MétaCan
Menu
Retour à la cohorte
Enregistrement W4410814647 · doi:10.1016/j.ecoinf.2025.103229

Architecture and implementation of ulrb algorithm in R

2025· article· en· W4410814647 sur OpenAlexafffund
Francisco Pascoal, Rodrigo Costa, Luı́s Torgo, Catarina Magalhães, Paula Branco

Notice bibliographique

RevueEcological Informatics · 2025
Typearticle
Langueen
DomaineComputer Science
ThématiqueAdvanced Computational Techniques and Applications
Établissements canadiensUniversity of OttawaDalhousie University
Organismes subventionnairesFundação para a Ciência e a TecnologiaNatural Sciences and Engineering Research Council of Canada
Mots-clésComputer scienceArchitectureInformaticsEcologyBiologyGeographyEngineeringArchaeology

Résumé

récupéré en direct d'OpenAlex

Low-abundance microorganisms, often referred to as the “rare biosphere”, play a crucial role in ecosystem resistance and resilience, but remain challenging to study. One of the main difficulties lies in the lack of an appropriate definition of rare taxa. Most studies use relative abundance thresholds ( e.g. , 0.1 % relative abundance, per sample) to discern rare from abundant taxa within a microbial community. This is inappropriate because such thresholds are arbitrary and lack biological meaning. To solve this problem, we have proposed the utilization of unsupervised machine learning, through the ulrb (“Unsupervised Learning Definition of the Microbial Rare Biosphere”) algorithm, implemented as an R package (v0.1.8). This algorithm applies the partition around medoids (pam) algorithm to cluster taxa based on their abundance, in a community, for any number of samples. Based on the clusters, ulrb automatically classifies taxa into “rare”, “undetermined” or “abundant”, by default. Ulrb includes functions for all analytical steps necessary to define the rare biosphere. Specifically, we include four groups of functions: 1) process data of the user into the correct format for the ulrb algorithm; 2) cluster taxa into abundance classifications; 3) helper functions to evaluate detailed statistics of the clustering steps; and 4) visualization functions, focused on rank abundance curves and Silhouette scores, for assessment of clustering quality. In addition, ulrb allows the user to change the number of classifications obtained and includes options for detailed reporting. In this article, we describe the ulrb R package architecture, coding organization, and strategy. Furthermore, we use a 16S rRNA gene amplicon sequencing dataset from the Arctic Ocean to provide illustrative examples, with code, on how to use and explore ulrb capabilities. By explaining the architecture and implementation of ulrb , this study allows independent groups to integrate an abundance classification step in their data analysis protocols, instead of relying on taxa labeled by inconsistent or manual strategies.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,022
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,053
Score d'incertitude au seuil0,176

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,022
Méta-épidémiologie (sens strict)0,0040,002
Méta-épidémiologie (sens large)0,0020,003
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0040,002
Science ouverte0,0060,003
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0530,083

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,317
Écart entre enseignants0,309 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEcological InformaticsMême sujetAdvanced Computational Techniques and ApplicationsTravaux en français237 207