AI100问(29)机器学习如何发现生物拟态证据？

Posted 2021-04-03 清语赋

生物进化理论已经得到广泛证明，然而当前研究中的很多方式还是主观性的。如对种属的分类和描述，对进化过程的分析，多依靠研究者自身的知识储备和主观分析，这使得一些理论存在长期争议。随着数据量的积累，生物学家开始使用机器学习工具来寻找更具量化性的、客观的证据来支持自己的理论，近年来取得了很大成功。

一个例子是2019年8月份发表在Science杂志上关于生物拟态的论文[2]。早在1878年，德国自然学家Fritz Muller就提出了一个理论，认为生活在同一个地区的某些个体会互相学习，从而实现更好的协同进化。例如，生活在同一个环境下的蝴蝶会互相模仿，使得捕食者不易发现。同样的模仿也发生在毒蛙和珊瑚蛇身上，称为Muller拟态。Muller拟态的假设是如果捕食者因某种原因（如有毒）放弃对某一类对象的捕猎，则也会因同样的原因放弃对具有拟态特征的其它对象的捕猎。

图1：Fritz Müller的拟态理论，副王峡蝶（上）和黑脉金斑蝶（下）协同进化出同样的特征，包括翅膀花纹和不好的味道[1]。

Muller的拟态理论是生物进化的第一个数学理论

参考文献：

[1]. Müllerian mimicry， https://en.wikipedia.org/wiki/M%C3%BCllerian_mimicry

[2]. Cuthill J F H, Guttenberg N, Ledger S, et al. Deep learning on butterfly phenotypes tests evolution’s oldest mathematical model[J]. Science advances, 2019, 5(8):

[3]. Saitou N, Nei M. The neighbor-joining method: a new method for reconstructing phylogenetic trees[J]. Molecular biology and evolution, 1987, 4(4): 406-425.

[4]. F. Müller, Ituna and Thyridia; a remarkable case of mimicry in butterflies. Trans. Entomol. Soc. Lond. 12–29 (1879)

By： 清华大学  王东

End.