使用人工智能来审查和验证动物进化理论

通过利用机器学习的力量，研究人员构建了一个框架，用于分析哪些因素对物种的遗传多样性贡献最大

最近发表在《分子系统发育与进化》杂志上的这项研究表明，巴西西伯利亚蛙和颗粒蟾蜍这两种原产于巴西东北部的两栖动物的遗传变异是由不同的过程形成的

结果表明，西伯利亚蛙的遗传变异主要受过去10万年栖息地变化引起的种群人口事件的影响

相比之下，颗粒蟾蜍的遗传多样性主要受到当代景观因素的影响——无论是地理距离还是栖息地不适宜，相对孤立的蟾蜍更有可能在遗传上有所不同

虽然之前的调查已经探讨了历史人口和景观因素对这些两栖动物遗传多样性的影响，但它们是用这些因素的单独数据集进行的，因此很难分辨出哪一个是最重要的

现在，参与这篇论文的研究人员是第一个使用人工智能来考虑这两个过程如何平等地塑造遗传多样性的人，而不是手动假设哪一个可能更重要

该研究的合著者、俄亥俄州立大学进化、生态学和生物生物学教授布莱恩·卡斯滕斯说：“在这项工作之前，我们不得不独立提问，因为你无法在同一个框架内研究这两种影响。”

Carstens说：“人工智能使我们能够模拟当前和深层次进化事件中生态上发生的过程，并将这些发现与我们从这些青蛙身上收集的实际数据进行比较。”由于过去几十年遗传学家和其他野生动物生物学家可以获得的大量数据，研究人员很难确定在某些实验中可能很重要的具体因素。但是，通过将大量信息整合到可以在一次分析中解释这些元素的模拟中，可以获得一个物种发展的更完整的编年史

Carstens说：“构建和训练我们的人工智能模型需要很长时间，但我们想要一个能够以尽可能忠实于我们对系统生物学的了解的方式捕捉物种历史中潜在变化范围的模型。”

例如，虽然本研究调查的物种生活在同一地区，但它们的自然历史存在许多差异。尽管它们的卵和幼虫都是完全水生的，但西伯利亚蛙在整个雨季和地下室中持续繁殖，而颗粒蟾蜍的繁殖事件则是爆炸性的，因为它们依赖于强降雨

结合他们的机器学习方法，研究人员的模拟确定，他们的模型场景在西伯利亚蛙扩张的历史解释方面得到了100%的支持，在颗粒蟾蜍的历史解释上得到了99%以上的支持

他们的模型如此准确的原因之一是它能够解释最近的人口事件，包括测量人类发展或栖息地变化等事件在很长一段时间内如何影响动物遗传多样性

Carstens说，但即使在使用人工智能时，研究人员也必须小心避免结果中的欺骗性模式

他说：“我们所做的任何分析都无法捕捉到数百万年来对这些物种重要的每一个因素。”。卡斯滕斯说：“因此，我们必须考虑到一系列的可能性，而不能使其过于宽泛，以至于基本上任何模型都能适应数据。”也就是说，随着技术进步使研究人员能够回答生态位问题并测试新的假设，他们的工作是创建一个升级的机器学习框架的先驱，该框架可以应用于其他物种的独特研究

Carstens说：“我们可能会继续以不同的方式使用这些人工智能工具的不同组合，试图了解进化史。”。“随着我们不断学习，我们使用的工具会发生变化，它们会变得更好。”