Fine-scale evolutionary dynamics can be challenging to tease out when focused on the broad brush strokes of whole populations over long time spans. We propose a suite of diagnostic analysis techniques that operate on lineages and phylogenies in digital evolution experiments, with the aim of improving our capacity to quantitatively explore the nuances of evolutionary histories in digital evolution experiments. We present three types of lineage measurements: lineage length, mutation accumulation, and phenotypic volatility. Additionally, we suggest the adoption of four phylogeny measurements from biology: phylogenetic richness, phylogenetic divergence, phylogenetic regularity, and depth of the most-recent common ancestor. In addition to quantitative metrics, we also discuss several existing data visualizations that are useful for understanding lineages and phylogenies: state sequence visualizations, fitness landscape overlays, phylogenetic trees, and Muller plots. We examine the behavior of these metrics (with the aid of data visualizations) in two well-studied computational contexts: (1) a set of two-dimensional, real-valued optimization problems under a range of mutation rates and selection strengths, and (2) a set of qualitatively different environments in the Avida digital evolution platform. These results confirm our intuition about how these metrics respond to various evolutionary conditions and indicate their broad value.

中文翻译：

---

解读生命的磁带：基于祖先的分析提供有关进化动力学的洞察力和直觉

当长时间关注整个种群的广泛笔触时，精细尺度的进化动力学可能难以梳理。我们提出了一套在数字进化实验中对谱系和系统发育进行操作的诊断分析技术，目的是提高我们在数字进化实验中定量探索进化历史细微差别的能力。我们提出了三种类型的谱系测量：谱系长度、突变积累和表型波动。此外，我们建议采用生物学的四种系统发育测量：系统发育丰富度、系统发育差异、系统发育规律和最近共同祖先的深度。除了量化指标，我们还讨论了一些对理解谱系和系统发育有用的现有数据可视化：状态序列可视化、适应度景观叠加、系统发育树和穆勒图。我们在两个经过充分研究的计算环境中检查了这些指标的行为（借助数据可视化）：（1）在一系列突变率和选择强度下的一组二维实值优化问题，以及（ 2) Avida 数字进化平台中的一组性质不同的环境。这些结果证实了我们对这些指标如何响应各种进化条件的直觉，并表明了它们的广泛价值。我们在两个经过充分研究的计算环境中检查了这些指标的行为（借助数据可视化）：（1）在一系列突变率和选择强度下的一组二维实值优化问题，以及（ 2) Avida 数字进化平台中的一组性质不同的环境。这些结果证实了我们对这些指标如何响应各种进化条件的直觉，并表明了它们的广泛价值。我们在两个经过充分研究的计算环境中检查了这些指标的行为（借助数据可视化）：（1）在一系列突变率和选择强度下的一组二维实值优化问题，以及（ 2) Avida 数字进化平台中的一组性质不同的环境。这些结果证实了我们对这些指标如何响应各种进化条件的直觉，并表明了它们的广泛价值。