COMPLEXIDADE ESPECIFICADA – UMA MASCARA PARA UM DEUS-DE-LACUNA. Parte I

Para aqueles que com frequência participam de discussões entre biologia evolutiva e Designer inteligente termos como Complexidade Irredutível e Complexidade Especifica devem ser bastante comuns. Estes conceitos são utilizados por proponentes do criacionismo e designer inteligente e supostamente suportam evidências a respeito da existência de um projetista criador de tudo, que via de regra, é um nome alternativo para Deus.

Complexidade Irredutível e Complexidade Especificada tem uma relação conceitual extremamente próxima, e de fato, há quem diga que no fundo é a mesma coisa. Relação a qual o próprio Demski, proponente do designer inteligente, estabelece.

Michael Behe

Michael Behe

A complexidade irredutível é a ideia de que certos sistemas biológicos possuem uma complexidade segundo a qual é altamente improvável que tenha surgido de forma evolutiva a partir de predecessores mais simples, ou “menos completos”, através de mutações aleatórias vantajosas e seleção natural ocorridas, ou seja, sem a interferência de inteligência (Behe, 1997). Essa proposta não é aceita como teoria científica uma vez que todos os exemplos apresentados pelo seu divulgador, o bioquímico Michael Behe, são baseados em uma compreensão errônea do funcionamento dos sistemas biológicos. No processo de 2005, Kitzmiller v. Dover Area School District, Behe testemunhou sobre a complexidade irredutível. A corte entendeu que a alegação de complexidade irredutível do professor Behe foi refutada em trabalhos de pesquisa revisados por pares, e foi rejeitado pela comunidade científica em geral. Apesar disso, a complexidade irredutível continua sendo citada como um argumento importante pelos criacionistas, particularmente pelos proponentes do Design Inteligente.

Vale lembrar que o conceito de complexidade irredutível não é um termo criado por Michael Behe. Ele já havia sido previsto há quase 100 anos, em 1918, pelo evolucionista ganhador de prêmio Nobel Dr H.J. Muller que já criticava a ideia:

“… thus a complicated machine was gradually built up whose effective working was dependent upon the interlocking action of very numerous different elementary parts or factors, and many of the characters and factors which, when new, were originally merely an asset finally became necessary because other necessary characters and factors had subsequently become changed so as to be dependent on the former. It must result, in consequence, that a dropping out of, or even a slight change in any one of these parts is very likely to disturb fatally the whole machinery; for this reason we should expect very many, if not most, mutations to result in lethal factors …”

A complexidade especificada tem uma definição muito próxima a de complexidade irredutível. É a busca por padrões que sejam tanto específicos quanto complexos. Sendo um padrão complexo aquele que é muito improvável de ocorrer ao acaso. A complexidade especificada alega que não é possível que padrões sejam desenvolvidos por configurações formadas somente por processos não guiados e que se esse tipo de complexidade for encontrada em seres vivos indicaria algum tipo de orientação em sua formação, e consequentemente um indicativo de inteligência. Mas o que é complexidade?

Conceitos básicos são fundamentais para a compreensão deste panorama da complexidade especificada. Primeiro é preciso entender o que é complexidade, complexidade biológica para posteriormente discutir temas ligados á origem e transferência de informação genética. Tendo isto, entende-se o conceito de informação e entropia de informação que são fundamentais para entender e dissecar o que Demski realmente propõem.

Complexidade segundo Kolmogorov (1963) é uma teoria de informação algorítmica, é uma medida dos recursos de computabilidade necessários para especificar o objeto. Ela é uma noção moderna de aleatoriedade, e refere-se a um conceito pontual de aleatoriedade, ao invés de uma aleatoriedade média como faz a teoria convencional de probabilidades. Ela é um ramo derivado da teoria da informação de Claude Shannon.

