Phylogenies can be used to predict future diversification but with limited success
Questo studio dimostra che, sebbene i metodi esistenti del tasso di punta possano prevedere la futura diversificazione nelle linee evolutive dei tetrapodi utilizzando filogenesi fossili e attuali, il loro successo predittivo è moderato e varia significativamente a seconda del modello specifico e della fonte di dati utilizzata.
Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA di un preprint non sottoposto a revisione paritaria. Non è un consiglio medico. Non prendere decisioni sulla salute basandoti su questo contenuto. Leggi il disclaimer completo
La vita sulla Terra è una storia di costante cambiamento, dove le specie si scindono in nuove forme e altre svaniscono. Questo processo, noto come diversificazione, avviene a velocità diverse per diversi gruppi di animali. Alcune linee evolutive, come gli uccelli, sono esplose in migliaia di specie, mentre altre sono rimaste relativamente statiche. Gli scienziati hanno a lungo cercato di comprendere le regole dietro questa variazione, sperando di identificare quali gruppi siano probabilmente destinati a prosperare e quali potrebbero avere difficoltà in futuro. Per farlo, utilizzano alberi genealogari della vita, chiamati filogenesi, che mappano come le specie siano correlate. Osservando le punte di questi alberi — le specie viventi alle estremità dei rami — i ricercatori hanno sviluppato strumenti matematici per stimare quanto velocemente una linea evolutiva si stia attualmente dividendo in nuove specie. L'obiettivo ultimo è usare queste stime per prevedere quali specie saranno le più di successo nei prossimi milioni di anni, una questione che conta profondamente per gli sforzi di conservazione e per la comprensione del futuro della biodiversità.
Un team di ricercatori si è messo in viaggio per testare se questi strumenti di previsione funzionino effettivamente nel mondo reale. Sebbene i metodi fossero stati testati su simulazioni al computer, nessuno aveva mai verificato se potessero prevedere accuratamente il futuro utilizzando dati reali provenienti dalla natura. Il team, guidato da Grace Ridder e Jan Smyčka, ha deciso di sottoporre questi metodi all'ultimo test: il viaggio nel tempo. Poiché non potevano aspettare che il futuro accadesse, hanno usato un astuto trucco che coinvolge il passato. Hanno preso grandi alberi genealogici di animali a quattro zampe, inclusi sia gruppi viventi come uccelli e mammiferi, sia gruppi estinti come i dinosauri. Hanno tagliato questi alberi in punti specifici nel tempo, trattando quel momento come il "presente". Hanno poi utilizzato gli standard strumenti di previsione per stimare il successo futuro delle linee evolutive esistenti in quel taglio. Infine, hanno osservato cosa è accaduto nei successivi milioni di anni per vedere se le previsioni corrispondessero alla realtà.
I ricercatori hanno scoperto che questi strumenti hanno effettivamente una certa capacità di prevedere il futuro, ma il successo è tutt'altro che perfetto. Nella maggior parte dei gruppi studiati, i metodi hanno identificato correttamente che le linee evolutive con tassi di scissione stimati più elevati avrebbero effettivamente prodotto più discendenti in seguito. Ciò significa che gli strumenti sono migliori del semplice indovinare a caso. Tuttavia, l'accuratezza variava significativamente a seconda del gruppo animale e del metodo specifico utilizzato. Ad esempio, un metodo che si basa su semplici regole di conteggio ha funzionato piuttosto bene in molti gruppi diversi, mostrando costantemente un legame positivo tra le sue stime e il numero effettivo di nuove specie apparse. Un altro insieme di metodi, che utilizza modelli statistici più complessi per tenere conto di come le specie si estinguano, ha talvolta incontrato difficoltà. In alcuni casi, in particolare con certi gruppi di mammiferi come carnivori e ungulati, questi modelli complessi non sono riusciti a trovare alcun modello chiaro, o hanno persino suggerito l'opposto di quanto accaduto realmente.
Lo studio ha anche rivelato che prevedere il futuro delle specie è intrinsecamente difficile perché l'evoluzione è un processo caotico. Anche quando gli strumenti coglievano la direzione generale, non riuscivano a prevedere con precisione il numero esatto di nuove specie. I ricercatori hanno calcolato che i metodi esistenti potevano spiegare solo una piccola frazione della variazione nella diversità futura. Gran parte del risultato è guidato da eventi casuali che nessun modello può prevedere. Inoltre, gli strumenti erano molto più bravi a prevedere la nascita di nuove specie che a prevedere quali specie si sarebbero estinte. Ciò è dovuto in parte al fatto che i dati disponibili per gli animali viventi non ci mostrano le linee evolutive che sono già morte, rendendo difficile imparare dai fallimenti passati. I ricercatori hanno notato che anche la dimensione dell'albero genealogico è importante; i metodi tendevano a funzionare meglio su gruppi molto grandi con migliaia di specie e meno bene su gruppi più piccoli con solo poche centinaia.
In definitiva, questo lavoro suggerisce che, sebbene possiamo fare supposizioni istruite su quali linee evolutive siano predisposte alla crescita futura, dobbiamo essere cauti riguardo ai dettagli. Gli strumenti sono utili per individuare tendenze generali, come identificare quali gruppi sono generalmente più attivi nella creazione di nuove specie, ma non possono fornire una previsione precisa. I ricercatori hanno scoperto che diversi metodi hanno diverse forze: alcuni sono migliori nel classificare le specie per il loro potenziale, mentre altri sono migliori nel stimare la velocità effettiva dell'evoluzione, pur essendo meno stabili. Lo studio conclude che prevedere il futuro della vita è possibile, ma solo in misura moderata. I risultati dipendono fortemente dal gruppo specifico di animali studiato e dalla qualità dei dati disponibili, ricordandoci che la storia della vita è scritta con un mix di schemi prevedibili e caso imprevedibile.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.