Quando as Árvores Mentem: Seleção, Admistura e o Mito de uma Ancestralidade Única

TL;DR

• Uma “árvore” filogenética é um modelo que pressupõe uma descendência predominantemente vertical; com fluxo gênico (admistura/introgressão), o objeto correto é frequentemente uma rede, e não uma árvore (Huson & Bryant 2006, doi:10.1093/molbev/msj030; Kong et al. 2025, doi:10.1073/pnas.2410934122).
• A “seleção” (varreduras seletivas, seleção de fundo, conversão gênica enviesada) modifica as genealogias e pode fazer com que métodos neutros infiram a história errada (Schrider et al. 2016, doi:10.1534/genetics.116.190223; Pouyet et al. 2018, doi:10.7554/eLife.36317; Johri et al. 2021, doi:10.1093/molbev/msab050).
• Com admistura, diferentes regiões genômicas têm literalmente diferentes “árvores genealógicas”, de modo que uma única árvore ótima pode ser uma média enganosa (Degnan & Rosenberg 2009, doi:10.1016/j.tree.2009.01.009).
• A evolução humana é o conto de advertência: a introgressão neandertal/denisovana é real (Green et al. 2010, doi:10.1126/science.1188021), e a seleção podou de maneira desigual o DNA introgressado ao longo do genoma (Sankararaman et al. 2014, doi:10.1038/nature12961; Juric et al. 2016, doi:10.1371/journal.pgen.1006340; Harris & Nielsen 2016, doi:10.1534/genetics.116.186890).
• Solução prática: tratar “a árvore” como uma hipótese sobre quais sítios foram usados; utilizar partições neutras, seleção de modelos e, frequentemente, estruturas explícitas de separação–reunião / redes (Yu et al. 2011, doi:10.1093/sysbio/syq084; Maier et al. 2023, doi:10.7554/eLife.85492).

“Quando os fenômenos não têm estrutura arbórea, não devemos chamá-los de árvore.”
— Valas & Bourne, “Save the tree of life or get lost in the woods” (2010), doi:10.1186/1745-6150-5-44

A árvore não é uma fotografia; é um algoritmo de compressão#

Uma árvore filogenética dá a impressão de ser um documentário: as linhagens se dividem, os ramos divergem, e a história se acumula como anéis na madeira. Essa intuição está às vezes correta. Mas, na genômica, é perigosamente fácil esquecer o que uma “árvore” realmente é: um resumo de baixa dimensionalidade de dados de alta dimensionalidade, produzido sob determinadas pressuposições.

A maioria dos métodos de construção de árvores depende implicitamente de alguma combinação dos seguintes pressupostos:

• A herança vertical predomina. As linhagens se dividem e, depois da divisão, em sua maior parte deixam de trocar genes.
• Uma única história se ajusta aos dados. Diferentes loci são tratados como se estivessem amostrando um único processo de ramificação subjacente.
• Neutralidade (ou algo próximo dela). A variação se comporta como se fosse moldada principalmente por deriva e mutação, e não pela seleção que percorre regiões ligadas.

Quando essas pressuposições falham, as árvores não se tornam simplesmente “mais ruidosas”. Elas podem tornar-se sistematicamente enviesadas — erradas na mesma direção em muitos loci — porque o próprio processo evolutivo está distorcendo os dados.

Esta publicação trata de um modo de falha específico, comum na evolução humana (e, francamente, em toda parte): as árvores mentem quando seleção e admistura ocorrem simultaneamente. “Mentir” aqui significa algo técnico e desinteressante: a ordem de ramificação e os comprimentos dos ramos inferidos podem ser confiantes, reprodutíveis e, ainda assim, descrever um artefato do pipeline de inferência, em vez da história do organismo.

Uma reformulação útil:

Uma árvore é a resposta à pergunta: Se a evolução tivesse uma estrutura arbórea (e fosse predominantemente neutra), qual árvore explicaria melhor estes padrões?
Ela não é automaticamente a resposta à pergunta: O que realmente aconteceu?

