FIRMENVERTRAULICH. NICHT OFFENBAREN.
Den Geheimnissen unserer pleistozänen Vergangenheit auf die Spur kommen
Statistische Analysen helfen Paläontologen, neue Wahrheiten über die Megafauna der Eiszeit aufzudecken
______________________________________________________________________________________
Herausforderung: Durchforsten Sie Daten aus einer Sammlung von fast 5 Millionen Exemplaren, um zu erfahren, wie Klimaereignisse die Mikroevolution von Arten auf der Erde beeinflussen.
Lösung: Verwenden Sie statistische Modelle, um Ausreißer im Datensatz zu finden, die neu gemessen und neu klassifiziert werden müssen. Die dynamische Datenvisualisierung in der statistischen Entdeckungssoftware JMP® hilft Paläontologen, Anomalien schnell zu erkennen, die, wenn sie nicht korrigiert werden, die Integrität der Ergebnisse gefährden könnten.
Ergebnisse: „Die Möglichkeit, mit Ihren Daten interaktiv zu sein, Problembereiche in einer Visualisierung zu untersuchen und zu beschriften, hilft Ihnen, auf die Probe zurückzublicken und sicherzustellen, dass die Daten wirklich korrekt sind“, sagt die Paläontologin Sherri Gust. „All diese Funktionen in JMP sind für diese Forschungsphase unglaublich wertvoll.“
______________________________________________________________________________________
Seit Zehntausenden von Jahren sickern natürlich vorkommende unterirdische Asphaltablagerungen an die Oberfläche und bilden temporäre Teersinken mit der Kraft, alle Kreaturen einzufangen, die zu nahe gewandert sind. Diese Naturstätten sind seitdem zu einem Friedhof für heute ausgestorbene Arten geworden, deren Knochen tief in die Lagerstätte versenkten, wo das Schweröl der Gruben sie von den Anfängen der letzten Eiszeit bis heute bewahrt hat.
Der wissenschaftliche Wert dieser Lagerstätten wurde weithin erkannt, als 1901 die Ausgrabungen in den Rancho La Brea Tar Pits im heutigen Zentrum der Stadt Los Angeles begannen. Seitdem haben Archäologen vor Ort die weltweit größte Sammlung von Asphaltfossilien aus dem späten Pleistozän zusammengetragen, darunter beeindruckende Beispiele der heute ausgestorbenen Megafauna – darunter Mammuts, Riesenfaultiere und Säbelzahnkatzen. Mit 3,5 bis 5 Millionen Exemplaren aus den letzten 50.000 Jahren ist diese Sammlung vielleicht eine der umfassendsten Ressourcen, die Wissenschaftlern zur Verfügung stehen, um ein Porträt nicht nur der eiszeitlichen Flora und Fauna, sondern auch der wichtigsten geologischen und klimatischen Ereignisse dieser Zeit zu rekonstruieren.
Suche im Fossilienbestand nach Einblicken in den Klimawandel
Einige der größten Forschungsfragen im Bereich der Paläontologie beschäftigen sich heute mit den mikroevolutionären Folgen des Klimawandels. Als Ergebnis von Mutation, Selektion, Genfluss oder genetischer Drift ist Mikroevolution jede Veränderung der Merkmalshäufigkeit, die in einer Population über einen relativ kurzen Zeitraum auftritt. Wissenschaftler stellen nun die Hypothese auf, dass der Klimawandel nicht nur die abiotischen und biotischen Aspekte der Selektion beeinträchtigen könnte, sondern auch die Größenordnung nichtselektiver Faktoren wie genetischer Varianz beeinflussen könnte.
Durch die Kartierung von Artenphysiologiedaten aus dem Fossilienbestand auf eine Zeitachse bekannter Klimaereignisse hoffen die Wissenschaftler zu sehen, wie das Klima mit den Mikroevolutionen korrelieren kann, die sie innerhalb einer bestimmten Population beobachten. Dazu greifen sie auf Sammlungen wie die von La Brea zurück, in denen jedes Exemplar akribisch vermessen, mit Radiokarbon datiert und nach einer langen Liste von Merkmalen und Identifikatoren katalogisiert werden kann.