A complexidade biologica esta ligada a estrutura e função de partes e de organismos biológicos, que estão ligados a evolução das espécies, com ênfase para em interações complexas e sobre as relações fundamentais e padrões relacionais que são essenciais para a vida; como por exemplo a visão holística e ecossistêmica das relações ecológicas. É um ramo da biologia que propõem modelagens e estabelece padrões essenciais à homeostase da vida que tem sobreposição com a teoria de sistemas complexos, com abordagem da biologia de sistemas (Bonner, 1988). Isso quer dizer que é restrita principalmente para modelos simplificados de organização biológica e organismos. Também abrange considerações gerais de questões filosóficas ou semânticas relacionados à complexidade da biologia, o conceito de vida pela biosemiotica, autopoiese e uma serie de sistemas estudados como um campo da matemática aplicada para a modelagem, pela química e a física (Francisco et al, 1974). Essa ideia de significado tem fundamental importância na teoria de informação e na conceituação do que é vida, especialmente pela biossemiótica.

William Dembski

William Dembski

O maior representante da complexidade especificada é William Dembski que é pós-doutor em matemática no MIT, em física na Universidade de Chicago e em ciências da computação em Princeton. Possui ainda um Ph.D. em filosofia e mestrado em divindade pelo Seminário Teológico de Princeton. Dembski é um cristão ortodoxo praticante.

Para Dembski os algoritmos usados por evolucionistas não explicam a origem dessas informações biológicas. Sendo assim o papel da evolução por seleção natural ou qualquer tipo de modelo evolutivo é controverso. Ele postula que a teoria da probabilidade pode ser usada para provar a complexidade irredutível, (vemos aqui a relação entre especificada e irredutível) ou o que ele chama de “complexidade especificada”. A comunidade científica considera que design e inteligente conceito de Dembski de complexidade especificada, como uma forma de criacionismo cristão conservador tentando retratar-se como ciência (Dembski, 1999).

A própria ideia de complexidade especificada não é originalmente de Dembski. Esse conceito é de Leslie Orgel descontextualizado por Dembzski. Orgel destaca:

“[L]iving organisms are distinguished by their specified complexity. Crystals are usually taken as the prototypes of simple, well-specified structures, because they consist of a very large number of identical molecules packed together in a uniform way. Lumps of granite or random mixtures of polymers are examples of structures which are complex but not specified. The crystals fail to qualify as living because they lack complexity; the mixtures of polymers fail to qualify because they lack specificity.”

Orgel usou e cunhou o termo referindo-se a características biológicas que na ciência se considera que tenham surgido através de um processo de evolução. Dembzski descontextualizou essa definição para uma concepção exatamente oposta a evolução biológica usando o termo de maneira quantitativa e não qualitativa como Orgel. Criou um conceito matemático por trás dela, e relacionou-a com complexidade irredutível.

De fato, o local e a extensão da seleção natural como uma força de mudança em biologia molecular têm sido questionado, mas isso não tem a excluído como força propulsora da evolução (Bozorgmehr, 2010). Em teoria de informação, por exemplo, a seleção natural atua exatamente igual ao conceito da física chamado de Demônio de Maxwell diminuindo a entropia da informação (Adami et al, 2000). Existem muitas formas de a informação dos genes ser criada ou alterada. Nos últimos anos, detectar a incidência de quaisquer substituições benéficas em genes contou com inferências estatísticas como evidência empírica (Nozawa & Suzuki, 2009). Em muitos casos, mutações non-sense e mudanças na diversidade alélica podem ser induzidas por fatores que podem imitar efeitos seletivos, como conversão gênica, hotspots mutacionais, recombinação gênica, carona de materiais genéticos, ou mesmo deriva genética (Galtier & Duret 2007), mas a translocação, duplicação genômica, fusão, transposição e outros fenômenos genéticos explicam a criação de novo material gênico e como ele pode servir como matéria-prima para a origem de nova informação a partir de mutações (Veras, 2012).

