de muestras correctamente identificadas hasta especie o familia».

Sin embargo, como veremos en la lección 6, las claves automáticas tienen serias limitaciones y no pueden sustituir el pensamiento crítico del especialista.

Comparación con especímenes de referencia

Colecciones de herbario. El método más fiable de verificación es la comparación con especímenes tipo o ejemplares verificados en un herbario. Judd et al. (2018) subrayan: «Los especímenes de herbario forman la base de gran parte de nuestra comprensión de los patrones de variación en la naturaleza. Documentan la variabilidad morfológica de poblaciones, especies y taxones superiores, su distribución geográfica y sus características ecológicas».

Especímenes tipo. De especial valor son los especímenes tipo, ejemplares a los que «el nombre de un taxón está permanentemente vinculado» (Sharma, 2009). La comparación con el tipo permite asegurar que la identificación corresponde al estándar nomenclatural.

Colecciones digitales. Las tecnologías modernas permiten acceder a imágenes digitalizadas de especímenes tipo a través de internet. Sharma (2009) describe los herbarios virtuales: «Un herbario virtual, también conocido como herbario digital en línea, es un repositorio que contiene imágenes digitales e información sobre especímenes vegetales preservados».

Consulta con un especialista

Cuándo es necesaria la consulta. La consulta con un especialista sistemático es necesaria en los siguientes casos:

• La identificación es ambigua
• El espécimen pertenece a un grupo taxonómico complejo
• Se requiere determinación hasta nivel intraespecífico (raza, patotipo)
• El resultado tiene importancia crítica (cuarentena, peritaje judicial)

Cómo organizar la consulta. Pandey (2021) señala que «las colecciones problemáticas pueden enviarse a un experto en la sistemática de un género o familia particular o en la flora de una región particular». Es importante proporcionar al especialista información completa sobre el espécimen, incluidas fotografías, descripción y lugar de recolección.

Cooperación con laboratorios de diagnóstico. En la agroesfera existen laboratorios de diagnóstico especializados que realizan la identificación de patógenos, plagas y malas hierbas. Cubero et al. (2024) subrayan que «la detección e identificación precisas de un patógeno son de gran importancia», y en muchos países existen laboratorios oficiales acreditados para tales estudios.

Uso de varias fuentes

Para aumentar la fiabilidad de la identificación se recomienda utilizar varias fuentes independientes:

• Varias claves (si están disponibles)
• Comparación con varios especímenes de referencia
• Consulta con varios especialistas (si es posible)
• Combinación de métodos morfológicos y moleculares

Como señala Sharma (2009), «después de usar la clave es importante leer la descripción correspondiente del taxón; si el espécimen fue identificado correctamente, la descripción de la especie identificada debe corresponder a la planta en mano».

Cuándo la morfología es insuficiente

Especies crípticas. Existen grupos de organismos cuyas especies son morfológicamente indistinguibles pero genéticamente aisladas. Letsiou et al. (2023) señalan que «las especies crípticas son dos o más especies que se clasifican como una porque son superficialmente similares desde el punto de vista morfológico y, por lo tanto, no pueden identificarse utilizando la taxonomía clásica».

Material incompleto. Cuando el material disponible no contiene caracteres diagnósticos (por ejemplo, larvas de insectos, especímenes estériles de plantas), los métodos moleculares pueden ser la única forma de identificación.

Muestras mixtas. Al analizar muestras mixtas (por ejemplo, suelo, material vegetal con varios patógenos), el metabarcoding permite identificar todos los componentes de la comunidad.

Se requiere alta precisión. Para fines de cuarentena, peritaje judicial y programas de mejoramiento puede requerirse la máxima fiabilidad, que proporcionan los métodos moleculares.

Código de barras de ADN

Página principal: DNA barcoding y taxonomía digital

Principio. El código de barras de ADN se basa en el uso de secuencias cortas estandarizadas de ADN para la identificación de especies. Letsiou et al. (2023) definen un código de barras de ADN como «secuencias de ADN estandarizadas, idealmente únicas, codificantes o no codificantes, ya sea del genoma del organismo o de sus orgánulos, de 400 a 800 pares de bases de longitud, que se utilizan para la identificación/clasificación de un grupo de organismos».

Marcadores para distintos grupos:

• Animales: COI (citocromo c oxidasa subunidad I)
• Plantas: combinación de rbcL + matK (CBOL Plant Working Group, 2009)
• Hongos: ITS (espaciador transcrito interno)

Letsiou et al. (2023) subrayan que «en las plantas el uso de un código de barras de ADN universal como el COI, que se utiliza en animales, aún no se ha logrado», y que «no existe un locus único que cumpla los estándares del CBOL, por lo que se ha propuesto el uso de una combinación de códigos de barras».

Procedimiento:

1. Extracción de ADN de la muestra

2. Amplificación de la región diana mediante PCR

3. Secuenciación del amplicón

4. Comparación con una base de datos de referencia

Pandey (2021) describe este proceso: «El código de barras de ADN incluye la extracción de ADN genómico de muestras de tejido recolectadas de un organismo individual. Este es el primer paso, seguido de la amplificación de la región deseada mediante reacción en cadena de la polimerasa. El producto amplificado se somete luego a secuenciación. Las herramientas bioinformáticas se utilizan para analizar las secuencias obtenidas».

qPCR para el diagnóstico de patógenos

Principio. La PCR cuantitativa en tiempo real (qPCR) permite no solo detectar sino también cuantificar el contenido de un patógeno en una muestra.

Aplicación. Como señalan Cubero et al. (2024), «en los últimos años la PCR convencional ha sido reemplazada por la qPCR en tiempo real, que generalmente tiene mayor sensibilidad y se basa en sistemas automatizados». Para muchos patógenos se han desarrollado cebadores y sondas específicos, que permiten un diagnóstico con alta sensibilidad y especificidad.

Ventajas:

• Alta sensibilidad (detección de copias únicas)
• Evaluación cuantitativa
• Rapidez
• Posibilidad de multiplexación (detección simultánea de varios patógenos)

Metabarcoding

Principio. El metabarcoding es un método de análisis de comunidades de organismos sin aislamiento de individuos. Lentendu et al. (2022) lo definen como «un método de identificación de múltiples especies en una sola muestra ambiental utilizando cebadores universales de PCR para amplificar simultáneamente muchos códigos de barras de ADN».

Aplicación:

• Análisis de comunidades del suelo (protozoos, nematodos, microartrópodos)
• Análisis del microbioma de plantas
• Monitoreo de biodiversidad

Ventajas:

• Posibilidad de analizar comunidades complejas
• Detección de organismos no cultivables
• Alto rendimiento

Limitaciones:

• Cuantificación relativa, no absoluta
• Dependencia de bases de datos de referencia
• Posibilidad de contaminación
• Complejidad del análisis bioinformático

Lentendu et al. (2022) subrayan que «el metabarcoding no puede proporcionar cantidades absolutas, solo estimaciones de proporciones de patotipos», y que «la contaminación de las muestras es una gran preocupación debido a la alta sensibilidad de las plataformas NGS».

Limitaciones de los métodos moleculares

A pesar de todas las ventajas, los métodos moleculares tienen limitaciones:

Contaminación. Como señalan Cubero et al. (2024), «los métodos moleculares tienen una limitación: detectan microorganismos en cualquier estado fisiológico o simplemente trazas inertes de moléculas de ADN o ARN de microorganismos muertos». Esto significa que la detección de ADN de un patógeno no necesariamente significa la presencia de un patógeno viable.

Título bajo. Cuando el contenido del patógeno en la muestra es bajo, los métodos moleculares pueden dar resultados falsos negativos.

Muestras mixtas. Al analizar muestras mixtas, la interpretación de los resultados puede ser difícil.

Ausencia de secuencias de referencia. Letsiou et al. (2023) señalan que «los códigos de barras de ADN no pueden ser una herramienta de identificación útil sin una base de datos de referencia completa y fiable».

Distintos conceptos taxonómicos. Como señala Hyam (2015), «los nombres científicos basados en tipos no son identificadores adecuados de taxones». Distintos investigadores pueden usar distintos conceptos taxonómicos, lo que lleva a ambigüedad en la interpretación de los resultados.

Espécimen voucher

Definición. Un espécimen voucher es un espécimen que documenta la identificación y se conserva para su verificación posterior.

Requisitos para un espécimen voucher:

• Completitud (presencia de caracteres diagnósticos)
• Fijación y conservación correctas
• Etiqueta completa

Sharma (2009) describe la información que debe figurar en una etiqueta de herbario:

• «Nombre científico de la planta: nombre binomial correcto y aceptado, incluida la autoría»
• «Lugar de recolección: el lugar del que se recolectó el espécimen»
• «Altitud sobre el nivel del mar»
• «Latitud y longitud»
• «Fecha de recolección»
• «Colector: nombre de la persona que recolectó la planta»
• «Número de voucher/colección»
• «Notas de campo: información adicional sobre la planta que puede desaparecer después del secado»

Almacenamiento. Los especímenes voucher deben conservarse en condiciones adecuadas. Sharma (2009) señala que «los especímenes de herbario se conservarán indefinidamente con un manejo cuidadoso. Sin embargo, son susceptibles a daños por insectos, hongos y fuego, y deben almacenarse en armarios especializados en un ambiente con clima controlado».

Fotografías

Importancia. Las fotografías son un complemento importante del espécimen voucher, especialmente para documentar caracteres que no se conservan al secarse (color, forma, disposición).

Requisitos. Watson et al. (2015) subrayan la importancia de la estandarización: «Para algunos organismos, el video se está convirtiendo en un nuevo método útil de recolección... estos datos pueden archivarse y servir como vouchers cuando se necesita un individuo completo para la extracción de ADN».

Recomendaciones:

• Fotografiar la planta entera y órganos individuales
• Usar una regla de escala
• Registrar el color (usar una escala de color)
• Registrar coordenadas GPS
• Tomar varias imágenes desde distintos ángulos

Metadatos

Definición. Los metadatos son información sobre un espécimen que no es su parte física pero que es necesaria para su interpretación.

Composición de los metadatos:

• Identificación taxonómica (nombre, autor, identificador)
• Fecha y lugar de recolección
• Datos ecológicos (hábitat, huésped, sustrato)
• Método de recolección y fijación
• Relación con otros especímenes (duplicados, cultivos)
• Información sobre datos moleculares (números de acceso en GenBank)

Estándares. Hyam (2015) subraya la importancia de usar identificadores únicos globales: «Por estas razones, etiquetar los datos con GUID es el paso más importante para garantizar el intercambio y la integración de datos biológicos a través de internet».

Registros y bases de datos

Registros locales. Cada laboratorio o institución debe mantener un registro de especímenes que contenga información sobre todos los ejemplares almacenados.

Bases de datos globales. Para el intercambio de datos se utilizan bases globales:

• GenBank: secuencias de nucleótidos
• BOLD: códigos de barras de la vida
• GBIF: datos de biodiversidad
• Tropicos: nomenclatura botánica

Como señala Hyam (2015), «actualmente GBIF contiene 140 millones de registros de presencia vinculados a nombres, GenBank contiene alrededor de 100 millones de secuencias de más de 260 000 organismos nombrados».

Definición y estructura

Una clave dicotómica es la herramienta de identificación más tradicional y difundida. Sharma (2009) define una clave como «un dispositivo artificial o medio analítico mediante el cual se ofrece una elección entre dos afirmaciones contradictorias, lo que lleva a aceptar una y rechazar la otra».

Estructuralmente, una clave dicotómica consiste en una secuencia de couplets (pares de afirmaciones mutuamente excluyentes). Cada afirmación de un par se llama lead. El usuario elige sucesivamente una de dos variantes hasta llegar al nombre de un taxón.

Pandey (2021) subraya que «las claves dicotómicas siempre tienen una estructura de diagrama de flujo, y pueden escribirse en forma indentada o entre corchetes». Consideremos ambas formas.

Claves indentadas (yoked)

En una clave indentada, cada par de couplets está desplazado una distancia fija desde el margen izquierdo. Esto crea una jerarquía visual que facilita la navegación. Ejemplo de Sharma (2009) para cinco géneros de la familia Ranunculaceae:

1. Fruto un grupo de aquenios; flores sin espolones

1.1. Pétalos ausentes

• Sépalos generalmente 4; involucro ausente → Clematis
• Sépalos generalmente 5; involucro presente → Anemone
• 2. Pétalos presentes → Ranunculus

2. Fruto un grupo de folículos; flores con espolones

2.1. Espolones 5; flores regulares → Aquilegia

2.2. Espolón 1; flores irregulares → Delphinium

Ventajas de las claves indentadas:

• Claridad visual: la estructura visual refleja la lógica de la clave
• Facilidad de navegación: el usuario ve en qué nivel de la jerarquía se encuentra

Limitaciones:

• Ocupan mucho espacio (cada nivel requiere sangría)
• Con un gran número de taxones, la clave se vuelve engorrosa

Claves entre corchetes (bracketed)

En una clave entre corchetes, los couplets se disponen secuencialmente, cada uno lleva al siguiente número. Ejemplo de Sharma (2009) para los mismos cinco géneros:

(1) Fruto un grupo de aquenios; flores sin espolones → (2)

(1) Fruto un grupo de folículos; flores con espolones → (4)

(2) Pétalos ausentes → (3)

(2) Pétalos presentes → Ranunculus

(3) Sépalos generalmente 4; involucro ausente → Clematis

(3) Sépalos generalmente 5; involucro presente → Anemone

(4) Espolones 5; flores regulares → Aquilegia

(4) Espolón 1; flores irregulares → Delphinium

Ventajas de las claves entre corchetes:

• Compacidad: ocupan menos espacio
• Estandarización: se usan ampliamente en publicaciones modernas

Limitaciones:

• Menos visuales para principiantes
• Requieren un seguimiento cuidadoso de los números

Pandey (2021) señala que «en una clave entre corchetes los caracteres contrastantes de un couplet se colocan juntos. Los dos leads alternativos del couplet se escriben en líneas adyacentes, dando una referencia mediante números a sus leads subordinados sucesivos».