Jaw bones from the Tar Pits collectionKieferknochen aus der Tar Pits Kollektion „Um den Klimawandel wirklich zu betrachten, muss man nicht nur die Veränderungen der Arten im Laufe der Zeit betrachten, sondern auch klimabedingte Veränderungen von zufälligen Veränderungen unterscheiden“, erklärt die Paläontologin Sherri Gust, Research Associate of the Vertebrate Paleontology und Rancho La . Brea Abteilungen des Natural History Museum of Los Angeles County.
Gust, der auch Gründer und leitender Paläontologe bei der Ressourcenmanagementfirma Cogstone ist, stellt fest, dass Forscher aufgrund von Faktoren wie Alter und Geschlecht physiologische Abweichungen innerhalb jeder Stichprobe erwarten; zB ist ein Neugeborenes wahrscheinlich viel kleiner als ein ausgewachsener Erwachsener. Aber während es relativ einfach sein kann, diese Faktoren in Studien an lebenden Tierpopulationen zu berücksichtigen (wo die Beobachtungen der Forscher im Feld ihnen helfen, Geschlecht und Alter beim Tod eindeutig zu identifizieren), wird diese Bestimmung bei Proben aus La Brea viel schwieriger .
Archeological dig site at La Brea Tar Pits Archäologische Ausgrabungsstätte in den Teergruben von La Brea
Gust erklärt, dass die natürlichen geologischen Phänomene, die die aus La Brea ausgegrabenen Knochen bewahrten, geschichtete Skelette in der Lagerstätte und ihre DNA im Laufe der Zeit abgebaut haben. Es kann daher eine mühsame Aufgabe sein, nicht nur das Geschlecht und das Alter eines Tieres beim Tod zu bestimmen, sondern auch die Art und den Zeitraum, in dem das Tier gelebt hat. Während moderne technologische Innovationen es Gust und ihren Kollegen heute ermöglichen, diese Identifizierungen genauer zu machen, besteht die zusätzliche Herausforderung der La Brea-Kollektion darin, dass viele ihrer 5 Millionen einzelnen Knochen vor fast einem Jahrhundert vor dem Aufkommen dieser Technologie vermessen und katalogisiert wurden.
Einen Mythos zur Ruhe bringen
Das produktivste der spätpleistozänen Tiere, die in den Teergruben von La Brea entdeckt wurden, ist der Schreckenswolf. Canis dirus , ein fleischfressender Vorfahre des modernen grauen Wolfes, Wolf, die einst einen riesigen Landstrich in Nordamerika durchstreifte. Wissenschaftler glauben, dass die Art, die inzwischen ausgestorben ist, ihr evolutionäres Ende vor etwa 9.500 Jahren erreicht hat. Mit mehr als 4.000 in den Sammlungen von La Brea vertretenen Schattenwolf-Individuen ist die Art zu einem wichtigen Akteur in der globalen nordamerikanischen Pleistozänforschung geworden.
La Breas Canis Die Sammlung enthält jedoch einige der ersten Exemplare, die Anfang des 20. Jahrhunderts von Archäologen an der Stätte katalogisiert wurden NS Jahrhundert. Die Daten, die zu diesem Zeitpunkt von jedem Exemplar aufgezeichnet wurden, wurden wahrscheinlich nicht nur durch einen Mangel an technologischer Präzision beeinflusst, sondern auch durch die jetzt entlarvte Vorstellung, dass der Schreckenswolf viel größer war als sein modernes Gegenstück. Diese Fehlcharakterisierung, erklärt Gust, könnte aus einer Mythologie um Terrorwölfe stammen – und sogar aufrechterhalten – sein: die eines bedrohlichen und furchterregenden Riesen. Obwohl es nicht ungewöhnlich ist zu lesen, dass Schreckenswölfe zwischen 8% und 25% größer sind als moderne Wölfe, sagt sie, ist dies nicht wahr: Wissenschaftler wissen jetzt, dass erwachsene Schreckenswölfe wie ihre modernen Gegenstücke etwa 150 Pfund wogen.