DNA são moléculas que contém informações biológicas e uma definição científica precisa para o termo é preciso ser feita. Sem o conceito de complexidade biológica é impossível testar qualquer hipótese sobre a criação de uma nova informação genética e sem conceito de informação não há como verificar a origem e fluxo dessa informação através de gerações. E para tal, recorreremos a teoria de Shannon (Maggio etal, 2012)

Para Shannon, a informação é a redução ”na incerteza” onde entropia é a medida de qualquer dependência estocástica que existe em uma situação particular. No âmbito da biologia molecular, informação remete para a funcionalidade inerente dos produtos dos genes: ou seja, como eles interagem com o ambiente bioquímico em que operam (Bozorgmehr, 2010). E é por ela que a bioinformática resolve problemas complexos relacionados com o armazenamento da informação no código genético, descreve os conceitos de entropia e informação (definidos por Shannon) no contexto da biologia molecular (Adami et al, 2000). Isto tudo tem a ver com Dembski e sua alegação de que a informação biológica não pode surgir a partir de variações genômicas. Isso ocorre porque a Teoria de Informação (também chamada de Teoria Matemática da Informação) estuda probabilidades de sistemas de comunicação, transmissão de dados, criptografia, codificação, teoria do ruído, correção de erros, inferências estatísticas, física termal, processamento natural da linguagem, computação quântica, neurobiologia, análise de dados e em especial, para a modelagem ecológica, processos de seleção e evolução e informação biológica na área de biologia molecular, com ênfase na entropia da informação (Burnham, 2002).

A entropia como definida por Shannon está intimamente relacionada à entropia definida por físicos. Boltzmann e Gibbs fizeram um trabalho considerável sobre termodinâmica estatística. Este trabalho foi a inspiração para se adotar o termo entropia em teoria da informação. Há uma profunda relação entre entropia nos sentidos termodinâmico e informacional. Por exemplo, o Demônio de Maxwell necessita de informações para reverter a entropia termodinâmica e a obtenção dessas informações equilibra exatamente o ganho termodinâmico que o demônio alcançaria de outro modo (Leff & Rex, 1990).

Vejamos isto em termos práticos. No estudo feito por Adami et al (2000) foi investigado a evolução da complexidade do genoma em populações de organismos digitais e monitorou-se em detalhes as transições evolutivas  que aumentam a complexidade. Portanto, ao contrário do que Dembski afirma, temos então a teoria da informação e conceitos de Shannon e Kolmogorov/Chaintin aplicados a bioinformática que mostram que processos evolutivos podem produzir o aumento da informação.

Neste estudou, foi demonstrado que a seleção natural força genomas a se comportarem como o Demônio de Maxwell, em ambiente fixo a complexidade do genoma é forçada a aumentar. Stephen Jay Gould (1996) argumentava que qualquer tendência reconhecível pode ser explicada pelo modelo ”Andar do bêbado”, onde ”progresso” é simplesmente devido a um limite fixo de condição. Sendo assim, a complexidade do genoma pode ser definida de forma consistente com a teoria de informação (com a complexidade física) (Adami, 2000), o que parece abranger intuitivamente noções de complexidade utilizadas na análise da estrutura de organização genômica (Britten, & Davidson, 1971). Sendo assim, demonstrou-se que a evolução, o fluxo de informação, e a complexidade biológica aumentando pode ser observada, em um meio artificial (Adami, 1998 & Lenski et al, 1998), proporcionando uma visão única em aspectos universais do processo evolutivo  em um mundo computacional. Neste sistema, as seqüências sujeitas a evolução são programas de computador que têm a capacidade de se auto-replicar por meio da execução do seu próprio código. Eles são análogos computacionais como sequências de RNA ativas catalíticas que servem como moldes de sua própria reprodução. Populações deles nos permite observar o crescimento de complexidade física explicitamente e também para distinguir pressões evolutivas distintas agindo sobre o genoma e analisá-los em uma estrutura matemática. Se a complexidade de um organismo é reflexo da complexidade física de seu genoma, isso é de fundamental importância para a teoria da evolução. É também improvável que o crescimento da complexidade dos genomas ocorra unicamente devido a inovações em que os genes com novas funções surgem. Com efeito, a maior parte da atividade da enzima de classes dos mamíferos, por exemplo, já estão presentes em procariotas (Dixon, & Webb, 1964). Em vez disso, eventos de duplicação de gene que levam a repetição do DNA e diversificação posterior (Britten & Davidson, 1969), bem como a evolução dos padrões de regulação de genes é o cenário de maior probabilidade para a produção de nova informação. Sendo assim, acreditamos que o Demônio de Maxwell é um mecanismo atuante durante todas as fases de evolução e fornece a força motriz para a crescente complexidade do mundo natural. (Adami et al, 2000)

