PartitionFinder-mAIC: Phylogenetic Partitioning using Marginal Akaike Information Criterion

Het leven op aarde is een enorme, vertakkende stamboom, en wetenschappers besteden veel van hun tijd aan het proberen deze takken correct te tekenen. Om dit te doen, kijken ze naar de genetische code die in planten, dieren en microben wordt gevonden, waarbij ze vergelijken hoe deze sequenties gedurende miljoenen jaren zijn veranderd. Echter, niet alle delen van een genetische sequentie veranderen met dezelfde snelheid of op dezelfde manier. Sommige regio's zijn als stevige oude muren die nauwelijks verschuiven, terwijl andere als losse bakstenen zijn die regelmatig omvallen en zich herschikken. Vanwege deze variatie kunnen onderzoekers een volledige genetische sequentie niet behandelen als een enkele, uniforme blok. In plaats daarvan moeten ze de sequentie verdelen in kleinere groepen, of partities, waarbij elke groep zijn eigen regels volgt voor hoe deze evolueert. Het vinden van de juiste manier om deze secties te groeperen is cruciaal; als de groepen te breed zijn, mist de analyse belangrijke details, maar als ze te smal zijn, raakt het model overbelast met onnodige complexiteit, wat leeft tot een verward beeld van de geschiedenis.

Jarenlang heeft een populaire tool genaamd PartitionFinder wetenschappers geholpen beslissen hoe ze deze genetische secties moeten organiseren. Het gebruikt wiskundige scores om vergelijkbare groepen samen te voegen, met als doel een evenwicht te vinden dat voorkomt dat de geschiedenis te compliceren wordt. Deze scores vertrouwden traditioneel op methoden die de groepering van secties behandelen als een vaststaand feit, uitgaande van de aanname dat de grenzen vastliggen voordat de uiteindelijke geschiedenis wordt berekend. Maar een nieuwe benadering suggereert dat deze aanname te rigide kan zijn. Een recent geïntroduceerde methode, bekend als het marginale Akaike-informatiecriterium, neemt een andere visie in. In plaats van de groepen vast te leggen, middelt het de waarschijnlijkheid van de gegevens over de modellen van alle partities, waarbij de grenzen worden behandeld als fluïde mogelijkheden. Deze verschuiving stelt het model in staat om de onzekerheid die inherent is aan de gegevens beter te verklaren, wat potentieel leidt tot een helderder beeld van de belangrijkste takken van de boom.

In een nieuwe ontwikkeling hebben onderzoekers deze flexibelere methode geïntegreerd in de veelgebruikte IQ-TREE software, waarmee ze een tool creëerden die ze PartitionFinder-mAIC noemen. Door dit nieuwe scoresysteem te integreren in de bestaande algoritmen, heeft het team getest of het betere resultaten kon produceren dan de traditionele methoden. Ze hebben hun nieuwe tool getest tegen een breed scala aan gesimuleerde data, waarbij de ware stamboom al bekend was, evenals tegen echte DNA- en eiwitsequenties. De resultaten lieten zien dat de nieuwe methode consequent koos voor het gebruik van minder partities dan de oudere benaderingen. In plaats van de genetische data op te splitsen in veel kleine, overly specifieke groepen, stelde het vast dat bredere groeperingen voldoende waren om de evolutionaire patronen te verklaren.

Wanneer de onderzoekers deze bevindingen toepasten op de evolutionaire geschiedenis van groene planten, was de impact tastbaar. De partitioneringsschema's gegenereerd door de nieuwe methode leidden tot nauwkeurigere inferenties bij de belangrijkste takken van de plantenstamboom. Dit suggereert dat door het model te laten overwegen dat er een breder scala aan mogelijkheden is voor hoe de gegevens gegroepeerd worden, wetenschappers de valstrik van overfitting kunnen vermijden, waarbij een model de ruis in de gegevens onthoudt in plaats van het ware signaal te leren. De tool is nu beschikbaar voor andere onderzoekers om te gebruiken in de nieuwste versie van de software, wat een manier biedt om de kaarten van de geschiedenis van het leven te verfijnen met een methode die de fluïde aard van genetische evolutie erkent.