Why extinction estimates from extant phylogenies are so often zero
Notice bibliographique
Résumé
Abstract Time-calibrated phylogenies comprising only extant lineages are widely used to estimate historical speciation and extinction rates. Such extinction rate estimates have long been controversial as many phylogenetic studies report zero extinction in many taxa, a finding in conflict with the fossil record. To date, the causes of this widely observed discrepancy remain unresolved. Here we provide a novel and simple explanation for these “zero-inflated” extinction rate estimates, based on the recent discovery that there exist many alternative “congruent” diversification scenarios that cannot possibly be distinguished on the sole basis of extant timetrees. Consequently, estimation methods tend to converge to some scenario congruent to (i.e., statistically indistinguishable from) the true diversification scenario, but not necessarily to the true diversification scenario itself. This congruent scenario may in principle exhibit negative extinction rates, a biologically meaningless but mathematically feasible situation, in which case estimators will tend to hit and stick to the boundary estimate of zero extinction. To test this explanation, we estimated extinction rates using maximum likelihood for a set of simulated trees and for 121 empirical trees, while either allowing or preventing negative extinction rates. We find that the existence of congruence classes and imposed bounds on extinction rates can explain the zero-inflation of previous extinction rate estimates, even for large trees (1000 tips) and in the absence of any detectable model violations. Not only do our results likely resolve a long-standing mystery in phylogenetics, they demonstrate that model congruencies can have severe consequences in practice.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».