Abstract Reliable identification of species is a key step to assess biodiversity. In fossil and archaeological contexts, genetic identifications remain often difficult or even impossible and morphological criteria are the only window on past biodiversity. Methods of numerical taxonomy based on geometric morphometric provide reliable identifications at the specific and even intraspecific levels, but they remain relatively time consuming and require expertise on the group under study. Here, we explore an alternative based on computer vision and machine learning. The identification of three rodent species based on pictures of their molar tooth row constituted the case study. We focused on the first upper molar in order to transfer the model elaborated on modern, genetically identified specimens to isolated fossil teeth. A pipeline based on deep neural network automatically cropped the first molar from the pictures, and returned a prediction regarding species identification. The deep-learning approach performed equally good as geometric morphometrics and, provided an extensive reference dataset including fossil teeth, it was able to successfully identify teeth from an archaeological deposit that was not included in the training dataset. This is a proof-of-concept that such methods could allow fast and reliable identification of extensive amounts of fossil remains, often left unstudied in archaeological deposits for lack of time and expertise. Deep-learning methods may thus allow new insights on the biodiversity dynamics across the last 10.000 years, including the role of humans in extinction or recent evolution.

Developmental systems may preferentially produce certain types of variation and, thereby, bias phenotypic evolution. This is a central issue in evolutionary developmental biology, albeit somewhat understudied. Here we focus on the shape of the first upper molar which shows a clear, repeated tendency for anterior elongation at different scales from within mouse populations to between species of the Mus genus. In contrast, the lower molar displays more evolutionary stability. We compared upper and lower molar development of mouse strains representative of this fine variation (DUHi: elongated molars and FVB: short molars). Using a novel quantitative approach to examine small-scale developmental variation, we identified temporal, spatial and functional differences in tooth signaling centers between the two strains, likely due to different tuning of the activation-inhibition mechanisms ruling signaling center patterning. Based on the spatio-temporal dynamics of signaling centers and their lineage tracing, we show an intrinsic difference in the fate of signaling centers between lower and upper jaw of both strains. This can explain why variations in activation-inhibition parameters between strains are turned into anterior elongation in the upper molar only. Finally, although the 'elongated' DUHi strain was inbred, first molar elongation was variable in adults, and we found high levels of intra-strain developmental variation in upper molar development. This is consistent with the inherent developmental instability of the upper molar system enabling the morphological variability of the tooth phenotype. In conclusion, we have uncovered developmental properties that underlie the molar's capacity for repeated phenotypic change, or said differently, that underlie a 'line of least resistance'. By focusing on the developmental basis of fine phenotypic variation, our study also challenges some common assumptions and practices in developmental and evolutionary developmental biology.