We present Procrustean Approach to Cophylogeny (PACo), a novel statistical tool to test for congruence between phylogenetic trees, or between phylogenetic distance matrices of associated taxa. Unlike previous tests, PACo evaluates the dependence of one phylogeny upon the other. This makes it especially appropriate to test the classical coevolutionary model that assumes that parasites that spend part of their life in or on their hosts track the phylogeny of their hosts. The new method does not require fully resolved phylogenies and allows for multiple host-parasite associations. PACo produces a Procrustes superimposition plot enabling a graphical assessment of the fit of the parasite phylogeny onto the host phylogeny and a goodness-of-fit statistic, whose significance is established by randomization of the host-parasite association data. The contribution of each individual host-parasite association to the global fit is measured by means of jackknife estimation of their respective squared residuals and confidence intervals associated to each host-parasite link. We carried out different simulations to evaluate the performance of PACo in terms of Type I and Type II errors with respect to two similar published tests. In most instances, PACo performed at least as well as the other tests and showed higher overall statistical power. In addition, the jackknife estimation of squared residuals enabled more elaborate validations about the nature of individual links than the ParaFitLink1 test of the program ParaFit. In order to demonstrate how it can be used in real biological situations, we applied PACo to two published studies using a script written in the public-domain statistical software R.

Summary ⍰ Orchids constitute one of the most spectacular radiations of flowering plants. However, their geographical origin, historical spread across the globe, and hotspots of speciation remain uncertain due to the lack of a broad phylogenomic framework. ⍰ We present a new Orchidaceae phylogeny based on high-throughput and Sanger sequencing datasets, covering all five subfamilies, 17/22 tribes, 40/49 subtribes, 285/736 genera, and ∼7% (1,921) of the currently 29,524 accepted species. We then use it to infer geographic range evolution, diversity, and speciation patterns by adding curated geographical distribution data through the World Checklist of Vascular Plants. ⍰ Orchid’s most recent common ancestor is traced back to the Late Cretaceous in Laurasia. The modern Southeast Asian range of subfamily Apostasioideae is interpreted as relictual, matching the history of numerous clades that went extinct at higher latitudes following the global climate cooled during the Oligocene. Despite their ancient origins, modern orchid species’ diversity mainly originated over the last 5 Ma, with the fastest speciation rates found in south-eastern Central America. ⍰ Our results substantially alter our understanding of the geographic origin of orchids, previously proposed as Australian, and further pinpoint the role of Central American as a region of recent and explosive speciation.

Abstract Ecological specialization reflects both evolutionary and ecological processes. For parasitic taxa, ecological specialization can be assessed as the degree to which a parasite species will associate with certain host species, a property known as host specificity. Ectoparasitic bat flies have been previously reported as highly host specific, presumably due to a history of coevolution with their bat hosts. However, there is conflicting evidence of coevolution between bats and bat flies. Resource-driven competition between parasite individuals and between species may also be important in explaining patterns of bat fly specificity. To test the importance of evolutionary and ecological factors on bat fly specificity, we collected and identified 21 bat fly species from 16 host bat species from the State of Rio de Janeiro in Brazil. We generated a bat fly species phylogeny from molecular data, estimated d’ specialization values (a metric of specificity), and used linear and cophylogenetic models to compare the importance of various drivers of parasite ecological specialization. We found that bat fly co-occurrence frequency (a proxy for interspecific competition) and mean infection intensity (a proxy for intraspecific competition) best predicted patterns of bat fly specialization. Co-occurrence frequency had a significantly negative association with specialization, while mean infection intensity has a significantly positive association with specialization. Coevolutionary congruence had a small effect size and did not significantly predict parasite specialization. We found multiple shifts toward more generalized host niches across the bat fly phylogeny. Our results suggest that ecological processes such as resource-driven competition may be more important than evolutionary processes in shaping bat fly host specialization networks. Bat flies showed variable degrees of host specialization, parasitized phylogenetically distant host species, and showed low phylogenetic congruence to their hosts. This suggests that as a group, bat flies may show flexibility in their host preference phenotypes and may change their host associations in the face of environmental disturbance.

Abstract Bipartite network analysis is a powerful tool to study the processes structuring interactions in antagonistic ecological communities. In applying the method, we assume that the sampled interactions provide an accurate representation of the actual community. However, acquiring a representative sample may be difficult as not all species are equally abundant or easily identifiable. Two potential sampling issues can compromise the conclusions of bipartite network analyses: failure to capture the full range of interactions of species (sampling completeness) and failure to identify species correctly (taxonomic resolution). These sampling issues are likely to co-occur in community ecology studies. We asked how commonly used descriptors (modularity, nestedness, connectance and specialisation (H 2 ′)) of bipartite communities are affected by reduced host sampling completeness, parasite taxonomic resolution and their crossed effect. We used a quantitative niche model to generate replicates of simulated weighted bipartite networks that resembled natural host-parasite communities. The combination of both sampling issues had an additive effect on modularity and nestedness. The descriptors were more sensitive to uncertainty in parasite taxonomic resolution than to host sampling completeness. All descriptors in communities capturing less than 70% of correct taxonomic resolution strongly differed from correctly identified communities. When only 10% of parasite taxonomic resolution was retained, modularity and specialisation decreased ∼0.3 and ∼0.1-fold respectively, and nestedness and connectance changed ∼0.7 and ∼3.2-fold respectively. The loss of taxonomic resolution made the confidence intervals of estimates wider. Reduced taxonomic resolution led to smaller size of the communities, which emphasised the larger relative effect of taxonomic resolution on smaller communities. With regards to host sampling completeness, connectance and specialisation were robust, nestedness was reasonably robust (∼0.2-fold overestimation), and modularity was sensitive (∼0.5-fold underestimation). Nonetheless, most of the communities with low resolution for both sampling issues were structurally equivalent to correctly sampled communities (i.e., more modular and less nested than random assemblages). Therefore, modularity and nestedness were useful as categorical rather than quantitative descriptors of communities affected by sampling issues. We recommend evaluating both sampling completeness and taxonomic certainty when conducting bipartite network analyses. We also advise to apply the most robust descriptors in circumstances of unavoidable sampling issues. Open Research statement we provide permanent and open access links to data sources and replication code in Appendix S1.

