A covarion model for phylogenetic estimation using discrete morphological datasets

Este estudo apresenta o modelo "covariomorph" no RevBayes, que estende o modelo covarion para dados morfológicos ao permitir variações de taxa específicas de linhagem e caráter, demonstrando através de simulações e dados empíricos que essa abordagem melhora a precisão da inferência filogenética, afetando significativamente a topologia das árvores e os comprimentos dos ramos em comparação com modelos tradicionais.

O essencial

Imagine que você está tentando reconstruir a história de uma família antiga, mas em vez de usar fotos, você só tem uma lista de características físicas: o formato do nariz, a cor dos olhos, o tamanho das orelhas. O objetivo é montar a árvore genealógica correta.

Por muito tempo, os cientistas usaram uma regra simples para fazer isso: "Todos os membros da família mudam no mesmo ritmo." Se o avô tinha um nariz grande e o neto um pequeno, assumiam que essa mudança aconteceu de forma constante e uniforme ao longo de toda a história.

Mas a realidade é muito mais bagunçada. Às vezes, um traço muda rapidinho em uma geração (como a cor da pele mudando por adaptação ao sol), e depois fica estagnado por milênios. Em outros momentos, um traço que parecia estável de repente explode em variações.

É aqui que entra este novo estudo, que apresenta um modelo chamado "Covariomorph". Vamos explicar como funciona usando algumas analogias do dia a dia.

1. O Problema: O Relógio Quebrado

Os modelos antigos (chamados de modelo Mk) tratavam cada característica como se tivesse seu próprio relógio, mas esse relógio nunca mudava de velocidade.

• A analogia: Imagine que você tem 100 carros (cada carro é uma característica, como "tamanho da asa" ou "formato do dente"). O modelo antigo dizia: "O carro A sempre viaja a 60 km/h. O carro B sempre viaja a 40 km/h."
• A realidade: Na natureza, o carro A pode viajar a 60 km/h por uma hora, depois entrar em um engarrafamento e ir a 10 km/h, e depois acelerar para 120 km/h. O modelo antigo não conseguia ver essas mudanças de velocidade.

2. A Solução: O Modelo "Covariomorph" (O Carro com Câmbio Automático)

Os autores criaram um novo modelo que permite que cada característica mude de velocidade ao longo do tempo, dependendo de onde ela está na árvore genealógica. Eles chamaram isso de Covariomorph.

• A analogia do Câmbio Automático:
  Imagine que cada característica tem um "câmbio" com várias marchas:
  • Marcha Lenta (Ruído): A característica quase não muda (ex: a estrutura do crânio de um réptil que é muito conservada).
  • Marcha Média: Mudanças normais.
  • Marcha Turbo (Aceleração): A característica muda muito rápido (ex: a cor das penas de um pássaro durante uma adaptação rápida).

O grande diferencial do Covariomorph é que ele permite que a característica troque de marcha enquanto a história acontece.

• No modelo antigo, se um dente era "lento", ele seria lento para sempre.
• No novo modelo, um dente pode ser "lento" por 10 milhões de anos, e de repente, quando o animal entra em um novo ambiente, ele muda para a "marcha turbo" e evolui rapidamente. Depois, pode voltar a ser lento.

3. Como eles descobriram isso? (A Simulação)

Os cientistas criaram "falsas" árvores genealógicas no computador para testar se o novo modelo funcionava.

• Eles criaram cenários onde as características mudavam de velocidade aleatoriamente.
• O modelo antigo falhou em adivinhar a árvore correta nessas situações.
• O novo modelo Covariomorph conseguiu "ler" as mudanças de marcha e reconstruiu a história com muito mais precisão.

4. O Teste Real: Tubarões e Raias

Para ver se isso funcionava na vida real, eles pegaram dados reais de tubarões e raias.

• O que aconteceu: O modelo antigo achou que a evolução era lenta e constante. O novo modelo viu que a evolução era cheia de surpresas.
• O resultado: Quando usaram o novo modelo, a árvore genealógica mudou! Alguns grupos que pareciam parentes próximos no modelo antigo, no novo modelo, não eram tão próximos assim. Além disso, o "tempo" da evolução (o tamanho dos galhos da árvore) ficou diferente.

