Phylogenetic eigenvector maps: a framework to model and predict species traits
Notice bibliographique
Résumé
Summary Phylogenetic signals are the legacy related to evolutionary processes shaping trait variation among species. Biologists can use these signals to tackle questions related to the evolutionary processes underlying trait evolution, estimate the ancestral state of a trait and predict unknown trait values from those of related species (i.e. ‘phylogenetic modelling’). Approaches to model phylogenetic signals rely on quantitative descriptors of the structures representing the consequences of evolution on trait differences among species. Here, we propose a novel framework to model phylogenetic signals: P hylogenetic E igenvectors M aps ( PEM ). PEM are a set of eigenfunctions obtained from the structure of a phylogenetic graph, which can be a standard phylogenetic tree or a phylogenetic tree with added reticulations. These eigenfunctions depict a set of potential patterns of phenotype variation among species from the structure of the phylogenetic graph. A subset of eigenfunctions from a PEM is selected for the purpose of predicting the phenotypic values of traits for species that are represented in a tree, but for which trait data are otherwise lacking. This paper introduces a comprehensive view and the computational details of the PEM framework (with calculation examples), a simulation study to demonstrate the ability of PEM to predict trait values and four real data examples of the use of the framework. Simulation results show that PEM are robust in representing phylogenetic signal and in estimating trait values. The method also performed well when applied to the real‐world data: prediction coefficients were high (0·76–0·88), and no notable model biases were found. Phylogenetic modelling using PEM is shown to be a useful methodological asset to disciplines such as ecology, ecophysiology, ecotoxicology, pharmaceutical botany, among others, which can benefit from estimating trait values that are laborious and often expensive to obtain.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».