Median-Joining Networks and Bayesian Phylogenies Often Do Not Tell the Same Story
Notice bibliographique
Résumé
Inferring phylogenies among intraspecific individuals often yields unresolved relationships (i.e., polytomies). Consequently, methods that compute distance-based abstract networks, like Median-Joining Networks (MJNs), are thought to be more appropriate tools for reconstructing such relationships than traditional trees. Median-Joining Networks visualize all routes of relationships in the form of cycles, if needed, when traditional approaches cannot resolve them. However, the MJN method is a distance-based phenetic approach that does not involve character transformations and makes no reference to ancestor–descendant relationships. Although philosophical and theoretical arguments challenging the implication that MJNs reflect phylogenetic signal in the traditional sense have been presented elsewhere, an empirical comparison with a character-based approach is needed given the increasing popularity of MJN analysis in evolutionary biology. Here, we use the conservative Approximately Unbiased (AU) test to compare 85 cases of branching patterns of cycle-free MJNs and Bayesian Inference (BI) phylogenies using datasets from 55 empirical studies. By rooting the MJN analyses to provide directionality, we report substantial disagreement between computed MJNs and posterior distributions on BI phylogenies. The branching patterns in MJNs and BI phylogenies show significantly different relationships in 37.6% of cases. Among the relationships that do not significantly differ, 96.2% show alternative sets of relationships. Our results indicate that the two methods provide different measures of relatedness in a phylogenetic sense. Finally, our analyses also support previous observations of the statistical hypothesis testing by reconfirming the over-conservativeness of the Shimodaira-Hasegawa test versus the AU test.
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 | 0,039 | 0,153 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,009 | 0,011 |
| Études des sciences et des technologies | 0,002 | 0,009 |
| Communication savante | 0,007 | 0,018 |
| Science ouverte | 0,004 | 0,004 |
| Intégrité de la recherche | 0,004 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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 ».