Por que isso é importante?

Imagine que você está tentando calcular quando duas espécies se separaram (divergência).

• Se você usa o modelo antigo, pode achar que elas se separaram há 100 milhões de anos.
• Com o novo modelo, que entende que a evolução acelera e desacelera, você pode descobrir que elas se separaram há 80 milhões de anos, mas evoluíram muito rápido num curto período.

Resumo da Ópera:
A evolução não é uma linha reta e constante. É como uma viagem de carro com muito trânsito, curvas e trechos de estrada livre. O modelo Covariomorph é o GPS inteligente que entende que o carro pode acelerar e frear, permitindo que os cientistas desenhem a história da vida com muito mais precisão do que antes.

Isso ajuda a entender melhor como os animais mudaram, quanto tempo levaram para mudar e por que alguns grupos (como os dinossauros ou os primeiros pássaros) explodiram em diversidade enquanto outros ficaram "parados" no tempo.

Resumo técnico

Título: Um modelo covarion para estimação filogenética usando conjuntos de dados morfológicos discretos

Autores: Basanta Khakurel e Sebastian Höhnna
Publicação: bioRxiv (Pré-impressão)

---

1. O Problema

As inferências filogenéticas baseadas em dados morfológicos frequentemente utilizam o modelo de Markov de $k$ estados (Mk). No entanto, o modelo Mk assume que:

1. Todas as características morfológicas evoluem a taxas iguais.
2. As taxas de evolução são homogêneas ao longo de toda a filogenia (todas as linhagens).

A realidade biológica viola essas premissas. A evolução morfológica exibe heterogeneidade de taxas tanto entre diferentes caracteres quanto entre diferentes linhagens (heterotaxia). Modelos existentes que incorporam variação de taxas entre caracteres (ACRV - Among-Character Rate Variation) assumem que um caractere que evolui rápido em uma linhagem continuará evoluindo rápido em todas as outras, o que é biologicamente irrealista. Até o momento, não havia um modelo testado que permitisse que as taxas de evolução de um único caractere morfológico mudassem dinamicamente ao longo das linhagens (mudanças de regime de taxa), um fenômeno conhecido como covariância ou heterotaxia.

2. Metodologia

Os autores desenvolveram e implementaram um novo modelo chamado "Covariomorph" no software de filogenética bayesiana RevBayes.

• Conceito Central: O modelo estende o modelo covarion (originalmente desenvolvido para dados moleculares) para dados morfológicos discretos. Ele permite que os caracteres alternem entre diferentes categorias de taxa de evolução durante o processo evolutivo.
• Mecanismo do Processo:
  • O processo é modelado como uma cadeia de Markov contínua no tempo.
  • Para cada caractere, há dois processos estocásticos: (1) transições de estado do caractere (governadas pela matriz de substituição Mk escalada) e (2) transições entre categorias de taxa (governadas por uma taxa de troca $\delta$).
  • O espaço de estados é expandido: um caractere com $k$ estados e $m$ categorias de taxa resulta em um espaço de estados virtual de tamanho $k \times m$.
  • A matriz de taxa expandida ($\tilde{Q}$) contém blocos diagonais que representam a evolução dentro de uma categoria de taxa e blocos fora da diagonal que representam a troca entre categorias de taxa.
• Parâmetros Chave:
  • Escalares de Taxa ($r$): Derivados de uma distribuição de probabilidade discretizada (ex: log-normal), definindo categorias de taxa (ex: lenta, média, rápida).
  • Taxa de Troca ($\delta$): Controla a frequência com que um caractere muda de uma categoria de taxa para outra ao longo das linhagens.
• Validação:
  • Simulações: Foram realizados estudos de simulação em árvores de diferentes tamanhos (curta, média, longa) e sob diferentes modelos geradores (Mk, Mk+ACRV e Covariomorph) para testar a capacidade de recuperação dos parâmetros ($\sigma$ e $\delta$).
  • Dados Empíricos: O modelo foi aplicado a 164 conjuntos de dados morfológicos empíricos (fósseis e extintos). Dois casos de estudo detalhados foram analisados: Raias (Myliobatiformes) e Tubarões (Neoselachians).
  • Seleção de Modelo: Utilizou-se o Fator de Bayes (via stepping-stone e path-sampling) para comparar o desempenho do modelo Covariomorph contra o Mk padrão e o Mk+ACRV.