Aber die Verbreitung solcher Missverständnisse führte dazu, dass 20 NS Jahrhundert Archäologen, um größere Skelette zu charakterisieren Canis dirus und kleinere Skelette Wolf . Infolgedessen, erklärt Gust, sind einige Exemplare in La Brea wahrscheinlich falsch gekennzeichnet. „Die ursprünglichen Wissenschaftler hier in La Brea arbeiteten vor fast hundert Jahren mit sehr kleinen Stichproben“, sagt sie. „Sie hatten nicht die Variation in ihren Daten, die sie viel klarer gemacht hätte. Und sie hatten keinen Zugang zu einer Datenprobe von grauen Wölfen [um die Proben von Schreckenswölfen zu vergleichen].“
„Als Forscher müssen Sie die richtigen Kriterien haben und die Proben selbst identifizieren, damit Sie wissen, was Sie in Ihren Forschungsergebnissen wirklich sagen“, sagt Gust. Aber mit einer so enormen Sammlung und begrenzten Zeit und Ressourcen ist es für Forscher unpraktisch, jedes einzelne Exemplar im Datensatz neu zu messen und neu zu erfassen.
Aus diesem Grund verwendet Gust einen statistischen Ansatz in der JMP®-Software, um Ausreißer zu identifizieren. „Eines der ersten Dinge, die die meisten Statistiker machen, ist, sich die Verteilung ihrer Daten anzusehen“, erklärt sie und zeigt auf eine Datenvisualisierung mit einer schrägen Glockenkurve. Gust betrachtet einen Datensatz für die Unterkieferlänge und stellt Ausreißer in den kleinen Erhebungen und Unebenheiten in der Passform fest. Wenn sie einen unerwarteten Peak entdeckt, schaut sie zuerst auf die Daten, um zu sehen, ob es eine Erklärung gibt – vielleicht muss diese Probe erneut gemessen werden.
Sich die Zeit zu nehmen, um die Qualität ihrer zugrunde liegenden Datenstichprobe zu überprüfen, führt zu genaueren Ergebnissen – auch wenn diese Ergebnisse möglicherweise nur zu mehr Fragen führen. „Mit der Statistik haben wir jetzt wirklich die Möglichkeit, die Kriterien für ein Canis dirus gegen a Wolf . Früher gab es das wirklich nicht“, erklärt sie.
Zahn und Nagel
Einige der wertvollsten Informationen, die von jedem Wolfsexemplar gesammelt wurden, finden sich im Kieferknochen. „Da Knochen ein so reaktionsfähiges Gewebe ist, sollte der Knochen umso dicker sein, je mehr Druck darauf ausgeübt wird“, erklärt Gust. Durch 3 Schmelztiefenmessungen – den zweiten Molaren bis zur Unterkante des Unterkiefers, den vierten Prämolaren und die Länge des Unterkiefers selbst – gewinnen sie und ihr Team mehr Einblick in das Alter des Tieres zum Zeitpunkt seines Todes. Sie kann sich auch Muskelnarben, Grate und Krümmungen ansehen, um einen Einblick zu erhalten; ältere Tiere haben mehr Differenzierung, während jüngere Tiere glattere Knochen haben. All diese Merkmale helfen Gusts Team, eine Alterssequenz zu entwickeln und die Altersstufen für jede Stichprobe zu definieren.
