PartitionFinder-mAIC: Phylogenetic Partitioning using Marginal Akaike Information Criterion

La vita sulla Terra è un vasto albero genealogico ramificato, e gli scienziati trascorrono gran parte del loro tempo cercando di disegnare correttamente i suoi rami. Per farlo, esaminano il codice genetico presente in piante, animali e microbi, confrontando il modo in cui queste sequenze sono cambiate nel corso di milioni di anni. Tuttavia, non tutte le parti di una sequenza genetica cambiano alla stessa velocità o nello stesso modo. Alcune regioni sono come vecchie mura robuste che quasi non si spostano, mentre altre sono come mattoni sciolti che cadono e si riorganizzano frequentemente. A causa di questa varietà, i ricercatori non possono trattare un'intera sequenza genetica come un unico blocco uniforme. Al contrario, devono dividere la sequenza in gruppi più piccoli, o partizioni, dove ogni gruppo segue il proprio insieme di regole su come evolve. Trovare il modo giusto di raggruppare queste sezioni è fondamentale; se i gruppi sono troppo ampi, l'analisi perde dettagli importanti, ma se sono troppo stretti, il modello si riempie di una complessità superflua, portando a un'immagine confusa della storia.

Per anni, uno strumento popolare chiamato PartitionFinder ha aiutato gli scienziati a decidere come organizzare queste sezioni genetiche. Esso utilizza punteggi matematici per fondere insieme i gruppi simili, con l'obiettivo di trovare un equilibrio che eviti di complicare eccessivamente la storia. Questi punteggi si sono tradizionalmente basati su metodi che trattano il raggruppamento delle sezioni come un fatto fisso, assumendo che i confini siano scolpiti nella pietra prima che la storia finale venga calcolata. Ma un nuovo approccio suggerisce che questa ipotesi potrebbe essere troppo rigida. Un metodo recentemente introdotto, noto come criterio di informazione di Akaike marginale, propone una visione diversa. Invece di bloccare i gruppi in posizione, esso media la verosimiglianza dei dati attraverso i modelli di tutte le partizioni, trattando i confini come possibilità fluide. Questo cambiamento permette al modello di tenere conto meglio dell'incertezza inerente ai dati, portando potenzialmente a una visione più chiara dei rami principali dell'albero.

In un nuovo sviluppo, i ricercatori hanno portato questo metodo più flessibile nel software ampiamente utilizzato IQ-TREE, creando uno strumento che chiamano PartitionFinder-mAIC. Integrando questo nuovo sistema di punteggio negli algoritmi esistenti, il team ha testato se potesse produrre risultati migliori rispetto ai metodi tradizionali. Hanno testato il loro nuovo strumento contro una vasta gamma di dati simulati, dove l'albero genealogico reale era già noto, così come come sequenze reali di DNA e proteine. I risultati hanno mostrato che il nuovo metodo sceglieva costantemente di utilizzare meno partizioni rispetto ai vecchi approcci. Inve di dividere i dati genetici in molti piccoli gruppi eccessivamente specifici, ha scoperto che raggruppamenti più ampi erano sufficienti per spiegare i modelli evolutivi.

Quando i ricercatori hanno applicato queste scoperte alla storia evolutiva delle piante verdi, l'impatto è stato tangibile. Gli schemi di partizione generati dal nuovo metodo hanno portato a inferenze più accurate nei rami più importanti dell'albero genealogico delle piante. Ciò suggerisce che, permettendo al modello di considerare una gamma più ampia di possibilità su come i dati siano raggruppati, gli scienziati possono evitare la trappola dell'overfitting, ovvero quando un modello memorizza il rumore dei dati invece di apprendere il segnale reale. Lo strumento è ora disponibile per altri ricercatori nella versione più recente del software, offrendo un modo per affinare le mappe della storia della vita con un metodo che riconosce la natura fluida dell'evoluzione genetica.