发布时间：2026-04-07 浏览次数：11
始新世-渐新世过渡期（Eocene–Oligocene Transition，EOT；约3390万年前）是地球气候由“温室”向“冰室”转变的关键节点，南极大陆冰盖开始形成，全球气候与环境发生剧烈重组。海洋生物如何应对这场环境剧变，是理解深时气候-环境-生命协同演化的核心科学问题之一，更具有重要的现实意义，为人类应对当前全球变化提供参考。但长期以来受限于传统化石数据集的时间分辨率不足，EOT海洋生物演化往往被简化为单一灭绝事件。然而，对于生态习性存在显著差异的生物类群，典型如浮游有孔虫（生活在海水表层）、大底栖有孔虫（主要生活在浅海温暖的海底）和小底栖有孔虫（从浅海到相对较深的海底均有分布），其多样性变化究竟是同步发生，还是呈现出明显的阶段性与生态分异？这一科学问题始终悬而未决。
关键地球物质循环与成矿全国重点实验室樊隽轩教授领导的地球生命演化与人工智能交叉创新研究团队对此开展攻关。首先利用自研的地层古生物大数据平台——OneStratigraphy，系统收集并整合了全球161条地层剖面和钻井的有孔虫化石资料。经过严格的数据清理与筛选，最终获得了1269个有孔虫物种的约4万条化石产出记录。在此基础上，创新开发受人工智能启发的新一代定量地层学算法——基于演化算法的约束最优化法（Constrained Optimisation-Evolutionary Algorithm，CONOP.EA），核心思路是把每一个可能的全球地层对比方案模拟成一段“DNA”，将这些“DNA”像生物一样经历变异、重组和自然选择，通过“优胜劣汰”不断进化（图1），最终筛选出最合理、最一致的地层对比结果。
基于南京大学多学科交叉研究特色与优势，团队融合人工智能学院近期演化学习理论进展[Zhou, Yu, Qian, 2019]，在演化算法部件上进行了多项关键创新，包括基于领域知识的解初始化、基于学习的自适应变异、基于多样性的重组，大幅提升了算法效率，如对EOT过渡期海洋有孔虫数据集较CONOP.SAGA算法[Fan et al., 2020, Science]提升效率约23倍，这使得CONOP.EA可用于大规模化石记录数据，绘制高分辨率生物多样性变化曲线。应用这一迭代演进方法，团队成功构建跨越28百万年（48–20百万年前）、时间分辨率达2.9万年的全球高分辨率有孔虫多样性曲线（图2）。
图1 CONOP.EA算法流程示意图
a）初始化过程。将决定蝴蝶个体翅膀颜色的核酸序列视为某种地层生物事件序列。每个生物事件（即一个分类单元的首现或末现）可看作一个核苷酸。因此，由给定地层数据集生成的地层复合序列，就如同由核苷酸组成的DNA序列。b）初始种群。初始种群需包含尽可能多样化的不同序列。新的个体（即复合序列）可通过两种方式产生：一是合并来自不同剖面的生物事件随机构建新的个体，二是先前计算得到的最佳复合序列。c）突变。交换序列中两个生物事件的位置，形成一次突变。每一步能改进序列的突变都会被记录和学习，从而使后续突变能够产生更优的后代。d）重组。选择两个父代序列，确定交叉片段，然后将序列1中的该片段替换为序列2中的对应片段。e）自然选择。首先，种群中较差的个体被新生成的、更优的个体替换——这意味着种群始终由当前最优的个体组成。其次，在种群中，那些包含成功变异的个体，比携带不太成功变异的个体会被更频繁地选为父代，从而产生更多的后代。从c到e的步骤不断逐代重复，直到种群达到收敛。
基于这一全新曲线，团队取得了多项突破性认识。首先，从48 Ma至20 Ma的漫长地质历史演化中，海洋有孔虫总体物种丰富度呈现出两次上升和两次下降的阶段性变化，并可精准识别出五个关键生物演化事件：卢泰特期丰富度上升事件、巴顿期丰富度下降事件、早普利亚本期辐射事件、始新世–渐新世之交灭绝事件，以及吕珀尔期丰富度持续衰退事件（图2），前四个事件均为首次正式命名。这一新发现指示EOT前后的海洋微体生物演化并非传统认识的一次简单“脉冲式”灭绝，而是一个包含新生、灭绝与演替的复杂过程。
图2 全球有孔虫多样性的总体变化趋势
a）物种丰富度、属丰富度及物种/属比值。b）物种丰富度（实线表示基于初始结果的估算）及基于1000次自举迭代的95%置信区间。c）样本量分别为300和500时的稀疏化丰富度曲线（实线表示1000次稀疏化迭代的平均值，阴影区域表示95%置信区间）。d）比例新生率（实线表示基于初始结果的估算）及基于1000次自举迭代的95%置信区间。虚线表示平均值。e）比例灭绝率（实线表示基于初始结果的估算）及基于1000次自举迭代的95%置信区间。虚线表示平均值。f）比例更替率（实线表示基于初始结果的估算）及基于1000次自举迭代的95%置信区间。g）比例多样化率（实线表示基于初始结果的估算）及基于1000次自举迭代的95%置信区间。时间标尺依据GTS 2020。1, 卢泰特期丰富度增加；2, 巴顿期丰富度下降（BRD）；3, 早普利亚本期辐射（EPR）；4–5, 始新世–渐新世丰富度危机，包括始新世–渐新世灭绝事件（EOE）和吕珀尔期丰富度下降（RRD）。
