Samtale med Gemini

Ja, Winston Ewert publiserte artiklene om Dependency Graph-modellen (blant annet "The Dependency Graph of Life" fra 2018) i tidsskriftet BIO-Complexity.

BIO-Complexity hevder å være et fagfellevurdert (peer-reviewed) vitenskapelig tidsskrift. Det er imidlertid verdt å merke seg følgende om hvem som står bak og vurderer artiklene der:

• Tidsskriftets utgiver: BIO-Complexity utgis av Biologic Institute, som er en forskningsavdeling knyttet til Discovery Institute (hovedorganisasjonen for Intelligent Design-bevegelsen).

• Fagfellevurderingen: Tidsskriftet benytter seg av sine egne oppnevnte redaktører og fagfeller/revisorer, som i hovedsak består av forskere og støttespillere knyttet til Intelligent Design-miljøet.

Artikkelen har altså gjennomgått den interne fagfellevurderingsprosessen til BIO-Complexity, men den er ikke publisert i eller fagfellevurdert av et etablert, uavhengig biologisk eller evolusjonsbiologisk tidsskrift.

Winston Ewert har testet og sammenlignet sin Dependency Graph-modell (avhengighetsgraf) mot evolusjonsbiologenes tradisjonelle modeller i to sentrale arbeider publisert i tidsskriftet BIO-Complexity (i 2018 og 2023).

Modellen er inspirert av programvareutvikling, hvor kodere gjenbruker moduler ("modulær gjenbruk") på tvers av ulike programmer i stedet for alltid å bygge alt helt på nytt eller arve alt lineært fra én forelder.

Her er de viktigste metodene og resultatene Ewert har presentert, samt kritikken og innvendingene fra fagmiljøet:

Bilde 1. Avbildning av avhengighetsgrafmodellen

1. Resultatene Ewert kom frem til

• Testing på store databaser (2018-studien): Ewert testet modellen på ni gen- og proteindatabaser fra store offentlige databanker (blant annet HomoloGene, Ensembl og NCBI). Han brukte bayesiansk statistikk (modellvalg) for å måle hvor sannsynlige dataene var gitt tre ulike modeller:

  1. Null-modellen (tilfeldig/ingen sammenheng).

  2. Tre-modellen (felles avstamning / det tradisjonelle livets tre).

  3. Dependency graph-modellen (modulær gjenbruk).

  4. Bilde 2. Prestin i Avhengighetsgrafen

  5. Konklusjon fra Ewert: I alle datasettene mente Ewert å vise at avhengighetsgrafen ga en statistisk overlegen tilpasning til dataene sammenlignet med et tradisjonelt evolusjonært tre. Han hevdet at sannsynligheten for avhengighetsgrafen var titusenvis av "bits" mer sannsynlig i de bayesianske beregningene.

• Forklaring på "støy" og uoverensstemmelser: Evolusjonsbiologer forklarer ofte uregelmessigheter i det genetiske treet (kalt non-nested hierarchy eller incongruence) med at gener slettes på nytt og på nytt, eller med konvergent evolusjon. Ewert hevdet at hans modell krevde langt færre hypotetiske "gensletting-hendelser" for å forklare forskjellene mellom arter, og at modellen bedre forklarte hvorfor organismer som ser svært ulike ut, likevel kan dele identiske komplekse genmoduler.

• Spesifikk gentesting på prestin-proteinet (2023-studien): Ewert publiserte oppfølgingsstudien AminoGraph der han testet aminosyresekvensen til gen/proteinet prestin (knyttet til hørsel) hos pattedyr med ultralyd/ekkolokalisering (som flaggermus og hvaler). Ewert hevdet at proteinstrukturen i disse organismene dannet mønstre som passet langt bedre med en avhengighetsgraf enn med tradisjonell konvergent evolusjon.

2. Hva fagmiljøet og kritikere påpeker om resultatene

Selv om Ewert og forskere innen Intelligent Design (ID)-bevegelsen beskriver resultatene som et banebrytende argument mot det evolusjonære treet, har eksterne biologer og dataforskere påpekt vesentlige metoderelaterte og teoretiske svakheter ved testene:

Bilde 3. Binært livets tre, slik det ovte er gjengitt

1. Sammenligning mot en "stråmann" (Tre vs. Graf/Nettverk): Evolusjonsbiologer har lenge før Ewerts artikkel vært klare over at livets tre ikke er et strengt todelt tre, spesielt på mikrobielt og molekylært nivå. Fenomener som horisontal genoverføring (HGT), hybridisering og incomplete lineage sorting (ILS) gjør at det moderne biologiske konseptet om evolusjon heller beskrives som et filogenetisk nettverk eller et sammensatt tre enn et helt stivt, stivbent "tre". Ewerts modell sammenlignet seg mot en forenklet "ren tre-modell", ikke mot moderne filogenetiske nettverksmodeller.

2. Overilpasning (Overfitting) og modellkompleksitet: I avhengighetsgraf-modellen er antall mulige "moduler" og koblinger eksponentielt høyere enn i et tre. En graf med et enormt antall frie parametere vil nesten alltid passe bedre til et datasett rent statistisk enn en enklere modell. Kritiske røster har stilt spørsmål ved om Ewert har straffet modellens kompleksitet tilstrekkelig i sin bayesianske analyse, slik at grafen i praksis bare "tilpasser seg støyen" i dataene.

3. Inkluderer ikke evolusjonære mekanismer: Ewerts modell måler mønstre i tilstedeværelse/fravær av genfamilier, men tar ikke hensyn til molekylære mutasjonsrater, DNA-sekvensers likhetsgrader innenfor genene eller geografisk/fossil kronologi.

Oppsummering

Testene Ewert har gjort på offentlige gen-databaser viser at genetiske data danner komplekse nettverksmønstre. Ewert tolker dette som et resultat av en intelligent designer som har gjenbrukt programvaremoduler. Mainstream-biologer tolker de samme mønstrene som et resultat av kjente evolusjonære prosesser (som horisontal genoverføring, gen-duplisering, tap av genfamilier og konvergent evolusjon) i et filogenetisk nettverk.