听觉器官是高阶元分类“革命性证据”

fae59e8a4ca73999229525c0a46a7660.jpeg

来源:中国科学报

反刍类的内耳几何形态学分析及系统发育示图。Laura Dziomber/绘

化石研究的第一步是通过形态特征鉴定身份,厘清物种的亲缘关系,但这种方法并不完美。那些长相相似的也许“八竿子打不着”,而毫无共同特征的却是“亲属”。

近日,瑞士巴塞尔自然历史博物馆、中国科学院古脊椎动物与古人类研究所(以下简称古脊椎所)等合作团队在《自然-通讯》发表了一项研究成果。他们开创性地找出了一种反刍类动物的形态学特征——内耳迷路,为化石反刍类高阶元系统发育带来全新的研究手段。

姐妹群却没有共同特征

在大型植食性哺乳动物家族里,反刍类是分布最广、多样性最高,也是演化最成功的类群。但让古生物学家头痛的是,反刍类的系统演化关系有着高度的迷惑性。

“这是由于反刍类具有非常广泛的适应性,不同类群在相似的环境选择压力下,强烈呈现出平行或趋同演化的趋势,从而掩盖了系统发育的信息。”古脊椎所研究员王世骐解释说,最典型的例子莫过于叉角羚科。

一开始,研究人员把叉角羚科作为牛科的姐妹群,理由是两者都具有高冠齿。后来,又依据角及头骨的一些共同形态特征,把它们作为鹿科的姐妹群。然而,近年来分子系统发育研究却证实,叉角羚科其实是长颈鹿科的姐妹群。这一结果让科学家大跌眼镜,毕竟这对姐妹群几乎没有什么共同特征。

“分子系统发育的结果往往被认为比传统的形态学手段更加可靠,但运用到古生物学里也有局限性,因为它很难用于时代稍早的化石类群,而反刍类恰恰在新生代具有非常庞大的化石记录,也存在大量的化石科或亚科一级的单元,这也导致了反刍类的高阶分类位置一直都具有很大争议性。”王世骐指出。

因此,找到关键的系统发育和分类学的形态依据,成为古生物学研究的一大挑战。

内耳迷路为高阶元分类提供重要证据

内耳迷路是埋藏在脊椎动物围耳骨中的复杂管状结构,负责平衡和听力的器官就存在于这个结构中。王世骐表示,由于陆生哺乳动物感受平衡的方式和听觉方式早已演化成型,而内耳迷路存在于围耳骨内部,很少受到外界环境选择压力的影响。

“过去对灵长类、食肉类等类群内耳迷路的研究已经证实,它的形态具有很强的系统发育信号,是系统发育重建的有力武器。”王世骐说。

在这项研究中,科研人员利用高分辨率CT三维重建,获得了306件190种现生和化石反刍类的内耳迷路形态三维数据。结果发现,这些反刍类的内耳显示了非常强烈的系统发育信号,尤其在科一级的水平上,这种信号非常明显,与分子重建的系统发育呈现出高度一致性。

王世骐举例说,麝科与牛科的内耳迷路形态接近,而与鹿科有明显区别,从而支持麝科与牛科作为姐妹群组成牛超科,否定了过去通过齿冠高度和蹠骨形态将麝科与鹿科作为姐妹群的观点。

此外,内耳迷路形态还表明,长颈鹿超科、叉角羚科与基干有角类的内耳迷路形态更加接近,支持前两者为各冠群中最先分化出来的类群,这与分子系统发育给出的结果一致。

“这项研究揭示的内耳迷路形态特征,不仅为研究和解决反刍类系统演化和发育难题提供了重要的形态学证据,也为解决一些化石反刍类的分类难题提供了重要的参考依据。”王世骐强调。

相关论文信息:https://doi.org/10.1038/s41467-022-34656-0

未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;开展互联网(城市)大脑研究计划,构建互联网(城市)大脑技术和企业图谱,为提升企业,行业与城市的智能水平服务。每日推荐范围未来科技发展趋势的学习型文章。目前线上平台已收藏上千篇精华前沿科技文章和报告。

  如果您对实验室的研究感兴趣,欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”

6fb7eb24f6e2932b9da0ae63d99bf0a8.jpeg

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/481200.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

