Testing Phylogenetic Placement Accuracy of <scp>DNA</scp> Barcode Sequences on a Fish Backbone Tree: Implications of Backbone Tree Completeness and Species Representation
Notice bibliographique
Résumé
Advancements in DNA sequencing technology have facilitated the generation of a vast number of DNA sequences, posing opportunities and challenges for constructing large phylogenetic trees. DNA barcode sequences, particularly COI, represent extensive orthologous sequences suitable for phylogenetic analysis. Phylogenetic placement analysis offers a promising method to integrate COI data into tree-building efforts, yet the impacts of backbone tree completeness and species composition remain under-explored. Using a dataset comprising 27 genes and 4520 species of bony fishes, we assessed the accuracy of phylogenetic inference by "placing" COI sequences onto backbone trees. The backbone tree completeness was varied by subsampling 20%, 40%, 60%, 80%, and 99% of the total species separately, followed by placement of those missing species based on their COI sequences using software packages EPA-ng and APPLES. We also compared the effects of biased, random, and stratified sampling strategies; the latter ensured the representation of all major lineages (Family) of bony fish. Our findings indicate that the placement accuracy is consistently high across all levels of backbone tree completeness, where 70%-78% missing species are correctly placed (by EPA-ng) in the same locations as the reference tree derived from the complete data. High completeness produces slightly high placement accuracy, although in many cases the differences are nonsignificant. For example, at the 99% completeness level with stratified sampling, EPA-ng placed 78% missing species correctly, and when only considering placement with high confidence (LWR > 0.9), the percentage is 87%. Additionally, stratified sampling outperforms random sampling in most cases, and biased sampling has the worst performance. The likelihood-based EPA-ng consistently provide higher accurate placements than the distance-based APPLES. In conclusion, COI-based placement analysis represents a potential route of using the available vast barcoding data for building large phylogenetic trees.
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 | 0,019 | 0,076 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».