Environmental and geographic drivers of global bat phylogenetic diversity

Deze studie toont aan dat openbaar beschikbare, enkel-locus genetische data kunnen worden gebruikt om te bepalen dat historische temperatuurvariabelen de belangrijkste drijvers zijn van de fylogenetische diversiteit van vleermuizen op wereldschaal, hoewel op kleinere schaal ook factoren zoals breedtegraad en bevolkingsdichtheid een rol spelen.

De kern

De Bat-Boekhouding: Een Reis door de Evolutie van Vleermuizen

Stel je voor dat de wereld een enorme bibliotheek is, en elke vleermuissoort is een uniek boek in die bibliotheek. De auteurs van dit onderzoek wilden niet alleen tellen hoeveel boeken er zijn (dat is het aantal soorten), maar ze wilden weten hoe divers de collectie is. Zijn het allemaal bijna identieke thrillers van dezelfde schrijver, of heb je een mix van oude mythen, moderne sci-fi en poëzie van verschillende culturen? In de wetenschap noemen we dit fyletische diversiteit: het meet hoe ver de "familiebanden" tussen de soorten van elkaar verwijderd zijn.

Hier is wat ze hebben ontdekt, vertaald naar alledaags taal:

1. De Grote Schatkaart (De Data)

De onderzoekers waren als digitale schatgravers. Ze graafden door enorme online databases (zoals een gigantische digitale bibliotheek) en haalden 14.000 DNA-fragmenten van vleermuizen uit de hele wereld op. Omdat de namen van vleermuizen in deze databases vaak verwarrend of verouderd zijn (net als oude kaarten met fouten), hebben ze niet gekeken naar de namen, maar naar de DNA-code zelf.

Ze gebruikten een slimme computermethode (een soort "automatische sorteerder") om te groeperen welke vleermuizen tot dezelfde familie behoren. Zo maakten ze een enorme stamboom, een evolutie-kaart, van vleermuizen over de hele wereld.

2. De Weer- en Klimaat-Detectives

Vervolgens vroegen ze zich af: "Waarom zitten sommige gebieden vol met deze unieke, oude en diverse vleermuizen, terwijl andere gebieden er maar weinig hebben?"

Ze keken naar een lijst met factoren als een detective die op zoek is naar de dader:

• Huidig weer: Hoe warm is het nu? Hoeveel regen valt er?
• Geschiedenis: Hoe was het klimaat tijdens de laatste ijstijd (toen er overal ijs lag)? Hoe was het in de Plioceen (miljoenen jaren geleden)?
• Mensen: Hoeveel mensen wonen er? Hoeveel landbouw is er?

Ze lieten een computer (een "Random Forest", een soort super-intelligente boom die duizenden beslissingen neemt) alle deze factoren analyseren om te zien welke het beste voorspellen waar de vleermuis-diversiteit zit.

3. De Grote Ontdekkingen: Het Klimaat is de Regisseur

De resultaten waren verrassend duidelijk, maar ook met een knipoog naar het verleden:

• De Temperatuur is de Baas: Net zoals planten groeien in de zon, gedijen diverse vleermuizengemeenschappen in gebieden waar het warm is. Maar het gaat niet alleen om de temperatuur vandaag.
• Het Verleden telt mee: De computer vond dat de temperatuur tijdens de ijstijd en de veranderingen in temperatuur tussen de ijstijd en de warme perioden daarna, cruciaal zijn.
  • De Analogie: Stel je voor dat een vleermuisfamilie een lange reis maakt. Als het klimaat in het verleden te veel is geschud (te veel verandering), zijn er veel takken van de stamboom afgebroken. Gebieden die in het verleden stabiel warm waren, hebben hun "oude boeken" (diverse soorten) kunnen behouden. Gebieden die te heet of te droog werden in het verleden, hebben hun diversiteit verloren.
• De Locatie: Gebieden zoals Zuidoost-Azië, Zuid-Amerika en delen van Afrika en de Himalaya bleken de "gouden steden" van vleermuis-diversiteit te zijn. Hier zit de rijkste collectie unieke evolutionaire geschiedenis.

4. Waarom is dit belangrijk? (De Boodschap)

Dit onderzoek is als een navigatiesysteem voor natuurbescherming.

