Systematic Biology· 2026Q1
Derin öğrenme kullanarak çeşitliliğe bağlı biyocoğrafik oranların filogenetik tahmini
Phylogenetic estimation of diversity-dependent biogeographic rates using deep learning
- 2atıf
- Q1SCImago
- 2026yıl
Kısa özet
Yeni bir derin öğrenme modeli olan DDGeoSSE, yerel tür zenginliğinin türleşme, yok oluş ve yayılma oranlarını nasıl etkilediğini tahmin edebilmekte ve bu etkinin Karayip Anolis kertenkeleleri ile ormanlık alanlardaki Viburnum bitkilerinde bulunduğunu ortaya koymaktadır.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Ana noktalar
- Çeşitliliğe bağlı biyocoğrafik oranları içeren üretken bir filogenetik model olan DDGeoSSE tanıtıldı.
- DDGeoSSE, türleşme, yok oluş ve yayılma üzerindeki pozitif, negatif veya nötr tür etkileşimlerini içeren senaryoları test edebilir.
- Modelin yönetilebilir bir olabilirlik fonksiyonunun olmaması nedeniyle parametre çıkarımı için derin öğrenme (phyddle ile) kullanıldı.
- Karayip Anolis kertenkeleleri ve Viburnum bitkilerine uygulanan model, çeşitliliğe bağlı çeşitlenme kanıtları buldu.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Özet (abstract)
Abstract Ecological theory predicts that local species richness can influence biogeographic rates of speciation, extinction, and dispersal. For instance, increasing the number of competing species within a region may cause local speciation and dispersal rates to decrease but local extinction rates to increase, inducing a carrying capacity for local species richness. In this article, we introduce a fully generative, event-based phylogenetic diversification model, called DDGeoSSE, that allows diversity-dependent effects of local species richness to modulate biogeographic rates of diversification and range evolution. DDGeoSSE can accommodate and test a variety of alternative diversification scenarios that involve positive, negative, and neutral interactions among sympatric species for speciation, extinction, and dispersal. We derive mathematical and statistical properties of biogeographic outcomes generated by this model, such as the carrying capacity for a clade at equilibrium, which we validate through simulation. Because diversity-dependent phylogenetic models typically do not have tractable likelihood functions, we use deep learning with phyddle to perform parameter inference and model selection. Separately applying DDGeoSSE to Caribbean Anolis lizards and cloud forest-dwelling Viburnum plants, we find evidence that local species richness plays a significant role in shaping diversification dynamics for both clades.
Yazarların özeti; kaynağından alınmıştır. Systematic Biology, 2026 · DOI ↗
Ücretsiz hesapla devam et
Makaleye Sor ile bu makaleye günde 3 soru ücretsiz; makaleyi kaydet, kaynakçasını al, ilgi alanına göre her gün yeni özetler. Çıkarımlar Premium.
Web'de ücretsiz devam etGoogle ya da Apple hesabınla giriş; kart istemez. Bu makaleye geri dönersin.
Telefonda:
PaleontologyEarth and Planetary Sciences