ИИ для анализа факторов эволюции животных

Исследователи использовали машинное обучение, чтобы создать метод анализа факторов, наиболее значимо влияющих на генетическое разнообразие видов.

Исследование, опубликованное в журнале Molecular Phylogenetics and Evolution, показало, что генетическая изменчивость двух видов амфибий из северо-востока Бразилии — бразильской свистящей лягушки (sibilator frog) и зернистой жабы (granular toad) — сформировалась под влиянием разных процессов.

• Свистящая лягушка: её генетическая вариация в основном сформировалась демографическими событиями в популяции в ответ на изменения среды обитания за последние 100 000 лет.
• Зернистая жаба: её генетическое разнообразие в основном обусловлено современными ландшафтными факторами. Жабы, которые относительно более изолированы (географически или из-за неподходящей среды), с большей вероятностью генетически отличаются.

Ранее влияние исторических демографических и ландшафтных факторов изучалось на отдельных наборах данных, что затрудняло определение главного из них. В этой работе впервые использован ИИ для одновременного анализа обоих процессов без предварительных ручных предположений об их важности.

«До этой работы нам приходилось задавать вопросы независимо, потому что нельзя было исследовать оба влияния в одной системе», — отметил соавтор исследования Брайан Карстенс.

ИИ позволяет моделировать процессы, происходящие как экологически в настоящем, так и в ходе эволюционных событий в глубоком времени, и сравнивать результаты моделирования с реальными данными.

Интеграция больших массивов информации в симуляции, учитывающие множество элементов в одном анализе, позволяет получить более полную картину развития вида. Модель, обученная с учётом биологии системы, показала высокую точность:

• >100% поддержка исторических объяснений экспансии свистящей лягушки.
• >99% поддержка для зернистой жабы.

Точность модели отчасти связана с её способностью учитывать недавние демографические события, например, влияние деятельности человека или изменения среды обитания на генетическое разнообразие животных.

Исследователи подчёркивают необходимость осторожности при использовании ИИ, чтобы избежать ложных закономерностей в результатах. Ни один анализ не может учесть все факторы, влиявшие на виды миллионы лет.

Эта работа — предвестник создания усовершенствованной системы машинного обучения, которую можно будет применять для уникальных исследований других видов. «Мы продолжим использовать различные комбинации этих инструментов ИИ, чтобы понять эволюционную историю. По мере нашего обучения инструменты будут меняться и становиться ещё лучше», — заключил Карстенс.