A covarion model for phylogenetic estimation using discrete morphological datasets

In deze studie wordt het 'covariomorph'-model geïntroduceerd in RevBayes om lijn- en karakter-specifieke evolutiesnelheidsvariatie in morfologische datasets te modelleren, wat leidt tot nauwkeurigere fylogenetische schattingen vergeleken met traditionele modellen.

De kern

De "Covariomorph": Een Nieuwe Manier om de Geschiedenis van Leven te Lezen

Stel je voor dat je een oud, beschadigd dagboek probeert te lezen. Dit dagboek is geschreven door verschillende mensen (de voorouders van dieren) over een lange periode. In de biologie noemen we dit een stamboom. Om te begrijpen hoe dieren zich hebben ontwikkeld, kijken wetenschappers naar hun uiterlijke kenmerken: hoe groot hun tanden zijn, hoeveel poten ze hebben, of hun vleugels anders zijn gevormd.

Vroeger dachten wetenschappers dat deze kenmerken zich op een heel voorspelbare manier ontwikkelden. Alsof elke schrijver in dat dagboek elke dag precies hetzelfde aantal woorden schreef, en dat dit tempo voor iedereen hetzelfde was. Ze gebruikten een simpele regel: "Alles verandert met dezelfde snelheid."

Maar in het echte leven is dat niet zo. Soms verandert een kenmerk heel snel (bijvoorbeeld als een dier moet vluchten voor een roofdier), en soms verandert het nauwelijks (als het dier al perfect aangepast is). En soms verandert één kenmerk snel, terwijl een ander kenmerk van hetzelfde dier juist stilstaat.

Deze nieuwe studie introduceert een slimme nieuwe manier om die complexe geschiedenis te lezen. Ze noemen hun nieuwe model de "Covariomorph".

De Analogie: De Auto met Versnellingen

Om dit te begrijpen, laten we een auto gebruiken als metafoor.

1. De Oude Manier (Het Mk-model):
   Stel je voor dat alle auto's in de wereld altijd met precies dezelfde snelheid rijden. Of je nu een racewagen of een oude bus hebt, je rijdt altijd 50 km/u. Als je de afstand berekent die ze hebben afgelegd, ga je er vanuit dat ze allemaal even snel waren. Dit is wat de oude modellen deden. Het is makkelijk, maar het klopt niet met de werkelijkheid. Soms moet je hard optrekken, soms moet je remmen.

2. De Tussenvorm (ACRV):
   Wetenschappers bedachten later: "Oké, sommige auto's zijn gewoon sneller dan anderen." Een Ferrari rijdt altijd sneller dan een Fiat. Maar ze gingen er nog steeds van uit dat de Ferrari altijd hard rijdt en de Fiat altijd traag. Ze veranderden nooit van versnelling.

3. De Nieuwe Manier (Covariomorph):
   De auteurs van deze studie zeggen: "Nee, dat klopt ook niet!" Een Ferrari kan in de stad in de eerste versnelling rijden (traag) en op de snelweg in de vijfde (snel). Een Fiat kan juist plotseling een racewagen worden als hij een heuvel op moet.

   Het Covariomorph-model ziet een kenmerk (zoals een tandvorm) als een auto die tussendoor van versnelling kan wisselen.

   • Soms zit het kenmerk in de "traag-versnelling" (het verandert nauwelijks).
   • Soms schakelt het plotseling om naar de "snel-versnelling" (het verandert heel snel).
   • En dit kan voor elk kenmerk anders zijn, en op elk moment in de geschiedenis.

Wat hebben ze gedaan?

De onderzoekers (Basanta Khakurel en Sebastian Höhn) hebben dit idee in een computerprogramma (RevBayes) gebouwd. Ze hebben het getest op twee manieren:

• De Simulatie: Ze maakten nep-dagboeken aan in de computer met bekende regels. Ze zagen dat hun nieuwe model heel goed kon ontdekken: "Ah, hier is de auto van versnelling gewisseld!" en de juiste snelheden kon terugrekenen.
• De Realiteit: Ze keken naar 164 echte verzamelingen van dieren (van haaien tot vissen). Ze ontdekten dat ongeveer de helft van deze verzamelingen zich gedroeg als de oude, simpele auto's (altijd hetzelfde tempo). Maar de andere helft? Die gedroeg zich als de slimme auto's die tussendoor versnellen en vertragen.

Waarom is dit belangrijk?

