改进动物社会网络中识别配对关系的方法

《Animal Behaviour》：Improving methods for identifying pair bonds in animal social networks

　　

在社会性动物中，与同类维持强关系对繁殖和生存至关重要。然而，目前尚不清楚如何最佳量化这些关系。现有的社会网络技术通常侧重于构建稳健的整体共现网络，但最大化全网络精度的方法可能并非检测个体间最重要关系的最优选择。研究人员利用一个斑点椋鸟（*Sturnus unicolor*）种群冬季社会互动的数据，该种群个体佩戴了被动集成应答器（PIT）标签，并通过射频识别（RFID）记录器在投食器处被检测，以评估现有方法并开发从时间检测流中提取共现数据的新方法。研究人员旨在开发一种能够提取关键社会关系的方法，即连续春季繁殖的雌雄配对。结果发现，尽管所有方法都能将大多数已知配对关系与其他社会关系区分开，但侧重于捕捉精细尺度关联的方法在界定这些关系上最为有效。随后，研究人员将该方法应用于在春季与新伴侣繁殖的鸟类，结果显示，在这些新形成的配对中，超过一半的个体在之前的冬季是彼此的最强社会伙伴。将判别函数分析应用于表现最佳的网络方法，显示出识别真实配对关系的良好灵敏度。然而，研究也发现配对间社会关联模式存在显著变异，包括非繁殖季节中关系的形成与解散差异。研究的方法改进了先前的手段，同时进一步证明配对关系是一个复杂过程，可能早在繁殖开始前就已形成。

**论文解读：改进动物社会网络中配对关系识别的方法**

**研究背景与问题**
在脊椎动物社会中，维持与同类的强关系对个体生存和繁殖成功至关重要。例如，在孔雀鱼（*Poecilia reticulata*）中，强社会关系可提高存活率；在家麻雀（*Passer domesticus*）中，可改善资源获取；在猕猴（*Macaca assamensis*）中，可增加繁殖成功率；在狒狒（*Papio ursinus*）中，可提高后代存活率。繁殖伴侣间的配对关系是主要社会关系类型，但在鸟类中，因冬季数据收集困难，配对关系几乎仅在繁殖背景下被研究。现有社会网络技术侧重于构建整体共现网络，但最大化整体网络精度的方法可能不适用于检测最重要的个体间关系。因此，尚不清楚如何最佳量化配对关系，尤其是非繁殖季节的配对形成与维持。研究人员利用斑点椋鸟（*Sturnus unicolor*）的冬季社会互动数据，旨在开发一种从RFID检测时间流中提取共现数据的新方法，以识别关键配对关系，并检验配对关系是否在繁殖季节前形成。该论文发表在《Animal Behaviour》。

**主要关键技术方法**
研究人员在西班牙中部Soto del Real（约40°45′N, 3°48′W）的巢箱种群中开展研究，该种群由247个木制巢箱组成（密度3.33个/ha）。数据收集采用射频识别（RFID）系统，在四个投食站部署记录器，检测佩戴被动集成应答器（PIT）标签的个体。共收集两个非繁殖季节（2023年11月至2024年3月，2024年11月至2025年3月）的数据。关键方法包括：定义访问模式（通过检测间隔分析确定12秒为访间阈值，8秒为访内最大时长）；构建社会网络采用七种方法，分为宽尺度共现（高斯混合模型GMM）、精细尺度关联（双高斯混合模型double GMM、可变时间窗VTW、固定长度时间窗FTW）及混合方法（平均网络、FTW within GMM）。使用稳定配对（连续繁殖季节保持配对的个体）评估方法性能，并应用判别函数分析（DFA）预测配对关系。

**研究结果**
**Developing Performance Metrics Using Stable Pairs**
利用37对在2023和2024年繁殖季节保持配对的稳定配对，研究人员比较了七种方法。结果显示，双GMM方法在识别伴侣为最强社会伙伴的个体比例上最高（82.43%），而VTW方法在伴侣与次强伙伴的关联强度百分比差异上最大（58.19%）。所有精细尺度方法（双GMM、VTW、FTW）均显著优于宽尺度和混合方法，且彼此间无显著差异。基于性能及易用性，选择双GMM用于后续分析。

**Exploring New Pair Formation**
在2024年繁殖季节，记录到31对新形成配对（62个个体）。其中，56.45%的个体在冬季将未来伴侣作为最强社会伙伴。新配对中伴侣与次强伙伴的关联强度百分比差异（36.73%）与稳定配对（34.3%）相近，无显著差异。这表明配对关系强度在冬季已预先形成，且新配对与稳定配对相似。

**Evaluating Social Bonds When Only One Partner Uses the Feeder**
在38对仅单一个体频繁使用投食器的配对中（18对稳定，20对新），研究人员发现，这些个体与最强伙伴的关联强度（稳定：0.038；新：0.039）和百分比差异（稳定：10.04%；新：10.58%）均显著低于双方均使用投食器且伴侣为最强伙伴的配对（稳定：0.063和34.27%；新：0.062和36.73%）。这表明，未被检测的伴侣可能未在投食器处形成强关联，但也不排除在其他区域存在强社会关系。

**Predicting Pair Bonds Without Breeding Status Information**
通过双GMM网络构建判别函数分析（DFA），使用2023-2024年冬季数据（15,264个异性别边）训练，并应用于2024-2025年冬季数据（18,832个边）。总体准确率极高（99.60%和99.59%），非配对边正确识别率>99.7%，配对边正确识别率在2023-2024年为75.00%，2024-2025年为63.63%。稳定配对识别率（84.21%和74.51%）高于新配对（64.70%和52.03%）。部分误判为配对的边涉及前季配对或浮游个体，可能反映真实配对关系。

**总结与讨论**
研究结论表明，配对关系是大部分可区分的独特关系类型，可通过精细尺度关联方法从更广泛的社会网络中提取。双GMM方法优于先前广泛使用的单GMM方法，能更好地捕捉配对强度。斑点椋鸟的配对关系在非繁殖季节已形成，新配对与稳定配对的强度相似，但部分个体未与伴侣形成强关联，提示配对形成存在个体变异。研究还发现，当仅单一个体使用投食器时，其社会关联模式与未配对个体类似，表明配对关系主要在双方共同活动时表达。判别函数分析证实了配对关系的可预测性，但受限于配对形成与解散的动态性。未来研究需结合更精细的时间数据（如主动追踪工具）以揭示配对关系的长期动态。翻译研究结论部分：
我们的研究有助于探索在通过RFID捕捉社会关联的研究系统中，定义鸟类投食器处关联的最有效方法。我们已证明，不同分析方法在提取斑点椋鸟配对强度上的能力存在差异。我们还证明，配对关系可在非繁殖季节形成，支持了伴侣选择可早在繁殖季节前发生的现有证据。我们进一步表明，并非所有配对都以相同方式表达其关系，部分配对在冬季几乎无关联，且这一现象与重新配对的尝试无关。然而，非繁殖季节的总体关联模式足够清晰，使得在更广泛的社会关联中，大多数已观察到的稳定和新配对关系能被正确分类。未来研究可纳入整个冬季的更精细时间数据，这有助于区分新配对与解散配对，并更详细地揭示配对关系随时间的发展。最终，配对形成对繁殖成功的潜在影响这一关键问题仍有待解决。