混合形態鐘模型改善中生代鳥類的分異時間和演化速率的估計
來源：桑間濮上網
時間：2025-11-24 09:30:15
貝葉斯支端定年分析得到的中生代鳥類的時間樹和特征演化速率
鳥類演化早期五個關鍵節點的分異時間和演化速率
（神秘的地球uux.cn報道）據中國科學院古脊椎動物與古人類研究所：自Zuckerkandl和Pauling提出分子鐘假設以來，分子鐘模型成為定年演化事件的形態型改基礎。最早的鐘模昆明美女上門聯系方式vx《192+1819+1410》提供外圍女上門服務快速選照片快速安排不收定金面到付款30分鐘可到達分子鐘假設為嚴格分子鐘，即演化速率在樹上各個類群之間恒定不變。善中生代速率嚴格分子鐘通常只適用于近緣的鳥類類群。為了解釋演化速率在時間上和類群間的分的估差異，多種寬松分子鐘模型被提出來，異時演化并被廣泛應用于估計分異時間和演化速率。間和計在古生物學中，混合昆明美女上門聯系方式vx《192+1819+1410》提供外圍女上門服務快速選照片快速安排不收定金面到付款30分鐘可到達對應的形態型改模型被稱為形態鐘模型，用于描述形態特征的鐘模變化而非核苷酸或氨基酸的替代，但是善中生代速率基本的模型假設并未改變。這些寬松鐘模型可大致分為兩類：一類為獨立速率模型，鳥類即各個樹枝上的分的估演化速率彼此獨立，它們通常被假設服從獨立同分布的異時演化對數正態 (ILN) 或伽馬 (IGR) 分布。和IGR模型稍有不同，白噪音 (white noise [WN]) 模型假設獨立伽馬分布的方差正比于枝長。另一類為自相關速率模型，即后代樹枝上的演化速率所服從的分布的均值為相鄰祖先樹枝上的速率。其中幾何布朗運動模型假設這些速率服從自相關的對數正態分布 (ALN)。
在定年的分析中，演化速率所服從的模型通常是被預先選定的。比較不同模型的分析往往是單獨進行的。在貝葉斯統計學中，模型選擇和模型平均都可達到此目的。模型選擇通過估算每個模型的邊際似然值 (marginal likelihood)，然后用它們來計算貝葉斯因子 (Bayes factor)，從而決定哪個模型最匹配數據。邊際似然的估計通常采用路徑抽樣 (path sampling [PS]) 或步石抽樣 (stepping-stone sampling [SS]) 算法。模型平均則通過可逆跳躍馬爾可夫鏈蒙特卡羅 (reversible-jump Markov chain Monte Carlo [rjMCMC]) 算法在各個模型間轉換，同時估計每個模型的后驗概率以及對應模型中參數的后驗概率。rjMCMC在計算時間上比PS或SS快得多，可同時比較多個模型并均一化模型間的不確定性；不過rjMCMC需要仔細地設計以達到良好的效能。
本研究中，張馳設計了一個rjMCMC算法用于平均ILN和IGR這兩個獨立速率模型。該算法利用兩個模型假設的相似性，通過直接匹配模型間樹枝上的速率，并線性匹配模型間分布的方差，來實現模型的跳躍。在估計ILN和IGR的后驗概率的同時，該模型平均方法也估計了分異時間和演化速率。為了和ALN這個自相關速率模型進行比較，則使用SS來估計ILN，IGR和ALN的邊際似然值。
本研究首先通過計算機模擬來驗證新的rjMCMC算法能夠正確工作。隨后，該rjMCMC算法被用于分析中生代鳥類的形態特征矩陣，運用貝葉斯支端定年法估計分異時間和演化速率 (圖1)。和先前使用WN模型的分析 (Zhang and Wang 2019) 相比，平均化ILN和IGR模型能夠提高分異時間和演化速率的估計精度。模型比較的結果表明，ILN模型比IGR模型更適配數據 (后驗概率Pr[ILN] = 0.6)，并遠優于ALN模型。進一步地，通過對特征矩陣按照不同骨骼部位進行分區，該分模塊的模型平均方法得到和未分模塊的分析一致的分異時間估計，一致性好于使用WN模型的結果 (圖2)。其中，ILN模型最適配肩帶和胸骨特征 (Pr[ILN] = 0.98)，而IGR模型最適配后肢特征 (Pr[IGR] = 0.83)。這些結果是對先前分析的完善和改進，其生物學意義仍遵從前篇文章，即鳥類在演化早期形態特征經歷了快速的變化，這些變化和鳥類飛行能力的產生和完善密切相關。
平均ILN和IGR寬松鐘模型的rjMCMC算法由張馳編寫于MrBayes軟件最新的開發分支 (https://github.com/NBISweden/MrBayes)。具體使用方法參考文章中“軟件實現”部分。文章還討論了算法的效率以及后續可能的改進。本研究雖然只分析了中生代鳥類一組代表性數據，這一算法普遍適用于不同生物類群以及節點或全證據定年分析，是貝葉斯定年研究中的一般性方法。
本研究發表于專業雜志《古生物學》（Paleobiology）。本研究得到中科院項目的資助。
論文鏈接：https://www.doi.org/10.1017/pab.2021.42