Als je de verkeerde snelheid aanneemt, krijg je de verkeerde route.

• De Topologie (Het pad): Als je denkt dat iets langzaam veranderde, maar het was eigenlijk snel, dan kun je de familiebanden van de dieren verkeerd leggen. De nieuwe modellen geven soms een heel ander stamboom-ontwerp dan de oude modellen.
• De Tijdslijn (De afstand): Als je denkt dat een dier 10 miljoen jaar geleden leefde, maar je model neemt aan dat het langzaam veranderde terwijl het eigenlijk snel ging, dan bereken je de tijd verkeerd. De nieuwe modellen geven vaak langere takken in de stamboom, wat betekent: "Er is meer gebeurd dan we dachten."

Conclusie

Deze studie is als het vinden van een nieuwe, veel slimmere GPS voor de evolutie. In plaats van te denken dat alles altijd even snel gaat, erkennen ze dat het leven vol verrassingen zit: soms gaat het snel, soms traag, en soms schakelt het plotseling om.

Door dit te modelleren, krijgen we een scherpere, nauwkeurigere foto van hoe het leven op aarde is ontstaan. Het is een stap voorwaarts om de complexe dans van de evolutie beter te begrijpen.

Technische samenvatting

Titel: Een covarion-model voor fylogenetische schatting met behulp van discrete morfologische datasets

Auteurs: Basanta Khakurel en Sebastian Höhnna
Publicatie: bioRxiv (voorgedrukt), 20 februari 2026

---

1. Het Probleem

Traditionele modellen voor de evolutie van morfologische karakters, zoals het Markov k-state (Mk) model, gaan uit van een tijd-homogeen Markov-proces. Dit impliceert twee vaak onrealistische aannames:

1. Homogeniteit over de fylogenie: Alle takken in de stamboom evolueren met dezelfde snelheid.
2. Homogeniteit over karakters: Alle morfologische karakters evolueren met dezelfde snelheid (of volgen een vaste verdeling van snelheden die niet verandert per lijn).

In werkelijkheid vertoont de evolutie van morfologische karakters heterotachy: de evolutiesnelheid van een specifiek karakter kan variëren tussen verschillende lijnen (lineages) binnen dezelfde stamboom. Bestaande methoden om snelheidsvariatie te modelleren, zoals Among-Character Rate Variation (ACRV, bijv. Mk+Γ), laten toe dat sommige karakters sneller evolueren dan anderen, maar veronderstellen dat deze snelheid constant blijft over de hele stamboom. Dit negeert het biologische feit dat selectiedrukken kunnen veranderen, waardoor een karakter tijdelijk sneller of trager kan evolueren.

2. Methodologie: Het Covariomorph-model

De auteurs introduceren het covariomorph-model, een uitbreiding van het klassieke covarion-model (oorspronkelijk ontwikkeld voor moleculaire data) dat specifiek is ontworpen voor discrete morfologische data. Het model is geïmplementeerd in de Bayesiaanse fylogenetische software RevBayes.

Kerncomponenten van het model:

• Dubbel Stochastisch Proces: Het model beschouwt twee processen die gelijktijdig plaatsvinden:
  1. De overgang tussen karaktertoestanden (bijv. van toestand 0 naar 1), gestuurd door een basis-substitutiematrix (Q, gebaseerd op het Mk-model).
  2. De overgang tussen verschillende snelheidscategorieën (rate categories), gestuurd door een schakelsnelheid ($\delta$).
• Uitgebreide Toestandsruimte: Het model expandeert de toestandsruimte van $k$ karaktertoestanden naar $k \times m$, waarbij $m$ het aantal discrete snelheidscategorieën is. Een "virtuele staat" is een combinatie van een karaktertoestand en een specifieke snelheidscategorie.
• Snelheidsschaling: Elke snelheidscategorie $r_i$ schaalt de basis Q-matrix. De snelheidsschalen worden afgeleid uit een gediscretiseerde lognormale verdeling (met mediaan 1).
• Schakelmechanisme: Karakterlijnen kunnen willekeurig schakelen tussen snelheidscategorieën met een constante snelheid $\delta$. Dit staat toe dat een karakter op een bepaald punt in de evolutie plotseling van een "langzame" naar een "snelle" evolutiefase gaat (of vice versa).
• Likelihood-berekening: De waarschijnlijkheid wordt berekend met het pruning-algoritme van Felsenstein, waarbij gemarginaliseerd wordt over alle mogelijke virtuele toestanden in de interne knopen van de stamboom.

