Linguistas do Max Planck resolveram o debate sobre a origem indo-europeia com uma árvore de 161 línguas

Por mais de 200 anos, debateu-se onde começou o indo-europeu — a família por trás de quase metade das línguas do mundo. Duas teorias dominavam: a hipótese da estepe, que situava a origem na estepe pôntico-cáspia há cerca de 6.000 anos, e a hipótese anatólica ou agrícola, que a vinculava à agricultura inicial há cerca de 9.000 anos. Análises filogenéticas anteriores chegaram a idades conflitantes porque seus conjuntos de dados eram imprecisos e inconsistentes e seus métodos tratavam mal as línguas antigas.

Pesquisadores do Instituto Max Planck de Antropologia Evolutiva reuniram uma equipe internacional de mais de 80 especialistas em línguas para construir um novo conjunto de dados de vocabulário central de 161 línguas indo-europeias, incluindo 52 antigas ou históricas, com protocolos rigorosos para a codificação de dados lexicais. Em seguida, executaram uma análise filogenética bayesiana com suporte a ancestralidade, recentemente desenvolvida, capaz de testar se línguas escritas antigas, como o latim clássico e o sânscrito védico, eram ancestrais diretos dos ramos românico e indo modernos, e não apenas folhas modernas na árvore.

A análise estimou a família em cerca de 8.100 anos, com seus cinco ramos principais já separados por volta de 7.000 anos atrás, e a cronologia se manteve em uma ampla gama de modelos alternativos e análises de sensibilidade. A topologia da árvore e as datas de separação apontaram para uma terra natal final ao sul do Cáucaso, com uma migração alcançando a estepe pôntico-cáspia e a estepe florestal por volta de 7.000 anos atrás e expansões posteriores entrando na Europa com culturas associadas a Yamnaya e à Cerâmica Cordada por volta de 5.000 anos atrás.

Nem a hipótese da estepe nem a hipótese agrícola estavam inteiramente corretas; as duas se tornaram etapas de uma única história. O DNA antigo mostrou que o ramo anatólico não emergiu da estepe, mas de perto do norte do Crescente Fértil, e a árvore linguística correspondeu. A equipe publicou a hipótese híbrida na Science em 2023, oferecendo-a como um passo de cenários mutuamente exclusivos em direção a um modelo que integra evidências linguísticas, arqueológicas e genéticas.

Corrija os dados, inclua os ancestrais, e uma única árvore decide

Análises anteriores divergiam principalmente porque os dados de entrada eram inconsistentes e a codificação era descuidada, de modo que reconstruir a lista de palavras sob protocolos estritos removeu a fonte do conflito.

A inclusão de 52 línguas antigas ou históricas permitiu ao modelo testar a ancestralidade real — o latim como ancestral do românico, o sânscrito védico do indo — em vez de fazer as línguas modernas carregarem toda a história.

A amostragem equilibrada em toda a família impediu que alguns ramos modernos bem estudados dominassem a forma e a idade da árvore.

A análise bayesiana com suporte a ancestralidade colocou as línguas escritas antigas em suas posições verdadeiras, e as análises de sensibilidade mostraram que a data de 8.100 anos era robusta, e não um artefato de um único modelo.

A verificação cruzada da árvore com o DNA antigo transformou duas teorias mutuamente exclusivas em uma única rota migratória híbrida apoiada pela linguística, pela arqueologia e pela genética.

Quando teorias rivais produzem modelos contraditórios, corrija os insumos compartilhados: dados equilibrados, codificação rigorosa e o tratamento das formas antigas como ancestrais reduziram uma disputa de 200 anos a uma única árvore robusta.

Os resultados foram anunciados em 27 de julho de 2023 e publicados na Science, creditados a P. Heggarty e colegas. O lançamento gerou um tópico no Hacker News em 30 de julho de 2023, com 233 pontos e 147 comentários. O autor sênior Russell Gray chamou a hipótese híbrida de resolução do enigma de 200 anos, e Wolfgang Haak a enquadrou como um passo em direção a um modelo que integra achados arqueológicos, antropológicos e genéticos, e não como uma resposta definitiva.