Principios de construcción de claves dicotómicas

Al construir claves deben observarse una serie de principios que garanticen su eficacia. Sharma (2009) formula las siguientes recomendaciones:

1. Precisión de las definiciones. «Al construir una clave, tenga en cuenta que los caracteres deben definirse con precisión; deben usarse mediciones siempre que sea posible (no use términos como grande y pequeño)».

2. Constancia de los caracteres. «Los caracteres que son constantes dentro de un taxón son más útiles que los que varían».

3. Disponibilidad de los caracteres. «Los caracteres que están disponibles durante toda la temporada de crecimiento o se observan fácilmente son preferibles a los que son efímeros o de difícil acceso».

4. Paralelismo de las formulaciones. «Los couplets deben comenzar con un sustantivo seguido de adjetivos, y ambos leads de un couplet deben comenzar con la misma palabra».

5. Formulaciones positivas. «No use afirmaciones negativas sin cualificar; en su lugar use afirmaciones positivas siempre que sea posible (por ejemplo, “ápice de la hoja agudo” frente a “ápice de la hoja puntiagudo” es mejor que “ápice de la hoja agudo” frente a “ápice de la hoja no agudo”)».

6. Fuerza diferenciadora. «Las claves son más eficaces cuando los couplets principales dividen todo el conjunto de taxones incluidos en grupos más o menos iguales en tamaño».

7. Número óptimo de caracteres. «El usuario tiene menos probabilidades de equivocarse si se usan dos o tres caracteres por lead en lugar de uno, pero leads excesivamente largos conducen a más errores».

Ventajas y limitaciones de las claves dicotómicas

Ventajas:

• Sencillez de uso: el usuario solo necesita responder preguntas secuencialmente
• Estructura lógica clara: cada paso conduce a un resultado inequívoco
• Amplia difusión: hay claves dicotómicas para la mayoría de los grupos de organismos
• Posibilidad de uso sin equipos especiales

Limitaciones:

• Dependencia de la completitud del material. Si un carácter utilizado en la clave está ausente o dañado en el espécimen, la identificación se vuelve imposible. Sharma (2009) señala: «La principal desventaja es que si un carácter particular no es claro en el espécimen para identificación, la única opción disponible es hacer una suposición sobre esa característica particular».
• Secuencia rígida. El usuario no puede omitir un paso ni cambiar el orden de los caracteres.
• Aplicabilidad limitada para material incompleto. Las claves dicotómicas funcionan mal con especímenes fragmentarios (por ejemplo, solo hojas sin flores).
• Dificultad para grupos grandes. Con un gran número de taxones, la clave se vuelve engorrosa y difícil de usar.
• Subjetividad de interpretación. Algunos caracteres pueden ser ambiguos, y distintos usuarios pueden interpretarlos de manera diferente.

Como subraya Pandey (2021), «las claves dicotómicas se usan ampliamente para la identificación de taxones. Sin embargo, la principal desventaja es que si un carácter particular no es claro en el espécimen para identificación, la única opción disponible es hacer una suposición sobre esa característica particular».

Definición y principio

Una clave politómica (también llamada clave multiacceso, policlave, clave sinóptica) es una alternativa a la clave dicotómica, que permite al usuario elegir caracteres en cualquier orden de un conjunto de disponibles.

Pandey (2021) define una clave politómica como «una lista de estados de caracteres de la cual el usuario selecciona todos los estados correspondientes al espécimen y luego pasa la lista a un programa informático que compara la lista de caracteres con una base de datos de taxones y caracteres y devuelve la identificación al investigador sobre la base de coincidencias».

Sharma (2009) añade que «en el método politómico de identificación el usuario del sistema es libre de elegir cualquier carácter, en cualquier orden o secuencia, y así evitar el formato rígido de las claves dicotómicas tradicionales».

Tipos de claves politómicas

Tarjetas perforadas por borde (edge-punched cards). Cada tarjeta corresponde a un taxón, y los agujeros en los bordes corresponden a caracteres. Si un carácter está presente en un taxón, el agujero se recorta. Para la identificación, las tarjetas se apilan y se pasa una aguja por el agujero correspondiente al carácter seleccionado. Las tarjetas con el agujero recortado caen; las tarjetas sin recorte permanecen en la aguja.

Pandey (2021) describe este procedimiento: «Para la identificación, las tarjetas se alinean correctamente y se pasa una aguja de clasificación por el agujero correspondiente a un carácter particular. Cuando las tarjetas se levantan ligeramente con la aguja, las tarjetas recortadas caen, mientras que las no recortadas permanecen en la aguja. Así, esto separa las tarjetas recortadas (es decir, los taxones que poseen este carácter particular) de las no recortadas».

Tarjetas perforadas por cuerpo (body-punched cards). Cada tarjeta corresponde a un carácter, y los agujeros corresponden a taxones. Si un taxón posee el carácter, el agujero se recorta. Para la identificación se seleccionan las tarjetas correspondientes a los caracteres presentes en el espécimen; las tarjetas se apilan y se miran a contraluz; el agujero coincidente indica el taxón.

Pandey (2021) explica: «Todas las tarjetas seleccionadas se sostienen a contraluz y se hacen coincidir de modo que solo sea visible un agujero. Este agujero representa la identidad del taxón desconocido».

Claves politómicas computarizadas. Se implementan como software (por ejemplo, DELTA, Lucid). El usuario introduce los caracteres disponibles, el programa los compara con una base de datos y produce una lista de taxones posibles.

Sharma (2009) señala que «los métodos de identificación computarizados incluyen cuatro enfoques principales: (1) claves generadas por computadora, (2) claves dicotómicas almacenadas en computadora, (3) sistemas automatizados de reconocimiento de patrones y (4) métodos de conjunto simultáneo de caracteres».

Ventajas de las claves politómicas

• Flexibilidad. El usuario puede usar cualquier carácter disponible en cualquier orden.
• Trabajo con material incompleto. Si el espécimen carece de algunos caracteres, esto no bloquea la identificación.
• Posibilidad de obtener una lista de candidatos. Cuando la información es insuficiente, se puede obtener una lista de taxones posibles en lugar de una única respuesta.
• Comodidad para grupos complejos. Las claves politómicas son especialmente útiles para grupos con alta variabilidad o para especímenes incompletos.

Sharma (2009) subraya: «Las claves politómicas son especialmente ventajosas cuando el material vegetal que debe identificarse está incompleto. Incluso si la información sobre el espécimen es insuficiente para identificar un solo taxón, el usuario puede obtener una lista corta de identificaciones posibles para la planta desconocida. Así, las claves politómicas pueden usarse como claves parciales».

Limitaciones de las claves politómicas

• Preparación laboriosa. Crear una clave politómica requiere más tiempo y esfuerzo que una dicotómica.
• Necesidad de equipos. Las tarjetas perforadas requieren un soporte físico; las claves computarizadas requieren acceso a tecnología.
• Menor difusión. Existen muchas menos claves politómicas que dicotómicas.
• Riesgo de pérdida de tarjetas. Pandey (2021) señala: «La principal desventaja es que si se pierde incluso una tarjeta, todo el proceso de identificación puede salir mal. Además, estas tarjetas se desgastan con cada uso».

Caracteres vegetativos

Los caracteres vegetativos son caracteres asociados con los órganos vegetativos (raíces, tallos, hojas). Están disponibles durante toda la temporada de crecimiento y a menudo se usan para la identificación preliminar.

Para plantas, Sharma (2009) enumera los siguientes caracteres vegetativos que deben anotarse antes de la identificación:

• «Determine la naturaleza herbácea o leñosa, anual o perenne del espécimen»
• «Anote el tipo de hoja, la filotaxis y la nervadura»
• «Anote la presencia o ausencia y el tipo de estípulas en los brotes jóvenes»
• «¿Hay savia lechosa o coloreada en la hoja, el tallo u otras partes de la planta?»
• «Anote la distribución y los tipos de cubiertas superficiales (es decir, pelos, tricomas, espinas, etc.)»

Para insectos, los caracteres vegetativos no son aplicables, pero se utilizan otros caracteres morfológicos: estructura del aparato bucal, nervadura de las alas, estructura de antenas y patas.

Caracteres generativos

Los caracteres generativos son caracteres asociados con los órganos reproductores (flores, frutos, semillas; en insectos, genitales). A menudo son más fiables para la identificación, ya que están menos sujetos a factores ambientales.

Para plantas, Sharma (2009) recomienda:

• «Observe la flor y nombre sus partes»
• «Cuente el número de sépalos y pétalos, y anote también su disposición, es decir, la estivación»
• «Anote si el perianto está presente en una serie, varias series o ausente»
• «Observe si los sépalos y pétalos son separados o fusionados»
• «Anote si hay papus (por ejemplo, Asteraceae) o epicáliz (por ejemplo, Malvaceae) o estructuras similares»
• «Determine si las flores son actinomorfas o zigomorfas»
• «Observe el número y la inserción de los estambres. Anote también si hay fusión de anteras o filamentos»
• «Cuente el número de pistilos, estilos y estigmas del gineceo»
• «Haga un corte transversal del ovario, cuente el número de lóculos, el número de óvulos en el lóculo y anote también la placentación»

Para insectos, los caracteres generativos incluyen la estructura de los genitales, que a menudo son el único carácter fiable para distinguir especies cercanas. En el manual de IPM (Albajes y Madeira, 2019) se señala que «la identificación de insectos y ácaros generalmente se realiza con claves taxonómicas», y los genitales se usan a menudo como carácter diagnóstico clave.

Caracteres anatómicos

Los caracteres anatómicos son caracteres de la estructura interna que requieren análisis microscópico.

Para plantas, los caracteres anatómicos incluyen la estructura del tallo (disposición de los haces vasculares), la hoja (tipo de estomas, estructura del mesófilo) y la raíz. Sharma (2009) recomienda «hacer un corte transversal del ovario» para determinar el número de lóculos y el tipo de placentación.

Para hongos, los caracteres anatómicos incluyen la estructura del micelio, el tipo de septos y la estructura de los cuerpos fructíferos. Garrido et al. (2016) describen diversos métodos de tinción para visualizar estructuras de patógenos: «Las esporas de reposo pueden distinguirse del tejido de la raíz mediante el método de triple tinción; las esporas de reposo se tiñen de azul, mientras que el tejido del huésped se tiñe de rosa o violeta».

Para insectos, los caracteres anatómicos se usan con menos frecuencia, pero pueden ser útiles para estudiar estructuras internas.

Caracteres bioquímicos

Los caracteres bioquímicos son caracteres basados en la composición química del organismo.

Para plantas, los caracteres quimiotaxonómicos incluyen la composición de flavonoides, alcaloides y aceites esenciales. Estos caracteres se usan en sistemática en todos los niveles.

Para bacterias, las pruebas bioquímicas son la base de la identificación: pruebas de actividad enzimática, capacidad de asimilar diversos sustratos, reacciones serológicas.

Para hongos, las pruebas bioquímicas incluyen la capacidad de asimilar diversas fuentes de carbono y nitrógeno y la producción de enzimas.

Como señalan en la revisión sobre diagnóstico de patógenos (Cubero et al., 2024), «los métodos serológicos no siempre han sido reemplazados por tecnologías basadas en ácidos nucleicos, especialmente cuando los antisueros, anticuerpos y pruebas específicas están disponibles, son suficientemente precisos y a veces ya están comercializados».

Especificidad de los caracteres para distintos grupos de organismos

Plantas. Caracteres diagnósticos principales: estructura de la flor (número y disposición de las partes), tipo de inflorescencia, estructura del fruto, forma y nervadura de la hoja, tipo de pubescencia, presencia y tipo de estípulas.

Insectos. Caracteres diagnósticos principales: estructura de las alas (nervadura), aparato bucal, antenas, patas, genitales. En el manual de IPM (Albajes y Madeira, 2019) se ofrece una tabla de los principales órdenes y familias de insectos plaga con indicación de sus caracteres diagnósticos.

Hongos. Caracteres diagnósticos principales: tipo de lesión, color y textura del micelio, forma y tamaño de las esporas, estructura de los conidióforos, presencia y tipo de septos.

Bacterias. Caracteres diagnósticos principales: forma de las células, tinción de Gram, tipo de flagelación, propiedades bioquímicas, reacciones serológicas.

Variabilidad

Variabilidad intraespecífica. La misma especie puede mostrar diferencias morfológicas significativas según las condiciones de crecimiento, la edad y la fase de desarrollo. Como señala Sharma (2009), «los caracteres que varían dentro de un taxón son menos útiles para la identificación que los que son constantes».

Variabilidad ecológica. Las condiciones ambientales pueden influir sustancialmente en la morfología. Por ejemplo, plantas de la misma especie en sombra y a pleno sol pueden diferir significativamente en tamaño y forma de las hojas.

Variabilidad por edad. Los individuos jóvenes y adultos pueden diferir tanto que se confunden con especies diferentes. Esto es especialmente característico de insectos con metamorfosis completa, donde las larvas y los adultos son morfológicamente completamente diferentes.

Polimorfismo

Dimorfismo sexual. En muchos organismos, machos y hembras difieren morfológicamente. Por ejemplo, en algunos insectos los machos y las hembras pueden diferir en tamaño, color y estructura de las antenas.

Polimorfismo estacional. Algunas especies tienen formas morfológicas diferentes según la estación. Por ejemplo, en muchas mariposas las generaciones de primavera y verano pueden parecer especies diferentes.