Abstract 1. Most species in ecological communities are rare whereas only a few are common. This distributional paradox has intrigued ecologists for decades but the interpretation of species abundance distributions remains elusive. 2. We present Fuzzy Quantification of Common and Rare Species in Ecological Communities (FuzzyQ) as an R package. FuzzyQ shifts the focus from the prevailing species-categorization approach to develop a quantitative framework that seeks to place each species along a rare-commonness gradient. Given a community surveyed over a number of sites, quadrats, or any other convenient sampling unit, FuzzyQ uses a fuzzy clustering algorithm that estimates a probability for each species to be common or rare based on abundance-occupancy information. Such as probability can be interpreted as a commonness index ranging from 0 to 1. FuzzyQ also provides community-level metrics about the coherence of the allocation of species into the common and rare clusters that are informative of the nature of the community under study. 3. The functionality of FuzzyQ is shown with two real datasets. We demonstrate how FuzzyQ can effectively be used to monitor and model spatio-temporal changes in species commonness, and assess the impact of species introductions on ecological communities. We also show that the approach works satisfactorily with a wide range of communities varying in species richness, dispersion and abundance currencies. 4. FuzzyQ produces ecological indicators easy to measure and interpret that can give both clear, actionable insights into the nature of ecological communities and provides a powerful way to monitor environmental change on ecosystems. Comparison among communities is greatly facilitated by the fact that the method is relatively independent of the number of sites or sampling units considered. Thus, we consider FuzzyQ as a potentially valuable analytical tool in community ecology and conservation biology.

Symbiosis is a key driver of evolutionary novelty and ecological diversity, but our understanding of how macroevolutionary processes originate extant symbiotic associations is still very incomplete. Cophylogenetic tools are used to assess the congruence between the phylogenies of two groups of organisms related by extant associations. If phylogenetic congruence is higher than expected by chance, we conclude that there is cophylogenetic signal in the system under study. However, how to quantify cophylogenetic signal is still an open issue. We present a novel approach, Random Tanglegram Partitions (Random TaPas) that applies a given global-fit method to random partial tanglegrams of a fixed size to identify the associations, terminals and nodes that maximize phylogenetic congruence. By means of simulations, we show that the output value produced is inversely proportional to the number and proportion of cospeciation events employed to build simulated tanglegrams. In addition, with time-calibrated trees, Random TaPas is also efficient at distinguishing cospeciation from pseudocospeciation. Random TaPas can handle large tanglegrams in affordable computational time and incorporates phylogenetic uncertainty in the analyses. We demonstrate its application with two real examples: Passerine birds and their feather mites, and orchids and bee pollinators. In both systems, Random TaPas revealed low cophylogenetic signal, but mapping its variation onto the tanglegram pointed to two different coevolutionary processes. We suggest that the recursive partitioning of the tanglegram buffers the effect of phylogenetic nonindependence occurring in current global-fit methods and therefore Random TaPas is more reliable than regular global-fit methods to identify host-symbiont associations that contribute most to cophylogenetic signal. Random TaPas can be implemented in the public-domain statistical software R with scripts provided herein. A User’s Guide is also available at GitHub.

ABSTRACT Premise of the study Evolutionary relationships in the species-rich Orchidaceae have historically relied on organellar DNA sequences and limited taxon sampling. Previous studies provided a robust plastid-maternal phylogenetic framework, from which multiple hypotheses on the drivers of orchid diversification have been derived. However, the extent to which the maternal evolutionary history of orchids is congruent with that of the nuclear genome has remained uninvestigated. Methods We inferred phylogenetic relationships from 294 low-copy nuclear genes sequenced/obtained using the Angiosperms353 universal probe set from 75 species representing 69 genera, 16 tribes and 24 subtribes. To test for topological incongruence between nuclear and plastid genomes, we constructed a tree from 78 plastid genes, representing 117 genera, 18 tribes and 28 subtribes and compared them using a co-phylogenetic approach. The phylogenetic informativeness and support of the Angiosperms353 loci were compared with those of the 78 plastid genes. Key Results Phylogenetic inferences of nuclear datasets produced highly congruent and robustly supported orchid relationships. Comparisons of nuclear gene trees and plastid gene trees using the latest co-phylogenetic tools revealed strongly supported phylogenetic incongruence in both shallow and deep time. Phylogenetic informativeness analyses showed that the Angiosperms353 genes were in general more informative than most plastid genes. Conclusions Our study provides the first robust nuclear phylogenomic framework for Orchidaceae plus an assessment of intragenomic nuclear discordance, plastid-nuclear tree incongruence, and phylogenetic informativeness across the family. Our results also demonstrate what has long been known but rarely documented: nuclear and plastid phylogenetic trees are not fully congruent and therefore should not be considered interchangeable.