机器学习从理论到工程的第二步-开发环境与工具篇

在《第一步-编程语言篇》中,小夕为大家较为详细的介绍了做机器学习(及其相关应用方向)的编程语言的选择问题,这一篇便是小夕为大家推荐的各个编程语言的开发环境/工具。习惯性扫盲开篇。鉴于可能有部分同学的软件开发经验稍有欠缺…

干了一年“元宇宙”,Meta亏了300亿美金

来源:青投创新编辑:Leon"Facebook更名成Mate:从社交媒体转型为“元宇宙”,但前景并不乐观。一年前,Meta在元宇宙上高歌猛进。该公司刚刚完成了从Facebook到Meta的品牌重塑。正如马克扎克伯格(Mark Zuc…

机器学习从理论到工程的第二步-开发环境与工具篇(下)

好啦~继续昨天的《第二步——开发环境与工具篇(上)》~其实有点尴尬啦,本来想一篇讲完的,结果小夕太啰嗦了,还没有开始讲正文,就写了快2000字了。。。所以说,这一篇是上一篇的正文。。。matlab就…

阿里-2019算法岗笔试编程题-kmp匹配

版权声明&#xff1a;本文为博主原创文章&#xff0c;未经博主允许不得转载。 https://blog.csdn.net/qq_25737169/article/details/82503724 </div><link rel"stylesheet" href"https://csdnimg.cn/release/phoenix/template/css/ck_htmledit_…

IBM量子处理器,将突破1000位

来源&#xff1a;半导体行业观察IBM的CONDOR是世界上第一台拥有超过1000个量子比特的通用量子计算机&#xff0c;它将于2023年首次亮相。预计这一年IBM还将推出Heron&#xff0c;这是该公司表示可能对其有所帮助的新型模块化量子处理器群中的第一个到2025年生产出超过4000个量子…

ChatGPT到底有多聪明?我测试了ChatGPT的数学能力

来源&#xff1a;AI前线译者&#xff1a;马可薇 人人都听说过最新&#xff0c;也是最复杂的聊天机器人 chatGPT。而众所周知&#xff0c;它在英文文学等“软话题”方面甚是熟练&#xff0c;所以我决定测试它在数学这类“硬话题”方面的表现。你可能不知道&#xff0c;但我是有…

从朴素贝叶斯到贝叶斯网

回顾在文章《朴素贝叶斯》中&#xff0c;小夕为大家介绍了朴素贝叶斯模型的基本知识&#xff0c;并且得出了朴素贝叶斯是利用联合概率P(x1,x2,x3...xn,y)来确定某个样本为某个类别的概率&#xff0c;进而利用最大后验概率&#xff08;MAP&#xff09;来决策类别。也就是说&…

2022年,谁在数学史上永远留下了姓名

来源&#xff1a;新智元这一年&#xff0c;数学领域有什么大事&#xff1f;Quanta Magazine做了一份全年总结。我们可以把数学家想象成考古学家——他们煞费苦心地拂去世界隐藏结构上的灰尘。起来很吸引人&#xff1f;“你的起点并不重要&#xff0c;但要眼光长远&#xff0c;了…

神经网络激活函数=生物转换器?

啊~昨晚躺了一个小时竟然没有睡着&#xff0c;美容觉泡汤了...于是竟然大半夜起来写了这篇文章在《逻辑回归到神经网络》中&#xff0c;小夕让神经网络冒了个泡。在《一般化机器学习与神经网络》中&#xff0c;将神经网络这一火热的模型强制按回机器学习一般框架里。在《BP算法…

从Encoder到Decoder实现Seq2Seq模型

首发于机器不学习关注专栏写文章从Encoder到Decoder实现Seq2Seq模型天雨粟模型师傅 / 果粉​关注他300 人赞同了该文章更新&#xff1a;感谢Gang He指出的代码错误。get_batches函数中第15行与第19行&#xff0c;代码已经重新修改&#xff0c;GitHub已更新。前言好久没有更新专…

