Status and shortfalls in the availability of genetic sequences and associated metadata for Mexican mammals

Resumen

La información genética representa una dimensión clave de la diversidad más allá de especies o ecosistemas, y las secuencias son esenciales para investigar sobre biodiversidad. Los datos genéticos presentan vacíos y sesgos, especialmente en regiones tropicales. Incluso en grupos bien estudiados como los mamíferos, muchas especies permanecen poco estudiadas, y se desconoce la integridad de los metadatos asociados a sus secuencias. En el presente trabajo, cuantificamos la disponibilidad de datos genéticos para 548 especies de mamíferos terrestres mexicanos en la base de datos ‘Nucleotide’ de NCBI, evaluando la completitud de los metadatos sobre fechas, localidades e información de ejemplares asociada a las secuencias, tomando en cuenta la situación particular prestando atención a las especies endémicas. Encontramos datos genéticos para el 90 % de las especies, incluyendo 77 % de las endémica, con un sesgo en la disponibilidad, ya que la mayoría de las especies contaba con muy pocas secuencias. Encontramos que 316 de 496 especies (64 %) tenían al menos un registro con localidad, fecha, y ejemplar, aunque la calidad de los metadatos fue variable y la mayoría carecía de datos espaciotemporales. A pesar de décadas de muestreo, costos decrecientes y avances en museómica y secuenciación, persisten los vacíos. Identificamos un sesgo en la disponibilidad de secuencias nucleotídicas y una calidad relativamente deficiente en los metadatos para los mamíferos de México. En una era de ciencia y datos abiertos, insistimos en una cultura de investigación donde muestreo, secuenciación y registro adecuado de metadatos ocurran en paralelo.