随着基因组数据的涌现以及形态学数据的积累，综合利用分子序列和形态性状进行整合的数据分析逐渐成为演化生物学尤其是系统学研究的热点。整合多方面的数据比单独依赖化石信息或分子数据往往能够得到更可靠的统计推断结果，从而对深入探讨诸多演化生物学问题具有基础重要性。但由于模型的复杂性，合理运用整合分析并在模型和方法上有所突破也是当前领域的难点。 

　　近期一个被广泛关注的问题是：个别数据在进行贝叶斯全证据定年分析时，估算的分化时间过于古老，其结果和化石证据不吻合。这一现象被称为深根吸引(deep root attraction)。针对膜翅目昆虫和胎盘哺乳动物两组数据，已有研究表明使用物种多样化采样策略(diversified sampling, 图1)的化石生灭模型(fossilized birth-death model)能够极大程度上解决深根吸引问题(Zhang et al., 2016; Ronquist et al., 2016)。但是，多样化采样的假设仅考虑了较为极端的情况。现实情况中物种的采样模式可能难以建模。这就引出一个问题：是否有可能找到对采样偏差更稳健的定年方法？ 

　　最近，研究人员通过计算机模拟和对膜翅目昆虫和胎盘哺乳动物两组数据的分析，揭示了使用天际线化石生灭模型(skyline fossilized birth-death model)的全证据定年方法对物种采样偏差具有稳健性。该模型假设成种速率、灭绝速率和化石采样速率随时间呈分段线性变化，通过将采样的偏差吸收到速率随时间的动态中，实现在物种均匀随机采样和多样化采样策略下得到较为一致的定年结果，是目前解决深根吸引最稳健的方法(Zhang et al., 2023)。 

　　天际线化石生灭模型主要由张驰编写于MrBayes软件和BEAST2扩展包BDSKY软件。相关研究成果以“Skyline fossilized birth-death model is robust to violations of sampling assumptions in total-evidence dating”为题于近日在线发表在《系统生物学》(Systematic Biology) 杂志。张驰研究员为第一和通讯作者，合作者为Fredrik Ronquist教授(瑞典自然历史博物馆) 和Tanja Stadler教授(瑞士苏黎世联邦理工学院)。该研究得到了国家自然科学基金委和中国科学院项目等的资助。 

　　论文链接：https://doi.org/10.1093/sysbio/syad054

 (free-access link：https://academic.oup.com/sysbio/advance-article/doi/10.1093/sysbio/syad054/7246931?guestAccessKey=cc318c40-ba78-477d-8527-6200e53fa3fa) 

图1. 现生物种多样化采样和随机采样的示意图。更多结果见原文。