Duas razões diferentes para as histórias gênicas discordarem#

Antes de combinar seleção + admistura, vale a pena separar três conceitos que as pessoas frequentemente confundem:

1. Árvores gênicas: a genealogia de uma determinada região genômica.
2. Árvores de espécies/populações: o padrão de ramificação de populações/espécies consideradas como entidades.
3. O coalescente multiespécies (MSC): o modelo que explica por que as árvores gênicas podem diferir da árvore de espécies mesmo sem admistura, em razão da coalescência estocástica de linhagens (Degnan & Rosenberg 2009, doi:10.1016/j.tree.2009.01.009).¹

Mesmo que a evolução tenha uma estrutura perfeitamente arbórea no nível populacional, as árvores gênicas podem discordar entre si por meio da separação incompleta de linhagens (ILS) (Degnan & Rosenberg 2009, doi:10.1016/j.tree.2009.01.009). Essa é a fonte “benigna” de discordância: a aleatoriedade na ancestralidade.

A admistura/introgressão acrescenta uma segunda razão, qualitativamente diferente, para a discordância: alguns loci traçam sua ancestralidade por meio de uma população diferente daquela implicada por uma única árvore de ramificação. Nesse ponto, o objeto apropriado é frequentemente uma rede filogenética (Huson & Bryant 2006, doi:10.1093/molbev/msj030; Yu et al. 2011, doi:10.1093/sysbio/syq084; Kong et al. 2025, doi:10.1073/pnas.2410934122).²

A seleção surge então como um terceiro ingrediente que pode se passar por qualquer um dos dois primeiros, porque modifica os tempos de coalescência e a distribuição das genealogias ao longo do genoma (Schrider et al. 2016, doi:10.1534/genetics.116.190223; Pouyet et al. 2018, doi:10.7554/eLife.36317; Johri et al. 2021, doi:10.1093/molbev/msab050).

Como a seleção faz métodos com “formato de árvore” alucinarem uma história#

A seleção afeta as árvores de duas maneiras gerais:

1. Ela remodela as genealogias (quem coalesce com quem e quando).
2. Ela remodela quais loci estão sendo efetivamente amostrados (porque os loci que sobrevivem e variam não constituem uma amostra aleatória da história).

Seleção ligada: o genoma não é um conjunto de marcadores independentes#

Em um genoma recombinante, a seleção em um sítio arrasta consigo os sítios próximos. Isso é a seleção ligada. Duas formas importantes são:

• Varreduras seletivas: um alelo benéfico aumenta rapidamente de frequência, reduzindo a variação nos haplótipos próximos.
• Seleção de fundo: a seleção purificadora remove continuamente mutações deletérias, reduzindo o tamanho efetivo da população (Ne) e a diversidade nos sítios neutros ligados.

Ambos os processos alteram o espectro de frequência de sítios (SFS) e os tempos locais de coalescência, precisamente aquilo que muitos métodos demográficos/filogenéticos tentam interpretar (Schrider et al. 2016, doi:10.1534/genetics.116.190223; Johri et al. 2021, doi:10.1093/molbev/msab050). Se você pressupõe neutralidade, pode inferir gargalos populacionais, expansões ou divisões populacionais espúrios, porque a seleção criou padrões que parecem eventos demográficos.

Uma estimativa particularmente contundente em seres humanos: Pouyet et al. argumentam que a seleção de fundo e a conversão gênica enviesada afetam mais de 95% do genoma humano, podendo enviesar inferências demográficas se não forem consideradas (Pouyet et al. 2018, doi:10.7554/eLife.36317). Mesmo que você considere discutível a porcentagem precisa, a direção não é: em escalas finas, a neutralidade é a exceção, não o padrão.

Mecanismo nº 1 pelo qual “as árvores mentem”: a seleção comprime o tempo de maneira desigual#

Os comprimentos dos ramos das árvores frequentemente codificam distância genética, que por sua vez é frequentemente interpretada como tempo (com um relógio molecular). Mas a seleção modifica a velocidade com que as linhagens coalescem:

• As varreduras fazem com que muitas linhagens coalesçam rapidamente no passado recente ao redor do sítio selecionado, encurtando localmente os ramos.
• A seleção de fundo reduz Ne, provocando uma coalescência mais rápida ao longo de períodos extensos em regiões de baixa recombinação ou densas em elementos funcionais.

Se você construir uma árvore a partir de uma mistura de regiões com regimes de seleção ligada muito diferentes, poderá obter uma quimera: algumas partes do genoma se comportam como se fossem provenientes de uma população menor (tempos de coalescência mais curtos), enquanto outras provêm de uma população maior — sem que tenha ocorrido qualquer mudança real no tamanho populacional.

