InicioGenética y EvoluciónEvolución Depredador-Presa

🐺 Evolución Depredador-Presa

Simula la carrera armamentista coevolutiva entre depredador y presa. Dinámica de Lotka-Volterra con evolución de rasgos, hipótesis de la Reina Roja, rescate evolutivo y equilibrios poblacionales cambiantes.

Genética y Evolución3DModerado60 FPS
predator-prey-evolution ↗ Abrir independiente

Acerca de esta simulación

Esta simulación combina la dinámica poblacional de Lotka-Volterra con un rasgo evolutivo del depredador: la tasa de ataque v cambia con el tiempo bajo selección, de modo que las poblaciones de presas y depredadores no solo oscilan, sino que coevolucionan. Esto es la hipótesis de la Reina Roja en acción: ambas especies deben seguir evolucionando solo para mantener su aptitud frente a la otra.

🔬 Qué muestra

Las presas H crecen logísticamente hacia una capacidad de carga K=200 y son consumidas a una tasa a(v)·H·P, mientras que los depredadores P convierten las presas consumidas en crecimiento con una eficiencia e=0.1 y mueren a una tasa d=0.2. La propia tasa de ataque v evoluciona mediante un gradiente de aptitud (impulsado por la cantidad de presas disponibles en relación con el coste de una tasa de ataque más alta) más una pequeña mutación aleatoria, escalada por los deslizadores de Tasa evolutiva y Presión de selección. El gráfico de series temporales muestra Presa (verde), Depredador (rojo) y Tasa de ataque (naranja discontinuo); el gráfico de plano de fase muestra Presa frente a Depredador directamente.

🎮 Cómo usarlo

Pulsa Ejecutar para iniciar la simulación y observa cómo se actualizan en vivo las poblaciones y la tasa de ataque evolutiva en Tiempo, Presa H, Depredador P, Tasa de ataque v y Estado. Aumenta la Presión de selección o la Tasa evolutiva para que la tasa de ataque se adapte más rápido, o aumenta la Varianza de mutación σ para inyectar más deriva aleatoria en su evolución. Cambia la Velocidad evolutiva entre Lento y Rápido para comparar la coevolución gradual frente a la rápida, y usa Detener/Reiniciar para pausar o reiniciar desde las poblaciones iniciales H=100, P=20.

💡 ¿Sabías que…?

La hipótesis de la Reina Roja toma su nombre de la frase de la Reina Roja en A través del espejo de Lewis Carroll: «hace falta correr todo lo que puedas para permanecer en el mismo sitio». Los biólogos la usan para describir exactamente este tipo de carrera armamentista coevolutiva: guepardos que evolucionan sprints más rápidos en respuesta a gacelas que evolucionan huidas más rápidas, o bacterias y los fagos que las infectan encerrados en ciclos de resistencia y contrarresistencia que nunca se asientan en una ventaja permanente para ninguno de los dos bandos.

Preguntas frecuentes

¿Qué significan las ecuaciones de Lotka-Volterra en esta simulación?

dH/dt = rH(1−H/K) − a(v)HP dice que las presas crecen logísticamente (limitadas por la capacidad de carga K) pero son eliminadas por depredación a una tasa proporcional a la tasa de ataque a(v), la densidad de presas H y la densidad de depredadores P. dP/dt = e·a(v)HP − dP dice que los depredadores crecen convirtiendo las presas consumidas en descendencia con eficiencia e, pero mueren a una tasa per cápita constante d. A diferencia del modelo clásico de Lotka-Volterra, la tasa de ataque a(v) aquí no es una constante fija — es en sí misma un rasgo que evoluciona, lo que convierte esto en un modelo coevolutivo en lugar de puramente ecológico.

¿Cómo evoluciona realmente la tasa de ataque v con el tiempo?

Cada paso calcula un gradiente de aptitud proporcional a la Presión de selección multiplicada por un término que sopesa el beneficio de una tasa de ataque más alta (más presas disponibles, H·P) frente a su coste (una penalización proporcional a la propia v). Este gradiente, escalado por la Tasa evolutiva y el cuadrado de la Varianza de mutación σ, empuja v hacia arriba o hacia abajo, y un pequeño término aleatorio escalado por σ añade deriva para que la evolución no sea perfectamente determinista. El botón de radio de Velocidad evolutiva multiplica la tasa evolutiva efectiva por 5× en modo Rápido comparado con el modo Lento.

¿Qué es la hipótesis de la Reina Roja y cómo la demuestra esta simulación?

La hipótesis de la Reina Roja propone que las especies en una relación antagónica — como depredador y presa, o huésped y parásito — deben evolucionar constantemente no para obtener una ventaja absoluta sino simplemente para mantener su aptitud relativa, porque la otra especie también está evolucionando. En esta simulación, a medida que aumenta la tasa de ataque v del depredador, agota más rápido a las presas, lo que reduce la propia abundancia de presas que hacía valiosa una tasa de ataque más alta, creando un objetivo móvil que mantiene la presión de selección activa indefinidamente en lugar de asentarse en un único valor óptimo.

¿Qué provoca las diferentes lecturas de Estado como «Ciclo estable» o «¡Carrera armamentista!»?

La simulación reporta «Presa extinta» cuando la densidad de presas H cae por debajo de 1, «Depredador extinto» cuando la densidad de depredadores P cae por debajo de 1, «¡Carrera armamentista!» cuando la tasa de ataque v sube por encima de 1,5, y «Ciclo estable» en cualquier otro caso — lo que significa que ambas poblaciones oscilan en el patrón clásico de Lotka-Volterra sin que ninguna colapse ni la tasa de ataque escale dramáticamente. Una Presión de selección alta combinada con una tasa de ataque inicial v₀ baja tiende a empujar el sistema hacia el régimen de carrera armamentista más rápido.

¿Cómo se relaciona este modelo con la coevolución real depredador-presa?

Las carreras armamentistas ecológicas reales siguen la misma lógica general modelada aquí: las serpientes jarretera y los tritones de piel rugosa han coevolucionado resistencia a toxinas y potencia de toxinas en un ciclo creciente a través de partes del oeste de Norteamérica, y muchos sistemas de bacterias-fagos ciclan a través de mutaciones de resistencia y contraadaptaciones en escalas de tiempo de días a semanas en experimentos de laboratorio. El rescate evolutivo — una población que evoluciona lo bastante rápido para evitar la extinción ante una nueva amenaza — es la misma dinámica visible aquí cuando una población de presas de evolución lenta logra sobrevivir a una tasa de ataque del depredador que escala rápidamente, en lugar de extinguirse.

⚙ Bajo el capó

Poblaciones de depredadores y presas en evolución donde rasgos como la velocidad y el camuflaje se seleccionan a lo largo de generaciones.

predator-preyevolutiongeneticsnatural-selection

3D · Renderizador Three.js / WebGL · Objetivo 60 FPS · funciona completamente en el navegador, sin instalación

¿Qué encontraste?

Añadir pasos de reproducción (opcional)