Eine andere Möglichkeit ist die Radiokarbon-Datierung, eine Technik, die das Ausmaß des Radiokarbon-Zerfalls misst, um die Zeitdauer festzustellen, die seit dem Tod eines Tieres vergangen ist; je älter die Probe, desto weniger radioaktives Isotop ist nachzuweisen. Da die Methode eine destruktive Analyse erfordert, erklärt Gust, verwenden die Techniker von La Brea 3D-Bildgebung und einen 3D-Drucker, um eine Replik zu erstellen, damit die echte Probe gebohrt werden kann, ohne die physische Aufzeichnung zu verlieren.
Nach der Umklassifizierung von Ausreißern in die Canis dirus Daten untersucht Gust dann Datensätze bekannter Geschlechter von Organisationen wie dem Yellowstone Wolf Project und Parks Canada. „Wir können jetzt die beiden [Arten] vergleichen und das Ergebnis ist sehr interessant“, sagt sie und erklärt, dass sie in dem Moment, in dem sie die beiden Datensätze in JMP zusammengetragen hatte, etwas Überraschendes bemerkte. 
„Ich habe alle Daten eingegeben, sie mir angesehen und gesagt ‚Wow, warum ist das so?' Ich hatte nicht erwartet, dass Yellowstone-Exemplare in der Mitte des Bereichs für Schreckenswölfe liegen würden. Aber darum geht es bei JMP, oder? Das Unerwartete entdecken.“
Mit der Datenexploration in JMP . durch die Kaninchenlöcher laufen
Seit Gust vor einigen Jahren zum ersten Mal von JMP erfahren hat, verwendet er die Software, um interaktive Visualisierungen zu erstellen, bei denen Ausreißer visuell sichtbar werden. Und mit der dynamischen Schnittstelle des Tools kann sie mit den Datenverteilungen interagieren. „Ich liebe JMP“, sagt Gust. „Es war ein wunderbares Werkzeug, um diese Veränderungen zu untersuchen und herauszufinden, was in den Daten vor sich geht. Die Interaktivität ist eine meiner Lieblingsbeschäftigungen – Sie können sagen: 'Das würde ich gerne mehr erforschen.' Und man kann mit JMP ganz einfach durch die Kaninchenlöcher laufen, was eine wunderbare Sache ist.“
Eine der Funktionen, die bei dieser Untersuchung hilft, ist laut Gust die Möglichkeit, Probenfotos und -spezifikationen an jeden Datenpunkt in einer Visualisierung anzuhängen – oder sogar die Probennummer anstelle eines Punkts zu verwenden. Gust zeigt eine Verteilung von Unterkieferdaten und bewegt ihren Cursor über einen der Ausreißer, als ein Foto auftaucht. „Diese Fotos zu haben ist wirklich hilfreich, denn wenn ich zum Beispiel vergessen hätte, einen Zahn zu vermessen, müsste ich dieses Foto nur in [unserer Messsoftware] aufrufen und die Messung aktualisieren. Das war ein wichtiger Teil unseres Datenprüfungsprozesses“, sagt sie.
„Die Möglichkeit, mit Ihren Daten interaktiv zu sein, Problembereiche in einer Visualisierung zu untersuchen und zu beschriften, hilft Ihnen, auf die Probe zurückzublicken und sicherzustellen, dass die Daten wirklich korrekt sind. All diese Funktionen in JMP sind für diese Forschungsphase unglaublich wertvoll – wenn Sie nur versuchen, die Variation herauszufinden. Und finden Sie die Quelle der Variation heraus, die wir in diesen Diagrammen sehen.“
Während ihre Forschung voranschreitet, sind die Möglichkeiten endlos und Gust untersucht, was sie noch tun kann, um die Vergleichsdaten zu nutzen. Zum Beispiel, sagt sie, können Daten von Personen mit bekanntem Geschlecht aus Yellowstone (deren Geschlecht durch DNA-Proben bestimmt werden kann) verwendet werden, um die Unbekannten über eine Diskriminanzfunktion zu klassifizieren. Die Ergebnisse könnten das Denken der Wissenschaftler darüber verändern, wie Größe mit Geschlecht und Alter korreliert – oder nicht.