Isso não é apenas algo abstrato. A inferência baseada em ARG (métodos de grafo de recombinação ancestral) também é vulnerável: Marsh et al. mostram que a seleção pode comprometer a inferência do tamanho populacional histórico em determinadas condições (Marsh et al. 2024, doi:10.1093/molbev/msae118).

Como a admistura transforma uma árvore em um erro categorial#

A admistura (entre populações) e a introgressão (entre linhagens/espécies divergentes) significam que a ancestralidade é reticulada: os ramos se dividem e depois se reúnem.

O fato central: diferentes loci têm diferentes ancestralidades#

Esse é o ponto “mosaico” genômico que a maioria das narrativas populares sobre a evolução humana ainda subestima. Após o fluxo gênico, um genoma não é a história de uma única linhagem; é uma colcha de retalhos de segmentos com genealogias diferentes.

O exemplo humano canônico é a introgressão neandertal: o primeiro trabalho com o rascunho do genoma neandertal mostrou que os seres humanos modernos não africanos carregam ancestralidade derivada dos neandertais (Green et al. 2010, doi:10.1126/science.1188021). Trabalhos posteriores mapearam essa paisagem ao longo do genoma (Sankararaman et al. 2014, doi:10.1038/nature12961).

Então, o que significa uma “árvore humana” depois disso? Depende de quais loci foram utilizados.

• Use loci empobrecidos em ancestralidade neandertal, e você poderá inferir uma divisão mais nítida associada à saída da África.
• Use loci enriquecidos em haplótipos introgressados, e poderá aproximar os eurasiáticos dos arcaicos de maneiras biologicamente reais, mas que não podem ser representadas por uma árvore.

Como detectamos a admistura (e por que isso nem sempre é simples)#

Um método de uso corrente é o ABBA–BABA / estatística D, formalizado para testar a admistura antiga entre populações estreitamente aparentadas (Durand et al. 2011, doi:10.1093/molbev/msr048). A ideia é simples: sob uma árvore estrita, com ILS, mas sem fluxo gênico, dois padrões discordantes de sítios (ABBA e BABA) deveriam ocorrer em taxas iguais; um excesso consistente sinaliza fluxo gênico (Patterson et al. 2012, PMCID:PMC3522152).

Mas é aqui que “as árvores mentem” se torna recursivo: até mesmo os testes de introgressão podem ser mal interpretados quando existem linhagens-fantasma (populações não amostradas) (Tricou et al. 2022, doi:10.1093/sysbio/syac011). Em outras palavras, os dados podem implicar fortemente a existência de admistura, mas atribuí-la ao doador errado é fácil se o verdadeiro doador estiver extinto ou não tiver sido amostrado.

E, quando se tenta ajustar histórias completas por meio de grafos de admistura, surgem restrições de identificabilidade e de sobreajuste. Uma crítica recente e sóbria mostra os limites do ajuste de modelos complexos de história populacional a partir de dados genéticos — modelos úteis, mas não oniscientes (Maier et al. 2023, doi:10.7554/eLife.85492).

Onde ocorrem as mentiras realmente interessantes: seleção + admistura em conjunto#

A admistura torna as genealogias heterogêneas. A seleção, então, torna essa heterogeneidade estruturada e enviesada.

O DNA introgressado é filtrado pela seleção (portanto, a ancestralidade não é aleatória)#

Após a introgressão, a seleção pode:

• Remover alelos introgressados deletérios, criando “desertos” de ancestralidade arcaica próximos a regiões funcionais.
• Promover alelos introgressados benéficos, criando “ilhas” de ancestralidade arcaica onde as variantes introgressadas foram adaptativas.

Isso não é conjectura; é empiricamente visível nos genomas humanos.

• Sankararaman et al. mapearam regiões de ancestralidade neandertal reduzida e observaram forte depleção em determinados contextos funcionais (Sankararaman et al. 2014, doi:10.1038/nature12961).
• Juric et al. modelaram a intensidade da seleção, em escala genômica, contra a introgressão neandertal, como atuando sobre muitos alelos fracamente deletérios (Juric et al. 2016, doi:10.1371/journal.pgen.1006340).
• Harris & Nielsen argumentaram que os neandertais carregavam uma carga mutacional mais elevada e que isso pode explicar a ancestralidade neandertal reduzida nas proximidades dos genes (Harris & Nielsen 2016, doi:10.1534/genetics.116.186890).
• A introgressão adaptativa é uma área ativa, com métodos e exemplos revisados por Racimo et al. (Racimo et al. 2015, PMID:25963373).