Polimorfismo de castas. En insectos sociales (hormigas, termitas, abejas), las distintas castas (obreras, soldados, reinas) difieren morfológicamente.

Especies crípticas

Las especies crípticas son especies morfológicamente indistinguibles pero genéticamente aisladas. Letsiou et al. (2023) las definen como «dos o más especies que se clasifican como una porque son superficialmente similares desde el punto de vista morfológico y, por lo tanto, no pueden identificarse utilizando la taxonomía clásica».

El problema de las especies crípticas es especialmente agudo en la agroesfera, donde distintas especies pueden diferir en resistencia a pesticidas, espectro de huéspedes y daño. Como señalan en la revisión sobre código de barras de ADN (Letsiou et al., 2023), «la mayor diversidad críptica hasta la fecha se ha encontrado en animales, especialmente en invertebrados».

Híbridos

Los híbridos entre especies cercanas pueden combinar caracteres de ambos progenitores, lo que dificulta su identificación. Los híbridos pueden ser fértiles o estériles, lo que influye en su distribución e importancia.

Como señalan en el manual de sistemática (Judd et al., 2018), «la hibridación seguida de poliploidía también puede conducir a patrones complejos de árboles génicos». Para la identificación de híbridos a menudo se requieren métodos moleculares.

Material incompleto

La ausencia de caracteres diagnósticos (por ejemplo, flores en una planta o genitales en un insecto) hace que la identificación morfológica sea imposible o poco fiable. Sharma (2009) subraya que «no recolecte especímenes que carezcan de flores y frutos; tal material será difícil de identificar».

Subjetividad de la interpretación

Algunos caracteres morfológicos pueden ser ambiguos, y distintos especialistas pueden interpretarlos de manera diferente. Esto es especialmente característico de los caracteres cuantitativos (tamaños, proporciones), que pueden solaparse entre especies.

Claves para plantas

«Flora». Las «Floras» tradicionales son descripciones exhaustivas de plantas de un territorio determinado, que incluyen claves, descripciones, ilustraciones e información sobre distribución. Watson et al. (2015) describen la historia del desarrollo de las Floras: «Frodin (2001) considera Flore francaise de J. B. de Lamarck y A. P. de Candolle (1805–1815) como la primera Flora moderna. Esta obra pionera fue, en esencia, la tercera edición de Flore francoise de Lamarck (1778), una publicación muy significativa en la discusión histórica de las Floras por dos razones principales: fue la primera obra florística que contenía las claves dicotómicas analíticas de Lamarck para la identificación de especies».

Floras modernas. Las Floras modernas a menudo están disponibles en formato electrónico. Watson et al. (2015) señalan: «Para el proyecto FAPSA, la base de datos Padme es crucial para cumplir otro papel principal de los proyectos florísticos: proporcionar herramientas de identificación convenientes y accesibles para las plantas de una región designada. Padme es críticamente importante para esto en varios niveles. Fundamentalmente, al almacenar información taxonómica más detallada y enciclopédica en una plataforma web, permite que la Flora impresa se vuelva cada vez más concisa y centrada en la identificación de especies de plantas».

Ejemplos de claves:

• «Flora of North America»: Flora exhaustiva de América del Norte
• «Flora of China»: Flora de China
• «Flora Europaea»: Flora de Europa
• «Clave de plantas de Rusia Central»: clave regional

Claves para insectos

Claves dicotómicas para insectos. En el manual de IPM (Albajes y Madeira, 2019) se ofrece una tabla de los principales órdenes y familias de insectos plaga con indicación de sus caracteres diagnósticos. Por ejemplo:

• Orden Hemiptera, familia Pentatomidae (chinches hediondas): «Succionan savia de diversas partes de la planta, causando marchitez, aborto de frutos o deformación de tejidos»
• Orden Lepidoptera, familia Noctuidae (noctuidos): «Las larvas se alimentan de hojas, tallos y frutos, devastando muchos cultivos»
• Orden Coleoptera, familia Chrysomelidae (crisomélidos): «Los adultos y las larvas se alimentan de follaje y frutos; en algunas otras especies las larvas se alimentan de raíces»

Claves ilustradas. Para insectos se usan a menudo claves ilustradas, ya que el reconocimiento visual desempeña un papel clave.

Claves para hongos

Claves micológicas. Para hongos se usan claves especializadas basadas en caracteres microscópicos. Garrido et al. (2016) describen diversos métodos de tinción para visualizar estructuras de patógenos.

Métodos moleculares en micología. Para muchos grupos de hongos la identificación morfológica es difícil, y los métodos moleculares adquieren cada vez más importancia. Como señalan en la revisión sobre diagnóstico de patógenos (Cubero et al., 2024), «los métodos moleculares permiten una caracterización y diferenciación más precisas de los hongos fitopatógenos».

Claves para bacterias

Pruebas bioquímicas. Para bacterias se usan tradicionalmente pruebas bioquímicas (pruebas de actividad enzimática, capacidad de asimilar diversos sustratos).

Métodos serológicos. Los métodos serológicos (ELISA, inmunofluorescencia) se usan ampliamente para el diagnóstico de patógenos bacterianos.

Métodos moleculares. La PCR y la secuenciación se están convirtiendo en el estándar para la identificación de bacterias. Como señalan en la revisión sobre diagnóstico de patógenos (Cubero et al., 2024), «los métodos basados en ácidos nucleicos proliferaron principalmente por sus ventajas en términos de sensibilidad y especificidad».

Reacción en cadena de la polimerasa (PCR)

La reacción en cadena de la polimerasa (PCR) es un método de amplificación (multiplicación) de regiones específicas del ADN. La PCR permite obtener millones de copias de un fragmento diana a partir de una cantidad mínima de material de partida.

Principio de la PCR. La reacción incluye tres etapas principales que se repiten cíclicamente:

1. Desnaturalización: separación del ADN de doble cadena en cadenas simples a alta temperatura (normalmente 94–95 °C).

2. Hibridación (annealing): unión de cebadores (oligonucleótidos sintéticos cortos) a regiones complementarias del ADN a temperatura reducida (normalmente 50–65 °C).

3. Extensión: síntesis de una nueva cadena de ADN por la enzima ADN polimerasa a temperatura intermedia (normalmente 72 °C).

Cada ciclo duplica la cantidad de ADN diana, lo que permite obtener millones de copias en 30–40 ciclos.

Componentes de la PCR:

• ADN molde (template DNA)
• Cebador directo y reverso (forward and reverse primers)
• ADN polimerasa (normalmente Taq polimerasa)
• Desoxinucleósidos trifosfato (dNTPs)
• Solución tampón
• Iones de magnesio (Mg²⁺)

Como se señala en el manual de metabarcoding (Lentendu et al., 2022), «las reacciones de PCR se realizan en placas de 96 pocillos en un volumen de 20 μl, compuesto por 1,2 μl de cada cebador (5 μM), 4 μl de tampón, 2 μl de MgCl₂ 25 mM, 0,6 μl de dNTPs 10 mM, 0,1 μl de Taq polimerasa 5 U/μl, 9,9 μl de H₂O limpia para PCR y 1 μl de ADN molde 5–10 ng/μl».

Secuenciación

La secuenciación es la determinación de la secuencia de nucleótidos del ADN. Existen varios métodos de secuenciación, pero el más difundido hasta hace poco era el método de Sanger (método de didesoxi).

Principio del método de Sanger. A la mezcla de reacción se añaden didesoxinucleósidos trifosfato (ddNTPs), que terminan la elongación de la cadena. Como resultado, se forma un conjunto de fragmentos de diferente longitud, cada uno terminado en un nucleótido determinado. La separación de fragmentos por longitud (por ejemplo, mediante electroforesis capilar) permite determinar la secuencia.

Métodos modernos. En las últimas dos décadas, el desarrollo de tecnologías de secuenciación de nueva generación (next-generation sequencing, NGS) ha revolucionado la biología molecular. Como señalan en la revisión sobre diagnóstico de patógenos (Cubero et al., 2024), «en menos de 25 años desde el comienzo de la “era ómica” con la primera secuencia del genoma de un fitopatógeno de vida libre, la bacteria Xylella fastidiosa (Simpson et al., 2000), se ha producido una revolución en la NGS y su aplicación en la comprensión de las bases moleculares de la biología de patógenos y huéspedes».

Ventajas de la NGS:

• Alto rendimiento (millones de secuencias por ejecución)
• Reducción del costo de secuenciación
• Posibilidad de analizar metagenomas (comunidades de organismos)

Limitaciones de la NGS:

• Complejidad del análisis bioinformático
• Necesidad de equipos especializados
• Longitudes de lectura más cortas (para algunas plataformas)

Etapas de la identificación molecular

El proceso de identificación molecular incluye las siguientes etapas:

1. Extracción de ADN: aislamiento del ADN de la muestra. La calidad y pureza del ADN son críticamente importantes para el éxito de las etapas posteriores.

Pandey (2021) señala que «el código de barras de ADN incluye la extracción de ADN genómico de muestras de tejido recolectadas de un organismo individual. Este es el primer paso, seguido de la amplificación de la región deseada mediante reacción en cadena de la polimerasa».

2. Amplificación de la región diana: PCR con cebadores específicos.

3. Secuenciación: determinación de la secuencia de nucleótidos del amplicón.

4. Análisis bioinformático: comparación de la secuencia obtenida con bases de datos de referencia.

Pandey (2021) subraya que «las herramientas bioinformáticas se utilizan para analizar las secuencias obtenidas».

Elección de cebadores

La elección de cebadores es una etapa crítica de la identificación molecular. Los cebadores deben ser:

• Específicos: amplificar solo la región diana
• Universales (para un amplio rango de taxones) o específicos (para una especie concreta)
• Eficientes: garantizar una amplificación estable

Como se señala en el manual de metabarcoding (Lentendu et al., 2022), «en cada caso la información sobre los cebadores es lo más importante al comenzar la selección de diversos genes candidatos reportados por su idoneidad. Los cebadores directo y reverso deben seleccionarse cuidadosamente».

Definición y principio

El código de barras de ADN es un método de identificación de especies basado en el uso de secuencias cortas estandarizadas de ADN. Letsiou et al. (2023) definen un código de barras de ADN como «secuencias de ADN estandarizadas, idealmente únicas, codificantes o no codificantes, ya sea del genoma del organismo o de sus orgánulos, de 400 a 800 pares de bases de longitud, que se utilizan para la identificación/clasificación de un grupo de organismos».

Características clave de un código de barras de ADN:

• Estandarización: se usa la misma región para todos los representantes de un grupo
• Universalidad: los cebadores funcionan para un amplio rango de taxones
• Variabilidad: la secuencia difiere entre especies pero es relativamente constante dentro de una especie
• Longitud suficiente: garantiza fiabilidad estadística

Pandey (2021) subraya que «un código de barras de ADN ideal debe tener regiones conservadas adecuadas para el diseño de cebadores universales, alta eficiencia de amplificación por PCR y suficiente variabilidad para su uso en la identificación de especies».

Marcadores para distintos grupos de organismos

Animales. Para animales, el marcador estándar es un fragmento del gen mitocondrial citocromo c oxidasa I (COI). Letsiou et al. (2023) señalan que «un fragmento de 648 pares de bases cerca del extremo 5' del gen mitocondrial citocromo c oxidasa subunidad I (COI) fue seleccionado como código de barras estándar».

Ventajas del COI:

• Gran número de copias por célula (más fácil de amplificar a partir de muestras degradadas)
• Herencia materna (ausencia de recombinación)
• Rápida acumulación de mutaciones

Plantas. Para las plantas la situación es más compleja. Letsiou et al. (2023) subrayan que «en las plantas el uso de un código de barras de ADN universal como el COI, que se utiliza en animales, aún no se ha logrado». El COI no es adecuado para plantas debido a la lenta velocidad de mutación.

Marcadores propuestos para plantas:

• rbcL (subunidad grande de la ribulosa bifosfato carboxilasa/oxigenasa): conservado, fácil de amplificar, pero insuficientemente variable para distinguir especies cercanas
• matK (maturasa K): más variable, pero más difícil de amplificar
• trnH-psbA: la región no codificante más variable, pero difícil de alinear
• ITS (espaciador transcrito interno): marcador nuclear, altamente variable

El CBOL Plant Working Group (2009) propuso la combinación rbcL + matK como código de barras central para plantas. Letsiou et al. (2023) señalan que «rbcL proporciona alta universalidad pero menor resolución a nivel de especie, mientras que matK proporciona mayor resolución pero menor universalidad. Esta combinación proporciona la mejor discriminación entre especies».

Marcadores adicionales: ITS2, trnL-trnF, psbK-psbI, atpF-atpH.

Hongos. Para hongos, el marcador estándar es el ITS (espaciador transcrito interno) del ADN ribosomal nuclear. Letsiou et al. (2023) señalan que «el espaciador transcrito interno ribosómico nuclear (ITS) fue seleccionado como marcador universal de código de barras de ADN para hongos».

Procedimiento del código de barras de ADN

El procedimiento incluye las siguientes etapas:

1. Recolección de la muestra: observando todos los requisitos para la conservación del ADN (gel de sílice, etanol, congelación).

2. Extracción de ADN: aislamiento de ADN total de la muestra.

3. Amplificación por PCR: amplificación de la región diana con cebadores universales.

4. Secuenciación: determinación de la secuencia del amplicón.

5. Comparación con una base de datos de referencia: búsqueda de coincidencias en BOLD, GenBank y otras bases.

Pandey (2021) describe este proceso: «El proceso de código de barras de ADN incluye dos etapas principales: (a) creación de una biblioteca de códigos de barras de ADN de especies conocidas y (b) comparación de la secuencia del código de barras de una muestra desconocida con la biblioteca de códigos de barras para su identificación».

