机器学习揭示前臼齿形态作为灵长类食性重建的新指标

研究人员通过整合随机森林(RF)机器学习与比较系统发育方法，对类人猿灵长类牙齿形态进行量化分析，发现前臼齿原尖(protoconid)起伏度是区分食性类别的强预测指标，尤其对硬食性动物的判别优于传统臼齿和门齿指标。该研究建立了多牙齿协同分析框架，为古生物学食性重建提供了5%-11%的准确率提升。

　　

这项开创性研究突破了传统食性重建方法的局限，将随机森林(Random Forest, RF)算法引入古生物学领域，对类人猿灵长类的牙齿形态展开系统性解码。通过量化分析前臼齿地形特征和齿尖起伏度，惊喜地发现前臼齿原尖(protoconid)起伏度这个曾被忽视的指标，在区分食性类别时展现出惊人潜力——特别是鉴定硬食性动物方面，其表现甚至碾压了传统依赖的臼齿和门齿特征。

研究团队还捕捉到性二态特征在磨砺型前臼齿中的食性差异信号。通过特征选择技术优化模型，使分类准确率较未修剪模型提升5%-11%，而融合前臼齿、臼齿和门齿数据的复合模型更是达到最高判别精度。这些发现不仅为食性重建提供了全新牙齿形态学指标，更开创性地展示了机器学习与多牙齿协同分析在生态形态学(ecomorphology)研究中的革命性价值。

该成果显著扩展了古灵长类食性重建的方法工具箱，特别是为厘清人类谱系演化过程中的生态压力机制建立了创新性研究框架。前臼齿这个"低调"的牙齿区域，经此研究华丽转身成为解读远古生命食谱的关键密码本。