A parametric bootstrap approach to the detection of phylogenetic signals in landmark data
Notice bibliographique
Résumé
A phylogenetic signal is present in a morphometric data set if similarities in form reflect genealogical relationships. The degree to which such a reflection exists can be measured by comparing the topology of a morphometric-based hierarchical clustering with the topology of a cladogram that is specified a priori using other sources of data. A strong phylogenetic signal is indicated by a high degree of agreement between topologies. A lack of agreement is indicative either of data with a strong “alternative” signal (attributable to homoplasy) or of data with a lack of a signal of any kind. In considering the uncertainties inherent in morphometric data, we present a new method for detecting phylogenetic signals when form is described using landmark coordinate data. We provide a parametric bootstrapping algorithm that, while applied to landmarks, is general enough to be applied to any sort of morphometric data where a reasonable model of within-sample variation can be specified. We then demonstrate how the bootstrap data can be used to make topological comparisons between morphometric clusterings and the cladogram, using: 1) bootstrap proportions attached to cladogram nodes; 2) tree-comparison statistics; and 3) analysis of the frequencies of morphometric-based clusterings that occur when bootstrapping under the model. We then demonstrate our method by examining phylogenetic patterning in midfacial shape for ateline primates. We conclude by discussing topics where more research is needed, concentrating on efforts to partition morphometric data into homologous and homoplasious components.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».