Assim: a admistura produz um mosaico, mas a seleção edita o mosaico, mantendo preferencialmente alguns ladrilhos e lixando outros até fazê-los desaparecer.

Mecanismo nº 2 de “as árvores mentem”: a seleção altera quais trajetórias ancestrais permanecem visíveis#

Se a seleção remove segmentos introgressados de modo desproporcional em algumas regiões genômicas, qualquer árvore inferida a partir dessas regiões sub-representará sistematicamente o evento de introgressão.

Inversamente, se você se concentrar em loci com forte introgressão adaptativa, poderá superestimar o quanto duas linhagens eram “próximas” em termos gerais, porque estará amostrando regiões genômicas que sobreviveram especificamente porque passaram entre as linhagens.

Este é o dilema central:

• A admistura rompe a suposição de árvore (reticulação).
• A seleção enviesa quais partes dessa reticulação permanecem nos dados atuais.

O resultado pode parecer uma árvore limpa mesmo quando a história não foi semelhante à de uma árvore, ou pode parecer uma estrutura profunda/divergência antiga quando, na realidade, o padrão é a interação entre seleção e introgressão.

Uma tabela comparativa concreta#

Por que isso importa especificamente para as narrativas sobre a evolução humana#

A escrita sobre a evolução humana ainda carrega um instinto narrativo de “linhagem única”: primeiro houve X, depois Y se dividiu, e então Z os substituiu. É narrativamente limpo, mas genomicamente enganoso.

Agora estamos em um mundo no qual:

• O registro fóssil e a diversidade morfológica são confusos.
• O sequenciamento de genomas completos revela fluxo gênico recorrente entre linhagens.
• A seleção vem editando o registro o tempo todo.

Na conversa com Razib Khan que você mencionou, John Hawks supostamente enfatiza o “efeito de distorção da seleção sobre as árvores filogenéticas”, enquanto Chris Stringer enfatiza a complexidade do registro fóssil do Leste Asiático (listagem do episódio: Razib Khan’s Unsupervised Learning). Essa combinação é precisamente adequada, mesmo que você discorde da síntese preferida por qualquer um dos dois: tanto o registro genético quanto o fóssil são complexos, e as árvores simplistas são frágeis.

O caso humano também é pedagogicamente útil porque podemos apontar para fenômenos específicos e quantificados:

• A introgressão existe: humanos não africanos carregam ancestralidade derivada de neandertais (Green et al. 2010, doi:10.1126/science.1188021).
• A introgressão é desigual em todo o genoma, implicando seleção e/ou incompatibilidades (Sankararaman et al. 2014, doi:10.1038/nature12961).
• A seleção contra a introgressão pode ser modelada e estimada (Juric et al. 2016, doi:10.1371/journal.pgen.1006340; Harris & Nielsen 2016, doi:10.1534/genetics.116.186890).
• Os métodos para detectar/caracterizar a introgressão constituem hoje um subcampo (Hibbins & Hahn 2022, doi:10.1093/genetics/iyab173).

A conclusão: se você insistir em desenhar uma única “árvore” humana, terá de acrescentar um asterisco grande o suficiente para ser visível da órbita.

O que usar em vez de árvores ingênuas#

É aqui que a conversa frequentemente descarrila para falsos dilemas: “Então as árvores são inúteis?” Não. As árvores são úteis quando correspondem à pergunta e as suposições são aproximadamente verdadeiras. A solução não é o niilismo; é a escolha de modelos e a análise de sensibilidade.

1) Usar métodos de árvores que admitam discordância#

Mesmo sem fluxo gênico, existem abordagens sensíveis ao MSC precisamente porque as árvores gênicas diferem das árvores de espécies (Degnan & Rosenberg 2009, doi:10.1016/j.tree.2009.01.009). Se os seus tempos de divergência forem curtos e o Ne ancestral for grande, a discordância é esperada, não patológica.

2) Onde o fluxo gênico for plausível, usar redes ou modelos de separação–reunião#

As redes filogenéticas não são apenas diagramas bonitos; são uma resposta formal à evolução reticulada (Huson & Bryant 2006, doi:10.1093/molbev/msj030). Também existem métodos explícitos de coalescência em redes que tentam detectar hibridização mesmo na presença de ILS (Yu et al. 2011, doi:10.1093/sysbio/syq084). E há uma síntese metodológica crescente que argumenta que as redes deveriam ocupar posição central na biodiversidade e na inferência evolutiva (Kong et al. 2025, doi:10.1073/pnas.2410934122).

