Laplace's demon in biology: Models of evolutionary prediction
Laplace's demon in biology: Models of evolutionary prediction
复制标题
生物学中的拉普拉斯妖：进化预测模型
DOI：
10.1111/evo.14628
复制
发表时间：
2022
期刊：
影响因子：
3.3
通讯作者：
Nosil, Patrik
中科院分区：
文献类型：
--
作者：
Gompert, Zachariah;Flaxman, Samuel M.;Feder, Jeffrey L.;Chevin, Luis‐Miguel;Nosil, Patrik
我们预测自然现象的能力可能会受到不完整信息的限制。这个问题的例子是“拉普拉斯的恶魔”，一个虚构的生物在世纪提出，谁知道一切的一切，因此可以预测宇宙的全部性质向前或向后的时间。量子力学和其他理论都对拉普拉斯的魔鬼是否存在的可能性提出了质疑，但这个想法仍然是一个有用的比喻，可以用来思考预测在多大程度上受到确定性过程和随机因素的不完全信息的限制。在这里，我们使用简单的分析模型和计算机模拟来说明如何在贝叶斯框架中捕获数据限制，以及它们如何影响我们预测进化的能力。我们展示了自然选择测量的不确定性，或影响选择的外部环境因素的可预测性低，可以大大降低预测能力，往往淹没了遗传漂变造成的内在随机性的影响。因此，更准确地了解自然选择的原因和作用是改善预测的关键。幸运的是，我们的分析和模拟定量地表明，数据数量和质量的合理改进可以有意义地提高可预测性。
Our ability to predict natural phenomena can be limited by incomplete information. This issue is exemplified by “Laplace's demon,” an imaginary creature proposed in the 18th century, who knew everything about everything, and thus could predict the full nature of the universe forward or backward in time. Quantum mechanics, among other things, has cast doubt on the possibility of Laplace's demon in the full sense, but the idea still serves as a useful metaphor for thinking about the extent to which prediction is limited by incomplete information on deterministic processes versus random factors. Here, we use simple analytical models and computer simulations to illustrate how data limits can be captured in a Bayesian framework, and how they influence our ability to predict evolution. We show how uncertainty in measurements of natural selection, or low predictability of external environmental factors affecting selection, can greatly reduce predictive power, often swamping the influence of intrinsic randomness caused by genetic drift. Thus, more accurate knowledge concerning the causes and action of natural selection is key to improving prediction. Fortunately, our analyses and simulations show quantitatively that reasonable improvements in data quantity and quality can meaningfully increase predictability.
登录
查看更多内容
影响因子：
2.9
作者：
E. Svensson;Magne Friberg
通讯作者：
Magne Friberg
影响因子：
64.8
作者：
Meyer, Justin R.;Kassen, Rees
通讯作者：
Kassen, Rees
影响因子：
56.9
作者：
Nosil, Patrik;Villoutreix, Romain;Gompert, Zach
通讯作者：
Gompert, Zach
野外基因组预测：索伊羊案例研究
DOI：
10.1101/2020.07.15.205385
发表时间：
2020
期刊：
--
影响因子：
--
作者：
Ashraf B
通讯作者：
Ashraf B
影响因子：
64.8
作者：
Olendorf, Robert;Rodd, F. Helen;Hughes, Kimberly A.
通讯作者：
Hughes, Kimberly A.