Ventajas del código de barras de ADN

• Independencia de la morfología. Es posible identificar muestras que carecen de caracteres diagnósticos (larvas, plantas estériles, fragmentos).
• Estandarización. Un enfoque único para todos los representantes de un grupo.
• Posibilidad de automatización. Alto rendimiento.
• Acumulación de datos. Cada proyecto contribuye a la biblioteca global.

Letsiou et al. (2023) subrayan que «el ADN no está influenciado por factores externos u otros factores ambientales, es estable y puede encontrarse en todos los tejidos, y por lo tanto este método puede ser muy útil».

Limitaciones del código de barras de ADN

• Ausencia de un marcador universal para plantas. Letsiou et al. (2023) señalan que «no existe un código de barras de ADN ideal en las plantas».
• Problema de las bases de datos de referencia. «Los códigos de barras de ADN no pueden ser una herramienta de identificación útil sin una base de datos de referencia completa y fiable» (Letsiou et al., 2023).
• Hibridación y poliploidía. Pueden conducir a resultados ambiguos.
• Especies de divergencia reciente. Pueden tener códigos de barras idénticos o casi idénticos.
• Contaminación. Posibilidad de contaminación de la muestra con ADN extraño.

Principio de la PCR cuantitativa

La PCR cuantitativa en tiempo real (qPCR, PCR en tiempo real) es un método que permite no solo detectar sino también cuantificar el contenido de ADN diana en una muestra.

Principio. A la mezcla de reacción se añade un colorante fluorescente o una sonda que se une a los amplicones. La intensidad de fluorescencia se mide en tiempo real y es proporcional a la cantidad de amplicones.

Químicas de qPCR:

• Colorantes intercalantes (SYBR Green I): se unen a cualquier ADN de doble cadena
• Sondas de hidrólisis (TaqMan): específicas de la secuencia diana
• Balizas moleculares (molecular beacons): sondas oligonucleotídicas específicas
• Scorpions: moléculas bifuncionales

Como señalan en la revisión sobre diagnóstico de patógenos (Cubero et al., 2024), «la qPCR permite monitorear la reacción durante la amplificación mediante una señal fluorescente que aumenta proporcionalmente al número de amplicones y al número de dianas en la muestra».

Aplicación de la qPCR para el diagnóstico de patógenos

Ventajas de la qPCR:

• Alta sensibilidad: detección de copias únicas de ADN diana
• Evaluación cuantitativa: determinación del título del patógeno
• Rapidez: resultado en varias horas
• Multiplexación: detección simultánea de varios patógenos
• Automatización: riesgo mínimo de contaminación

Cubero et al. (2024) subrayan que «en los últimos años la PCR convencional ha sido reemplazada por la qPCR en tiempo real, que generalmente tiene mayor sensibilidad y se basa en sistemas automatizados en los que no se requiere procesamiento posterior de la PCR para la visualización, con la consiguiente ventaja de un menor riesgo de contaminación de laboratorio».

Ejemplos de aplicación:

• Diagnóstico de Plasmodiophora brassicae (agente causal de la hernia de las crucíferas): Tso et al. (2021) describen el desarrollo de ensayos de qPCR para cuantificar esporas en el suelo
• Diagnóstico de Xylella fastidiosa: Cubero et al. (2024) describen el uso de qPCR para detectar el patógeno en tejidos vegetales
• Diagnóstico de Verticillium dahliae: Tso et al. (2021) describen un ensayo multiplexado de PCR en tiempo real TaqMan

Problema de la viabilidad del patógeno

Una de las limitaciones clave de los métodos moleculares es la incapacidad de distinguir un patógeno viable de uno muerto. Como señalan Cubero et al. (2024), «los métodos moleculares tienen una limitación: detectan microorganismos en cualquier estado fisiológico o simplemente trazas inertes de moléculas de ADN o ARN de microorganismos muertos».

Solución: PCR de viabilidad. Para distinguir células viables y no viables se utilizan agentes intercalantes como el monoazida de propidio (PMA) o el monoazida de etidio (EMA). Estas sustancias penetran a través de las membranas dañadas de las células muertas y se unen covalentemente al ADN, impidiendo su amplificación.

Cubero et al. (2024) describen este enfoque: «Las estrategias incluyen hacer que los ácidos nucleicos de microorganismos dañados no sean amplificables mediante unión covalente con monoazida de etidio o PMA tras la fotoactivación. El enfoque se basa en la integridad de las membranas externas de un microorganismo, asumiendo que aquellos que están degradados y permiten la entrada de monoazida de etidio, PMA o su nueva versión mejorada PMAxx corresponden a organismos no viables».

Limitaciones de la PCR de viabilidad:

• Supresión incompleta de la amplificación de células muertas
• Posibilidad de resultados falsos positivos a altas concentraciones de diana

PCR digital (ddPCR)

La PCR digital (droplet digital PCR, ddPCR) es un método en el que la muestra se divide en miles de gotas de agua en aceite, cada una de las cuales contiene cero o una copia del molde. La amplificación ocurre independientemente en cada gota, y el número de gotas positivas permite cuantificar absolutamente el contenido de ADN diana.

Ventajas de la ddPCR:

• Cuantificación absoluta (sin curva estándar)
• Alta resistencia a inhibidores de la PCR
• Alta precisión

Cubero et al. (2024) señalan que «la ddPCR ya se ha aplicado para la detección de diversos fitopatógenos, incluidos virus, bacterias, hongos u oomicetos».

Definición y principio

El metabarcoding es un método de análisis de comunidades de organismos sin aislamiento de individuos. Lentendu et al. (2022) lo definen como «un método de identificación de múltiples especies en una sola muestra ambiental utilizando cebadores universales de PCR para amplificar simultáneamente muchos códigos de barras de ADN».

Características clave:

• Análisis de comunidades: identificación de todos los organismos de una muestra
• Cebadores universales: amplificación de un amplio rango de taxones
• Secuenciación de alto rendimiento: secuenciación masiva en paralelo
• Análisis bioinformático: procesamiento de grandes volúmenes de datos

Lentendu et al. (2022) subrayan que «el metabarcoding es un método de identificación de múltiples especies en una sola muestra ambiental... A diferencia del código de barras de ADN tradicional, que intenta identificar especímenes intactos hasta el nivel de especie, el metabarcoding tiene como objetivo identificar en diversas muestras o en muestras de ADN degradado, como muestras ambientales (eDNA), hasta el nivel de familia o superior».

Aplicación del metabarcoding

Comunidades del suelo. Lentendu et al. (2022) describen la aplicación del metabarcoding para el análisis de eucariotas del suelo: «Describimos enfoques fáciles de usar para estudiar protistas para no expertos... Proponemos aquí este enfoque con el fin de revelar el rango más amplio posible de eucariotas del suelo».

Microbioma de plantas. Cubero et al. (2024) señalan que «el metabarcoding, como enfoque de amplicones, es actualmente un enfoque más ampliamente disponible para aplicar la NGS al diagnóstico y la vigilancia de procariotas, hongos y oomicetos fitopatógenos».

Biomonitoreo. El metabarcoding se utiliza para evaluar la biodiversidad en diversos ambientes, incluidos agua, aire y suelo.

Procedimiento del metabarcoding

El procedimiento incluye las siguientes etapas:

1. Recolección de la muestra: observando los requisitos para la conservación del ADN.

2. Extracción de ADN: aislamiento de ADN total de la muestra.

3. Amplificación por PCR: amplificación de la región diana con cebadores universales.

4. Preparación de bibliotecas: adición de adaptadores e índices.

5. Secuenciación de alto rendimiento: secuenciación masiva en paralelo.

6. Análisis bioinformático: filtrado, agrupamiento, identificación taxonómica.

Lentendu et al. (2022) describen este proceso: «El protocolo es un proceso de seis etapas: (1) PCR; (2) preparación de bibliotecas de secuenciación; (3) NGS; (4) filtrado de lecturas; (5) ensamblaje de secuencias; (6) identificación de taxones».

Ventajas del metabarcoding

• Análisis de comunidades complejas. Posibilidad de identificar todos los organismos de una muestra simultáneamente.
• Detección de organismos no cultivables. Muchos microorganismos no pueden cultivarse en el laboratorio.
• Alto rendimiento. Análisis de cientos de muestras por ejecución.
• Cuantificación relativa. Posibilidad de estimar proporciones de taxones.

Cubero et al. (2024) subrayan que «el metabarcoding proporciona aproximaciones realistas de la abundancia de especies cuando se utilizó para caracterizar especies de Colletotrichum en nuez».

Limitaciones del metabarcoding

• Cuantificación relativa, no absoluta. Lentendu et al. (2022) señalan que «el metabarcoding no puede proporcionar cantidades absolutas, solo estimaciones de proporciones de patotipos».
• Dependencia de bases de datos de referencia. La precisión de la identificación depende de la completitud de las bases de datos.
• Posibilidad de contaminación. La alta sensibilidad de la NGS hace que la contaminación sea un problema grave.
• Complejidad del análisis bioinformático. Se requieren software especializado y experiencia.
• Muestras mixtas. La interpretación de los resultados puede ser difícil.

Cubero et al. (2024) señalan que «el metabarcoding tiene varias limitaciones. Se requieren experiencia bioinformática y acceso a instalaciones bioinformáticas para analizar competentemente los datos de secuenciación. La contaminación de las muestras es una gran preocupación debido a la alta sensibilidad de las plataformas NGS».

Contaminación

Problema. La contaminación de una muestra con ADN extraño puede conducir a resultados falsos positivos. Este problema es especialmente agudo para el metabarcoding, donde la alta sensibilidad de la NGS permite detectar incluso moléculas únicas de un contaminante.

Fuentes de contaminación:

• Reactivos y consumibles
• Equipos
• Personal
• Medio ambiente

Medidas de control:

• Uso de controles negativos
• Trabajo en condiciones estériles
• Uso de kits de purificación de ADN
• Filtrado bioinformático

Lentendu et al. (2022) subrayan que «el manejo adecuado de los materiales durante el muestreo y la extracción de ácidos nucleicos, junto con el uso de controles ambientales tomados en el lugar de muestreo y en el laboratorio, ayuda a distinguir el conjunto real de organismos presentes en la muestra analizada».

Título bajo

Problema. Cuando el contenido del organismo diana en la muestra es bajo, los métodos moleculares pueden dar resultados falsos negativos.

Causas:

• Sensibilidad insuficiente del método
• Presencia de inhibidores de la PCR
• Degradación del ADN

Solución:

• Aumento del número de ciclos de PCR (para PCR convencional)
• Uso de métodos más sensibles (qPCR, ddPCR)
• Optimización de la extracción de ADN

Cubero et al. (2024) señalan que «los métodos moleculares tienen una limitación: detectan microorganismos en cualquier estado fisiológico o simplemente trazas inertes de moléculas de ADN o ARN de microorganismos muertos. Este dilema de la detección específica de organismos viables puede ser especialmente relevante en el caso de materiales reproductivos o poscosecha».

Muestras mixtas

Problema. Al analizar muestras mixtas (por ejemplo, suelo, material vegetal con varios patógenos), la interpretación de los resultados puede ser difícil.

Causas:

• Diferente eficiencia de amplificación para distintos taxones
• Competencia de cebadores
• Distribución desigual de los organismos

Solución:

• Uso de varios marcadores
• Evaluación cuantitativa (qPCR, ddPCR)
• Análisis bioinformático

Cubero et al. (2024) señalan que «el metabarcoding depende de la amplificación preliminar de la diana mediante PCR, lo que puede ser un arma de doble filo. Por un lado, el enfoque hace que el metabarcoding sea una herramienta de detección altamente sensible, pero por otro lado conlleva una probabilidad significativa de introducir contaminación externa, que puede amplificarse con cada ciclo de PCR, produciendo potencialmente datos falsos o de baja calidad».

Ausencia de secuencias de referencia

Problema. La precisión de la identificación molecular depende de la completitud de las bases de datos de referencia. Si la secuencia del organismo diana no está en la base de datos, la identificación es imposible o poco fiable.

Causas:

• Cobertura insuficiente de taxones
• Errores en las bases de datos
• Nombres obsoletos
• Distintos conceptos taxonómicos

Letsiou et al. (2023) subrayan que «los códigos de barras de ADN no pueden ser una herramienta de identificación útil sin una base de datos de referencia completa y fiable».

Hyam (2015) añade que «los nombres científicos basados en tipos no son identificadores adecuados de taxones. Por ello, la mayoría de los nombres son en cierta medida ambiguos, pero parece haber poco movimiento hacia cambiar la práctica de trabajo y referirse a los taxones mediante referencia a tratamientos específicos o usando GUID».

Distintos conceptos taxonómicos

Problema. Distintos investigadores pueden usar distintos conceptos taxonómicos, lo que lleva a ambigüedad en la interpretación de los resultados.

Hyam (2015) ilustra este problema: «Tomemos un caso hipotético en el que un ecólogo quiere combinar dos estudios S1 y S2 en un metaanálisis. Los estudios incluyen nombres de taxones que aparecen en dos tratamientos taxonómicos, T1 y T2. T1 reconoce dos taxones con los nombres A y B, mientras que T2 reconoce solo un taxón con el nombre A y coloca el nombre B como sinónimo de él. El ecólogo debe decidir si es seguro combinar los datos de S1 y S2».

Problema de la viabilidad

Problema. Los métodos moleculares no distinguen el ADN de organismos vivos y muertos. La detección de ADN de un patógeno no necesariamente significa la presencia de un patógeno viable.

Cubero et al. (2024) señalan que «la detección de trazas de ácido nucleico de un virus, bacteria u hongo en frutos o semillas tratados o desinfectados puede no tener significado, porque el patógeno no podrá propagarse desde el fruto o, en el caso de un patógeno de semillas, producir una planta enferma».