Seleção darwiniana é um filtro, permitindo que somente medidas informativas (aquelas que aumentam a capacidade de sobrevivência um organismo) possam ser preservadas. Em outras palavras, a informação não pode ser perdida em um evento como esse, porque uma mutação corrompendo a informação é removida devido a queda da aptidão do genoma corrompido. Uma mutação que corrompe a informação não pode aumentar o fitness, porque se o fizesse, então o população não estava no estado de equilíbrio. Consequentemente, apenas as mutações que reduzem a entropia são mantidas enquanto mutações que aumentam que são removidas com a morte do animal. Como as mutações podem ser vistas como medidas mostra que este é o clássico comportamento do Maxwell Demônio. (Adami et al, 2000)

Sendo assim, em ambientes fixos, os organismos cuja aptidão depende apenas de suas próprias informações de seqüência, a complexidade física deve sempre aumentar. Essa complexidade física do genoma deve ser refletida na complexidade estrutural do organismo que a abriga e isso parece ser inevitável, tal como o objetivo de um genoma complexo é o processamento de informação fixas complexas que só pode ser alcançado por o computador que ele (o genoma) cria. Com o Demônio de Maxwell reconhecido temos primeiro; ambientes simples geram apenas genomas simples, segundo; mudança de ambientes pode causar uma queda na complexidade física, com uma perda proporcional em função (computacional) do organismo, terceiro; reprodução sexual pode levar a um acúmulo de mutações deletérias (estritamente proibido em populações assexuadas), que também pode tornar o Demônio impotente. Todas essas exceções são observadas em natureza. Somos capazes de observar a operação do Demônio de Maxwell diretamente no mundo digital, dando origem a genomas complexos, que, embora fraca, em comparação com os seus irmãos bioquímicos, ainda sim nos entorpecer com a sua complexidade e um amálgama estranho de soluções elegantes (Adami et al, 2000).

Biologicamente é inegável que estruturas biológicas quando se juntam podem desempenhar uma nova função. O caso do flagelo bacteriano é claramente a relação existente entre mecanismos bioquímicos separados recrutados a uma nova função. Por exemplo, as estruturas moleculares que fazem parte do flagelo bacteriano. Analisando a tabela é possível notar que 23 proteínas são fundamentais para o funcionamento do flagelo. Isso representa 55% de um total de 42 proteínas. Destas, somente 15 são exclusivas, ou seja, não possuem correspondentes homólogos. Somente 2 proteínas que juntam a característica de serem indispensáveis e únicas no funcionamento do flagelo representando apenas 5% do total (Pallen & Matzke, 2006).

Flagelo bacteriano

Clique para ampliar

O conceito de junção de coisas pode realmente aumentar a complexidade, tanto que Behe sugeriu complexidade irredutível, no caso da ratoeira como esta dando a entender. O erro de Behe e não considerar que as variações atuam como pequenos passos como em uma escala a um monte. Hoje sabemos que complexidade irredutível de Behe não tem respaldo, e que estruturas biológicas, ou a relação entre plasmídeos, ou a relação eucarioto com sua mitocôndria é exemplo de complexidade é redutível, pois como qualquer outro sistema biológico é resultado de passos evolutivos.  Máquinas moleculares conduzem processos biológicos essenciais, com as partes componentes de cada uma destas máquinas contribuem uma função parcial ou elemento estrutural. As mitocôndrias são organelas de células eucarióticas e dependem, para sua biogênese, de um conjunto de máquinas moleculares para o transporte de proteínas. Como essas máquinas moleculares evoluíram é uma questão fundamental para a biologia. As mitocôndrias são derivadas de uma endossimbiose de uma proto-bactéria e nela foram identificados partes componentes de um aparelho de transporte de proteína mitocondrial. Em bactérias, os componentes encontram-se na membrana interna, topologicamente equivalentes às proteínas mitocondriais. Embora as proteínas bacterianas funcionam em conjunto simples, relativamente poucas mutações seriam necessário convertê-los a funcionar como uma máquina de transporte de proteínas. Esta análise do transporte de proteínas fornece um modelo para a evolução da maquinaria celular em geral (Clements et al, 2009).

