Phylogenetic estimation of diversity-dependent biogeographic rates using deep learning

Deze studie introduceert het DDGeoSSE-model, een generatief phylogenetisch model dat gebruikmaakt van deep learning om te bepalen hoe lokale soortenrijkdom de biogeografische processen van speciatie, uitsterven en verspreiding beïnvloedt, wat wordt gevalideerd door toepassing op Anolis-hagedissen en Viburnum-planten.

De kern

Titel: Hoe de Drukte in de Stad de Groei van Soorten Beïnvloedt: Een Simpele Uitleg van DDGeoSSE

Stel je voor dat de wereld vol zit met kleine, levende steden. In deze steden wonen verschillende soorten dieren en planten. Wetenschappers proberen al eeuwenlang een raadsel op te lossen: Waarom zijn sommige plekken op aarde overvol met soorten, terwijl andere plekken bijna leeg zijn? En waarom stoppen soorten niet oneindig met groeien?

Deze nieuwe studie, geschreven door Albert Soewongsono en Michael Landis, introduceert een slimme nieuwe manier om dit te begrijpen. Ze noemen hun nieuwe model DDGeoSSE. Laten we dit uitleggen met een paar alledaagse vergelijkingen.

1. Het Probleem: De "Volle Club"

Stel je een populaire club voor. Als er maar één persoon binnen is, kan diegene makkelijk nieuwe vrienden maken (soortvorming) en uitnodigen om binnen te komen (verspreiding). Maar als de club vol zit met 100 mensen, wordt het lastig:

• Er is minder ruimte om nieuwe vrienden te maken (de geboortecijfers gaan omlaag).
• Er is meer ruzie om de drankjes en de stoelen (het uitsterven gaat omhoog).
• Mensen willen misschien niet meer naar binnen komen omdat het te druk is (verspreiding stopt).

Dit heet in de biologie diversiteitsafhankelijkheid: hoe meer soorten er al zijn, hoe moeilijker het wordt voor nieuwe soorten om te ontstaan of te overleven.

2. De Oude Manier vs. De Nieuwe Manier

Vroeger hadden wetenschappers modellen die als een simpele lineaire grafiek werkten: "Hoe meer soorten, hoe langzamer de groei." Maar de natuur is complexer. Soms helpt een volle club (samenwerking), soms hindert hij (concurrentie).

De oude modellen waren als een statische kaart: ze zagen niet precies wie er waar zat en hoe ze met elkaar omgingen. Ze zagen alleen het totaal aantal.

DDGeoSSE is als een live-simulatie of een video-game.

• Het kijkt niet alleen naar het totaal, maar naar elke regio apart.
• Het rekent uit hoe de drukte in regio A de geboortecijfers in regio B beïnvloedt.
• Het kan simuleren of soorten elkaar helpen of juist verdringen.

3. De "Black Box" en de AI-Oplossing

Hier wordt het lastig. Als je al deze complexe regels (drukte, verspreiding, uitsterven, samenwerking) in één groot wiskundig model stopt, wordt de berekening zo ingewikkeld dat zelfs supercomputers er niet uitkomen. Het is alsof je probeert het weer te voorspellen door elke individuele waterdampmolecuul te berekenen; het is onmogelijk met de oude formules.

De auteurs lossen dit op met Deep Learning (kunstmatige intelligentie).

• De Analogie: Stel je voor dat je een baby wilt leren wat een hond is. Je kunt hem niet uitleggen met een wiskundige formule over oren en staarten. Je laat hem gewoon duizenden foto's van honden zien. Uiteindelijk "leert" het brein het patroon.
• Wat ze deden: Ze lieten hun computer 400.000 keer een fictieve wereld laten groeien met verschillende regels (soms veel concurrentie, soms weinig, soms hulp).
• De computer (een neurale netwerk) keek naar de eindresultaten (de "familieboom" van de soorten) en leerde: "Ah, als de boom er zo uitziet, dan moet er veel concurrentie zijn geweest!"

4. De Test: Hagedissen en Planten

Om te bewijzen dat hun nieuwe "AI-bioloog" werkt, testten ze het op twee echte voorbeelden:

1. Caribische Anolis-hagedissen:

   • Deze hagedissen leven op eilanden. De studie toonde aan dat op de eilanden waar het al erg druk was met hagedissen, er minder nieuwe soorten ontstonden en er meer uitstierven. De "club" was vol, dus er was geen ruimte meer voor nieuwe gasten.
   • Resultaat: De AI bevestigde dat de drukte de groei remde.