Solución: PCR de viabilidad con PMA/EMA.

Situaciones que requieren identificación molecular

1. Especies crípticas. Cuando las especies son morfológicamente indistinguibles pero genéticamente aisladas.

2. Material incompleto. Cuando la muestra carece de caracteres diagnósticos (larvas, plantas estériles, fragmentos).

3. Muestras mixtas. Cuando es necesario identificar todos los componentes de una comunidad.

4. Se requiere alta precisión. Para fines de cuarentena, peritaje judicial, programas de mejoramiento.

5. Determinación de categorías intraespecíficas. Razas, patotipos, biotipos.

6. Diagnóstico rápido. Cuando se debe obtener un resultado en plazos ajustados.

Cubero et al. (2024) subrayan que «en los casos en que se requiere una identificación precisa de un tipo específico de patógeno, por ejemplo, uno que requiere caracterización molecular, el diagnóstico muy preciso es de gran importancia. Este enfoque puede hacer inviable el análisis de un conjunto extenso de muestras, restando así importancia a la velocidad».

Situaciones en las que la identificación molecular es excesiva

1. Especies bien conocidas con caracteres morfológicos claros. Cuando la identificación morfológica es fiable y rápida.

2. Cribado preliminar. Cuando basta con determinar familia o género.

3. Recursos limitados. Cuando no hay acceso a un laboratorio molecular.

4. Condiciones de campo. Cuando se necesita una decisión rápida en el lugar.

Características generales

GenBank es la mayor base de datos pública de secuencias de nucleótidos, mantenida por el Centro Nacional de Información Biotecnológica de EE. UU. Pandey (2021) define GenBank como «un repositorio de una enorme cantidad de datos de acceso público».

Características principales:

• Contiene secuencias de ADN y ARN de todos los organismos
• Se actualiza a diario
• Incluye anotaciones (descripciones de funciones, referencias bibliográficas)
• Está integrada con otras bases (EMBL, DDBJ) en el marco de la Colaboración Internacional de Bases de Datos de Secuencias de Nucleótidos

Letsiou et al. (2023) señalan que «GenBank y el Barcode of Life Data System (BOLD) proporcionan un repositorio para secuencias de ADN».

Estructura y funcionalidad

Formatos de registro:

• Formato GenBank: formato de texto con anotaciones
• Formato FASTA: formato simplificado (solo secuencia y encabezado)
• Formato XML: para procesamiento programático

Búsqueda:

• Por nombre de organismo
• Por número de acceso (accession number)
• Por secuencia (BLAST)
• Por palabras clave (por ejemplo, «barcode», «ITS», «rbcL»)

BLAST (Basic Local Alignment Search Tool) es una herramienta para buscar secuencias homólogas. Permite comparar una secuencia desconocida con una base de datos y encontrar las coincidencias más cercanas.

Pandey (2021) describe el procedimiento: «Las herramientas bioinformáticas se utilizan para analizar las secuencias obtenidas». BLAST es una de tales herramientas.

Aplicación en la identificación

Para identificación molecular:

• Búsqueda de secuencias de referencia para comparación
• Verificación de la pertenencia específica de una muestra
• Detección de contaminación

Para estudios filogenéticos:

• Obtención de secuencias para análisis filogenético
• Comparación con datos publicados

Para el desarrollo de cebadores:

• Búsqueda de regiones conservadas
• Verificación de la especificidad de los cebadores

Limitaciones de GenBank

• Errores en las anotaciones. Las secuencias pueden estar identificadas incorrectamente.
• Ausencia de verificación. GenBank acepta datos de investigadores sin comprobación independiente.
• Nombres obsoletos. Los nombres taxonómicos pueden no corresponder a las concepciones modernas.
• Cobertura incompleta. Para muchos taxones faltan secuencias de referencia.

Letsiou et al. (2023) subrayan que «los códigos de barras de ADN no pueden ser una herramienta de identificación útil sin una base de datos de referencia completa y fiable».

Características generales

GBIF (Global Biodiversity Information Facility) es una red internacional y una infraestructura de información que proporciona acceso abierto a datos sobre biodiversidad.

Características principales:

• Contiene datos de presencia (occurrence records)
• Incluye información sobre taxonomía, distribución y ecología
• Integra datos de múltiples fuentes (museos, herbarios, redes de observación)
• Proporciona acceso mediante interfaz web y API

Hyam (2015) señala que «GBIF contiene 140 millones de registros de presencia vinculados a nombres». Esta cifra crece constantemente.

Estructura de datos

Registros de presencia (occurrence records): registros de aparición de organismos. Cada registro incluye:

• Nombre taxonómico
• Coordenadas geográficas
• Fecha de observación
• Fuente de datos
• Información sobre el colector

Información taxonómica:

• Nombre del taxón
• Sinónimos
• Jerarquía taxonómica

Metadatos:

• Información sobre el conjunto de datos
• Licencia
• Citación

Aplicación en la identificación

Para comprobar la distribución:

• Determinación de especies probables para una localidad dada
• Verificación de la correspondencia de un hallazgo con el área de distribución conocida

Para estudios ecológicos:

• Análisis de la distribución de especies
• Monitoreo de cambios de áreas de distribución

Para verificar la identificación:

• Comparación con hallazgos conocidos
• Identificación de hallazgos inusuales

Hyam (2015) subraya que «GBIF utiliza un formato de lista de verificación basado en el estándar Darwin Core para el intercambio de datos taxonómicos».

Limitaciones de GBIF

• Errores en la identificación. Los registros pueden contener identificaciones incorrectas.
• Cobertura desigual. Los datos están distribuidos de manera desigual entre taxones y regiones.
• Distintos conceptos taxonómicos. Distintas fuentes pueden usar nombres diferentes para los mismos taxones.
• Ausencia de verificación. No todos los registros han sido comprobados por especialistas.

Características generales

BOLD (Barcode of Life Data System) es una base de datos especializada para el código de barras de ADN, mantenida por la Universidad de Guelph (Canadá).

Características principales:

• Contiene códigos de barras de ADN para todos los grupos de organismos
• Incluye metadatos sobre especímenes voucher
• Proporciona herramientas para análisis e identificación
• Está integrada con GenBank

Pandey (2021) señala que «BOLD proporciona una plataforma bioinformática integrada que apoya todas las fases de la ruta analítica desde la recolección de especímenes hasta una biblioteca de códigos de barras rigurosamente validada».

Estructura de datos

Registros de códigos de barras (barcode records): registros de códigos de barras de ADN. Cada registro incluye:

• Secuencia del código de barras
• Información sobre el espécimen voucher
• Nombre taxonómico
• Origen geográfico
• Referencias bibliográficas

BIN (Barcode Index Number): sistema de agrupamiento de secuencias que asigna un número único a grupos de secuencias cercanas. Esto permite usar BIN como «especie proxy» para la identificación.

Aplicación en la identificación

Para la identificación de muestras:

• Carga de una secuencia y búsqueda de coincidencias
• Obtención de una lista de taxones probables
• Evaluación de la fiabilidad de la identificación

Para crear bibliotecas de referencia:

• Carga de datos propios
• Comparación con registros existentes

Para comprobar la calidad de los datos:

• Identificación de errores en la identificación
• Detección de contaminación

Letsiou et al. (2023) subrayan que «BOLD proporciona una plataforma bioinformática integrada que apoya todas las fases de la ruta analítica desde la recolección de especímenes hasta una biblioteca de códigos de barras rigurosamente validada».

Limitaciones de BOLD

• Cobertura incompleta. Para muchos taxones faltan códigos de barras de referencia.
• Errores en la identificación. Como en GenBank, los datos pueden contener errores.
• Dependencia de la verificación morfológica. BOLD requiere que los especímenes hayan sido identificados morfológicamente.
• Aplicabilidad limitada para plantas. Para plantas se usan varios marcadores, lo que complica la estandarización.

Características generales

Tropicos es una base de datos botánica mantenida por el Jardín Botánico de Misuri. Contiene información nomenclatural, taxonómica y bibliográfica sobre plantas.

Características principales:

• Contiene información sobre más de 1,3 millones de nombres de plantas
• Incluye datos sobre especímenes tipo
• Proporciona acceso a imágenes de especímenes de herbario
• Está integrada con otros recursos botánicos

Estructura de datos

Registros nomenclaturales:

• Nombre del taxón
• Autor del nombre
• Lugar de publicación
• Espécimen tipo

Registros taxonómicos:

• Nombre aceptado
• Sinónimos
• Jerarquía taxonómica

Registros bibliográficos:

• Referencias bibliográficas
• Protólogos

Imágenes:

• Fotografías de especímenes de herbario
• Imágenes de tipos

Aplicación en la identificación

Para comprobar la nomenclatura:

• Comprobación de la ortografía correcta de los nombres
• Búsqueda de sinónimos
• Determinación de los autores de los nombres

Para acceder a especímenes tipo:

• Visualización de imágenes de tipos
• Obtención de información sobre la ubicación de los tipos

Para investigaciones botánicas:

• Obtención de información sobre distribución
• Análisis de la historia nomenclatural

Sharma (2009) subraya la importancia de los especímenes tipo: «Los especímenes tipo están entre las colecciones más valiosas de cualquier herbario, ya que son los especímenes a los que el nombre de un taxón está permanentemente vinculado, y son útiles para confirmar la identidad de cualquier elemento».

Limitaciones de Tropicos

• Cobertura limitada. No todos los taxones están representados con la misma completitud.
• Datos obsoletos. Algunos registros pueden no reflejar las concepciones taxonómicas modernas.
• Barrera lingüística. La interfaz y las descripciones están predominantemente en inglés.
• Ausencia de datos moleculares. Tropicos se centra en la nomenclatura y la morfología.

Características generales

En los últimos años han aparecido muchas aplicaciones móviles que utilizan aprendizaje automático para la identificación automática de plantas y animales. Jones (2025) señala que «desde finales de la década de 2010 ha habido una explosión en el número y la diversidad de aplicaciones desarrolladas para su uso en teléfonos inteligentes y que tienen como objetivo identificar automáticamente cualquier planta que uno pueda encontrar. Una rápida búsqueda en Google Play revela más de 40 aplicaciones de este tipo disponibles, muchas de ellas gratuitas».

Aplicaciones principales:

• PlantNet: aplicación desarrollada por investigadores franceses, que utiliza crowdsourcing para recopilar imágenes
• iNaturalist: plataforma de ciencia ciudadana que combina identificación automática con verificación de la comunidad
• Seek: aplicación de iNaturalist orientada a principiantes
• Flora Incognita: aplicación desarrollada en Alemania, centrada en la flora europea
• PictureThis: aplicación comercial con amplia cobertura

Principio de funcionamiento

Aprendizaje automático. Las aplicaciones utilizan redes neuronales entrenadas con grandes bases de imágenes. Como señala Jones (2025), «estos sistemas de aprendizaje profundo se basan en entrenar sistemas utilizando vastas bases de datos de imágenes y usar redes neuronales; el crowdsourcing de datos permite una mejora constante de los sistemas a medida que se utilizan».

Proceso de identificación:

1. El usuario fotografía el organismo

2. La aplicación analiza la imagen

3. La red neuronal compara la imagen con la muestra de entrenamiento

4. La aplicación produce una lista de identificaciones probables con indicación de confianza

Eficacia de las aplicaciones

Jones (2025) presenta los resultados de las pruebas de aplicaciones: «Todas las aplicaciones probadas mejoraron durante los 3 años entre 2020 y 2023 en aproximadamente 20 puntos porcentuales en cuanto al porcentaje de muestras correctamente identificadas hasta especie o familia. Las mejores aplicaciones, que incluyen Flora Incognita y PlantNet, pudieron identificar correctamente hasta especie el 80–90 % de las plantas probadas aquí».

Factores que influyen en la precisión:

• Calidad de la imagen
• Presencia de flores/frutos
• Grupo de organismos
• Región geográfica

Jones (2025) señala que «la mayoría de los estudios no informaron diferencias significativas entre grupos de plantas (monocotiledóneas, gramíneas, arbustos, árboles, etc.) en la proporción de identificaciones exitosas, aunque en la mayoría de los estudios el poder de discriminación fue bajo debido al bajo número de muestras».

Ventajas de las aplicaciones móviles

• Accesibilidad. Las aplicaciones son gratuitas o económicas, disponibles en teléfonos inteligentes.
• Rapidez. Resultado en unos segundos.
• Sencillez de uso. No requieren conocimientos especiales.
• Educación. Ayudan a los principiantes a dominar la identificación.
• Ciencia ciudadana. Involucran al público general en la recolección de datos.

Jones (2025) subraya que «el desarrollo y la amplia disponibilidad de aplicaciones de identificación automática han ampliado significativamente las oportunidades para que el público general participe en la identificación de plantas y en proyectos de ciencia ciudadana».

Limitaciones de las aplicaciones móviles

• Errores en la identificación. Las aplicaciones pueden dar resultados incorrectos, especialmente para especies raras o crípticas.

Jones (2025) señala que «las aplicaciones pueden estar sesgadas contra la identificación de especies poco comunes o raras, en parte debido a los limitados datos de entrenamiento disponibles para tales especies».

• Ausencia de confianza. No todas las aplicaciones indican el nivel de confianza en el resultado.

Jones (2025) subraya que «muchas de las otras aplicaciones populares, incluidas Leafsnap, PictureThis y PlantSnap, o aplicaciones más generales como Google Lens, no indican el nivel de confianza en sus resultados».

• Falta de consideración de la variabilidad geográfica. Las aplicaciones pueden no tener en cuenta las particularidades regionales de la morfología.

• Especies crípticas. Las aplicaciones no pueden distinguir especies morfológicamente indistinguibles.

