Aula 04 — Modelos de evolução contínua

Verossimilhança do BM, Ornstein-Uhlenbeck, early burst e tendência; comparação e adequação de modelos; BBM, FPK e evolução pulsada; paisagens adaptativas; várias taxas e vários regimes (mvMORPH); cautelas com o OU.

Aula 4 · Como evolui? · Métodos Filogenéticos Comparativos (PPGBA/UFMS)

No mapa dos métodos, esta aula cobre a coluna Como evolui? para atributos contínuos, de um regime a vários. Os exemplos usam o tamanho do corpo dos Anolis e os Centrarchidae.

Slides

Abrir slides

As figuras dos slides foram geradas em R; o código está em R/aula04_modelos.R.

Em 3 minutos

  1. BM, OU, EB e tendência são hipóteses diferentes sobre o processo; compare-as por AICc e pesos de Akaike, e cheque a adequação do modelo escolhido.
  2. No OU, α é a força de atração para o ótimo θ; leia α pela meia-vida (ln 2/α) em relação à altura da árvore.
  3. Taxas ou ótimos diferentes em partes da árvore pedem modelos com vários regimes (BMM, OUM) e regimes definidos com cuidado.

Erro comum: concluir “seleção estabilizadora” só porque o OU teve menor AICc.

Conteúdo

  1. Verossimilhança: estimando σ² e a raiz
  2. O modelo Ornstein-Uhlenbeck
  3. Early burst (ACDC) e tendência, e por que a tendência precisa de fósseis
  4. Comparando modelos
  5. Adequação do modelo
  6. Além dos quatro: BBM, FPK e evolução pulsada
  7. Paisagens adaptativas e radiação
  8. Várias taxas e vários regimes
  9. Cautelas com o OU, e a resposta de Grabowski et al. (2023)

Código R (aula prática)

  • Roteiro prático (executado)
    A verossimilhança do BM à mão, OU e tendência simulados, BM × OU × EB nos Anolis* com pesos de Akaike e meia-vida, adequação do modelo, Brownie e OU com vários regimes (mvMORPH). O código roda na página.*
  • Roteiro da edição de 2020 · aula-quinta.R
    OU multi-regime bayesiano (bayou); o mesmo roteiro tem o evol.vcv (Aula 5), o teste de Pagel e o modelo de limiar (Aula 6). O SURFACE, que abre o roteiro, saiu do curso.

Pacotes: geiger, phytools, mvMORPH.

Dados utilizados

Desafio

Entregue um script .R que rode do zero numa sessão limpa, as figuras pedidas e até uma página de interpretação. Critério: o script roda (30 %); as escolhas estão justificadas (30 %); a interpretação está correta (40 %).

Que modelo para a massa corporal? Com data(mammal.tree, mammal.data, package = "phytools"), use o log da massa corporal (bodyMass). (1) Ajuste BM, OU e EB com geiger::fitContinuous() (fixe a semente). (2) Monte a tabela com log L, número de parâmetros, AICc, ΔAICc e pesos. (3) Se o OU for competitivo, calcule a meia-vida e compare-a com a altura da árvore. (4) Explique por que o modelo de tendência não entra nesta comparação. Avaliação: interpreta os pesos como suporte relativo, lê α pela meia-vida e não confunde OU com seleção estabilizadora.

  • A seção 3 do roteiro faz a mesma tabela com o SVL dos Anolis; a seção 2 e os slides explicam por que a tendência não se identifica numa árvore só de espécies atuais.
  • Aqui, sim, aplique log(): mammal.data$bodyMass está em quilogramas.
  • Fixe a semente antes do fitContinuous(), que sorteia pontos de partida.
  • A altura da árvore: max(nodeHeights(mammal.tree)).
library(ape); library(phytools); library(geiger)
data(mammal.tree, mammal.data, package = "phytools")
massa <- setNames(log(mammal.data$bodyMass), rownames(mammal.data))
set.seed(1)
# ajustes <- lapply(c(BM = "BM", OU = "OU", EB = "EB"), \(m) fitContinuous(mammal.tree, massa, model = m))
# tabela: logL, k, AICc, dAICc, pesos
# meia-vida = log(2) / alfa do OU

As respostas comentadas serão publicadas aqui depois do prazo de entrega.

Leituras recomendadas