首页 > 最新文献

Methods in Ecology and Evolution最新文献

英文 中文
Large language models help facilitate the automated synthesis of information on potential pest controllers 大型语言模型有助于自动综合潜在害虫控制者的信息
IF 6.3 2区 环境科学与生态学 Q1 ECOLOGY Pub Date : 2024-05-20 DOI: 10.1111/2041-210X.14341
Daan Scheepens, Joseph Millard, Maxwell Farrell, Tim Newbold

近几十年来,生态学文献的数量迅速增长,这些文献为我们了解全球生物多样性的丧失提供了大量信息。人工合成这些文献的难度越来越大,同时对自动文本挖掘方法的需求也在不断增长。在深度学习领域,大型语言模型(LLMs)因其突飞猛进的发展和广泛的潜在应用而成为近年来备受关注的主题;然而,迄今为止,对其在生态学中的潜力还缺乏定量研究。在这项工作中,我们使用定制的零点提示,分析了 GPT-4 从有关生物害虫控制的文章摘要中提取无脊椎害虫和害虫控制者信息的能力。结果表明,GPT-4 的性能与其他用于分类命名实体识别和地理位置提取任务的先进工具相比具有很强的竞争力。在保留测试集上,我们发现物种和地理位置提取的 F1 分数分别为 99.8% 和 95.3%,并强调该模型能有效区分捕食者、寄生虫和害虫等生态角色。此外,我们还证明了该模型能够有效提取和预测不同分类等级的分类信息。不过,我们也报告了少量捏造信息(混淆)的案例。由于缺乏专门的、预先训练好的生态语言模型,通用 LLM 可能会为生态学的发展提供一条很有前景的道路。结合量身定制的提示工程,此类模型可用于生态学中的各种文本挖掘任务,并有可能大大减少人工筛选和标注文献所花费的时间。
{"title":"Large language models help facilitate the automated synthesis of information on potential pest controllers","authors":"Daan Scheepens,&nbsp;Joseph Millard,&nbsp;Maxwell Farrell,&nbsp;Tim Newbold","doi":"10.1111/2041-210X.14341","DOIUrl":"10.1111/2041-210X.14341","url":null,"abstract":"<p>\u0000 \u0000 </p>","PeriodicalId":208,"journal":{"name":"Methods in Ecology and Evolution","volume":null,"pages":null},"PeriodicalIF":6.3,"publicationDate":"2024-05-20","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"https://onlinelibrary.wiley.com/doi/epdf/10.1111/2041-210X.14341","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"141146419","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":2,"RegionCategory":"环境科学与生态学","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"OA","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
引用次数: 0
Using lineups to evaluate goodness of fit of animal movement models 利用排列组合评估动物运动模型的拟合度
IF 6.6 2区 环境科学与生态学 Q1 Agricultural and Biological Sciences Pub Date : 2024-05-12 DOI: 10.1111/2041-210X.14336
John Fieberg, Smith Freeman, Johannes Signer