• Dependencia de la muestra de entrenamiento. La precisión de una aplicación depende de la completitud y calidad de los datos de entrenamiento.

La regla «La IA no determina la especie, la IA propone una hipótesis»

Esta regla, formulada en el título de la lección 6, tiene una importancia fundamental. Las aplicaciones basadas en IA no dan una respuesta definitiva: proponen una hipótesis que requiere verificación.

Jones (2025) lo formula así: «Concluimos que la especificación para aplicaciones ideales es que deben proporcionar una indicación de confianza en los resultados y minimizar las identificaciones incorrectas, incluso si se trata solo de la especie equivocada entre dos similares».

Recomendaciones prácticas:

• Verificar siempre el resultado de una aplicación con otras fuentes
• Usar varias aplicaciones para una comprobación cruzada
• Prestar atención al nivel de confianza
• Consultar a un especialista para identificaciones críticas

CABI

Características generales. CABI (Centre for Agriculture and Biosciences International) es una organización internacional sin ánimo de lucro especializada en información agrícola.

Sharma (2009) señala que «CABI es una organización internacional sin ánimo de lucro que tiene particular relevancia en la comunidad agrícola debido a su objetivo de mejorar la vida de las personas proporcionando información y aplicando experiencia científica para resolver problemas. Transferir conocimiento del laboratorio al campo es la misión de esta organización, que utiliza publicación científica, proyectos de desarrollo, investigación y servicios microbiológicos».

Recursos de CABI:

• CAB Abstracts: base de datos sobre ciencias agrícolas
• Crop Protection Compendium: obra de referencia sobre protección de plantas
• Invasive Species Compendium: obra de referencia sobre especies invasoras
• Plantwise: programa de diagnóstico de enfermedades de plantas

EPPO

Características generales. EPPO (European and Mediterranean Plant Protection Organization) es una organización intergubernamental responsable de la cooperación en protección de plantas en Europa y la región mediterránea.

Garrido et al. (2016) describen EPPO: «EPPO es una organización intergubernamental con 50 países miembros, responsable de la cooperación en protección de plantas en Europa y la región mediterránea. Esta organización tiene como objetivo ayudar a sus países miembros a prevenir la introducción o propagación de plagas peligrosas».

Recursos de EPPO:

• EPPO Global Database: base de datos sobre organismos de cuarentena
• EPPO Standards: estándares de diagnóstico
• Pest Risk Analysis: análisis de riesgo de plagas
• EPPO Reporting Service: informes sobre nuevos hallazgos

Listas de EPPO:

• Lista A1: organismos de cuarentena ausentes en la región de EPPO
• Lista A2: organismos de cuarentena presentes en la región de EPPO pero de distribución limitada
• Alert List: organismos que representan una amenaza potencial

Garrido et al. (2016) señalan que «en los últimos años varios géneros de patógenos fúngicos de la fresa, como Colletotrichum acutatum, Botrytis cinerea y Phytophthora spp., han sido incluidos en la lista A2 de EPPO».

Aplicación en la identificación

Para comprobar el estatus de cuarentena:

• Determinar si un organismo es de cuarentena
• Obtener información sobre medidas fitosanitarias

Para diagnóstico:

• Usar estándares de diagnóstico de EPPO
• Obtener información sobre métodos de detección e identificación

Para análisis de riesgo:

• Evaluar la probabilidad de introducción y propagación
• Determinar el impacto potencial

Limitaciones

• Cobertura limitada. No todos los organismos están incluidos en las bases.
• Actualización. La información puede quedar rezagada respecto a la situación actual.
• Acceso. Algunos recursos requieren suscripción.
• Barrera lingüística. No todos los recursos están disponibles en todos los idiomas.

Errores en las bases de datos

Fuentes de errores:

• Identificación incorrecta de especímenes
• Errores de entrada de datos
• Nombres obsoletos
• Contaminación de especímenes
• Errores en secuencias

Consecuencias:

• Identificaciones falsas positivas
• Identificaciones falsas negativas
• Conclusiones incorrectas

Medidas de control:

• Verificación de datos
• Comprobación cruzada
• Uso de varias fuentes

Letsiou et al. (2023) subrayan que «los códigos de barras de ADN no pueden ser una herramienta de identificación útil sin una base de datos de referencia completa y fiable».

Nombres obsoletos

Problema. Los nombres taxonómicos se revisan constantemente. Un nombre válido hace 20 años puede ser un sinónimo hoy.

Ejemplos:

• Muchas especies descritas en los siglos XVIII–XIX han sido reclasificadas
• Los datos moleculares han llevado a la revisión de muchos grupos
• Distintas escuelas taxonómicas usan nombres diferentes

Consecuencias:

• Confusión al buscar información
• Desajuste entre bases de datos
• Dificultades en el intercambio de datos

Hyam (2015) señala que «los nombres científicos basados en tipos no son identificadores adecuados de taxones. Por ello, la mayoría de los nombres son en cierta medida ambiguos».

Distintos conceptos taxonómicos

Problema. Distintos investigadores pueden usar distintos conceptos taxonómicos, lo que lleva a ambigüedad en la interpretación de los resultados.

Hyam (2015) ilustra este problema: «Tomemos un caso hipotético en el que un ecólogo quiere combinar dos estudios S1 y S2 en un metaanálisis. Los estudios incluyen nombres de taxones que aparecen en dos tratamientos taxonómicos, T1 y T2. T1 reconoce dos taxones con los nombres A y B, mientras que T2 reconoce solo un taxón con el nombre A y coloca el nombre B como sinónimo de él».

Consecuencias:

• Imposibilidad de fusión automática de datos
• Necesidad de comprobación manual
• Riesgo de conclusiones incorrectas

Solución. Uso de identificadores únicos globales (GUID) para taxones.

Hyam (2015) subraya que «por estas razones, etiquetar los datos con GUID es el paso más importante para garantizar el intercambio y la integración de datos biológicos a través de internet».

Cobertura incompleta

Problema. Muchos taxones están insuficientemente representados en las bases de datos.

Causas:

• Falta de investigación
• Dificultades de recolección
• Falta de financiación
• Distancia geográfica

Consecuencias:

• Imposibilidad de identificación
• Resultados poco fiables
• Aplicabilidad limitada

Letsiou et al. (2023) señalan que «para las plantas el uso de un código de barras de ADN universal como el COI, que se utiliza en animales, aún no se ha logrado».

Problema de la calidad de los datos

Problema. No todos los datos de las bases de datos tienen la misma calidad.

Criterios de calidad:

• Precisión de la identificación
• Completitud de los metadatos
• Fiabilidad de la fuente
• Verificación

Medidas para mejorar la calidad:

• Verificación por especialistas
• Uso de estándares
• Comprobación cruzada
• Retroalimentación

Hyam (2015) subraya que «grandes volúmenes de información se etiquetan con nombres taxonómicos y se publican en internet... Desafortunadamente, estos métodos solo pueden conducir a ampliar la consulta. El proceso conduce a la interpretación más amplia posible de cualquier taxón. Adopta un enfoque sensu lato para todo: el enfoque ultimate de los “lumpers” en taxonomía».

Uso de varias fuentes

Para aumentar la fiabilidad de la identificación se recomienda utilizar varias fuentes independientes:

• Varias bases de datos (GenBank, BOLD, GBIF)
• Varias aplicaciones (PlantNet, iNaturalist, Flora Incognita)
• Varias claves de identificación
• Consulta con un especialista

Evaluación crítica de los datos

Al trabajar con bases de datos es necesario evaluar críticamente:

• Fuente de datos. ¿Quién proporcionó los datos? ¿Hay verificación?
• Fecha. ¿Cuándo se añadieron los datos? ¿Están obsoletos?
• Completitud. ¿Hay metadatos? ¿Hay suficiente información?
• Consistencia. ¿Coinciden los datos de distintas fuentes?
• Nivel de confianza. ¿Se indica el nivel de confianza?

Documentación

Al usar bases de datos es necesario documentar:

• Qué bases de datos se utilizaron
• Qué consultas se realizaron
• Qué resultados se obtuvieron
• Qué medidas de verificación se aplicaron

Intercambio de datos

El especialista no solo debe usar bases de datos, sino también contribuir:

• Cargar secuencias verificadas en GenBank/BOLD
• Proporcionar datos de presencia a GBIF
• Informar sobre errores en las bases de datos
• Publicar datos en repositorios abiertos

Hyam (2015) subraya que «el libre acceso a los datos y su intercambio son clave para el progreso de la sistemática».

Principio general

Las aplicaciones modernas para la identificación automática de organismos se basan en métodos de aprendizaje automático, en particular en redes neuronales profundas. Jones (2025) lo describe así: «A partir de 2013, diversos enfoques y algoritmos de identificación se compararon a través del desafío LifeCLEF y su subdesafío PlantCLEF. El enfoque utilizado generalmente incluía extracción específica de características. Aproximadamente al mismo tiempo se desarrollaron algoritmos de “aprendizaje profundo” más generales, como el utilizado en Google Lens. Estos sistemas de aprendizaje profundo se basan en entrenar sistemas utilizando vastas bases de datos de imágenes y usar redes neuronales; el crowdsourcing de datos permite una mejora constante de los sistemas a medida que se utilizan».

Componentes clave:

1. Muestra de entrenamiento: conjunto de imágenes con identificaciones conocidas

2. Red neuronal: modelo matemático compuesto por capas de «neuronas»

3. Proceso de entrenamiento: ajuste de los parámetros de la red para minimizar errores

4. Inferencia: aplicación de la red entrenada a nuevas imágenes

Arquitectura de las redes neuronales

Los sistemas modernos de identificación utilizan redes neuronales convolucionales (CNN), diseñadas especialmente para el análisis de imágenes.

Barhate et al. (2024) describen diversas arquitecturas utilizadas para la identificación de plantas:

• AlexNet: una de las primeras CNN profundas, que mostró resultados sobresalientes
• VGG-16/VGG-19: redes con mayor profundidad
• ResNet: redes con «conexiones residuales», que permiten entrenar modelos muy profundos
• Inception: redes con procesamiento multiescala
• MobileNet: redes ligeras para dispositivos móviles
• DenseNet: redes con conexiones densas entre capas

Barhate et al. (2024) señalan que «todas estas arquitecturas se utilizaron para extraer características de imágenes de hojas, flores y otros órganos de plantas».

Proceso de entrenamiento

Etapa 1: Recolección de datos. Se forma una muestra de entrenamiento: una gran cantidad de imágenes de organismos con identificaciones conocidas. Cuanto mayor y más diversa sea la muestra, mejor funcionará el sistema.

Etapa 2: Preprocesamiento. Las imágenes se llevan a un formato unificado, se normalizan y pueden ser aumentadas (rotaciones, reflejos, cambios de brillo) para aumentar la diversidad.

Etapa 3: Entrenamiento. A la red neuronal se le «muestran» imágenes y sus etiquetas correspondientes. La red ajusta gradualmente sus parámetros para minimizar el error entre la predicción y la etiqueta verdadera.

Etapa 4: Validación. La red entrenada se prueba en una muestra separada para evaluar su capacidad de generalización.

Etapa 5: Inferencia. La red entrenada se aplica a nuevas imágenes.

Crowdsourcing y aprendizaje continuo

Una de las características clave de las aplicaciones modernas es el uso del crowdsourcing para la mejora continua. Jones (2025) señala que «el crowdsourcing de datos permite una mejora constante de los sistemas a medida que se utilizan».

Mecanismos de crowdsourcing:

• Los usuarios cargan imágenes con identificaciones
• La comunidad verifica las identificaciones
• El sistema aprende de los datos verificados
• La precisión aumenta gradualmente

Ejemplos:

• iNaturalist: los usuarios cargan observaciones, la comunidad confirma las identificaciones
• PlantNet: los usuarios ayudan a identificar imágenes de otros usuarios

Entrenamiento con muestras limitadas

Problema. Las redes neuronales se entrenan con los datos disponibles. Si la muestra de entrenamiento es incompleta o no representativa, el sistema cometerá errores.

Jones (2025) señala que «las aplicaciones pueden estar sesgadas contra la identificación de especies poco comunes o raras, en parte debido a los limitados datos de entrenamiento disponibles para tales especies».

Ejemplos:

• Las especies raras están representadas por pocas imágenes
• Las especies de regiones remotas están insuficientemente representadas
• Las variaciones estacionales (floración, fructificación) pueden estar representadas de manera desigual

Consecuencias:

• El sistema puede «no reconocer» una especie rara
• El sistema puede identificar erróneamente una especie rara como una especie común cercana
• La precisión para especies raras es significativamente menor que para las comunes

Barhate et al. (2024) subrayan que «aumentar el número de imágenes o conjuntos de datos puede llevar a un deterioro en el rendimiento del algoritmo»: este es un efecto contraintuitivo pero importante asociado con el desequilibrio de clases.

Falta de consideración de la variabilidad geográfica

Problema. La misma especie puede mostrar diferencias morfológicas significativas en distintas partes de su área de distribución. Un sistema entrenado con imágenes de una región puede funcionar mal en otra.

Jones (2025) da un ejemplo: «No estaba claro por qué ocurrió este bajo éxito (en comparación con el presente estudio), pero posiblemente podría haber sido porque las pruebas se realizaron en EE. UU. y la aplicación se desarrolló en Europa, o posiblemente los tipos de plantas no eran representativos de la flora europea nativa utilizada en el desarrollo de Flora Incognita».

Ejemplos:

• Plantas de la misma especie en sombra y sol se ven diferentes
• Las formas estacionales pueden diferir
• Las razas geográficas pueden tener caracteres morfológicos diferentes

Especies crípticas

Problema. Las especies crípticas son morfológicamente indistinguibles pero genéticamente aisladas. Ningún sistema basado en imágenes puede distinguirlas.