Validatie:
De auteurs voerden uitgebreide simulaties uit op drie empirische stambooms (schildpadden, vaatplanten, zoogdieren) met variërende boomlengtes en schakelsnelheden. Daarnaast werd het model toegepast op 164 empirische datasets uit de literatuur, met een diepgaande analyse van twee specifieke datasets: vissen uit de orde Myliobatiformes (roggen) en Neoselachii (haaien).

3. Belangrijkste Bijdragen

• Conceptuele Uitbreiding: Het is het eerste model dat heterotachy expliciet toepast op discrete morfologische data, waardoor het de beperkingen van het Mk-model en statische ACRV-modellen overbrugt.
• Implementatie in RevBayes: De auteurs hebben het model volledig geïmplementeerd en gevalideerd in RevBayes, inclusief functies voor het uitbreiden van karaktermatrices (expandCharacters) en het construeren van covarion-matrices (fnCovarion).
• Theoretische Analyse: Het artikel toont aan dat het model als een generalisatie fungeert: bij een schakelsnelheid $\delta \to 0$ reduceert het tot een ACRV-model, en bij zeer hoge $\delta$ of geen snelheidsvariatie reduceert het tot het standaard Mk-model.

4. Resultaten

Simulatiestudie:

• Het model kan de onderliggende parameters (variatie in snelheid $\sigma$ en schakelsnelheid $\delta$) accuraat herstellen, mits de totale boomlengte voldoende is om het signaal te onderscheiden van ruis.
• Bij korte bomen of zeer hoge schakelsnelheden (waar lijnen niet lang genoeg in één regime blijven om een patroon te vormen) reduceert het model correct naar het eenvoudigste Mk-model, wat aangeeft dat het robuust is tegen overfitting.
• Het model slaagt erin de juiste stamboomtopologie te herstellen wanneer de data gegenereerd zijn onder complexe covarion-dynamiek, terwijl standaardmodellen (Mk, Mk+ACRV) hierin falen.

Empirische Analyse (164 datasets):

• Twee clusters: Ongeveer de helft van de datasets vertoonde parameters die consistent waren met het standaard Mk-model (hoge schakelsnelheid, lage variatie). De andere helft toonde duidelijke tekenen van snelheidsheterogeniteit.
• Case Studies (Roggen en Haaien):
  • Voor beide datasets werden modellen met heterotachy (covariomorph) sterk verkiezen boven het standaard Mk-model en het statische ACRV-model (hoge Bayes-factoren).
  • De schattingen voor het aantal snelheidscategorieën ($m$) varieerden: voor roggen was $m=4$ optimaal, terwijl voor haaien een complexer model ($m \ge 8$) nodig bleek.
  • Impact op Topologie en Taklengtes: Het toepassen van het covariomorph-model leidde tot significante verschillen in de afgeleide stamboomtopologieën en taklengtes in vergelijking met traditionele modellen. De geschatte taklengtes waren aanzienlijk langer (bijv. 1,5x tot 1,7x langer), wat wijst op een onderverdeling van evolutie in traditionele modellen.

5. Betekenis en Conclusie

De studie demonstreert dat het negeren van lijnspecifieke snelheidsvariatie (heterotachy) in morfologische data kan leiden tot onnauwkeurige fylogenetische inferenties.

• Verbeterde Nauwkeurigheid: Het covariomorph-model biedt een robuuster raamwerk voor het schatten van fylogenieën door rekening te houden met dynamische veranderingen in evolutiesnelheden.
• Impact op Divergentietijden: Omdat de taklengtes (die vaak worden gebruikt als proxy voor tijd of aantal mutaties) significant veranderen, heeft dit directe gevolgen voor schattingen van divergentietijden en de berekening van evolutiesnelheden.
• Toekomstperspectief: De auteurs wijzen op beperkingen, zoals het ontbreken van correctie voor "ascertainment bias" (de bias dat alleen variabele karakters worden opgenomen) en de aanname van symmetrische schakelprocessen. Ze pleiten voor toekomstige uitbreidingen, zoals het toestaan van asymmetrische schakelsnelheden en het toepassen van een mix-model waarbij sommige karakters een simpel Mk-proces volgen en andere een complex covariomorph-proces.

Kortom, het covariomorph-model is een belangrijke stap voorwaarts in het realistisch modelleren van de complexe en dynamische aard van morfologische evolutie.