積み重ねモデルと種の形質を用いた食物網の欠落リンク予測

隠れた食物連鎖を推測する意義

生態学者はしばしば自然を「誰が誰を食べるか」の網として描きます。土壌中の微生物から海の捕食者まで含まれますが、どんなに精緻な食物網でも穴だらけです：実際の捕食関係の多くは観察されません。本稿は、モデル・スタッキングと呼ばれる現代的な機械学習手法が、既知の相互作用パターンと体サイズや生活様式といった種に関する単純な事実を組み合わせて、どの欠落した接続が実際に存在する可能性が高いかを予測できることを示します。隠れたリンクのより良い推測は、生態系の安定性に関する理解を鋭くし、限られた現地調査を最も有益な相互作用に集中させるのに役立ちます。

雑然とした自然からネットワーク図へ

食物網は生態系をネットワークに変換します：種がノード、矢印が誰が誰を食べるかを示します。実際には、すべての捕食リンクを収集するのはほぼ不可能です。観察は手間がかかり、まれな出来事は見逃されやすく、可能なリンクの数は種の数よりはるかに速く増えます。ソーシャルネットワークからの従来のリンク予測ツールはそこそこ機能しますが、食物網の重要な特徴を通常は無視します：捕食の矢印には方向性があり（資源から消費者へ）、種の形質はどの相互作用が生態学的に妥当かを制限し、ほとんどの食物網は植物から頂点捕食者まで強い階層構造を持ちます。著者らはしたがって、複数の単純な予測ルールをどのように組み合わせるかを学ぶ技術であるスタッキングを、食物網の現実に合わせて適応させました。

アルゴリズムに生態学的常識を教える

スタックモデルは、誰が誰を食べるかというパターンのみに依存する数十の構造的予測子と、体重、移動様式、代謝タイプなどの種の特性を用いる形質ベースの予測子を融合します。構造的ルールには、たとえば二種が網中で多くの近隣を共有しているか、どれだけ中心的かといったものが含まれます。著者らはこれらのルールをエネルギーが食物連鎖に沿って流れることを尊重するよう改訂しました：無向の三角形を閉じる代わりに、彼らの「生態学的に関連する共通近傍」パターンは、現実的な捕食連鎖に似たモチーフに焦点を当てます。形質ベースのルールは類似性と対照の両方を捉えます。生息地のようなある形質は似た種間の相互作用を促す一方で、栄養段階のような別の形質は異なる相手間のリンクを促します。形質プロファイル間の距離尺度、特に体重比は、同質的（アソルタティブ）と異質的（ディサソルタティブ）の両方のパターンをモデルが利用できるようにします。

手法の性能検証

スタッキングが本当に構造と形質の使い分けを学べるかを調べるため、研究チームはまず既知のルールを持つ人工的な食物網を作成しました。リンクが隠れた群構造だけに依存するネットワークと、リンクが種の形質によって完全に決まるネットワークを混ぜ合わせました。これらの制御されたテストでは、形質が無関係な場合は構造のみのモデルが優れ、形質が支配的な場合は形質のみのモデルが優れました。重要なのは、完全なスタックモデルが各極端な場合に最良の専門モデルと同等の性能を示し、混合ケースではどちらよりも優れていた点です。これは、真のルールを与えられなくても、スタッキングが各ネットワークで構造と形質にどれだけの重みを与えるかを発見できることを示しています。

実際の食物網が明かすこと

著者らは続いて、この手法を湖、河川、海、地上および地下の生息地からなる290件の実証的な食物網のグローバルコレクションに適用しました。各データには少数の形質が注釈されています。この多様なコーパス全体で、構造のみ、形質のみ、完全の三種類のモデルはいずれも、真の欠落リンクと真の不在を区別する点で偶然よりはるかに優れていました。平均して、完全モデルはほぼ完全な識別に達し、構造のみモデルをわずかに上回り、形質のみモデルを明らかに凌駕しました。しかし約十分の一の食物網では、形質のみか構造のみのより単純なモデルが最良でした。これは、生態系によって相互作用のルールが異なることを強調します。スタックモデルの内部の特徴ランキングは、情報価値の高い予測子をいくつか浮かび上がらせます：一般的な消費者や資源に関連する指標、類似種から連れ合いを借りる最近傍型ルール、ネットワークの低ランク要約、消費者と獲物の体重比などです。

いつどこで予測がうまくいくか

データセットが多くの生態系をまたいでいるため、著者らはどのような食物網が予測しやすいかを問うことができました。より大きく、より密に結ばれた網は、分類学的解像度が高く区画化が低いほど精度が高くなる傾向があり、これはモデルが学習できる構造信号が多くなるためと考えられます。土壌コミュニティのような陸域の地下食物網は予測が最も容易であり、海洋や陸上の地表域の網はやや予測しにくい傾向がありました。形質と構造の相対的有用性も生態系タイプによって異なり、海洋システムでは特に体サイズが強い役割を果たしました。これらの差は、環境ごとに相互作用の組織化に関するより深い生態学的対照を示唆します。

生態系理解への示唆

非専門家向けの重要なメッセージは、部分的でノイズの多いデータしかなくとも、見えない生態ネットワークの断片を高い確信度で再構築できるようになったという点です。多くの単純な構造的手がかりとごく少数の広く計測される形質を賢く組み合わせることで、スタックモデルはありそうな欠落した捕食リンクを補完するだけでなく、体サイズや一般化傾向といったどの特徴が「誰が誰を食べるか」を最も強く形作っているかを明らかにします。これは、より効率的な現地調査、より鋭い生態学理論の検証、そして長期的には種の喪失や環境変化に対する生態系の反応予測の改善への道を開きます。

引用: Van Kleunen, L.B., Dee, L.E., Wootton, K.L. et al. Predicting missing links in food webs using stacked models and species traits. Nat Commun 17, 2298 (2026). https://doi.org/10.1038/s41467-026-68769-7

キーワード: 食物網, 種の形質, リンク予測, 生態系ネットワーク, 機械学習