• Niet alleen tellen, maar begrijpen: Als we alleen kijken naar het aantal soorten, missen we het verhaal. Een gebied met 10 soorten die allemaal heel op elkaar lijken, is kwetsbaarder dan een gebied met 10 soorten die allemaal heel verschillend zijn. Die verschillen zorgen voor een sterker ecosysteem (net als een goed gemengd team dat beter tegen problemen kan).
• Voorbereiden op de toekomst: Omdat we weten dat temperatuur en klimaatgeschiedenis de sleutel zijn, kunnen we voorspellen welke gebieden in de toekomst misschien hun diversiteit zullen verliezen als het klimaat verandert.
• Snel en Slim: Het mooie van deze studie is dat ze bewezen hebben dat je met openbare, simpele DNA-data (die vaak al beschikbaar is) al grote patronen kunt zien. Je hoeft niet per se duizenden nieuwe proeven te doen; je kunt de bestaande "schatten" slim gebruiken.

Kortom:
De wereld van de vleermuizen is een levend museum van evolutie. Dit onderzoek laat zien dat de temperatuur (zowel nu als in het verleden) de curator is die bepaalt welke "exposities" (soorten) overleven. Om de toekomst van deze vliegende helpers te beschermen, moeten we kijken naar de plekken waar het klimaat stabiel en warm blijft, zodat de unieke takken van de evolutionaire boom niet afbreken.

Technische samenvatting

Probleemstelling

Het begrijpen van de patronen en factoren die biodiversiteit vormgeven, is cruciaal voor effectieve conservatiestrategieën. Hoewel er veel onderzoek is gedaan naar soortenrijkdom (species richness), is er beperkte kennis over de determinanten van fylogenetische diversiteit (PD) op een globale schaal. PD meet de evolutionaire geschiedenis en de genetische afstand tussen soorten, wat een betere indicator kan zijn voor het behoud van evolutionair potentieel en ecosysteemstabiliteit dan soortenrijkdom alleen.

Bestaande studies zijn vaak beperkt tot regionale schalen of specifieke taxonomische groepen. Bovendien zijn openbare databases vaak onvolledig of bevatten ze taxonomische onnauwkeurigheden (verouderde of foutieve soortennamen), wat de analyse van globale patronen bemoeilijkt. Er is behoefte aan een methode die gebruikmaakt van beschikbare genetische data om PD te modelleren en te identificeren welke omgevings- en geografische factoren (huidig en historisch) deze diversiteit voorspellen.

Methodologie

De auteurs hanteerden een robuuste, datagedreven aanpak die open-source data combineerde met geavanceerde statistische modellering:

1. Dataverzameling en -opschoning:

   • Er werd een globale dataset samengesteld uit 14.037 COI (Cytochrome oxidase I) DNA-sequenties van 343 beschreven vleermuissoorten, gehaald uit GenBank en GBIF via het platform phylogatR.
   • Om problemen met onnauwkeurige taxonomische namen te omzeilen, werden Genetische Operationele Taxonomische Eenheden (OTU's) gedefinieerd in plaats van te vertrouwen op soortennamen. Hiervoor werd de Assemble Species by Automatic Partitioning (ASAP) methode gebruikt, een afstandsgedreven soortendelimitatie-algoritme. Dit resulteerde in 372 genetische groepen (OTU's).

2. Fylogenie en Tijdschatting:

   • Een fylogenetische boom werd gereconstrueerd met Maximum Likelihood (RAxML-NG) en gedateerd met TreePL (penalized likelihood) door gebruik te maken van fossiele kalibratiepunten uit de literatuur.
   • Een "Lineage Through Time" (LTT) plot werd gegenereerd om diversificatietrends te visualiseren.

3. Ruimtelijke Eenheid en PD-metingen:

   • In plaats van willekeurige grid-cellen, werd de analyse uitgevoerd op ecoregio's (RESOLVE Ecoregions 2017). Twee datasets werden gebruikt:
     • Een fijnmazige set van 109 afzonderlijke ecoregio's.
     • Een grofmazige set van 25 samengevoegde, continue ecoregio's (gebaseerd op biomen).
   • Drie maatstaven voor PD werden berekend: Faith's index, Mean Pairwise Distance (MPD) en Mean Nearest Taxon Distance (MNTD). Faith's index bleek sterk gecorreleerd met OTU-rijkdom, dus werd MPD (standaardisatie effectgrootte) gekozen als de primaire responsvariabele voor de voorspellende modellen om onafhankelijkheid van puur soortenrijkdom te garanderen.

4. Voorspellende Modellering:

   • Er werden Random Forest (RF) modellen getraind om de relatie tussen PD en een breed scala aan voorspellers te bepalen.
   • De voorspellers omvatten 310 variabelen: huidige klimaatdata (BIOCLIM), historische klimaatdata (Holocene, LGM, LIG, Plioceen), geografische variabelen (breedtegraad, lengtegraad, bevolkingsdichtheid), en klimaatverandering (verschillen tussen tijdperken).
   • Variabelen met een correlatie > 0,75 werden verwijderd om multicollineariteit te voorkomen.
   • De belangrijkste variabelen werden geïdentificeerd via % toename in Mean Squared Error (MSE) en vervolgens getoetst op significantie met Generalized Least Squares (GLS) regressie om ruimtelijke autocorrelatie te corrigeren.

