
-
生物通官微
陪你抓住生命科技
跳动的脉搏
利用机器学习预测鸣禽杂交区的迁徙存活率
《Scientific Reports》:Predicting migratory survival in a songbird hybrid zone using machine learning
【字体: 大 中 小 】 时间:2026年06月28日 来源:Scientific Reports 4.9
编辑推荐:
摘要人们认为,种后外在隔离——即对那些经历了不同生态适应的种群之间的杂交个体进行选择压力——在物种形成过程中起着核心作用。然而,要证明这一点极为困难,因为需要证据表明具有生态相关性的特征会影响杂交个体的适应性。为了解决这一难题,我们在两种鸣禽的杂交带进行了个体无线电追踪,并运用机
人们认为,种后外在隔离——即对那些经历了不同生态适应的种群之间的杂交个体进行选择压力——在物种形成过程中起着核心作用。然而,要证明这一点极为困难,因为需要证据表明具有生态相关性的特征会影响杂交个体的适应性。为了解决这一难题,我们在两种鸣禽的杂交带进行了个体无线电追踪,并运用机器学习技术。在这些鸟类中,季节性迁徙的差异被认为是外在隔离屏障。我们以存活率为替代指标,构建了一个随机森林分类模型,利用一系列遗传、形态和行为特征来预测存活概率。该模型的整体准确率处于中等水平(62%),但对于那些成功完成迁徙的鸟类而言,其类别特定的性能指标超过了随机预期。尽管没有哪种特征在单变量分析中能持续影响模型预测结果,但在分类中起重要作用的特征包括迁徙年份、性别、翅膀形状以及秋季迁徙方向。当考虑特征的成对组合时,与迁徙年份的交互作用产生了最强的影响,这表明时间变化会显著影响其他所有变量的预测作用。这些结果凸显了预测诸如存活率这类复杂且具有随机性的生态结果的难度。不过,那些与存活率最常相关的特征为未来的研究提供了有希望的方向,而我们的方法也为类似的研究提供了思路,有助于将自然种群中的表型变异与适应性联系起来。