O que foi o trabalho de Mendel com ervilhas e por que ainda falamos disso
Gregor Mendel era um monge agostiniano no mosteiro de Brno que passou cerca de oito anos cultivando ervilhas no jardim do mosteiro entre 1856 e 1863. Ele cruzou plantas, contou os resultados e escreveu um paper em 1865 que a comunidade científica ignorou por quase quarenta anos. O trabalho dele se tornou a base de toda a genética moderna, mas entender como ele chegou lá exige olhar além dos resumos de livro didático. Mendel e as ervilhas não foi um acidente feliz. Ele escolheu Pisum sativum por razões práticas: a planta crescia rápido, produzia muitos descendentes por geração, podia ser autofecundada ou polinizada controladamente, e tinha características claras — cor da semente, forma da vagem, altura da planta — que vinham em versões discretas, sem intermediários confusos.
A lógica por trás do método
Mendel não simplesmente observou. Ele projetou cruzamentos. Cada trait que ele estudava tinha dois fenótipos distintos, sem variação contínua. Isso era fundamental porque permitia contar e aplicar estatística básica — algo incomum na biologia da época, que tendia a ser mais descritiva do que quantitativa. Ele começou com linhagens puras — plantas que, autofecundadas, produziam descendentes idênticos há várias gerações. A partir daí, ele fez cruzamentos direcionais: uma variedade de semente amarela com uma de semente verde, por exemplo. A primeira geração (F1) mostrou apenas um dos fenótipos. A segunda geração (F2), após autofecundação das F1, trouxe de volta o fenótipo "escondido" em uma proporção que se aproximava consistentemente de 3 para 1.
Esse padrão 3:1 é o que todo mundo decora. O que os manuais geralmente não destacam com a devida ênfase é que Mendel também fez cruzamentos de teste — retrocruzamentos com o parental recessivo — e obteve proporção 1:1, o que validou a hipótese de que os fatores (o que hoje chamamos de alelos) se segregavam durante a formação dos gametas.
O problema que ninguém conta
Quando você lê sobre Mendel, parece que tudo caiu perfeitamente certo. Na prática, dados biológicos raramente são tão limpos. O que me chamou atenção quando revisei os números originais de Mendel foi que algumas das proporções estavam estranhamente próximas das expectativas teóricas. O teste do qui-quadrado aplicado aos dados publicados mostra um valor de p que muitos consideram suspeito — os resultados parecem quase perfeitos demais para dados naturais. Não tenho certeza do que aconteceu. Pode ter havido seleção inconsciente de dados, pode ter sido falta de relatar experimentos preliminares que não deram certo, ou pode ser simplesmente que o tamanho amostral e a natureza dos traits tornaram os dados naturalmente mais conformes. O ponto prático é: ao ensinar ou recriar o experimento, não espere que seus dados fiquem tão bonitos assim. Variação aleatória existe, especialmente em amostras menores.
👉 Clique no botão abaixo para saber mais sobre o assunto!
Se você for reproduzir algo parecido, trabalhe com tamanhos amostrais maiores do que Mendel usou em alguns dos seus cruzamentos mais simples. Dizer que ele usou "milhares de plantas" é verdadeiro mas vago — em alguns dos traços específicos, as contagens foram na casa das centenas, e aí a deriva amostral começa a fazer diferença visível nas proporções.
O que Mendel descobriu, traduzido para o que importa hoje
Dois princípios surgiram desse trabalho: Segregação: cada organismo carrega dois alelos para cada trait, e eles se separam na formação dos gametas. Um gameta recebe apenas um alelo. Isso explica por que um trait recessivo pode "pular" uma geração e reaparecer depois.
Segregação independente: alelos de genes diferentes são herdados de forma independente uns dos outros, desde que os genes estejam em cromossomos diferentes ou muito distantes no mesmo cromossomo. Isso significa que a cor da semente não determina a forma da vagem na transmissão. Esses princípios têm limitações importantes. Ligação gênica — quando dois genes estão próximos no mesmo cromossomo — quebra a segregação independente. Recombinação pode quebrar a ligação, mas a frequência depende da distância física entre os genes. Mendel teve sorte de escolher traits que basicamente não estavam ligados, ou pelo menos não suficientemente próximos para atrapalhar suas conclusões principais. Alguns estudiosos argumentam que ele pode ter inconscientemente selecionado traits geneticamente distantes uns dos outros.
Por que isso continua relevante
O modelo de Mendel funciona bem para traits mendelianos simples — aqueles controlados por um único gene com alelos completamente dominantes ou recessivos. Doenças como fibrose cística, anemia falciforme e coreia de Huntington seguem esse padrão. Mas a maioria das características que as pessoas realmente observam — altura, cor de pele, susceptibilidade a doenças comuns — é poligênica e influenciada pelo ambiente, o que o modelo original não cobre. Se seu interesse é acadêmico ou educacional, refazer cruzamentos com ervilhas ainda é uma das melhores formas de ver a genética na prática. O investimento de tempo é razoável: uma geração completa leva cerca de três a quatro meses sob condições normais de cultivo. Você pode acelerar isso em ambiente controlado, mas aí precisa de estufa ou condições de luz e temperatura gerenciadas, o que introduz variáveis adicionais.
O legado de mendel e as ervilhas não está só nas leis que ele formulou. Está no método — a ideia de que hereditariedade pode ser estudada com controle experimental, contagem e análise quantitativa. Antes disso, a transmissão de traits era Mostly discussed in vague terms of blending inheritance, which turned out to be wrong. Mendel showed that inheritance is particulate, not blending, e isso mudou tudo. Se quiser ler os dados brutos, o paper original de Mendel ("Versuche über Pflanzen-Hybriden") está disponível em domínio público em várias bibliotecas digitais. A tradução alemão-inglês é acessível e os números estão organizados de forma clara. A análise crítica mais citada vem de Castle em 1912, que primeiro levantou a questão da perfeição dos dados, mas há trabalhos mais recentes com reanálises estatísticas mais refinadas.
