Scientific abstracts from the 6th International Barcode of Life Conference / Résumés scientifiques du 6<sup>e</sup> congrès international « Barcode of Life »
Notice bibliographique
Résumé
Background: Due to the overwhelming increase in multi-locus DNA barcode data provided by taxonomists and field scientists, sequence analysis techniques have been widely developed to effectively compare multi-locus sequences. On the one hand, traditional alignment-based methods are time-consuming and cannot be used for the analysis of non-alignable, multi-locus sequences. On the other hand, alignment-free algorithms allow for the establishment of similarity between biological sequences based on the counts of fixed-length substrings (k-mers) and have proved successful in many applications, including multi-locus DNA barcode analysis. Alignment-free algorithms rely on counting and comparing the frequency of all the distinct k-mers that occur in the considered sequences. Results: Here, we present LAF (Logic Alignment Free), a method that combines alignment-free techniques and rule-based classifiers in order to assign multi-locus DNA barcode sequences to their corresponding species. LAF looks for a minimal subset of k-mers whose relative frequencies are used to build the classification models as disjunctive-normal-form logic formulas (“if-then rules”, e.g., “if the frequency of AACT>0.03, then the species of the sequence is Mycena pura”). Significance: We successfully applied LAF to the classification of DNA barcode sequences belonging to the plant and fungus kingdoms. In particular, focusing our analysis on multi-locus barcode samples, we succeeded in obtaining reliable classification performances at different taxonomic levels by extracting a handful of rules.
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 | 0,004 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,006 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,006 | 0,003 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,163 | 0,120 |
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 ».