Automeris蛾的眼斑模拟同域猫头鹰物种（鳞翅目：天蚕蛾科）

《Ecology and Evolution》：Eyespots in Automeris Moths Mimic Sympatric Owl Species (Lepidoptera: Saturniidae)

　　

眼斑模仿是一种在许多昆虫中记录良好的反捕食策略，特别是在蛾类中。在Automeris属中，物种后翅具有类似猫头鹰眼睛的眼斑，用于惊吓蛾类的捕食者。然而，Automeris眼斑作为威慑捕食者的机制尚未解决。文献中主要有两个假说主导眼斑研究。第一，眼斑作为猫头鹰眼睛的模仿，理由是蛾类的捕食者是猫头鹰的猎物，会避免任何看起来像猫头鹰的东西。另一种可能是，眼斑因其显眼性而具有威慑作用，但并非被误认为眼睛。在本研究中，研究人员使用物种分布模型、人工智能和显著性映射来评估Automeris眼斑是否模仿同域猫头鹰的眼睛。地理分析揭示Automeris物种与共现猫头鹰之间存在范围重叠，支持模仿驱动选择的机会。基于卷积神经网络（CNN）的混淆性分析表明，Automeris眼斑经常被误分类为猫头鹰眼睛，提供了视觉相似性的定量证据。对猫头鹰和蛾类图像的显著性热图分析显示，在眼斑区域和蛾类的闪光（glimmer）区域以及猫头鹰的眼睛和喙部存在高水平的混淆。研究数据表明，Automeris眼斑很可能是模仿者，通过惊骇行为（deimatic behavior）有助于避免捕食。这项研究突出了人工智能为捕食者-猎物相互作用中防御性状的进化提供新见解的潜力。

**Automeris蛾眼斑模拟的生态与进化机制：基于卷积神经网络和物种分布模型的研究**

**研究背景与问题**
捕食者-猎物相互作用驱动了防御性状的多样性与维持。昆虫演化出多种防御策略，包括物理防御（如螫毛、自割）、化学防御（如有毒化合物）以及行为防御（如拟态、隐蔽）。眼斑（eyespots）是一种常见的反捕食适应，尤其在鳞翅目（Lepidoptera）昆虫中，被认为通过模拟捕食者的捕食者（如猫头鹰）来威慑攻击。然而，眼斑的威慑机制存在争议：两种主要假说——眼斑作为猫头鹰眼睛的模仿（mimicry）与眼斑通过显眼性（conspicuousness）起作用——长期对立。尽管前期研究对显眼性假说提供支持（如Stevens等发现对比度而非眼状图案决定生存率），但更复杂的眼斑（如多同心环和中央闪光）可能支持模仿假说（De Bona等）。在Automeris属蛾类中，后翅眼斑高度类似猫头鹰眼睛，且常与猫头鹰分布重叠。然而，缺乏量化证据证明这种相似性是否源于模仿选择。本研究旨在利用人工智能（AI）和物种分布模型，检验Automeris眼斑是否模拟同域猫头鹰眼睛，并评估模仿作为防御机制的有效性。论文发表在《Ecology and Evolution》。

**关键技术方法**
研究人员主要采用以下方法：（1）**物种分布模型（SDM）**：从全球生物多样性信息机构（GBIF）和节肢动物网络共生体集合（SCAN）获取62种Automeris蛾和76种猫头鹰的分布记录，通过Maxent模型构建物种范围图，并计算逆权重重叠百分比以识别同域配对。（2）**卷积神经网络（CNN）**：利用iNaturalist照片（自然状态下的正脸图像），对585张Automeris眼斑和598张猫头鹰面部进行手动标注，训练六种不同复杂度的CNN（卷积过滤器数量从4到32，结合或不含隐藏层），对4081张猫头鹰和1233张Automeris图像进行混淆性分析，并使用生物编码器（BioEncoder）将图像嵌入高维空间。（3）**显著性热图（saliency heatmap）**：通过计算香农熵（Shannon entropy）和类激活映射（CAM），定位CNN分类不确定性的关键特征区域。

**研究结果**
- **混淆性分析**：最高复杂度CNN模型显示，60%的Automeris蛾图像被误分类为猫头鹰，平均混淆率58%。对照物种帝国柞蚕（Eacles imperialis，无眼斑）的准确率中位数达87.5%，显著高于Automeris。二项式广义线性模型（GLM）表明，卷积层数、神经层数以及是否包含帝国柞蚕数据的三方交互作用显著预测混淆概率（p<0.001）。当模型仅使用Automeris训练时，增加卷积层数导致无神经层模型混淆加剧，而含一个神经层模型则更好区分两者。
- **地理重叠与视觉相似性相关性**：Automeris与猫头鹰的分布重叠百分比与图像嵌入空间距离呈显著负相关（相关系数r=-0.22，p<0.0001），即重叠越大，图像越相似。排除无重叠配对后相关性增强。最佳匹配配对示例包括Automeris submacula与猫头鹰Aegolius harrisii。
- **显著性热图**：对Automeris excreta和猫头鹰Athene cunicularia的显著性映射显示，混淆区域集中在Automeris眼斑的多同心环和中央闪光（glimmer）以及猫头鹰的眼睛和喙部，表明CNN混淆源于这些对应特征。

**讨论与结论**
研究结果支持眼斑模仿而非单纯显眼性假说。复杂眼斑特征（如多同心环和中央闪光）足以导致神经网络误识别，且随着模型复杂度增加，Automeris与猫头鹰的混淆率持续存在，而对照种帝国柞蚕保持可区分，说明模仿提供的保护超越显眼性。地理重叠与视觉相似性正相关与其它拟态系统（如Heliconius蝴蝶、Papilio凤蝶）的局部拟态环模式一致，提示Automeris眼斑可能经历区域适应。尽管猫头鹰是主要模型，但其他视觉敏锐捕食者（如昼行性蛇类、猛禽）也可能施加选择压力。本研究利用AI分析初始视觉特征检测，提供了一种评估拟态的新工具，但AI不能直接模拟捕食者认知，未来需结合行为实验。结论：本研究为Automeris蛾的眼斑模仿作为主要反捕食机制提供了进化、生态和AI分析的支持，强调复杂防御可能通过利用捕食者视觉检测演化，并展示了AI在解答长期生物学问题中的潜力。