Belangrijkste Resultaten

• Fylogenetische Patronen:

  • De analyse bevestigde een over het algemeen vertraagde speciatiesnelheid over de tijd, met uitzondering van recente explosieve diversificatie in de familie Phyllostomidae (Nieuwe Wereld-bladneusvleermuizen).
  • De hoogste niveaus van fylogenetische diversiteit (MPD) werden gevonden in Zuidoost-Azië, Zuid-Amerika, delen van Afrika en de Himalaya. Interessant genoeg toonde de Himalaya hoge PD ondanks een lagere soortenrijkdom, wat wijst op een hoge evolutionaire distinctiviteit.

• Determinanten van Diversiteit (25-ecoregio set - Grof):

  • De modellen verklaarden tot 78,9% van de variantie in MPD.
  • De belangrijkste voorspellers waren temperatuurvariabelen met een historische component:
    1. Huidige mediane temperatuur van het natste kwartaal.
    2. Mediane temperatuur van het natste kwartaal tijdens het Laatste Glaciaal Maximum (LGM).
    3. De verandering in maximale temperatuur van de warmste maand tussen het Laatste Interglaciaal (LIG) en LGM.
  • Dit suggereert dat zowel huidige stabiliteit als historische klimaatschommelingen de evolutionaire geschiedenis van vleermuizen hebben gevormd.

• Determinanten van Diversiteit (109-ecoregio set - Fijn):

  • De modellen verklaarden tot 56,8% van de variantie.
  • Op kleinere schaal waren breedtegraad en bevolkingsdichtheid belangrijke voorspellers, naast temperatuur. Echter, na correctie voor ruimtelijke autocorrelatie was alleen de huidige temperatuur van het natste kwartaal statistisch significant.

• Validatie:

  • Zelfs na het verwijderen van ecoregio's met onbetrouwbare PD-schattingen (weinig sampling), bleven temperatuurvariabelen en historische klimaatschommelingen de sterkste voorspellers.

Bijdragen en Significantie

1. Validatie van Single-Locus Data: Het artikel demonstreert dat openbare, single-locus (COI) genetische data, wanneer gecombineerd met geautomatiseerde soortendelimitatie (ASAP), voldoende nauwkeurig is om globale patronen van fylogenetische diversiteit te onthullen en te modelleren. Dit maakt grootschalige analyses mogelijk zonder de noodzaak van uitgebreide, dure multi-locus datasets voor elke soort.
2. Rol van Historisch Klimaat: De studie benadrukt dat historische klimaatvariabelen (vooral van het LGM en Plioceen) cruciaal zijn voor het verklaren van huidige biodiversiteitspatronen. Dit onderstreept het belang van paleoklimaatdata in conservatieplanning.
3. Schalingsafhankelijkheid: De resultaten tonen aan dat de belangrijkste drivers van biodiversiteit afhangen van de ruimtelijke schaal. Op globale schaal domineren klimaatvariabelen, terwijl op lokale schaal antropogene factoren (zoals bevolkingsdichtheid) en geografische ligging (breedtegraad) een grotere rol spelen.
4. Conservatie Implicaties:
   • Gebieden met hoge fylogenetische diversiteit (zoals Zuidoost-Azië en de Himalaya) moeten prioriteit krijgen in beschermingsstrategieën, omdat ze een unieke evolutionaire geschiedenis vertegenwoordigen die niet volledig wordt weerspiegeld door soortenrijkdom alleen.
   • De methode biedt een kosteneffectief instrument voor conservatiebiologen om "hotspots" van evolutionair potentieel te identificeren, zelfs in gebieden waar taxonomische kennis beperkt is.
   • Het benadrukt dat beschermde gebieden niet alleen gericht moeten zijn op huidige soorten, maar ook rekening moeten houden met klimaathistorie en toekomstige klimaatscenario's om evolutionaire processen te behouden.

Kortom, dit onderzoek levert een methodologisch raamwerk en empirisch bewijs dat fylogenetische diversiteit in vleermuizen voornamelijk wordt gedreven door temperatuurpatronen (huidig en historisch), en dat deze benadering essentieel is voor het ontwikkelen van robuuste, op evolutie gebaseerde conservatiestrategieën.