A semi‐variance approach to visualising phylogenetic autocorrelation
Notice bibliographique
Résumé
Abstract Comparing traits across species has been a hallmark of biological research for centuries. While interspecific comparisons can be highly informative, phylogenetic inertia can bias estimates if not properly accounted for in comparative analyses. In response, researchers typically treat phylogenetic inertia as a form of autocorrelation that can be detected, modelled and corrected for. Despite the range of methods available for quantifying the strength of phylogenetic autocorrelation, no tools exist for visualising these autocorrelation structures. Here we derive variogram methods suitable for phylogenetic data, and show how they can be used to straightforwardly visualise phylogenetic autocorrelation. We then demonstrate their utility for three empirical examples: sexual size dimorphism (SSD) in the Musteloidea, maximum per capita rate of population growth, r , in the Carnivora, and brain size in the Artiodactyla. When modelling musteloid SSD, the empirical variogram showed a tendency for the variance in SSD to stabilise over time, a characteristic feature of Ornstein–Uhlenbeck (OU) evolution. In agreement with this visual assessment, model selection identified the OU model as the best fit to the data. In contrast, the infinitely diffusive Brownian motion (BM) model did not capture the asymptotic behaviour of the variogram and was less supported than the OU model. Phylogenetic variograms proved equally useful in understanding why an OU model was selected when modelling r in the Carnivora, and why BM was the selected evolutionary model for brain size in the Artiodactyla. Because the variograms of the various evolutionary processes each have different theoretical profiles, comparing fitted semi‐variance functions against empirical semi‐variograms can serve as a useful diagnostic tool, allowing researchers to understand why any given evolutionary model might be selected over another, which features are well captured by a model, and which are not. This allows for fitted models to be compared against the empirical variogram, facilitating model identification prior to subsequent analyses. We therefore recommend that any phylogenetic analysis include a nonparametric estimate of the autocorrelation structure of the data that can be visualised. The methods developed in this work are openly available in the new R package ctpm .
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 | 0,006 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».