• Africa
• apprendimento automatico
• dry corridor hypothesis
• ecologia
• ecology
• filogenesi
• machine learning
• mammals
• mammiferi
• paleoclimatologia
• paloeclimate
• phylogeny
• Pleistocene
• Pliocene
• random forest
• teoria dei corridoi aridi

Lo studio analizza come variazioni climatiche del passato abbiano influito sulla biodiversità africana attuale. Sono state realizzate tre filogenesi bayesiane (BEAST 2.7.7) basate su fossili per artiodattili, carnivori e primati, utilizzando i 13 geni dell'mtDNA codificanti proteine. I dati ottenuti sono stati analizzati con un'analisi di probabilità(Gaussian Mixture Model) per identificare i picchi evolutivi, e per questi periodi è stata ricostruita l'estensione dei biomi utilizzando i dati Paleo-Pgem Series e l'algoritmo Random Forest. Il database comprende 17 variabili bioclimatiche su scala millenaria per gli ultimi 5 milioni di anni con risoluzione 1°x1°. I dati attuali sono stati correlati ai biomi corrispondenti, permettendo di mappare i paleo ambienti grazie all'algoritmo di apprendimento automatico. Questo approccio, mai utilizzato prima per la ricostruzione paleo ambientale, ha il vantaggio principale di non richiedere potenza di calcolo o tempistiche particolarmente ingenti ma dipende chiaramente da simulazioni precedenti. I risultati, in linea con studi precedenti, evidenziano una correlazione tra tempi di speciazione e oscillazioni climatiche, indicando che la biodiversità africana è il risultato delle variazioni climatiche passate, sebbene, gran parte delle speciazioni sono avvenute prima delle glaciazioni del Pleistocene superiore.

The study investigates how past climatic variations have influenced the current African biodiversity. Bayesian phylogenies (BEAST 2.7.7) based on fossil data were constructed for three mammalian groups: artiodactyls, carnivores, and primate, using the 13 protein-coding mitochondrial DNA (mtDNA) genes. The resulting data were analyzed using a probabilistic Gaussian Mixture Model to identify evolutionary peaks. For these periods, biome extensions were reconstructed utilizing Paleo-Pgem Series data and a Random Forest classification algorithm. The database includes 17 bioclimatic variables with a resolution of 1°x1° on a millennial scale spanning the last 5 million years. Current data were matched to corresponding biomes, enabling the mapping of paleo-environments through machine learning algorithms. This innovative approach, unprecedented in paleo-environmental reconstruction, offers the advantage of requiring neither extensive computational power nor significant processing time, though it relies on prior simulations. The results, consistent with previous studies, highlight a correlation between speciation timings and climatic oscillations, suggesting that African biodiversity is a product of past climatic variations. However, most speciation events occurred before the late Pleistocene variations.