Whole-Tree Methods for Detecting Differential Diversification Rates
Notice bibliographique
Résumé
Prolific cladogenesis, adaptive radiation, species selection, key innovations, and mass extinctions are a few examples of biological phenomena that lead to differential diversification among lineages. Central to the study of differential diversification rates is the ability to distinguish chance variation from that which requires deterministic explanation. To detect diversification rate variation among lineages, we propose a number of methods that incorporate information on the topological distribution of species diversity from all internal nodes of a phylogenetic tree. These whole-tree methods (M(Pi), M(Sigma), and M(R)) are explicitly connected to a null model of random diversification--the equal-rates Markov (ERM) random branching model--and an alternative model of differential diversification: M(Pi) is based on the product of individual nodal ERM probabilities; M(Sigma) is based on the sum of individual nodal ERM probabilities, and M(R) is based on a transformation of ERM probabilities that corresponds to a formalized system that orders trees by their relative symmetry. These methods have been implemented in a freely available computer program, SYMMETREE, to detect clades with variable diversification rates, thereby allowing the study of biological processes correlated with and possibly causal to shifts in diversification rate. Application of these methods to several published phylogenies demonstrates their ability to contend with relatively large, incompletely resolved trees. These topology-based methods do not require estimates of relative branch lengths, which should facilitate the analysis of phylogenies, such as supertrees, for which such data are unreliable or unavailable.
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 | 0,005 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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 ».