E<scp>vo</scp>P<scp>hylo</scp>: An <scp>r</scp> package for pre‐ and postprocessing of morphological data from relaxed clock Bayesian phylogenetics
Notice bibliographique
Résumé
Abstract Relaxed clock Bayesian evolutionary inference (BEI) enables the co‐estimation of phylogenetic trees and evolutionary parameters associated with models of character and lineage evolution. Fast advances in new model developments over the past decade have boosted BEI as a major macroevolutionary analytical framework using morphological and/or molecular data across vastly different study systems. However, there is limited availability of bioinformatic tools to pre‐ and postprocess data from BEI, such as identifying morphological data partitions, or statistically testing and creating publication quality plots of evolutionary hypotheses. Here, we introduce E voPhylo, an r package to perform automated morphological character partitioning and analyse macroevolutionary parameter from relaxed clock (time‐calibrated) BEI outputted by the programs Mr.Bayes and BEAST2 . These include rates of evolution and mode of selection for each character partition, diversification rate parameters, and handling fossil‐only posterior trees. We present the theoretical background behind EvoPhylo 's functions and analytical tools for evolutionary hypothesis testing, its potential uses, and interpretation of its results with a series of vignettes and links to a step‐by‐step tutorial using examples from two empirical datasets. EvoPhylo will facilitate the use of Bayesian relaxed clocks as a tool for macroevolutionary inference across a wide range of users and fields of research, especially those that make usage of morphological datasets, from paleontological to total evidence dating analyses.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».