A természetes szelekció DNS-re gyakorolt hatásainak felderítése a Planet-Vie mesterséges intelligencia segítségével
A mesterséges intelligencia megközelítései új alkalmazásokat mutatnak be a pozitív szelekció genomra gyakorolt hatásának felderítésére. Egy szimulációval felügyelt fázissal kezdenek, amelyet a természetes adatokra kell alkalmazni. A felbontás progresszív a mély tanulásnak nevezett folyamat nyomán. Az emberi adatokkal kapcsolatos első eredmények nagyon ígéretesnek tűnnek.
A fajokon belüli DNS-variációk nagy része valószínűleg az úgynevezett semleges mutációknak tudható be abban az értelemben, hogy az allélfrekvenciájuk evolúciója lényegében véletlenszerű a genetikai sodródás hatására. A ritka, előnyös és káros hatású mutációk módosítják a szelekció célpontjának számító fenotípust, amely az első esetben pozitív, a másodikban negatív. A hasznos mutációk azáltal, hogy előnyöket biztosítanak az őket hordozó egyének számára, jelentik az evolúciós alkalmazkodás elsődleges forrását. Fejlődésük (pozitív szelekció) jelentősen eltér a semleges mutációkétól. A pozitív szelekció nyomainak megtalálása a genom mentén azonban ijesztő feladat, amely nagyszámú egyed DNS-ének szekvenálását és elemzését igényli.
Az eredetileg a pozitív szelekció jeleinek azonosítására kidolgozott statisztikai elemzési módszerek összehasonlították a lokuszban megfigyelt genetikai variabilitást a semleges modell esetében várható változékonysággal (csak semleges mutációknak kitett lokusz). Ez a modell azon a feltételezésen alapult, hogy a semleges mutáció gyakoriságának változása önmagában a véletlen miatt következik be. Erős feltételezéseket tett az érintett népesség demográfiájával kapcsolatban is (homogén népesség, állandó munkaerő stb.). Ezért a demográfiai hatások szempontjából a szelekciónak is jelentős eredményei lehetnek.