MétaCan
Menu
← Retour à la cohorte
Enregistrement W2619061592

Rarity and the problem of measuring diversity

2012· preprint· en· W2619061592 sur OpenAlexaff
Bart Haegeman, Jérôme Hamelin, John Moriarty, Peter Neal, Jonathan Dushoff, Joshua S. Weitz

Notice bibliographique

RevueHAL (Le Centre pour la Communication Scientifique Directe) · 2012
Typepreprint
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGut microbiota and health
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésTaxonDiversity (politics)EstimatorSample (material)MetagenomicsCommunity structureRange (aeronautics)Set (abstract data type)Sampling (signal processing)Computer scienceEcologyGeographyStatisticsMathematicsBiologyEngineering
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Quantifying the diversity of microbial communities is a question of central importance from both a fundamental and an applied point of view. The estimation of microbial diversity has received renewed attention with the advent of large-scale metagenomic studies. Despite the remarkable sample sizes, metagenomic data sets are far from being an exhaustive census of the community on a fine taxonomic level. Hence, we must still ask what the diversity observed in a sample tells us about the diversity of the community being sampled.To answer this question, we study the link between sample composition and community structure using artificial and real communities. By evaluating the sampling properties of an unconstrained set of hypothetical community structures, we identify diversity measures that are possible to estimate and those that cannot be estimated without further assumptions. We analyze nine metagenomic data sets from a wide range of environments, and show that our findings for artificial communities are relevant for real communities.First, we argue that it is impossible to estimate the number of microbial taxa present in a community. The reason for this is simple: the sample data cannot rule out the possibility that the community contains a very large number of extremely rare taxa. We show how lack of information about rare taxa can lead to unbounded uncertainty about the number of taxa present. Second, we argue that it is also impossible to estimate the number of taxa in a relative sense. We illustrate this by applying Chao's estimator to our artificial communities: they are ranked incorrectly in the presence of a potentially large number of rare taxa. Finally, we extend our analysis to generalized diversities, including Shannon's and Simpon's, and show that the Simpson's diversity has the best estimation properties.Our claims about the impossibility of estimating the number of microbial taxa seem to contrast with previous studies. We argue that these studies rely on additional assumptions. By assuming a particular form of the taxa-abundance distribution, an estimate of the number of taxa can be obtained. However, these estimates are necessarily based on unverified extrapolation of the abundances from observed taxa to unobserved rare taxa. The possible presence of a large number of rare taxa invalidates this type of estimate.Chao's estimator is not explicitly based on a particular abundance distribution. Rather, this estimate can be interpreted as giving the lower bound of the estimates that would be obtained from a variety of distributional assumptions. As a result, Chao's estimator yields a possibly huge underestimation of the true diversity, a property that is often overlooked. However, in light of our findings, this lower bound estimate is the only robust statement that can be made about the number of taxa.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,034
score de la tête « metaresearch » (Gemma)0,177
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,034
Score d'incertitude au seuil0,180

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0340,177
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0100,007
Études des sciences et des technologies0,0020,018
Communication savante0,0060,011
Science ouverte0,0040,009
Intégrité de la recherche0,0040,005
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,018
Tête enseignante GPT0,220
Écart entre enseignants0,202 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHAL (Le Centre pour la Communication Scientifique Directe)→Même sujetGut microbiota and health→Travaux en français237 207→