市场增速超20%,国产操作系统“浴火重生” | 解读操作系统的 2022

作者 | 凌敏 本文是“2022 InfoQ 年度技术盘点与展望”系列文章之一&#xff0c;由 InfoQ 编辑部制作呈现&#xff0c;重点聚焦操作系统领域在 2022 年的重要进展、动态&#xff0c;希望能帮助你准确把握 2022 年操作系统领域的核心发展脉络&#xff0c;在行业内始终保持足够的…

线性代数应该这样讲(二)

在《...&#xff08;一&#xff09;》中&#xff0c;小夕从映射的角度讲解了矩阵及矩阵运算&#xff0c;这也是机器学习中看待矩阵的非常重要的视角。另一方面说&#xff0c;矩阵当然也是用于存储数据的数据结构&#xff0c;这也是最好理解的形式。另外还可以看做是一个线性方程…

2023将至,Bengio等大佬年度展望!懂理性的AI模型要来了?

来源&#xff1a;新智元【导读】2022年对AI来说注定是不平凡的一年&#xff0c;这不吴恩达、Bengio等一众圈内大佬在接受DeepLearning.ai的采访中都展望了2023年AI的发展趋势&#xff0c;还分享了自己的科研小故事。还有1天&#xff0c;2022年就要过去了。此前我们报道了吴恩达…

【NLP】Attention Model(注意力模型)学习总结

【NLP】Attention Model&#xff08;注意力模型&#xff09;学习总结郭耀华发表于郭耀华‘s Blog订阅294在这篇文章中&#xff1a;1. 什么是Attention机制&#xff1f;2. 先了解编码-解码框架&#xff1a;Encoder-Decoder框架3. Attention Model4. Attention机制的本质思想5. S…

杂谈机器学习的几个应用场景

在上一篇文章末尾&#xff0c;小夕提到了“机器学习是实现自然语言处理的正确道路”。其实确实如此&#xff0c;纵观整个自然语言处理的发展史&#xff0c;也是纵观整个人工智能的发展史&#xff0c;从诞生到现在&#xff0c;机器学习不仅是在理论和工程上实现自然语言处理的目…

2022年度十大AI技术盘点:AIGC风暴来袭,自动驾驶后会无期?

来源&#xff1a;AI科技大本营翻译 & 整理&#xff1a;杨阳“科学不能告诉我们应该做什么&#xff0c;只能告诉我们能做什么。”——让-保罗萨特《存在与虚无》这一年&#xff0c;AI又有哪些前沿技术突破呢&#xff1f;通过汇总梳理2022年10大AI技术&#xff0c;AI科技大本…

从逻辑回归到受限玻尔兹曼机

在那很久很久以前&#xff0c;可爱的小夕写了一篇将逻辑回归小题大做的文章&#xff0c;然后在另一篇文章中阐述了逻辑回归的本质&#xff0c;并且推广出了softmax函数。从那之后&#xff0c;小夕又在一篇文章中阐述了逻辑回归与朴素贝叶斯的恩仇录&#xff0c;这两大祖先级人物…

Peacock:大规模主题模型及其在腾讯业务中的应用-2015

Peacock&#xff1a;大规模主题模型及其在腾讯业务中的应用 作者&#xff1a;赵学敏 王莉峰 王流斌 孙振龙 严浩 靳志辉 王益 摘要 如果用户最近搜索了“红酒木瓜汤”&#xff0c;那么应该展示什么样的广告呢&#xff1f;从字面上理解&#xff0c;可能应该返回酒水或者水果类广…

史上最简单的玻尔兹曼机模型讲解

在上一篇文章中&#xff0c;小夕讲述了逻辑回归为了抗衡贝叶斯网&#xff0c;也开始了自己的进化。然而令我们没有想到的是&#xff0c;逻辑回归最终竟然进化成了一个生成式模型——受限玻尔兹曼机&#xff08;RBM&#xff09;&#xff0c;也就是变成了敌方&#xff08;生成式模…

从头到尾彻底理解KMP(2014年8月22日版)

从头到尾彻底理解KMP 作者&#xff1a;July 时间&#xff1a;最初写于2011年12月&#xff0c;2014年7月21日晚10点 全部删除重写成此文&#xff0c;随后的半个多月不断反复改进。后收录于新书《编程之法&#xff1a;面试和算法心得》第4.4节中。 1. 引言 本KMP原文最初写于2年多…