Letsiou et al. (2023) definen las especies crípticas como «dos o más especies que se clasifican como una porque son superficialmente similares desde el punto de vista morfológico y, por lo tanto, no pueden identificarse utilizando la taxonomía clásica».

Ejemplos:

• Muchas especies de insectos plaga tienen especies crípticas
• Los patógenos fúngicos pueden tener especies crípticas con diferente virulencia
• Las plantas adventicias pueden incluir especies crípticas

Consecuencias:

• El sistema identificará una especie críptica como una de las conocidas
• Es imposible distinguir especies con diferente daño
• Se requiere validación molecular

Variabilidad intraespecífica

Problema. Incluso dentro de una especie, los caracteres morfológicos pueden variar significativamente.

Fuentes de variabilidad:

• Cambios por edad (individuos jóvenes y adultos)
• Dimorfismo sexual
• Polimorfismo estacional
• Plasticidad ecológica

Ejemplos:

• Las larvas y los adultos de insectos son completamente diferentes
• Machos y hembras pueden diferir en tamaño y color
• Plantas en distintas condiciones de crecimiento pueden parecer especies diferentes

Problema de las imágenes «basura»

Problema. Las aplicaciones pueden dar resultados erróneos al analizar imágenes de baja calidad o imágenes que no contienen caracteres diagnósticos.

Jones (2025) describe un experimento: «Para investigar la robustez de diferentes aplicaciones a la calidad de la imagen, generamos una serie de imágenes deliberadamente malas con fondos confusos, especies mixtas o falta de enfoque, y probamos varias de las mejores aplicaciones de identificación con ellas».

Resultados:

• PlantNet y Flora Incognita mostraron alta robustez
• PictureThis cometió un error
• iNaturalist cometió cuatro errores

Conclusión: algunas aplicaciones son robustas a la calidad de la imagen, pero no todas.

Problema del «mundo cerrado»

Problema. Las redes neuronales se entrenan con un conjunto cerrado de clases. Si un organismo no pertenece a ninguna de las clases conocidas, el sistema producirá de todos modos la respuesta «más cercana».

Ejemplos:

• Una especie nueva, aún no descrita, será identificada como una especie conocida cercana
• Un híbrido será identificado como uno de los progenitores
• Un organismo de una región remota será identificado como una especie cercana de la muestra de entrenamiento

Consecuencias:

• Identificaciones falsas
• Imposibilidad de descubrir nuevas especies
• Conclusiones incorrectas

Identificación de especies raras como comunes

Jones (2025) señala que «las aplicaciones pueden estar sesgadas contra la identificación de especies poco comunes o raras, en parte debido a los limitados datos de entrenamiento disponibles para tales especies... pero también, posiblemente, porque los caracteres críticos para tales especies pueden ser crípticos».

Ejemplo: Una especie rara de orquídea puede ser identificada como una especie común cercana porque había pocas imágenes de la especie rara en la muestra de entrenamiento.

Identificación de híbridos como especies parentales

Problema. Los híbridos a menudo combinan caracteres de ambos progenitores. Un sistema no entrenado con híbridos puede identificarlos como una de las especies parentales.

Ejemplo: Un híbrido entre dos especies de robles puede ser identificado como uno de los progenitores.

Identificación de especímenes dañados

Problema. Los especímenes dañados o incompletos pueden ser identificados incorrectamente.

Ejemplo: Una hoja sin flores puede ser identificada incorrectamente si el sistema fue entrenado principalmente con imágenes con flores.

Identificación basada en el fondo

Problema. Las redes neuronales pueden «memorizar» el fondo en lugar del organismo mismo. Si las imágenes de entrenamiento se tomaron en ciertas condiciones, el sistema puede usar el fondo como carácter.

Ejemplo: Si todas las imágenes de la especie A se tomaron sobre hierba y las de la especie B sobre piedras, el sistema puede identificar la especie por el fondo y no por el organismo.

Ejemplos de la práctica

Identificación de plantas venenosas. Jones (2025) da un ejemplo: «Otra comparación publicada del rendimiento de aplicaciones incluye un estudio cuidadoso con buena replicación en 17 especies tóxicas encontradas en América (Otter et al., 2021), donde PictureThis identificó correctamente 10 (59 %) y PlantNet 8 (47 %) especies, mientras que PlantSnap identificó correctamente solo una especie».

Esto significa que incluso las mejores aplicaciones pueden equivocarse en casos críticamente importantes (identificación de plantas venenosas).

Identificación de organismos de cuarentena. Un error en la identificación de un organismo de cuarentena puede tener consecuencias graves. Como señalan Cubero et al. (2024), «diferentes bacterias del género Xanthomonas que infectan cítricos causan síntomas similares al comienzo de los procesos infecciosos. Sin embargo, dependiendo de la especie particular de Xanthomonas, la infección puede conducir al cancro de los cítricos o a la mancha bacteriana de los cítricos. La primera se considera una enfermedad muy grave y de cuarentena en muchos países, mientras que la segunda es una enfermedad de menor importancia y generalmente no está regulada».

Por qué la IA no puede sustituir al especialista

Ausencia de comprensión. La IA no «comprende» la biología del organismo. Reconoce patrones pero no sabe por qué son importantes.

Ausencia de contexto. La IA no tiene en cuenta el contexto ecológico, el origen geográfico o la fenología.

Ausencia de responsabilidad. La IA no asume responsabilidad por los errores. La responsabilidad recae en el especialista que tomó la decisión.

Datos de entrenamiento limitados. La IA solo sabe lo que se le ha enseñado. No puede ir más allá de la muestra de entrenamiento.

El papel del especialista en la verificación

Comprobación de plausibilidad. El especialista comprueba si la identificación propuesta corresponde al contexto ecológico, la distribución geográfica y la fenología.

Comprobación de caracteres diagnósticos. El especialista comprueba si los caracteres diagnósticos del espécimen corresponden al taxón propuesto.

Uso de fuentes adicionales. El especialista utiliza claves, especímenes de herbario y consultas con colegas.

Toma de decisión. El especialista toma la decisión final sobre la identificación y asume la responsabilidad por ella.

La regla «La IA propone una hipótesis»

Esta regla puede formularse así:

1. La IA genera una hipótesis: una propuesta sobre una posible identificación.

2. El especialista comprueba la hipótesis: utilizando todos los métodos disponibles.

3. El especialista acepta o rechaza la hipótesis: sobre la base de una evaluación crítica.

4. El especialista documenta la decisión: indicando el método y el nivel de confianza.

Jones (2025) lo formula así: «Concluimos que la especificación para aplicaciones ideales es que deben proporcionar una indicación de confianza en los resultados y minimizar las identificaciones incorrectas, incluso si se trata solo de la especie equivocada entre dos similares».

Niveles de confianza

Escenario ideal. La aplicación indica el nivel de confianza para cada identificación propuesta.

Realidad. No todas las aplicaciones indican el nivel de confianza. Jones (2025) señala que «muchas de las otras aplicaciones populares, incluidas Leafsnap, PictureThis y PlantSnap, o aplicaciones más generales como Google Lens, no indican el nivel de confianza en sus resultados».

Recomendación. Usar aplicaciones que indiquen el nivel de confianza (PlantNet, Flora Incognita, iNaturalist).

Responsabilidad jurídica

En caso de incidentes de cuarentena o uso de pesticidas que causen daños, la responsabilidad recae en el especialista que tomó la decisión. La referencia a «la aplicación lo dijo» no es una justificación.

Responsabilidad económica

Un error en la identificación puede llevar a:

• Pérdida de cosecha
• Gastos injustificados en pesticidas
• Daño ambiental
• Pérdida de reputación

Responsabilidad ética

El especialista tiene responsabilidad ética por:

• La precisión de sus identificaciones
• La seguridad de los métodos utilizados
• La conservación de la biodiversidad
• La difusión del conocimiento

Recomendaciones prácticas

1. Nunca confíe solo en la IA. Use la IA como herramienta adicional, no como única fuente.

2. Verifique los resultados. Use varias aplicaciones, claves y consulte a especialistas.

3. Documente. Registre qué métodos se utilizaron, qué resultados se obtuvieron y qué medidas de verificación se aplicaron.

4. Mejore su cualificación. Estudie morfología, taxonomía y métodos de identificación.

5. Sea honesto. Si no está seguro de una identificación, dígalo. Es mejor admitir incertidumbre que dar una falsa confianza.

Ejemplo 1: Identificación de una planta

Situación. La aplicación PlantNet identificó una planta como Conium maculatum (cicuta manchada) con una confianza del 85 %.

Acciones del especialista:

1. Comprobar caracteres diagnósticos: presencia de manchas en el tallo, hojas características, umbelas.

2. Comprobar el contexto ecológico: la cicuta manchada crece en lugares húmedos, a menudo junto a caminos.

3. Comprobar la distribución geográfica: la especie está distribuida en la región.

4. Comprobar la fenología: floración en junio-julio.

5. Si es necesario, consulta con un especialista.

Decisión. Si todas las comprobaciones confirman, se acepta la identificación. Si hay dudas, se requiere verificación adicional.

Ejemplo 2: Identificación de un insecto

Situación. La aplicación iNaturalist identificó un insecto como Leptinotarsa decemlineata (escarabajo de la patata) con una confianza del 90 %.

Acciones del especialista:

1. Comprobar caracteres diagnósticos: rayas amarillas en los élitros, forma corporal característica.

2. Comprobar el huésped: el escarabajo de la patata se alimenta de solanáceas.

3. Comprobar la distribución geográfica: la especie está distribuida en la región.

4. Comprobar la fenología: los adultos aparecen en primavera.

Decisión. Si todas las comprobaciones confirman, se acepta la identificación. Si hay dudas, se requiere verificación adicional.

Ejemplo 3: Identificación de un patógeno

Situación. La aplicación identificó un patógeno fúngico como Botrytis cinerea (moho gris) con una confianza del 75 %.

Acciones del especialista:

1. Comprobar síntomas: revestimiento gris y peludo, reblandecimiento de tejidos.

2. Comprobar el huésped: Botrytis cinerea afecta a muchos cultivos.

3. Comprobar las condiciones: alta humedad, temperatura.

4. Realizar análisis microscópico: conidióforos, conidios.

5. Si es necesario, validación molecular.

Decisión. Si todas las comprobaciones confirman, se acepta la identificación. Si hay dudas, se requiere verificación adicional.

Tendencias de desarrollo

Mejora de la precisión. Jones (2025) señala que «todas las aplicaciones probadas mejoraron durante los 3 años entre 2020 y 2023 en aproximadamente 20 puntos porcentuales».

Ampliación de la cobertura. Las aplicaciones incluyen gradualmente más especies y regiones.

Integración con otras herramientas. Las aplicaciones se integran con bases de datos, claves y sistemas de monitoreo.

Mejora de la interfaz. Las aplicaciones son cada vez más cómodas para los usuarios.

Perspectivas

Identificación automática en el campo. En el futuro, las aplicaciones pueden volverse lo suficientemente precisas para la identificación automática en tiempo real.

Integración con métodos moleculares. Las aplicaciones pueden integrarse con secuenciadores portátiles para la validación molecular.

Ciencia ciudadana. Las aplicaciones seguirán involucrando al público general en la recolección de datos sobre biodiversidad.

Limitaciones que permanecerán

Especies crípticas. Ninguna imagen permitirá distinguir especies morfológicamente idénticas.

Especies nuevas. El sistema no puede identificar lo que no se le ha enseñado.

Híbridos. Los híbridos complejos pueden seguir sin resolverse.

Contexto. La IA no comprende el contexto ecológico y evolutivo.

Principio de integralidad

Ningún método de identificación es universal. Como hemos visto, el enfoque morfológico tiene limitaciones al trabajar con especies crípticas, material incompleto e híbridos. Los métodos moleculares, a su vez, no distinguen organismos vivos y muertos, dependen de la completitud de las bases de datos de referencia y pueden dar resultados falsos positivos por contaminación. Solo un enfoque integral que combine varias líneas independientes de evidencia permite lograr una identificación fiable.

Cubero et al. (2024) subrayan que «tanto los métodos moleculares como las imágenes espectrales tienen sus fortalezas y debilidades. Los métodos moleculares proporcionan un alto grado de fiabilidad que las imágenes espectrales no tienen, pero están limitados por menores capacidades de muestreo. Las imágenes espectrales, por otro lado, pueden cubrir rápidamente grandes áreas, aunque todavía requieren mejoras para aumentar la precisión y distinguir claramente los estresores bióticos y abióticos de la salud de las plantas».

Componentes de un enfoque integral

Morfología. El análisis primario de caracteres morfológicos sigue siendo el punto de partida de la identificación. Sharma (2009) recomienda comenzar con la determinación del hábito general, el tipo de hoja, la filotaxis, la nervadura, la presencia y tipo de pubescencia, y la estructura de la flor y el fruto.

Moléculas. Los métodos moleculares se utilizan cuando la morfología es insuficiente: para especies crípticas, material incompleto, muestras mixtas y determinación de categorías intraespecíficas. Como señalan Letsiou et al. (2023), «el ADN no está influenciado por factores externos u otros factores ambientales, es estable y puede encontrarse en todos los tejidos».

Ecología. El contexto ecológico es un componente importante de la identificación. El conocimiento del hábitat, el huésped, el sustrato y la fenología permite descartar variantes obviamente inadecuadas. Como se señala en el manual de IPM (Albajes y Madeira, 2019), «las plantas dañadas por plagas a menudo muestran cambios en la absorción y reflexión en las regiones visible e infrarroja cercana debido a la reducción del contenido de clorofila, cambios en otros pigmentos o algunos otros cambios en la anatomía interna de la planta».