3) Tratar a seleção como um fator de confusão por padrão, não como um caso excepcional#

Três estratégias pragmáticas que são efetivamente utilizadas:

• Mascaramento / particionamento neutro: restringir a inferência a regiões presumivelmente neutras (com a humildade de reconhecer que a neutralidade é aproximada).
• Modelagem sensível à seleção ligada: incorporar mapas ou parâmetros de seleção de fundo sempre que possível (Pouyet et al. 2018, doi:10.7554/eLife.36317).

• Verificações de sensibilidade: executar a inferência sob diferentes esquemas de mascaramento e comparar as conclusões (Schrider et al. 2016, doi:10.1534/genetics.116.190223; Johri et al. 2021, doi:10.1093/molbev/msab050).

4) Ser honesto quanto à identificabilidade do modelo#

Os grafos de admistura são uma linguagem poderosa para a história, mas seu ajuste pode ser subdeterminado à medida que os modelos se tornam complexos (Maier et al. 2023, doi:10.7554/eLife.85492). Isso não significa “não faça isso”. Significa “trate o grafo de melhor ajuste como um membro de uma família de grafos plausíveis” e comunique a incerteza de acordo com isso.

A conclusão filosófica: o genoma tem muitas histórias, e você escolhe qual delas contar#

“Árvores mentem” é um slogan melodramático para uma verdade banal: a inferência é condicional às premissas. Quando seleção e admistura ocorrem simultaneamente, as premissas subjacentes a muitos resumos filogenéticos padrão são violadas de maneiras que criam distorções sistemáticas e excessivamente confiantes.

Ou, em uma máxima mais útil:

A árvore que você infere é tanto uma propriedade do seu esquema de amostragem quanto uma propriedade dos organismos.

A postura madura não é abandonar as árvores, mas relegá-las a segundo plano: as árvores se tornam uma projeção da história, adequada para algumas perguntas (por exemplo, agrupamento aproximado, alguma ordenação das divergências sob fluxo gênico limitado) e inadequada para outras (a história populacional detalhada em um genoma reticulado e sob seleção).

Na evolução humana, já passamos da era em que “uma árvore” era o fim da história. Ela é o início da discussão.

Perguntas frequentes #

P 1. Se o fluxo gênico é comum, por que as árvores frequentemente parecem tão “limpas”?
R. Porque a seleção e a amostragem podem preservar e destacar preferencialmente regiões compatíveis com um sinal de ramificação dominante, ao mesmo tempo que apagam ou reduzem o peso de regiões introgressadas, produzindo um resumo enganosamente semelhante a uma árvore mesmo quando a história é reticulada (Sankararaman et al. 2014, doi:10.1038/nature12961; Juric et al. 2016, doi:10.1371/journal.pgen.1006340).

P 2. Qual é a estatística mais simples que demonstra admistura sem ajustar um grafo completo?
R. Os testes ABBA–BABA / estatística D testam se padrões alélicos discordantes ocorrem de maneira assimétrica, o que é esperado sob fluxo gênico, mas não sob uma árvore estrita com apenas ILS (Durand et al. 2011, doi:10.1093/molbev/msr048; Patterson et al. 2012, PMCID:PMC3522152).

P 3. Como a seleção de fundo “simula” especificamente eventos demográficos?
R. Ao reduzir o tamanho efetivo da população em sítios neutros ligados, ela desloca o espectro de frequência de sítios e os tempos de coalescência de maneiras que modelos demográficos neutros podem interpretar equivocadamente como gargalos ou expansões (Pouyet et al. 2018, doi:10.7554/eLife.36317; Johri et al. 2021, doi:10.1093/molbev/msab050).

P 4. Quando devo preferir uma rede filogenética a uma árvore?
R. Quando houver evidências confiáveis de hibridação/introgressão (ou HGT disseminada), de modo que diferentes loci sustentem topologias incompatíveis — porque uma rede pode representar histórias de divisão e reunificação que uma única árvore não pode representar (Huson & Bryant 2006, doi:10.1093/molbev/msj030; Kong et al. 2025, doi:10.1073/pnas.2410934122).

P 5. Modelos cada vez mais complexos são sempre melhores?
R. Não: à medida que os grafos ganham parâmetros (múltiplas arestas de admistura, mudanças no tamanho populacional etc.), muitas histórias distintas podem ajustar-se aos mesmos resumos; assim, a escolha do modelo e a comunicação da incerteza tornam-se centrais, e não opcionais (Maier et al. 2023, doi:10.7554/eLife.85492; Tricou et al. 2022, doi:10.1093/sysbio/syac011).