3. Principais Contribuições

1. Novo Modelo Evolutivo: Introdução do modelo "Covariomorph", que é a primeira implementação de um modelo covarion explícito para dados morfológicos discretos, permitindo variação de taxas específica de linhagem para cada caractere.
2. Implementação no RevBayes: O modelo foi codificado de forma flexível, permitindo a expansão de matrizes de dados e o cálculo de verossimilhança usando o algoritmo de poda de Felsenstein adaptado para o espaço de estados expandido.
3. Análise de Heterotaxia: Demonstra que a heterotaxia (variação de taxas ao longo das linhagens) é um fenômeno detectável e relevante em dados morfológicos, não apenas em dados moleculares.
4. Impacto na Topologia e Comprimento de Ramos: Prova que ignorar a dinâmica de troca de taxas pode levar a estimativas incorretas de topologia e comprimentos de ramos.

4. Resultados

• Simulações:
  • O modelo recuperou com precisão os parâmetros verdadeiros ($\sigma$ e $\delta$) quando os dados foram gerados sob um processo covariomorph.
  • Quando os dados foram gerados sob modelos mais simples (Mk ou Mk+ACRV), o modelo covariomorph "colapsou" corretamente para esses modelos mais simples (inferindo $\delta$ alto ou $\sigma \approx 0$), demonstrando robustez e evitando superajuste (overfitting) quando não há sinal de heterotaxia.
  • A precisão da recuperação de parâmetros depende do comprimento total da árvore; árvores mais longas permitem a detecção de taxas de troca mais rápidas.
• Dados Empíricos (164 conjuntos):
  • Aproximadamente metade dos conjuntos de dados exibiu padrões compatíveis com o modelo Mk simples (alta taxa de troca, baixa variação de taxa).
  • A outra metade mostrou evidências claras de heterogeneidade de taxas ($\sigma > 0$), indicando a presença de dinâmicas covarion ou variação entre caracteres.
• Casos de Estudo (Raias e Tubarões):
  • Seleção de Modelo: O modelo Covariomorph foi fortemente favorecido em relação ao Mk e ao Mk+ACRV em ambos os conjuntos de dados (Fatores de Bayes decisivos).
  • Topologia e Comprimento de Ramos: O uso do modelo Covariomorph resultou em topologias diferentes e comprimentos de ramos significativamente maiores (até 1,5x a 1,7x mais longos) em comparação com o modelo Mk. Isso sugere que modelos tradicionais podem subestimar a evolução morfológica ao forçar a homogeneidade de taxas.
  • Número de Categorias: Para o conjunto de dados de tubarões, modelos com um número maior de categorias de taxa ($m \ge 8$) foram preferidos, indicando uma complexidade de variação de taxas mais elevada.

5. Significado e Implicações

• Precisão Filogenética: O modelo Covariomorph oferece uma estrutura mais realista para a evolução morfológica, reconhecendo que as pressões seletivas podem mudar ao longo do tempo para características específicas em linhagens específicas.
• Estimativa de Tempo de Divergência: Como o modelo altera significativamente os comprimentos dos ramos (que representam o número esperado de transições), sua aplicação é crucial para estudos de datação de divergência (relógios moleculares/morfológicos) e cálculos de taxas evolutivas. Ignorar a heterotaxia pode levar a erros sistemáticos na estimativa de tempos de divergência.
• Futuro: O estudo sugere que futuras implementações devem incluir correções para viés de ascertainment (comum em dados morfológicos) e explorar modelos mistos onde diferentes subconjuntos de caracteres podem seguir modelos diferentes (Mk vs. Covariomorph) dentro do mesmo conjunto de dados.

Em resumo, este trabalho representa um avanço significativo na modelagem de dados morfológicos, fornecendo uma ferramenta robusta para capturar a complexidade dinâmica da evolução fenotípica que modelos tradicionais ignoram.