Même si les taux d’évolution semblent s’accélérer sur de courtes périodes, une nouvelle analyse suggère que le bruit statistique affecte les modèles de données. Un professeur de l’Université du Tennessee à Knoxville et son collègue ont développé de nouveaux outils pour aider les chercheurs à filtrer les données.
« Notre travail constitue une étape importante pour montrer à quel point les erreurs peuvent affecter les estimations de taux », a déclaré le professeur Brian O’Meara du Département d’écologie et de biologie évolutive.
Il a travaillé avec le professeur Jeremy Beaulieu, ancien chercheur postdoctoral à l’UT et aujourd’hui professeur agrégé à l’Université de l’Arkansas, sur la recherche publié le 13 septembre à Biologie computationnelle PLOS.
« Je m’intéresse depuis longtemps aux modèles étranges de taux de diversification, en particulier à l’observation selon laquelle les groupes d’organismes récemment créés ont des taux rapides », a déclaré O’Meara. « Nous nous attendons généralement à ce que le passé ressemble au présent, mais cette tendance suggère que les taux de tout augmentent vers le présent. »
Les taux de formation des espèces, de modification de la taille corporelle et même d’extinction augmentent sur de courtes périodes. Par exemple, les oiseaux percheurs relativement jeunes semblent évoluer plus rapidement que les oiseaux dans leur ensemble. « Regarder quelque chose pendant 10 ans entraîne un rythme plus rapide que le regarder sur 50 ans », a-t-il déclaré.
« Nous pensions que cela était dû à un biais dans ce que les gens étudient », a-t-il expliqué. « Pour utiliser une analogie tirée de l’un de nos journaux, les gens étudient les voitures de sport et ignorent les mini-fourgonnettes, donc ils ne regardent que les exemples rapides ou convaincants et n’échantillonnent pas les exemples lents ou ennuyeux, créant un biais. »
Crédit : Université du Tennessee à Knoxville
Au lieu de cela, O’Meara et Beaulieu montrent que cette tendance peut s’expliquer par du bruit statistique ou par des facteurs associés dans l’équation utilisée pour calculer le taux de changement. Ils proposent le terme « tip fog » pour décrire les écarts résultant de différents mécanismes.
« Il pourrait s’agir de changements évolutifs à court terme : un changement dans la taille du bec des oiseaux, car seuls ceux qui ont un grand bec peuvent écraser les graines disponibles pendant une sécheresse, par exemple », a déclaré O’Meara. « Ou il pourrait s’agir de choses comme l’incertitude dans les mesures : quelle est la longueur d’un tentacule de calmar extensible ? Une autre possibilité est celle des changements écologiques à court terme : un été chaud conduisant à une plante plus haute que les plantes d’un été plus frais il y a 50 ans. »
L’équation et le logiciel qu’ils ont développés supposent un type d’erreur. « Il s’agit probablement d’une première approximation assez bonne, mais il pourrait y avoir d’autres types d’erreurs qui rendent les interprétations des taux reconstruits encore incertaines de manière inattendue », a-t-il déclaré. « J’aimerais que notre solution résolve complètement le problème, en permettant un examen illimité des taux résiduels, mais je ne pense pas que nous en soyons encore là. »
Des estimations plus précises peuvent conduire à de meilleures réponses aux nombreuses questions liées au changement de taux, par exemple si le taux d’extinction augmente en raison de l’impact humain ou si le changement d’antibiotiques entraîne une croissance plus rapide de la population bactérienne.
Plus d’informations :
Brian C. O’Meara et al, Le bruit conduit à l’augmentation perçue des taux d’évolution sur de courtes échelles de temps, Biologie computationnelle PLOS (2024). DOI : 10.1371/journal.pcbi.1012458