PartitionFinder-mAIC: Phylogenetic Partitioning using Marginal Akaike Information Criterion

A vida na Terra é uma vasta árvore genealógica ramificada, e os cientistas passam grande parte de seu tempo tentando desenhar os ramos corretamente. Para fazer isso, eles observam o código genético encontrado em plantas, animais e micróbios, comparando como essas sequências mudaram ao longo de milhões de anos. No entanto, nem todas as partes de uma sequência genética mudam na mesma velocidade ou da mesma maneira. Algumas regiões são como muros antigos e robustos que mal se movem, enquanto outras são como tijolos soltos que tombam e se rearranjam frequentemente. Devido a essa variedade, os pesquisadores não podem tratar uma sequência genética inteira como um bloco único e uniforme. Em vez disso, eles devem dividir a sequência em grupos menores, ou partições, onde cada grupo segue seu próprio conjunto de regras para como evolui. Encontrar a maneira correta de agrupar essas seções é crítico; se os grupos forem muito amplos, a análise perde detalhes importantes, mas se forem muito estreitos, o modelo torna-se sobrecarregado com uma complexidade desnecessária, levando a um quadro confuso da história.

Durante anos, uma ferramenta popular chamada PartitionFinder ajudou os cientistas a decidir como organizar essas seções genéticas. Ela utiliza pontuações matemáticas para fundir grupos semelhantes, visando encontrar um equilíbrio que evite complicar excessivamente a história. Essas pontuações tradicionalmente baseavam-se em métodos que tratam o agrupamento de seções como um fato fixo, assumindo que as fronteiras estão estabelecidas em pedra antes que a história final seja calculada. Mas uma nova abordagem sugere que essa suposição pode ser rígida demais. Um método introduzido recentemente, conhecido como critério de informação de Akaike marginal, adota uma visão diferente. Em vez de travar os grupos em seus lugares, ele faz a média da verossimilhança dos dados através dos modelos de todas as partições, tratando as fronteiras como possibilidades fluidas. Essa mudança permite que o modelo considere melhor a incerteza inerente aos dados, potencialmente levando a uma visão mais clara dos ramos principais da árvore.

Em um novo desenvolvimento, pesquisadores trouxeram esse método mais flexível para o software amplamente utilizado IQ-TREE, criando uma ferramenta que chamam de PartitionFinder-mAIC. Ao integrar esse novo sistema de pontuação aos algoritmos existentes, a equipe testou se ele poderia produzir resultados melhores do que os métodos tradicionais. Eles testaram sua nova ferramenta contra uma ampla gama de dados simulados, onde a verdadeira árvore genealógica já era conhecida, bem como sequências reais de DNA e proteínas. Os resultados mostraram que o novo método consistentemente optou por usar menos partições do que as abordagens mais antigas. Em vez de dividir os dados genéticos em muitos grupos pequenos e excessivamente específicos, ele descobriu que agrupamentos mais amplos eram suficientes para explicar os padrões evolutivos.

Quando os pesquisadores aplicaram essas descobertas à história evolutiva das plantas verdes, o impacto foi tangível. Os esquemas de partição gerados pelo novo método levaram a inferências mais precisas nos ramos mais importantes da árvore genealógica das plantas. Isso sugere que, ao permitir que o modelo considere uma gama mais ampla de possibilidades para como os dados são agrupados, os cientistas podem evitar a armadilha do sobreajuste (overfitting), onde um modelo memoriza o ruído nos dados em vez de aprender o sinal verdadeiro. A ferramenta está agora disponível para outros pesquisadores utilizarem na versão mais recente do software, oferecendo uma maneira de refinar os mapas da história da vida com um método que reconhece a natureza fluida da evolução genética.