Fossil-based analyses of clades' diversification patterns require taxonomic expertise and appropriate methodology

Questo studio sostiene che le conclusioni di Gardiner et al. sulle tendenze di diversificazione degli neoselachii, ottenute tramite un modello di deep learning, siano inaffidabili a causa dell'uso di dati fossili incompleti e non verificati uniti a metodologie inappropriate, che portano a risultati in contrasto con il consenso scientifico attuale.

L'essenziale

Immagina di voler ricostruire la storia di una grande famiglia di squali (i neoselaciani) che ha vissuto per milioni di anni, usando solo vecchi album di fotografie trovate in soffitta. Questo è esattamente ciò che fa la scienza quando studia l'evoluzione attraverso i fossili.

C'è stato un recente studio (chiamiamolo "Studio GEA") che ha usato un'intelligenza artificiale molto potente per analizzare queste "fotografie" e dire: "Ehi, gli squali sono sempre stati in salute, sono sopravvissuti quasi indenni alla grande catastrofe che ha ucciso i dinosauri e oggi stanno solo lentamente diminuendo di numero."

Gli autori di questo nuovo articolo (Guinot e colleghi) dicono: "Aspetta un attimo. C'è qualcosa che non quadra. La macchina dell'intelligenza artificiale ha lavorato bene, ma le foto che le abbiamo dato erano sbagliate, sbiadite e piene di errori."

Ecco la spiegazione semplice di cosa hanno scoperto, usando qualche metafora:

1. Il problema della "Lista della Spesa" (I Dati)

Lo Studio GEA aveva una lista enorme di 24.000 "trovate" di squali. Ma gli autori di questo nuovo studio hanno fatto da detective e hanno scoperto che la lista era piena di errori, come se avessi scritto su un foglio: "Ho visto un leone" quando in realtà era solo un gatto domestico, o "Ho visto un dinosauro nel 2024".

• L'errore dei nomi confusi: Immagina di avere un album di famiglia. Se trovi una foto etichettata "C'è un parente che assomiglia a Zio Mario" (ma non sei sicuro), lo Studio GEA ha scritto semplicemente "È Zio Mario". In realtà, potrebbe essere un cugino lontano o nessuno dei due. Questo ha fatto sembrare che molti squali antichi siano sopravvissuti fino a oggi, quando in realtà sono morti da tempo.
• Le foto senza prova: Circa il 39% delle "foto" nella loro lista non aveva nemmeno una descrizione o un numero di catalogo. Era come dire: "C'era un squalo qui" senza mostrare la foto. Gli autori dicono: "Se non puoi verificare la foto, buttala via".
• La data sbagliata: Alcuni fossili sono stati datati male. È come se avessi messo una foto di un bambino di 5 anni in un album di 50 anni fa, solo perché il terreno dove è stato trovato era un po' mescolato. Questo ha creato "fantasmi" di squali che sembravano vivere in epoche in cui non esistevano.

2. Il metodo sbagliato (La Matematica)

Anche se i dati fossero stati perfetti, lo Studio GEA ha usato un metodo di calcolo un po' strano.
Immagina di guardare il numero di persone in una stanza.

• Il metodo corretto: Contare quante persone sono uscite (morte) e quante sono entrate (nate).
• Il metodo di GEA: Hanno solo guardato la differenza tra il numero di persone all'inizio e alla fine della stanza, senza contare chi è entrato o uscito.

Se 100 persone escono e ne entrano 90, il metodo di GEA direbbe: "La stanza è piena quasi come prima, è stato un disastro minimo!". Ma in realtà, 100 persone sono morte! Questo ha fatto sembrare che l'estinzione di massa (quella che ha ucciso i dinosauri) fosse stata solo un piccolo inconveniente per gli squali, quando invece è stata una strage.

3. La Verità Nascosta

Quando gli autori hanno corretto gli errori (rimosso le foto false, corretto i nomi e usato la matematica giusta), la storia è cambiata completamente:

• Prima (Studio GEA): Gli squali hanno perso solo il 10% delle specie durante la catastrofe. Sembrano super-resistenti.
• Dopo (Questo studio): Gli squali hanno perso oltre il 90% delle loro specie! È stato un disastro enorme, molto più grave di quanto pensassimo.

Perché è importante?

Questa correzione è fondamentale per il futuro. Se pensiamo che gli squali siano "invincibili" e abbiano superato tutto senza problemi, potremmo smettere di preoccuparci per la loro sopravvivenza oggi. Ma la realtà è che sono stati quasi spazzati via in passato e che oggi sono ancora a rischio.

In sintesi:
Questo articolo è come un controllore di qualità che entra in un laboratorio e dice: "La vostra macchina intelligente è fantastica, ma gli ingredienti che le avete dato erano avariati. Se usiamo ingredienti freschi e veri, scopriamo che la storia degli squali è molto più drammatica e che dobbiamo proteggerli con più urgenza di quanto pensassimo."

Senza l'esperienza di esperti umani per verificare i dati, anche l'intelligenza artificiale più potente può raccontare una bugia convincente.

Sommario tecnico

Titolo: Analisi basate sui fossili dei modelli di diversificazione dei cladi richiedono competenza tassonomica e metodologie appropriate

1. Il Problema

Lo studio affronta le sfide nel ricostruire i modelli di diversificazione nel tempo profondo e l'instaurazione della biodiversità attuale. Il problema centrale è la critica ai risultati ottenuti da Gardiner et al. (GEA), che hanno utilizzato un modello di deep learning e un dataset di occorrenze fossili per stimare la ricchezza dei neoselaci (squali e razze) negli ultimi 145 milioni di anni.
I risultati di GEA suggeriscono che:

• La diversità dei neoselaci è aumentata durante il Cretaceo.
• L'estinzione di massa del Cretaceo-Paleogene (K/Pg) ha avuto un impatto minimo (circa il 10% di perdita di specie).
• La diversità ha raggiunto un picco nel medio Eocene per poi declinare fino all'attuale.

