AIを利用して動物の進化理論を調べ、検証する

July, 31, 2024--研究者は、機械学習の力を利用することで、種の遺伝的多様性に最も大きく寄与する要因を分析するためのフレームワークを構築した。

学術誌「Molecular Phylogenetics and Evolution」に最近掲載されたこの研究は、ブラジル北東部原産の両生類であるブラジルシビラガエルと粒状ヒキガエルの2種の遺伝的変異が、異なるプロセスによって形成されたことを示唆している。

その結果、シビラガエルの遺伝的変異は、過去10万年間に起こった生息地の変化に反応した個体群の人口統計学的事象によって主に形成されたことが示された。 対照的に、粒状ヒキガエルの遺伝的多様性は、主に現代の景観要因によって形成されており、地理的な距離や住みにくい生息地によって比較的孤立しているヒキガエルは、遺伝的に異なる可能性が高かった。

以前の調査では、これらの両生類の遺伝的多様性に対する歴史的なデモグラフィック統計学的および景観的要因の影響は、これらの要因について別々のデータセットで実施されたため、どれが最も重要であるかを識別することは困難だった。 今回、この論文に関わった研究者たちは、人工知能(AI)を使って、どちらのプロセスがより重要だったかについて手作業で仮定するのではなく、両方のプロセスがどのように遺伝的多様性を均等に形成するかを検討した最初の研究者である。

「この研究が始まる前は、同じ枠組みで両方の影響を調査することができなかったため、われわれは独立して質問する必要があった。AIによってできることは、現在と深層進化の過程の両方で生態学的に起こっているプロセスをシミュレーションし、その結果をこれらのカエルから収集した実際のデータと比較することである」と、この研究の共著者、オハイオ州立大学の進化学、生態学、生物生物学の教授、Bryan Carstensは話している。

同氏によると、過去数十年の間に遺伝学者やその他の野生生物生物学者が利用できるようになった膨大な量のデータにより、研究者が特定の実験で重要になる可能性のある特定の要因を特定することは困難な場合がある。しかし、1回の解析でこれらの要素を説明できる大量の情報をシミュレーションに統合することで、種の発生のより完全な記録を得ることができる。

「AIモデルの構築とトレーニングには長い時間がかかるが、システムの生物学についてわれわれが知っていることにできるだけ忠実な方法で、種の歴史における潜在的な変異の範囲を捉えることができるモデルが必要だった」(Carstens)。

例えば、この研究で調査した種は同じ地域に生息しているが、その自然史には多くの違いがある。卵も幼生も完全に水生であるにもかかわらず、シビュレーターガエルは雨季中と地下室で継続的に繁殖するが、粒状ヒキガエルの繁殖イベントは大雨に依存しているため爆発的に起こる。

機械学習のアプローチと組み合わせたシミュレーションにより、研究者のシミュレーションは、シビラガエルの膨張の歴史的説明に関してモデルシナリオが100%支持され、粒状ヒキガエルのシナリオが99%以上支持されていることを突き止めた。

このモデルが非常に正確である理由の1つは、人間の発達や生息地の変化などの出来事が長期間にわたって動物の遺伝的多様性にどのような影響を与えたかを測定するなど、最近のデモグラフィックイベントを説明できることである。

しかし、Carstensによると、AIを使用する場合でも、研究者は結果に欺瞞的なパタンがないように注意する必要がある。

「われわれが行う分析では、何百万年にもわたってこれらの種にとって重要だったすべての要因を捉えることはできない。したがって、基本的にどんなモデルでもデータに当てはめられるほど広くすることなく、様々な可能性を許容する必要がある」(Carstens)。

とはいえ、Carstensによると、技術の進歩により、研究者はニッチな生態学的疑問に答え、新しい仮説を検証できるようになり、その研究は、他の種のユニークな調査に適用できるアップグレードされた機械学習フレームワークを作成する前兆である。

「われわれは、進化の歴史を理解するために、これらのAIツールの様々な組み合わせを多様な方法で使用し続けそうである。そして、われわれが学び続けることで、われわれが使っているツールは変化し、さらに進化し、さらに良くなるだろう」とCarstensはコメントしている。