2. Viburnum-planten (in bergwouden):

   • Deze planten verspreidden zich van Noord- naar Zuid-Amerika. De studie vond dat op plekken waar de planten al lang woonden, het moeilijk was voor nieuwe soorten om zich te vestigen (concurrentie). Maar in de nieuwere gebieden groeiden ze nog hard.
   • Resultaat: De AI zag dat de "drukte" de verspreiding vertraagde.

5. Waarom is dit belangrijk?

Vroeger dachten we dat soorten gewoon bleven groeien tot ze stopten. Nu weten we dat het een dynamisch spel is, net als een drukke stad.

• Als een regio te vol raakt, stopt de groei van nieuwe soorten.
• Dit helpt ons begrijpen waarom sommige gebieden rijk zijn aan biodiversiteit en andere niet.
• Het helpt ons voorspellen wat er gebeurt als we de natuur verstoren (bijvoorbeeld door klimaatverandering of het introduceren van nieuwe soorten).

Samenvattend:
De auteurs hebben een nieuwe, slimme manier bedacht om te kijken naar hoe soorten zich verspreiden. In plaats van starre formules, gebruiken ze een computer die "leert" door te spelen met miljoenen virtuele werelden. Ze ontdekten dat de hoeveelheid soorten die al ergens wonen, een enorme invloed heeft op of er nieuwe soorten bij komen of dat oude soorten verdwijnen. Het is alsof de natuur een eigen "capaciteit" heeft, en deze nieuwe tool helpt ons die limiet precies te meten.

Technische samenvatting

Probleemstelling

Ecologische theorie voorspelt dat lokale soortenrijkdom (diversiteit) de biogeografische rates van speciatie, uitsterving en verspreiding beïnvloedt. In gebieden met hoge concurrentie zouden speciatie- en verspreidingsrates kunnen dalen terwijl uitstervingsrates stijgen, wat leidt tot een draagkracht (carrying capacity) voor lokale soortenrijkdom. Bestaande fylogenetische diversificatiemodellen (zoals GeoSSE) laten soortenrijkdom vaak exponentieel en onbeperkt groeien, wat in strijd is met evenwichtstheorieën.

Eerdere modellen die diversiteitsafhankelijkheid proberen te modelleren (zoals DAISIE of aangepaste MuSSE-modellen) hebben beperkingen:

• Ze zijn vaak deterministisch of fenomenologisch (gebruiken gebiedsoppervlak als proxy in plaats van daadwerkelijke aantallen).
• Ze modelleren vaak niet expliciet de interacties tussen soorten in dezelfde regio (sympatrie).
• Ze gebruiken vaak één enkele draagkrachtparameter voor alle processen, waardoor het onmogelijk is om te testen of diversiteit verschillende effecten heeft op speciatie, uitsterving en verspreiding.
• Ze missen vaak een wiskundig haalbare likelihood-functie, wat klassieke statistische inferentie (zoals Maximum Likelihood) onmogelijk maakt voor complexe scenario's.

Methodologie

De auteurs introduceren DDGeoSSE (Diversity-Dependent GeoSSE), een volledig generatief, gebeurtenisgebaseerd fylogenetisch model dat lokale soortenrijkdom koppelt aan evolutieprocessen.

1. Het DDGeoSSE Model:

• Uitbreiding van GeoSSE: Het model bouwt voort op het GeoSSE-framework maar maakt rates afhankelijk van het aantal soorten ($n_i$) in een specifieke regio.
• Logaritmische afhankelijkheid: De auteurs kiezen voor een logaritmische relatie (Log-DDG) in plaats van een lineaire. De rate $r(t)$ wordt berekend als: $r(t) = \rho \times (\log(n_i(t)) + 1)^{\theta}$, waarbij $\rho$ de basisrate is en $\theta$ de diversiteitsafhankelijke effectparameter.
  • Dit zorgt voor een afnemend effect bij hoge aantallen soorten, wat biologisch realistischer is.
• Vijf proces-types: Het model kan onafhankelijke effecten toepassen op:
  1. Uitsterving ($e$)
  2. Speciatie binnen regio ($w$)
  3. Verspreiding uitgaand ($d_{src}$)
  4. Verspreiding inkomend ($d_{dest}$)
  5. Speciatie tussen regio's ($b$)
• Evenwichtsdiversiteit: In tegenstelling tot eerdere modellen waar draagkracht een input-parameter is, is de lokale evenwichtsdiversiteit ($n^*_i$) in DDGeoSSE een emergente eigenschap die voortkomt uit de balans tussen instroom (speciatie + verspreiding) en uitstroom (uitsterving + verspreiding). De auteurs leiden analytische oplossingen af voor $n^*_i$ onder specifieke aannames.