Notas de rodapé#

Fontes#

1. Degnan, James H., and Noah A. Rosenberg. “Gene tree discordance, phylogenetic inference and the multispecies coalescent.” Trends in Ecology & Evolution 24(6) (2009): 332–340. doi:10.1016/j.tree.2009.01.009
2. Huson, Daniel H., and David Bryant. “Application of phylogenetic networks in evolutionary studies.” Molecular Biology and Evolution 23(2) (2006): 254–267. doi:10.1093/molbev/msj030
3. Yu, Yun, et al. “Coalescent histories on phylogenetic networks and detection of hybridization despite incomplete lineage sorting.” Systematic Biology 60(2) (2011): 138–149. doi:10.1093/sysbio/syq084
4. Kong, Sungsik, Claudia Solís-Lemus, and George P. Tiley. “Phylogenetic networks empower biodiversity research.” PNAS 122(31) (2025): e2410934122. doi:10.1073/pnas.2410934122
5. Schrider, Daniel R., Alexander G. Shanku, and Andrew D. Kern. “Effects of linked selective sweeps on demographic inference and model selection.” Genetics 204(3) (2016): 1207–1223. doi:10.1534/genetics.116.190223
6. Pouyet, Fanny, Simon Aeschbacher, Alexandre Thiéry, and Laurent Excoffier. “Background selection and biased gene conversion affect more than 95% of the human genome and bias demographic inferences.” eLife 7 (2018): e36317. doi:10.7554/eLife.36317
7. Johri, Parul, et al. “The impact of purifying and background selection on the inference of population history: problems and prospects.” Molecular Biology and Evolution 38(7) (2021): 2986–3003. doi:10.1093/molbev/msab050
8. Marsh, Jacob I., and Parul Johri. “Biases in ARG-Based Inference of Historical Population Size in Populations Experiencing Selection.” Molecular Biology and Evolution 41(7) (2024): msae118. doi:10.1093/molbev/msae118
9. Durand, Eric Y., et al. “Testing for ancient admixture between closely related populations.” Molecular Biology and Evolution 28(8) (2011): 2239–2252. doi:10.1093/molbev/msr048
10. Patterson, Nick, et al. “Ancient admixture in human history.” Genetics 192(3) (2012): 1065–1093. PMCID: PMC3522152
11. Tricou, Théo, Eric Tannier, and Damien M. de Vienne. “Ghost lineages highly influence the interpretation of introgression tests.” Systematic Biology 71(5) (2022): 1147–1158. doi:10.1093/sysbio/syac011
12. Green, Richard E., et al. “A draft sequence of the Neandertal genome.” Science 328(5979) (2010): 710–722. doi:10.1126/science.1188021
13. Sankararaman, Sriram, et al. “The genomic landscape of Neanderthal ancestry in present-day humans.” Nature 507 (2014): 354–357. doi:10.1038/nature12961
14. Juric, Ivan, Simon Aeschbacher, and Graham Coop. “The Strength of Selection against Neanderthal Introgression.” PLOS Genetics 12(11) (2016): e1006340. doi:10.1371/journal.pgen.1006340
15. Harris, Kelley, and Rasmus Nielsen. “The genetic cost of Neanderthal introgression.” Genetics 203(2) (2016): 881–891. doi:10.1534/genetics.116.186890
16. Racimo, Fernando, et al. “Evidence for archaic adaptive introgression in humans.” Nature Reviews Genetics 16(6) (2015): 359–371. PMID:25963373
17. Hibbins, Mark S., and Matthew W. Hahn. “Phylogenomic approaches to detecting and characterizing introgression.” Genetics 220(2) (2022): iyab173. doi:10.1093/genetics/iyab173
18. Maier, Robert, et al. “On the limits of fitting complex models of population history to genetic data.” eLife 12 (2023): e85492. doi:10.7554/eLife.85492
19. Valas, Ryohei E., and Philip E. Bourne. “Save the tree of life or get lost in the woods.” Biology Direct 5 (2010): 44. doi:10.1186/1745-6150-5-44
20. Razib Khan. “Razib Khan’s Unsupervised Learning (podcast feed listing).” Apple Podcasts. (Acessado em 2025-12-18).