贝壳潜空间映射：一种数据驱动的古生物学方法

在沙漠中心发现贝壳似乎在地质学上是不可能的。然而，对于那些在沙特阿拉伯的 Alghat 沙漠进行探索的人来说，景观揭示了不同的故事。碳酸盐岩、石灰岩和海洋化石的存在表明，阿拉伯半岛曾被淹没在海洋之下，特别是在大约 1.5 亿年前的晚侏罗世。

当一名开发者在距离最近的海岸线数百公里外的 Alghat 悬崖底部发现了一块形状诡异地类似于贝壳的坚硬岩石时，他们决定绕过传统的古生物学网络，转而应用一种数据驱动的计算方法来识别该标本。这个项目作为一个引人入胜的案例研究，展示了如何使用形态学和降维技术来对自然物体进行分类。

捕捉“形状”的挑战

为了识别化石，目标是用数学方式表示贝壳的形状，并在已知数据集中寻找类似的例子。作者利用了 Zhang et al. 的贝壳数据集，其中包含 7,894 个物种和 59,244 张图像。然而，原始图像是含有噪声的；物体可能会旋转、缩放或平移，这会干扰简单的距离度量。

为了从这些变量中分离出实际的形状，实施了如下归一化流水线：

中心化： 将贝壳置于图像的中点。
缩放： 将距离原点的最大距离设置为 1，以确保尺度一致性。
方向： 为了处理旋转，作者筛选了贝壳开口面向摄像头的样本，并旋转贝壳使最长半径始终指向右侧。

归一化后，贝壳的轮廓被提取为相对于中心的 256 个点，将每个贝壳表示为 (x, y) 坐标的 256x2 矩阵。

通过 PCA 进行降维

由于每个贝壳由 512 个值（256 个点 $\times$ 2 个坐标）表示，所得空间是 256 维的。这对于直观可视化或分析来说过于复杂。为了解决这个问题，作者采用了主成分分析 (PCA) 将这些高维轮廓映射到较小的潜空间中。

PCA 识别出前两个主成分 (PC1 和 PC2) 可以保留 67.25% 的总方差。通过分析处于这些维度两端的贝壳，作者解码了这些数字实际代表的含义：

PC1 (尖锐度)： 这个维度捕捉了贝壳形状的主要方差——本质上是贝壳是“尖锐”还是“圆润”的。超过 50% 的方差由这单一特征解释。
PC2 (对称性)： 这个维度似乎捕捉了贝壳的对称性或质量沿垂直轴的分布。

探索贝壳潜空间

通过在这个 2D 潜空间中绘制贝壳，出现了几种有趣的模式。圆润的贝壳 (负 PC1) 比尖锐的贝壳更常见，但在形状上不如尖锐的贝壳多样化。此外，尖锐的贝壳往往表现出更高的“粗糙度”（连续轮廓点之间的斜率差异）。

这项分析中最引人入胜的方面之一是能够投影“不可能”的贝壳。通过操纵潜空间坐标并将其投影回形状空间，作者可以可视化在自然界中并不存在的贝壳——例如具有高不对称性的圆润贝壳——这展示了生物形态学的边界。

结论：趋同演化？

使用轮廓点之间的平方欧几里得距离，作者识别出与 Alghat 化石最匹配的物种是：Sphincterochila candidissima。

然而，存在时间上的差异。虽然 Alghat 化石可以追溯到侏罗纪时期，但 Sphincterochila candidissima 要年轻得多，其最早的化石记录仅追溯到 3800 万年前。这表明这种相似性并非由于直接血缘关系，而是由于趋同演化，即两个不相关的物种由于相似的环境压力而演化出相似的形状。

社区观点与技术反驳

该项目在技术和科学界引发了各种讨论。一些人指出，形态学本身通常不足以进行精确的古生物学识别。

"那里有比仅仅是贝壳形状更多的形态学特征……既然你研究的是腹足类，那么最好特别关注周缘部 (peristome) 和虹吸管管 (siphonal canal)。"

其他人建议该标本可能是一个 Ampullospira，一个在沙特阿拉伯有记录的属，其年龄与中晚侏罗世相符，且与发现地点的特定位置相符。此外，还有人提醒说陆生蜗牛也存在，这可以解释在沙漠中发现类贝壳形状，而无需假设存在古代海床。

尽管有这些批评，该项目突出了结合数据科学与好奇心的力量。正如一位观察者所言，正如一位观察者所言，设计流水线、理解数学并编写工具的纯粹努力表明，虽然 AI 可以辅助，但人类的架构设计工作仍然是过程中的重要组成部分。