Sendo assim, a junção de duas estruturas para gerar uma nova função é sim caso de aumento de complexidade biológica.

Sistemas emergentes complexos, em que as interações entre numerosos componentes ou ”agentes” produzem padrões ou comportamentos não obtidos por componentes individuais e são onipresentes em todas as escalas do universo físico. Complexidade não implica necessariamente em projeto inteligente. Se o aumento da complexidade jamais pudesse ser alcançada sem a ajuda de um designer inteligente como sugere Dembski jamais teríamos moléculas sendo formadas, pois elas surgem da união de átomos, jamais teríamos sistemas biológicos, jamais teríamos ciclos hidrológicos sendo formados, por exemplo, em redes neurais, fluidos turbulentos, colônias de insetos e as galáxias em espiral.

Os sistemas complexos também aparecem em uma variedade de contextos simbólicos artificiais, isso pode ser visto em algoritmos genéticos, autômatos celulares, vida artificial  e os modelos de economia de mercado. (Hazen et al, 2007)

A vida é um mosaico. E a própria complexidade especificada não é aceita como mecanismo matemático em meio acadêmico. De fato, matemática é ferramenta de produção de conhecimento na biologia e não uma evidência incontestável. O modelo corrompido de complexidade especificada de Dembski não foi apresentado em artigo revisto por pares. Apenas em seu livro e jamais foi adotado por nenhum pesquisador das teorias da informação (Veja aqui)

Não há motivos para ser cético em relação a origem de informação genética a partir de duplicação de material e erros de copia. Isso é mecanismo de origem de informação, por exemplo, o genoma de bananas (Musa acuminata) é um exemplo de unidade biológica triploide, com duas copias completa do seu genoma, sendo que uma delas a cerca de 100 milhões de anos e outra a cerca de 60 milhões de anos (D’Hont et al, 2012). Células também podem interromper ciclos mitóticos e duplicar material genético, seres poliploides fazem isso com certa frequência. É inegável que genomas aumentam seu cariótipo ou diminuem e que esses trechos de cromossomos podem sofrer alterações que proporcionam variáveis genotípicas nas espécies. Refletindo fenotipicamente como demonstrado nos experimentos acima. A informação genética surge dai, neutra, tendo um efeito positivo sobre uma determinada população de uma área geográfica especifica, podendo promover processos de especiação. E variações negativas, ou deletérias, que punem o individuo com a morte. Quando isso é desconsiderado, e isso é genetica básica, modelos como o Dembski sobre a origem de informação genética passam a falhar, e talvez seja a maioria critica da complexidade especificada hoje.

Victor Rossetti

Palavras chave: NetNature, Rossetti, Dembski, Complexidade Especificada, Complexidade Irredutivel, Michael Behe, Teoria da Informação, Complexidade biológica. 

.

Referências

Adami, C. & Cerf, N. J. (2000) Physica D 137, 62–69.

Adami, C. (1998) Introduction to Artificial Life (Springer, New York).

Adami, C. Ofria, C. Collier. C, C. Evolution of biological complexity PNAS, April 25, 2000 u vol. 97 u no. 9 u 4463–4468

Adami, C. Ofria, C. Collier. C, C

Behe. Michael. Caixa preta de Darwin. Jorge Zahar Editor, 1997

Bennett, C. H. (1995) Physica D 86, 268–273.