尤为关键的是，三类有孔虫对EOT环境变化的响应机制截然不同。浮游有孔虫和大底栖有孔虫在晚始新世过渡早期保持相对稳定，但在早渐新世南极冰盖大规模形成之际遭遇了显著的物种灭绝；相比之下，小底栖有孔虫在晚始新世早期经历了一轮显著辐射，随后步入了漫长的衰退期。
进一步的综合分析表明，不同生态类群的演化与特定环境因子紧密相关。浮游有孔虫和大底栖有孔虫由于生活在海水表层或浅海区域，其丰富度变化与海表面温度及海平面升降关联紧密；相比之下，小底栖有孔虫由于生活在相对较深环境，因此容易对碳循环波动和深海温度变化表现出更高的敏感性。这表明，EOT期间的海洋生态系统对环境突变的响应具有显著的复杂性和生态分异性，不应简单归结为单一驱动机制。
该研究是首次基于高时间分辨率的化石多样性数据与环境指标数据，准确揭示EOT转折期精细的生物-环境协同演化模式，不仅为理解深时重大生物事件提供了新的高分辨率证据，更凸显了高质量化石数据库、定量地层学方法与人工智能算法三者深度融合在古生物多样性研究中的巨大潜力。这一方法学创新，是团队持续探索深时生命-环境协同演化研究新范式的实践。
上述研究成果以“Complex marine ecological response during the Eocene–Oligocene revealed by global foraminiferal record”为题，于2026年3月14日在线发表于国际顶尖综合性学术期刊Nature Communications（DOI: 10.1038/s41467-026-70541-w）。论文第一作者为鲁铮博、薛轲、邓怡颖，共同通讯作者为樊隽轩、钱超和史宇坤，其中，樊隽轩教授、史宇坤教授和博士生鲁铮博来自南京大学地球科学与工程学院、关键地球物质循环与成矿全国重点实验室，钱超教授和博士生薛轲来自南京大学人工智能学院，邓怡颖来自合肥工业大学资源与环境工程学院。本文也是樊隽轩、史宇坤和钱超三位教授自2021年3月启动“人工智能赋能深时生命演化研究”长期合作以来，取得的首个代表性研究成果。该研究由国家科技重大专项、国家自然科学基金、英国自然环境研究委员会、西班牙国家科研计划、南京大学、江苏省前沿技术计划及江苏省国际科技合作计划等共同资助。
文章信息
Lu, Z., Xue, K., Deng, Y., Fan, J., Fang, P., Wade, B.S., Alegret, L., Benton, M.J., Wu, Y., Qian, C., Hou, X., Shi, Y., Sadler, P.M., Xu, H., Zhou, Z.-H. & Shen, S. Complex marine ecological response during the Eocene-Oligocene revealed by global foraminiferal record. Nature Communications (2026). https://doi.org/10.1038/s41467-026-70541-w
Zhou, Z. H., Yu, Y. & Qian, C. Evolutionary learning: Advances in theories and algorithms. (Springer, 2019).
Fan, J.X., Shen, S.Z., Erwin, D.H., Sadler, P.M., MacLeod, N., Cheng, Q.M., Hou, X.D., Yang, J., Wang, X.D., Wang, Y., Zhang, H., Chen, X., Li, G.X., Zhang, Y.C., Shi, Y.K., Yuan, D.X., Chen, Q., Zhang, L.N., Li, C. & Zhao, Y.Y. A high-resolution summary of Cambrian to Early Triassic marine invertebrate biodiversity. Science 367, 272-277 (2020). https://doi.org/10.1126/science.aax4953