Gli oceani della Terra si stanno riscaldando e stanno diventando più acidi man mano che il clima cambia. Per gran parte della flora e della fauna del mare, ciò potrebbe significare l'estinzione, a meno che le specie non possano adattarsi a nuove condizioni e fonti di cibo o migrare verso acque più ospitali.

Ma le specie in pericolo potrebbero essere in grado di ottenere una mano dall'uomo, afferma Katie Lotterhos, professore associato di scienze marine e ambientali presso il Northeastern, a condizione che gli scienziati possano determinare con precisione quali specie avranno bisogno di aiuto.

È qui che entrano in gioco Lotterhos e i suoi colleghi.

All'interno delle specie c'è spesso una variazione genetica. Alcuni ceppi genetici saranno più facilmente in grado di adattarsi a determinate nuove condizioni rispetto ad altri. Se i ricercatori sono in grado di identificare quali ceppi genetici di una data specie hanno maggiori probabilità di sopravvivere nelle nuove condizioni previste, possono concentrare gli sforzi di ripristino e protezione su quei ceppi. Oppure, dice Lotterhos, gli scienziati potrebbero aiutare le specie ad adattarsi ai cambiamenti climatici spostandole in luoghi che probabilmente saranno più ospitali lungo la strada in un concetto chiamato "migrazione assistita". Scienziati e leader del settore stanno già prendendo in considerazione questo approccio per l'agricoltura e gli alberi.

"C'è un urgente bisogno sociale di abbinare meglio i ceppi genetici con gli ambienti per gli sforzi di ripristino di fronte al cambiamento climatico", afferma Lotterhos. Per fare ciò, gli scienziati hanno sviluppato metodi di "previsione genomica", afferma, che possono utilizzare i dati genetici per "prevedere come si comporterà un ceppo genetico in ambienti diversi".

Ma in questo momento, gli scienziati non sono del tutto sicuri che quelle previsioni siano accurate. Quindi Lotterhos e colleghi hanno messo alla prova un algoritmo di apprendimento automatico all'avanguardia. I loro risultati sono riportati in un recente articolo pubblicato sulla rivista Evolutionary Applications .

L'algoritmo di apprendimento automatico combina informazioni genetiche e ambientali per prevedere quanto poco adattato un determinato ceppo genetico di una specie a un determinato insieme di condizioni ambientali in una misura chiamata "compensazione genomica", afferma Lotterhos. Per verificare con quanta precisione l'algoritmo predice l'offset genomico, spiega, il team ha creato simulazioni al computer di quelle che chiamano "specie virtuali" che non esistono nel mondo reale ma subiscono nascita, morte, dispersione, selezione evolutiva e mutazione nel come fanno le specie reali in natura.

"Il nostro studio mostra che i metodi di previsione genomica sono promettenti, ma che non abbiamo ancora una piena comprensione dei loro punti di forza e limiti", afferma Lotterhos. Il metodo di apprendimento automatico si è dimostrato migliore di altre misure per prevedere l'offset genomico quando i ricercatori hanno mantenuto gli input semplici, considerando solo le informazioni genetiche o solo le informazioni ambientali. Ma presi insieme come un modo per prevedere il calo della popolazione dovuto al cambiamento ambientale, Lotterhos afferma che i risultati potrebbero essere fuorvianti.

Per testare ulteriormente l'approccio di apprendimento automatico, il team di Lotterhos sta sviluppando più simulazioni. Gli scienziati porteranno anche questo esperimento offline e condurranno esperimenti sul campo.

Lotterhos ha recentemente ricevuto due prestigiosi premi:un premio CARRIERA dalla National Science Foundation e una borsa di studio Fulbright. Con il supporto del premio CAREER, Lotterhos e colleghi stanno conducendo test dei metodi di previsione genomica nelle ostriche. La borsa di studio Fulbright l'ha portata in Svezia, dove sta testando i metodi della vita marina lì come lumache marine, eelgrass e isopodi, un ordine di crostacei che include woodlice.

"Il Mar Baltico è un sistema di studio interessante perché molte specie si sono adattate geneticamente a un ripido gradiente ambientale da condizioni oceaniche benigne a un ambiente di acqua dolce più acido", afferma Lotterhos. "L'obiettivo è determinare quanto bene funzionano questi metodi e in quali condizioni funzionano bene".