Bozorgmehr, J. E. H. Is Gene Duplication a Viable Explanation for the Origination of Biological Information and Complexity? Wiley Periodicals, Inc., Vol. 16, No. 6. 2010.

Bonner, J. T. 1988. The Evolution of Complexity by Means of Natural Selection. Princeton: Princeton University Press.

Burnham, K. P. and Anderson D. R. (2002) Model Selection and Multimodel Inference: A Practical Information-Theoretic Approach, Second Edition (Springer Science, New York)

Britten, R. J. & Davidson, E. H. (1971) Q. Rev. Biol. 46, 111–138.

Britten, R. J. & Davidson, E. H. (1969) Science 165, 349–357.

Clements, A. Bursaca, D, Gatsos X, Perrya, A.J, Civciristova, S., Celika, N. Likicc, V. A. Poggiod, S. Jacobs-Wagnerd, C, Strugnellf, R. A. Lithgowa T. The reducible complexity of a mitochondrial molecular machine. PNAS  September 15, 2009  vol. 106  no. 37  15791–15795

Dembski W. Intelligent Design: The Bridge Between Science and Theology. InterVarsity Press. October 1999

Dixon, M. & Webb, E. C. (1964) The Enzymes (Academic, New York).

D’Hont, A.        France Denoeud,         Jean-Marc Aury,          Franc-Christophe Baurens, Françoise Carreel,   Olivier Garsmeur,        Benjamin Noel,            Stéphanie Bocs,          Gaëtan Droc, Mathieu Rouard, Corinne Da Silva,         Kamel Jabbari,            Céline Cardi,    Julie Poulain,   Marlène Souquet,        Karine Labadie,           Cyril Jourda,    Juliette Lengellé,          Marguerite Rodier-Goud, Adriana Alberti,         Maria Bernard, Margot Correa,            Saravanaraj Ayyampalayam,            Michael R. Mckain,      Jim Leebens-Mack. The banana (Musa acuminata) genome and the evolution of monocotyledonous plants. Nature 488, 213–217 (09 August 2012)

Gould, S. J. (1996) Full House (Harmony Books, New York).

Hazen, R. M. Griffin, P. L. Carothers, J. P. Szostak, J. W. Functional information and the emergence of biocomplexity.PNAS  May 15, 2007  vol. 104 suppl. 1. 8574–8581

Kolmogorov, Andrey (1963). “On Tables of Random Numbers“. Sankhyā Ser. A. 25: 369–375.

Leff, H. S.  and Rex, A. F. Editors, Maxwell’s Demon: Entropy, Information, Computing, Princeton University Press, Princeton, NJ (1990).

Lenski, R. E., Ofria, C., Collier, T. C.&Adami, C. (1999) Nature (London) 400, 661–664.

Muller, H. J. (1918) “Genetic variability, twin hybrids and constant hybrids, in a case of balanced lethal factors.” Genetics 3:422-499.

Nozawa, M.; Suzuki, Y. Reliabilities of identifying positive selection by the branch-site and the site-prediction methods. Proc Natl Acad Sci USA 2009, 106, 6700–6705.

Pallen, M. J. & Matzke N. J. From The Origin of Species to the  origin of bacterial flagella. Nature. OCTOBER 2006 | VOLUME 4

Varela, Francisco J.; Maturana, Humberto R.; & Uribe, R. (1974). Autopoiesis: the organization of living systems, its characterization and a model. Biosystems 5187–196. —one of the original papers on the concept of autopoiesis

Veras R. Fusão de cromossomos e a evolução humana. Evolucionismo.org. 2012

Deixe uma resposta

Preencha os seus dados abaixo ou clique em um ícone para log in:

Logotipo do WordPress.com

Você está comentando utilizando sua conta WordPress.com. Sair / Alterar )

Imagem do Twitter

Você está comentando utilizando sua conta Twitter. Sair / Alterar )

Foto do Facebook

Você está comentando utilizando sua conta Facebook. Sair / Alterar )

Foto do Google+

Você está comentando utilizando sua conta Google+. Sair / Alterar )

Conectando a %s