基于蝴蝶表型深度学习检验进化论最古老的数学模型
种群与进化
2019-08-16 v1 机器学习
机器学习
摘要
传统解剖学分析仅捕获了真实表型组信息的一小部分。在此，我们应用深度学习来量化2468张蝴蝶照片间的总表型相似性，涵盖 与 多态拟态复合体的38个亚种。使用深度卷积三元组网络计算的欧氏表型距离，展示了种间协同拟态者之间的显著趋同。这定量验证了Müllerian拟态理论（进化生物学最古老的数学模型）的一个关键预测。表型邻接树与翅斑基因系统发育显著相关，证明了客观的、具有系统发育信息的表型组捕获。比较分析表明存在频率依赖的相互趋同与翅斑特征的协同进化交换。因此，表型分析支持经典拟态理论预测但此后受争议的交互协同进化，并揭示相互趋同是Müllerian拟态惊人多样性的内在生成机制。这表明深度学习可生成表型组空间嵌入，从而能够对先前仅能主观检验的进化假说进行定量检验。
引用
@article{arxiv.1908.05635,
title = {Deep learning on butterfly phenotypes tests evolution's oldest mathematical model},
author = {Jennifer F. Hoyal Cuthill and Nicholas Guttenberg and Sophie Ledger and Robyn Crowther and Blanca Huertas},
journal= {arXiv preprint arXiv:1908.05635},
year = {2019}
}
备注
Manuscript and combined supplementary information