從沙漠之砂到潛在空間：資料驅動的化石鑑定方法

在沙漠中發現海螺看似地質學上的不可能。對於一位在沙烏地阿拉伯 Alghat 沙漠的旅行者而言，發現一塊形狀極似海螺的岩石——距離最近的海岸線 500 公里——激起了無法僅靠簡單 Google 搜尋就能滿足的好奇心。

雖然地質紀錄證實阿拉伯半島的部分地區在晚侏羅世（約 1.5 億年前）曾被海水覆蓋，但要辨識特定標本通常需要專業古生物學家。因無法取得專家協助，發現者決定以資料科學的方式處理此問題：利用形態學與降維技術，找出化石最接近的現代親緣。

捕捉「形狀」的挑戰

為了鑑定化石，目標是以數學方式表徵貝殼的形狀，並定義距離度量以找出相似標本。使用 Zhang 等人的貝殼資料集——包含 7,894 種、59,244 張影像——本專案面臨一大挑戰：從噪聲中分離出真正的形狀。

任何貝殼影像都可能受到旋轉（俯仰、偏航與翻滾）、縮放與平移的影響。為了正規化資料，實施了嚴格的流程：

正規化後，從每個貝殼的輪廓抽取 256 個相對於中心的點，形成 256×2 的 (x, y) 座標矩陣。接著以這些輪廓點的平方歐氏距離計算任意兩個貝殼之間的距離。

在 256 維空間中運算效率低下且無法視覺化。然而，大部分資料是冗餘的；例如，所有可能的 256 點輪廓空間中包含許多根本不可能出現在真實貝殼上的形狀。為了濃縮資訊，採用了主成分分析（Principal Component Analysis，PCA）將原始維度映射至較小的「潛在空間」。

結果相當驚人：第一主成分（PC1）單獨保留了 56.50% 的變異，前兩個主成分（PC1 與 PC2）共捕捉了 67.25%。這意味著貝殼的整體形狀僅需兩個數值即可描述。

透過分析 PC1 兩端的貝殼，作者發現 PC1 代表「尖銳度」。超過一半的形狀變異僅是貝殼是尖的還是圓的差別。PC2 似乎捕捉了對稱性或沿垂直軸的質量分布。

將 Alghat 化石投射到此潛在空間後，最近的匹配是 Sphincterochila candidissima。然而，時間上出現了不一致：S. candidissima 相對年輕，最早的化石僅約 3800 萬年前，而 Alghat 區域的海相沉積則可追溯至侏羅世。

這表明雖然形狀幾乎相同，但並非同一物種。這是一個典型的 趨同演化 案例，兩個無關的物種因面臨相似的環境壓力而演化出相似的形態特徵。

此專案在 Hacker News 上引發了技術與科學社群的熱烈討論。許多人讚賞 DIY 資料科學的做法，亦有人指出僅靠形態學辨識的局限性。

部分使用者指出僅憑貝殼形狀往往不足以精確推斷血緣。正如評論者 @purplehat_ 所說：

"形態學遠不止貝殼的外形… 你面對的是一隻腹足類，應特別注意外緣（peristome）與管道（siphonal canal）。"

雖然 PCA 工具指向 S. candidissima，其他社群成員則認為化石可能屬於 Ampullospira，這是一個在沙烏地阿拉伯有記錄的屬，且符合該地點與中上侏羅世的年代。

即使作者感到此發現「不可能」，評論者仍提醒大家海洋化石在意想不到的地方相當常見。從維也納聖斯蒂芬大教堂的砂岩，到珠穆朗瑪峰的山頂，海洋石灰岩都是地球板塊移動與古代海岸線的永久紀錄。

此實驗展示了降維技術在理解複雜生物資料時的威力。雖然它無法取代古生物學家的專業——古生物學家會檢視沉積層與內部解剖——但它提供了一種有趣的方式來視覺化生物形態的「空間」，並發現跨越數百萬年演化的驚人相似性。