深層学習を用いた多様性依存型生物地理学的速度の系統学的推定

科学分野:

• 生態学
• 進化生物学
• 生物地理学

背景:

• 生態学的理論は、ローカル種の豊富さが種の出現、絶滅、および分散の速度に影響を与えることを示唆しています。
• 種の密度が高いと、競争と絶滅の増加により、ローカル種の豊富さに対する収容力につながる可能性があります。

研究 の 目的:

• 生物地理学的速度に対する多様性依存効果を組み込んだ系統発生的分化モデルであるDDGeoSSEを導入します。
• 種の相互作用の正、負、中立を含む代替的分化シナリオをテストします。
• 分化ダイナミクスを形成する上でのローカル種の豊富さの役割を調査します。

主な方法:

• 完全に生成的なイベントベースの系統発生的分化モデル（DDGeoSSE）を開発しました。
• 平衡状態での収容力を含む、モデルの数学的および統計的特性を導き出しました。
• 複雑な尤度関数のため、パラメータ推定とモデル選択にPhyddleを用いた深層学習を採用しました。

主要な成果:

• シミュレーションを通じてモデルの収容力予測を検証しました。
• DDGeoSSEをカリブ海のAnolisトカゲと雲霧林のViburnum植物に適用しました。
• 研究された両方のクレードにおいて、ローカル種の豊富さが分化ダイナミクスに影響を与えるという重要な証拠を発見しました。

結論:

• ローカル種の豊富さは、クレードの分化を形成する上で重要な要因です。
• DDGeoSSEモデルは、多様性依存的な種の出現と絶滅を研究するための堅牢なフレームワークを提供します。
• 深層学習は、複雑な系統発生的分化モデルの分析を容易にします。