Gli autori del presente studio sostengono che queste conclusioni contraddicono il consenso scientifico attuale, che indica un alto tasso di estinzione e un calo marcato della diversità al K/Pg, seguito da una ripresa ritardata. Il paper identifica le discrepanze come conseguenza di dati fossili incompleti, non verificati e errati, combinati con una metodologia inappropriata.

2. Metodologia

Gli autori hanno condotto una revisione critica e una rielaborazione dei dati e delle analisi di GEA attraverso due approcci principali:

• Verifica Tassonomica e dei Dati Fossili:

  • Hanno esaminato il dataset originale di GEA (24.464 occorrenze a livello di genere e 18.328 a livello di specie), incrociando i dati con la Paleobiology Database e Shark-References.
  • Hanno selezionato le specie e i generi che attraversano il confine K/Pg (sopravvissuti) e quelli con l'ultima occorrenza a 66 Ma (vittime).
  • Hanno verificato manualmente la tassonomia, le attribuzioni e le età delle occorrenze, identificando errori sistematici.
  • Hanno analizzato l'impatto di occorrenze non verificate (senza illustrazioni o numeri di reperto) e di nomenclature incerte (es. "cf.", "aff.", "?") che GEA aveva assegnato arbitrariamente a specie definite.

• Rivalutazione Metodologica:

  • Hanno criticato l'uso di un modello di deep learning che stima la ricchezza senza considerare i tassi di speciazione ed estinzione sottostanti.
  • Hanno confrontato il metodo di GEA (calcolo della variazione netta di ricchezza tra due intervalli temporali) con il metodo convenzionale di calcolo dell'estinzione (numero di specie estinte / ricchezza totale).
  • Hanno ricalcolato la magnitudine dell'estinzione K/Pg utilizzando i dati grezzi di GEA (corretti) e applicando il metodo convenzionale.

3. Contributi Chiave e Risultati

A. Errori nel Dataset Fossile (GEA):

• Gestione della Nomenclatura Incerta: Il 7,4% delle occorrenze (1.821 casi) riportate con nomenclatura aperta (es. Squatina aff. cranei) è stato assegnato erroneamente a specie definite da GEA. Questo ha creato sopravvissuti artificiali al K/Pg.
• Occorrenze Non Verificate: Il 39% delle occorrenze (9.561 casi) mancava di prove fisiche (illustrazioni, numeri di reperto, descrizioni). L'inclusione di questi dati ha generato occorrenze paleogene per taxa esclusivamente cretacici (es. Onchosaurus, Squalicorax kaupi) e viceversa.
• Errori Tassonomici: Sono stati identificati duplicati (es. Cretolamna/Cretalamna), nomi obsoleti e attribuzioni errate a livelli superiori (es. Potamotrygon classificato erroneamente tra i Rajiformes invece che Myliobatiformes).
• Errori Stratigrafici: Assegnazioni errate di età a località specifiche (es. misinterpretazione di orizzonti misti Maastrichtiano-Daniano a causa di bioturbazione) hanno creato "sopravvissuti" artificiali.
• Omissioni: L'esclusione della letteratura pre-1970 ha portato alla mancata inclusione di 14 specie chiave e di occorrenze fondamentali per le vittime del K/Pg.

B. Risultati sulla Diversità e l'Estinzione K/Pg:

• Sopravvissuti Falsi: L'83,95% delle specie identificate come sopravvissute da GEA (68 su 81) è in realtà limitato al Paleogene o al Maastrichtiano, rendendo i dati inaffidabili.
• Magnitudine dell'Estinzione:
  • GEA ha stimato una perdita netta di ricchezza del 9,7% ± 9,1% (o -32% sui dati grezzi).
  • Utilizzando i dati grezzi di GEA con il metodo convenzionale, gli autori hanno calcolato un'estinzione del 64,32% per le specie.
  • Dopo aver corretto le occorrenze dubbie e la tassonomia, la magnitudine dell'estinzione K/Pg sale al 93,53% per le specie (65,29% per i generi).
• Critica Metodologica: Il metodo di GEA, che confronta semplicemente la ricchezza assoluta tra due intervalli temporali senza considerare i tassi di estinzione e speciazione, è definito "inutile" per l'analisi paleobiodiversitaria e porta a sottostimare drasticamente l'impatto delle estinzioni di massa.

4. Significato e Conclusioni

Il paper conclude che la storia evolutiva dei neoselaci, complessa e basata su due secoli di ricerca tassonomica, richiede un'analisi rigorosa che integri competenza tassonomica esperta e metodologie appropriate.

• Impatto Scientifico: I risultati di GEA sono considerati spuri a causa della combinazione di dati non verificati e modelli analitici inadeguati. La loro conclusione che i neoselaci siano stati resilienti all'estinzione K/Pg è fuorviante.
• Implicazioni per la Conservazione: Sottostimare la magnitudine delle estinzioni passate crea l'impressione errata che questo clade sia intrinsecamente resiliente, ignorando la realtà storica di perdite massive e la loro attuale vulnerabilità.
• Raccomandazione: Gli autori sconsigliano vivamente l'uso del dataset di GEA per analisi di diversificazione basate sui fossili fino a quando non verranno corretti gli errori sistematici e applicate metodologie che tengano conto dei tassi di estinzione e speciazione.

In sintesi, lo studio sottolinea che l'uso di tecniche avanzate come il deep learning non può compensare la mancanza di validazione tassonomica e stratigrafica di base, e che la qualità dei dati fossili è il prerequisito fondamentale per qualsiasi analisi macroevolutiva affidabile.