《Evolutionary Ecology》:Geometric morphometrics enables accurate predictions of palaeoecology and reveals unique adaptations to an expanded niche space in extinct waterfowl
编辑推荐:
建立生物体表型、生态学及环境随时间变化的关系是进化生物学的核心目标。深入理解现存谱系中功能性状在不同生态位间的变异规律,有助于为化石形态学和古生态学解释提供背景框架。这在很大程度上体现在水禽中已被明确建立的觅食生态与性状变异之间的关联。本研究将监督式机器学习(
建立生物体表型、生态学及环境随时间变化的关系是进化生物学的核心目标。深入理解现存谱系中功能性状在不同生态位间的变异规律,有助于为化石形态学和古生态学解释提供背景框架。这在很大程度上体现在水禽中已被明确建立的觅食生态与性状变异之间的关联。本研究将监督式机器学习(随机森林)和线性判别分析应用于一个庞大的现存几何形态测量数据集,以预测九种已灭绝水禽物种的觅食生态。研究人员发现,两种方法对觅食生态已获验证的灭绝物种均能可靠预测其古生态,并对了解较少的物种提供合理预测。有趣的是,夏威夷的moa-nalo(Thambetochen属物种及Ptaiochen pau)和新西兰的Cnemiornis calcitrans(Cn. calcitrans)可能占据着现代水禽中已不复存在的生态位。这些物种在形态和生态上的独特性比以往描述更为显著。本研究进一步强调了预测建模在支持古生物学研究中的实用价值。
本研究发表于《Evolutionary Ecology》杂志,旨在利用几何形态测量数据训练预测模型,以推断已灭绝水禽物种的觅食生态,从而解决古生态学中直接观测稀缺的难题。
研究背景方面,理解适应性过程是进化生物学的关键焦点,对于认识生物体生物学特征和多样化至关重要。虽然化石数据能丰富宏观进化时间尺度上的适应性研究,但直接观测古生态的机会十分罕见。水禽的解剖结构与觅食行为及饮食密切相关,不同类群多次独立地进入相似觅食生态位,导致多个骨骼元素出现趋同形态。此前对水禽古生态的推断多依赖少数物种的比较形态学,或单一骨骼元素的形态测量分析,且多为定性描述或非模型化方法。
研究人员开展了以下研究:基于Chatterji等人(2026)的现代数据集,选取九种近期灭绝水禽化石物种,对颅骨、股骨(femur)、胫跗骨(tibiotarsus)和跗跖骨(tarsometatarsus)进行几何形态测量。研究创建了随机森林(random forest, RF)和线性判别分析(linear discriminate analysis, LDA)预测模型,分别基于四种骨骼元素独立训练以及四元素综合数据训练,以预测灭绝物种的饮食、觅食行为和综合觅食生态。模型准确性通过80%现存数据集训练、20%测试的方式评估,以30%错误率为可接受标准。
研究结果表明:所有骨骼元素均与大小显著相关(P<0.005);化石物种扩展了水禽已知的形态空间(morphospace),moa-nalo和Cn. calcitrans在各元素的主成分分析中呈现极端值,具有更短的喙、更高的颅骨、更大的股骨转子、更宽的胫跗骨近端及更展开的跗跖骨滑车等特点;组合随机森林模型对觅食行为和觅食生态的预测准确性最高;模型对位于现存形态空间内的灭绝物种(如Chendytes lawi、灭绝Branta物种)预测结果与先前研究一致,但对形态学离群值(moa-nalo和Cn. calcitrans)预测结果不一致且支持度较弱。
研究结论指出:几何形态测量数据集可用于训练预测模型以进行准确的古生态形态学分析,当数据中存在强适应性信号时效果尤为显著;随机森林模型略更准确,而线性判别分析模型通常具有更高的后验概率值,但若数据超出训练变异范围则可能产生虚假高支持度;moa-nalo、Cn. calcitrans和Talpanas lippa位于现存形态变异范围之外,表明这些物种适应了现代水禽未占据的生态位;将灭绝物种纳入现代物种的定量数据集中,揭示了水禽适应性的新见解,未来研究可通过纳入更多化石类群迭代扩展模型以提高性能。
重要意义在于,该研究证实了预测建模对古生物学研究的实用价值,特别指出线性判别分析模型可能不适用于具有新颖形态的化石研究,因其膨胀的后验概率值可能导致错误的生态学分配。同时,研究发现了全新世鸟类灭绝后功能性多样性缩减的全球模式——灭绝水禽具有独特形态和生态位,其消失导致水禽功能多样性降低,这为理解现代和未来生态系统动态提供了重要视角。