2. Deep Learning voor Inferentie:
Omdat DDGeoSSE geen analytische likelihood-functie heeft, gebruiken de auteurs diep leren (deep learning) voor likelihood-vrije inferentie via de software phyddle.

• Simulatie: Er worden 50.000 trainingsdatasets gegenereerd voor 8 verschillende submodellen (combinaties van diversiteitsafhankelijkheid op de drie belangrijkste processen: speciatie, uitsterving, inkomende verspreiding).
• Neurale Netwerken: Er worden twee soorten netwerken getraind:
  1. Parameterschatting: Een CNN (Convolutional Neural Network) dat fylogenetische bomen en tip-staten invoert en de parameters ($\rho$ en $\theta$) schat.
  2. Modelselectie: Netwerken die bepalen welke submodel (welke processen zijn diversiteitsafhankelijk) het beste past bij de data.
• Validatie: De prestaties worden getest op gesimuleerde testdata en vervolgens toegepast op empirische datasets.

Belangrijkste Bijdragen

1. Nieuw Model (DDGeoSSE): Het eerste fylogenetische geboorte-sterfmodel dat lokale soortenrijkdom expliciet koppelt aan rates voor speciatie, uitsterving en verspreiding in een multi-regio systeem, zonder een vaste "mainland" regio aan te nemen.
2. Theoretische Afleiding: De auteurs leiden wiskundige formules af voor lokale evenwichtsdiversiteit ($n^*_i$) en tonen aan hoe deze afhangt van de basisrates en effectparameters.
3. Likelihood-vrije Inferentie: Een robuust framework voor het schatten van parameters en het selecteren van modellen in complexe biogeografische scenario's waar likelihood-functies niet beschikbaar zijn, gebruikmakend van deep learning.
4. Empirische Toepassing: Toepassing op twee grote evolutionaire radiaties: Caribische Anolis hagedissen en Neotropische Viburnum planten (Oreinotinus clade).

Resultaten

1. Simulatie en Statistieken:

• Sterke diversiteitsafhankelijkheid leidt tot kenmerkende patronen in boomvormen:
  • Speciatie: Negatief effect ($w_D < 0$) leidt tot meer gebalanceerde bomen en grotere gemiddelde verspreidingsgebieden.
  • Uitsterving: Positief effect ($e_D > 0$) leidt tot onbalans (meer "bushy" bomen) en kortere takken dichter bij de present (hogere turnover).
  • Verspreiding: Negatief effect op inkomende verspreiding ($d_{dest} < 0$) verkleint het aantal soorten en de verspreidingsgebieden.
• Schatting: De deep learning-modellen kunnen parameters nauwkeurig schatten. Basisrates ($\rho$) worden preciezer geschat dan diversiteitsafhankelijke effectparameters ($\theta$), waarbij uitstervingsparameters ($e_D$) het moeilijkst te schatten zijn (een bekend probleem in fylogenetische modellen).
• Modelselectie: De netwerken bereiken een nauwkeurigheid van 73-87% bij het correct identificeren van welke processen diversiteitsafhankelijk zijn.

2. Empirische Analyse:

• Caribische Anolis: Het beste model toont sterke ondersteuning voor diversiteitsafhankelijke speciatie binnen regio's en uitsterving, en zwakkere ondersteuning voor inkomende verspreiding. Dit bevestigt de hypothese dat hogere lokale diversiteit de speciatie en immigratie remt en uitsterving bevordert.
• Viburnum (Oreinotinus): Het model ondersteunt sterk dat hogere lokale diversiteit de speciatie binnen regio's beperkt en matig de inkomende verspreiding. Er is geen bewijs voor diversiteitsafhankelijke uitsterving. Dit suggereert een "incumbency effect" waar gevestigde soorten nieuwe kolonisten tegenhouden.

Significantie

Dit artikel is een doorbraak in de evolutionaire biogeografie omdat het:

• Een brug slaat tussen ecologische theorie (draagkracht) en fylogenetische analyse.
• Een oplossing biedt voor het probleem van niet-beschikbare likelihood-functies in complexe modellen door gebruik te maken van deep learning.
• Toont aan dat lokale soortenrijkdom een cruciale drijvende kracht is in de diversificatiegeschiedenis van zowel dieren als planten.
• Een flexibel kader biedt om te testen of diversiteit verschillende effecten heeft op verschillende evolutionaire processen (bijv. remt het alleen speciatie of ook verspreiding?), wat eerder niet mogelijk was met bestaande modellen.

De studie onderstreept dat deep learning een krachtig hulpmiddel is om complexe, niet-lineaire evolutionaire dynamieken te ontrafelen die met traditionele statistische methoden niet opgelost kunnen worden.