Geografía. La distribución geográfica es otro filtro para comprobar las hipótesis de identificación. Si la especie propuesta no se encuentra en la región dada, este es un argumento serio contra la identificación. Hyam (2015) subraya que «GBIF contiene 140 millones de registros de presencia vinculados a nombres», lo que permite comprobar la distribución de las especies.

Ejemplo de enfoque integral

Consideremos un ejemplo de identificación de un patógeno fúngico en fresa.

Paso 1: Morfología. Examen de síntomas: manchas marrones en las hojas con centro oscuro y borde rojizo. Microscopía: conidios de forma y tamaño determinados.

Paso 2: Ecología. Cultivo: fresa. Condiciones: alta humedad, temperatura moderada. Estación: final del verano.

Paso 3: Geografía. Región: sur de Rusia. Comprobar en GBIF: qué especies se encuentran en esta región.

Paso 4: Moléculas (si es necesario). PCR con cebadores específicos de especie. Secuenciación de la región ITS. Comparación con GenBank/BOLD.

Paso 5: Síntesis. Si todas las líneas de evidencia coinciden, se acepta la identificación. Si hay contradicciones, se requiere análisis adicional.

Como señalan Garrido et al. (2016), «los métodos moleculares permiten una caracterización y diferenciación más precisas de los hongos fitopatógenos». Sin embargo, subrayan que «los métodos clásicos de identificación basados en la morfología siguen siendo importantes para el diagnóstico inicial».

Importancia de una colección de referencia

Una colección de referencia es un conjunto de especímenes verificados que sirve como estándar para la comparación durante la identificación. Como subraya Sharma (2009), «los herbarios son centros de referencia estándar para la identificación y verificación de nuevo material vegetal y proporcionan la base para la investigación taxonómica».

Para un agrónomo, una colección de referencia puede incluir:

• Especímenes de herbario de plantas cultivadas y malas hierbas
• Colecciones entomológicas de plagas y entomófagos
• Colecciones de órganos afectados con patógenos identificados
• Especímenes fijados para análisis molecular

Principios de formación de la colección

Representatividad. La colección debe representar la diversidad de organismos con los que usted trabaja. Judd et al. (2018) subrayan: «Las plantas recolectadas deben representar la variación observada en la población».

Verificación. Cada espécimen debe ser identificado por un especialista o con métodos fiables. Sharma (2009) señala que «solo los expertos de la familia o género particular deben ser autorizados a anotar una hoja de herbario».

Completitud. El espécimen debe contener todos los caracteres diagnósticos. Judd et al. (2018) recomiendan: «Si es posible, debe recolectarse toda la planta, incluidas las partes subterráneas; ¡nunca recolecte solo una flor o una hoja!».

Documentación. Cada espécimen debe ir acompañado de una etiqueta con información completa. Sharma (2009) enumera los datos necesarios: nombre científico, familia, lugar de recolección, altitud sobre el nivel del mar, latitud y longitud, fecha de recolección, colector, número de colección, notas de campo.

Métodos de conservación

Herborización de plantas. Judd et al. (2018) describen el proceso: «La planta se coloca en papel de periódico doblado y se dispone de modo que sean visibles las superficies superior e inferior de las hojas, las flores y los frutos». El secado se realiza en una prensa con cambio diario de secantes.

Conservación de insectos. Para coleópteros y lepidópteros: montaje en alfileres. Para formas de cuerpo blando (pulgones, larvas, ácaros): conservación en etanol al 70–96 %.

Conservación de hongos. Para hongos fitopatógenos: herborización de órganos afectados o conservación de cultivos puros en medios nutritivos. Garrido et al. (2016) señalan que «hay kits comerciales disponibles para extraer ADN fúngico de muestras ambientales como tejido vegetal o suelo».

Conservación para análisis molecular. Lentendu et al. (2022) recomiendan: «Si las muestras deben transportarse más de 2 días antes de llegar al laboratorio, tamice en el lugar o en el campamento base y almacene alícuotas de 0,5–1 g de suelo en al menos dos tubos de 2 ml... y añada 1 ml de solución de conservación de ADN a cada tubo».

Organización del almacenamiento

Sistematización. La colección debe organizarse según el principio taxonómico. Sharma (2009) señala que «la disposición de los especímenes en un herbario generalmente sigue un sistema de clasificación bien aceptado... Esto permite comparar fácilmente taxones relacionados, ya que se colocan cerca unos de otros».

Condiciones de almacenamiento. Sharma (2009) subraya: «Los especímenes de herbario se conservarán indefinidamente con un manejo cuidadoso. Sin embargo, son susceptibles a daños por insectos, hongos y fuego, y deben almacenarse en armarios especializados en un ambiente con clima controlado».

Protección contra plagas. Sharma (2009) describe métodos: «La congelación es un método de conservación que es menos peligroso para la salud humana y bastante simple. En este método, los especímenes se congelan a −18 °C o menos y se mantienen durante al menos 48 horas».

Cuándo es necesaria la cooperación

No siempre es posible ni conveniente realizar la identificación de forma independiente. Hay situaciones en las que es necesario recurrir a especialistas:

• Grupos taxonómicos complejos. Algunos grupos requieren conocimientos y experiencia especiales.
• Identificaciones críticas. Para fines de cuarentena, peritaje judicial, programas de mejoramiento.
• Falta de materiales de referencia. Si su colección no contiene los estándares necesarios.
• Necesidad de análisis molecular. Si se requiere secuenciación o qPCR.

Como señala Sharma (2009), «las colecciones problemáticas pueden enviarse a un experto en la sistemática de un género o familia particular o en la flora de una región particular».

Formas de cooperación

Consultas. Recurrir a un especialista para comprobar la identificación. Sharma (2009) señala que «la identificación experta es uno de los métodos más fiables de identificación de plantas por expertos en un grupo taxonómico particular».

Investigación conjunta. Participación en proyectos de inventario, monitoreo y estudio de la biodiversidad.

Intercambio de materiales. Proporcionar especímenes para investigación, obtener materiales de referencia.

Formación. Pasantías, participación en talleres y cursos de perfeccionamiento.

Laboratorios de diagnóstico

En la agroesfera existen laboratorios de diagnóstico especializados que realizan la identificación de patógenos, plagas y malas hierbas. Cubero et al. (2024) subrayan que «la detección e identificación precisas de un patógeno son de gran importancia», y en muchos países existen laboratorios oficiales acreditados para tales estudios.

Funciones de los laboratorios de diagnóstico:

• Realización de pruebas de diagnóstico estándar
• Desarrollo de nuevos métodos de diagnóstico
• Validación de resultados
• Formación de especialistas

Interacción con los laboratorios:

• Proporcionar muestras
• Obtener resultados
• Consultas sobre métodos
• Participación en comparaciones interlaboratorio

Cooperación internacional

Para organismos de cuarentena y especies invasoras a menudo se requiere cooperación internacional. Garrido et al. (2016) describen el papel de EPPO: «EPPO es una organización intergubernamental con 50 países miembros, responsable de la cooperación en protección de plantas en Europa y la región mediterránea. Esta organización tiene como objetivo ayudar a sus países miembros a prevenir la introducción o propagación de plagas peligrosas».

Importancia de la documentación

La documentación no es una formalidad burocrática, sino un elemento necesario de la actividad científica y práctica. Como subraya Hyam (2015), «etiquetar los datos con GUID es el paso más importante para garantizar el intercambio y la integración de datos biológicos a través de internet».

La documentación permite:

• Verificar resultados
• Intercambiar datos
• Rastrear cambios
• Enseñar a otros

Qué documentar

Para cada espécimen:

• Identificación taxonómica (nombre, autor, identificador)
• Fecha y lugar de recolección
• Datos ecológicos (hábitat, huésped, sustrato)
• Método de recolección y fijación
• Relación con otros especímenes
• Datos moleculares (números de acceso)

Sharma (2009) subraya que «las notas de campo incluyen información adicional sobre la planta que puede desaparecer después del secado y no puede entenderse simplemente mirando una hoja de herbario, como el color de las flores; la altura, pubescencia, duración o hábito de la planta; especies de plantas asociadas; hábitat; patrón de ramificación; tamaño de la población; tipo de vegetación».

Para cada identificación:

• Método de identificación
• Claves y bases de datos utilizadas
• Nivel de confianza
• Variantes alternativas

Formatos de datos

Estándares. Para el intercambio de datos se utilizan formatos estandarizados:

• Darwin Core: estándar para datos de biodiversidad
• Taxon Concept Schema: para datos taxonómicos
• Formato GenBank: para secuencias de nucleótidos

Hyam (2015) señala que «GBIF utiliza un formato de lista de verificación basado en el estándar Darwin Core para el intercambio de datos taxonómicos».

Identificadores únicos globales (GUID). Hyam (2015) subraya la importancia de los GUID: «Si cada registro de un conjunto de datos tiene un identificador inmutable, el consumidor verá inmediatamente qué registros han cambiado, cuáles son adiciones y si los cambios pueden deberse a razones biológicas».

Intercambio de datos

Publicación en bases abiertas. El especialista no solo debe usar bases de datos, sino también contribuir:

• Cargar secuencias verificadas en GenBank/BOLD
• Proporcionar datos de presencia a GBIF
• Publicar imágenes en repositorios abiertos

Cumplimiento de licencias. Al intercambiar datos deben observarse las restricciones de licencia. Algunos datos pueden ser confidenciales (por ejemplo, coordenadas exactas de especies raras).

Citación. Al usar datos de bases de datos debe citarse la fuente. Hyam (2015) señala que «el consumidor también podría acreditar individualmente a los proveedores por el uso de sus datos».

Necesidad de aprendizaje continuo

La identificación es una competencia que requiere mejora constante. Como subrayan Watson et al. (2015), «en programas en toda la región árabe... existe un gran potencial para usar perfiles de plantas producidos digitalmente y guías de identificación interactivas como recurso principal para una serie de programas de formación destinados a desarrollar capacidad en taxonomía de plantas (particularmente identificación de plantas), para estudiantes de taxonomía, ecólogos, evaluadores de impacto ambiental y conservacionistas».

Direcciones de formación

Morfología. Estudio de caracteres diagnósticos de diversos grupos de organismos. Sharma (2009) recomienda «estudiar los caracteres morfológicos utilizados en las claves de identificación y practicar su reconocimiento».

Taxonomía. Comprensión de los principios de clasificación, nomenclatura y conceptos taxonómicos modernos.

Métodos moleculares. Dominio de métodos de extracción de ADN, PCR, secuenciación y análisis bioinformático. Pandey (2021) subraya que «el código de barras de ADN es una nueva técnica que proporciona una identificación rápida y precisa de especies».

Trabajo con bases de datos. Dominio de búsquedas en GenBank, BOLD, GBIF, Tropicos y uso de herramientas bioinformáticas.

Pensamiento crítico. Desarrollo de la capacidad de evaluar críticamente los resultados de la identificación, incluidos los resultados de herramientas de IA.

Formas de formación

Cursos y talleres. Participación en cursos especializados sobre taxonomía, diagnóstico y métodos moleculares.

Pasantías. Trabajo en herbarios, museos y laboratorios de diagnóstico.

Autoeducación. Estudio de literatura, trabajo con claves, práctica de identificación.

Participación en comunidades. Intercambio de experiencia con colegas, participación en conferencias, publicación de resultados.

Watson et al. (2015) señalan que «los esfuerzos colaborativos permiten a los taxónomos apreciar las necesidades y demandas de los no taxónomos», y que «también se proporcionó formación y desarrollo de proyectos a las instituciones asociadas».

Recursos para la formación

Literatura. Claves, floras, monografías, libros de texto.

Recursos en línea. Watson et al. (2015) enumeran: «The Internet Directory for Botany (IDB), The International Plant Names Index, JSTOR: Global Plants, Biodiversity Heritage Library, The USDA Plants Database, y muchos otros».

Bases de datos. GenBank, BOLD, GBIF, Tropicos, CABI, EPPO.

Aplicaciones móviles. PlantNet, iNaturalist, Flora Incognita, como herramientas auxiliares para la formación.

Colecciones. Herbarios, museos, colecciones vivas de jardines botánicos.

Práctica diaria

Observaciones de campo. Al detectar un organismo:

1. Fotografiarlo (varios ángulos, con escala)

2. Registrar coordenadas GPS, fecha, hábitat

3. Recolectar un espécimen (si es posible y necesario)

4. Hacer notas de campo

Identificación preliminar:

1. Usar aplicaciones móviles para generar hipótesis

2. Comprobar las hipótesis con claves

3. Comprobar el contexto ecológico y geográfico

Verificación:

1. Comparar con la colección de referencia

2. Consultar a un especialista (si es necesario)

3. Realizar análisis molecular (si es necesario)

Documentación:

1. Registrar el método de identificación

2. Indicar el nivel de confianza

3. Conservar el espécimen o las fotografías

4. Introducir los datos en la base de datos

Organización del trabajo

Creación de una colección de referencia. Acumulación gradual de especímenes verificados en el curso del trabajo.

Mantenimiento de una base de datos. Documentación sistemática de todas las identificaciones.

Cooperación. Establecimiento de contactos con especialistas y laboratorios.

Formación. Mejora continua de la cualificación.

Errores típicos y cómo evitarlos

Error 1: Confiar solo en la IA. Solución: usar la IA como herramienta adicional, verificar siempre.

Error 2: Ignorar el contexto ecológico. Solución: comprobar siempre la correspondencia del hábitat, el huésped y la fenología.

Error 3: No documentar. Solución: llevar registros, conservar especímenes, indicar el método.

Error 4: No admitir la incertidumbre. Solución: indicar honestamente el nivel de confianza; en caso de duda, consultar.

Error 5: Usar nombres obsoletos. Solución: comprobar la nomenclatura en bases de datos actuales.