Inference of biogeographic history by formally integrating distinct lines of evidence: genetic, environmental niche and fossil
Notice bibliographique
Résumé
A primary focus of historical biogeography is to understand changes in species ranges, abundance and genetic connectivity, and changes in community composition. Traditionally, biogeographic inference has relied on distinct lines of evidence, including DNA sequences, fossils and hindcasted ecological niche models. In this review we propose that the development of integrative modeling approaches that leverage multiple distinct data types from diverse disciplines has the potential to revolutionize the field of biogeography. Although each data type contains information on a distinct aspect of species’ biogeographic histories, few studies formally integrate multiple types in analysis. For example, post hoc congruence among analyses based on different data types (e.g. fossils and genetics) is commonly assumed to indicate likely biogeographic histories. Unfortunately, analyses of different data often reach discordant conclusions. Thus, fundamental and unresolved debates continue regarding speed and timing of postglacial migration, location and size of glacial refugia, and degree of long distance dispersal. Formal statistical integration can help address these issues. More specifically, formal integration can leverage all available evidence, account for inherent biases associated with different data types, and quantify data and process uncertainty. Novel, quantitative integration of data and models across fields is now possible due to recent advances in cyberinfrastructure, spatial modeling, online and aggregated ecological databases, data processing and quantitative methods. Our purpose is to make the case for and give examples of rigorous integration of genetic, fossil and environmental/occurrence data for inferring biogeographic history. In particular, we 1) review the need for such a framework; 2) explain common data types and approaches used to infer biogeographic history (and the challenges with each); 3) review state‐of‐the‐art examples of data integration in biogeography; 4) lay out a series of novel, suggested improvements on current methods; and 5) provide an outlook on technical feasibility and future opportunities.
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 | 0,047 | 0,119 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,005 |
| Bibliométrie | 0,011 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,009 |
| Communication savante | 0,009 | 0,014 |
| Science ouverte | 0,004 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».