运动模型经常被拟合到动物位置数据中,以了解个体如何响应当地环境特征并与之相互作用。目前有几种开源软件包可用于分析动物运动,并能促进参数估计,但可用来评估模型拟合优度的方法相对较少。我们介绍了如何使用一种简单的图形技术--阵容协议来评估综合阶跃选择分析和隐马尔可夫模型的拟合度,但这种方法的应用范围要广泛得多。我们利用拟合模型模拟数据的能力,并使用综合阶跃选择分析和隐马尔可夫模型对渔夫(Pekania pennanti)数据进行了演示。可以使用各种响应和运动指标来评估模型,还可以对排查方案进行定制,以重点关注特定的模型假设或主要关注的运动特征。虽然可以使用正式的假设检验来评估统计意义,但该方法也可以以更具探索性的方式使用(例如,在随机模拟中探索模型行为的变异性或确定模型可以改进的地方)。我们提供了编码示例和小故事来展示该方法的灵活性。我们鼓励运动生态学家在选择适当的图形响应以评估拟合度时,考虑如何应用他们的模型。
{"title":"Using lineups to evaluate goodness of fit of animal movement models","authors":"John Fieberg,&nbsp;Smith Freeman,&nbsp;Johannes Signer","doi":"10.1111/2041-210X.14336","DOIUrl":"10.1111/2041-210X.14336","url":null,"abstract":"<p>\u0000 \u0000 </p>","PeriodicalId":208,"journal":{"name":"Methods in Ecology and Evolution","volume":null,"pages":null},"PeriodicalIF":6.6,"publicationDate":"2024-05-12","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"https://onlinelibrary.wiley.com/doi/epdf/10.1111/2041-210X.14336","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"140938062","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":2,"RegionCategory":"环境科学与生态学","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"OA","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
引用次数: 0
spAbundance: An R package for single-species and multi-species spatially explicit abundance models spAbundance:用于单物种和多物种空间显式丰度模型的 R 软件包
IF 6.6 2区 环境科学与生态学 Q1 Agricultural and Biological Sciences Pub Date : 2024-05-10 DOI: 10.1111/2041-210X.14332
Jeffrey W. Doser, Andrew O. Finley, Marc Kéry, Elise F. Zipkin

有许多建模技术可用于估算动植物种群的丰度。最准确的方法能考虑生态数据中的多种复杂因素,如观测偏差、空间自相关性和物种相关性。然而,目前缺乏用户友好且计算效率高的软件来实现各种模型,尤其是针对大型数据集。我们开发了 spAbundance R 软件包,用于拟合空间明确的贝叶斯单物种和多物种分层距离采样模型、N 混合物模型和广义线性混合模型。该软件包中的模型可以利用近邻高斯过程(Nearest Neighbour Gaussian Processes)考虑空间自相关性,并利用潜在因子方法在多物种模型中考虑物种相关性,从而可以对具有大量地点和/或物种的数据集进行模型拟合。我们提供了三个小故事和三个案例研究,以突出 spAbundance 的功能。我们使用空间显式多物种距离采样模型估算了美国佛罗里达州 16 种鸟类的密度,使用 N 混合模型估算了美国新罕布什尔州黑喉蓝莺(Setophaga caerulescens)的丰度,并使用空间线性混合模型估算了美国大陆森林地上生物量。该软件包可作为生态学家和保护工作者的有用工具,用于改进对种群和群落丰度空间驱动因素的推断和预测。
{"title":"spAbundance: An R package for single-species and multi-species spatially explicit abundance models","authors":"Jeffrey W. Doser,&nbsp;Andrew O. Finley,&nbsp;Marc Kéry,&nbsp;Elise F. Zipkin","doi":"10.1111/2041-210X.14332","DOIUrl":"10.1111/2041-210X.14332","url":null,"abstract":"<p>\u0000 \u0000 </p>","PeriodicalId":208,"journal":{"name":"Methods in Ecology and Evolution","volume":null,"pages":null},"PeriodicalIF":6.6,"publicationDate":"2024-05-10","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"https://onlinelibrary.wiley.com/doi/epdf/10.1111/2041-210X.14332","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"140938060","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":2,"RegionCategory":"环境科学与生态学","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"OA","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
引用次数: 0
How to count bird calls? Vocal activity indices may provide different insights into bird abundance and behaviour depending on species traits 如何计算鸟类的叫声?声音活动指数可根据物种特征提供有关鸟类丰度和行为的不同见解
IF 6.6 2区 环境科学与生态学 Q1 Agricultural and Biological Sciences Pub Date : 2024-05-10 DOI: 10.1111/2041-210X.14333
Anja Hutschenreiter, Ellen Andresen, Margarita Briseño-Jaramillo, Alejandra Torres-Araneda, Eduardo Pinel-Ramos, Jacqueline Baier, Filippo Aureli

被动声学监测(PAM)已成为调查鸟类的重要工具,对从 PAM 记录中获取鸟类数量和行为信息的方法的需求也在不断增长。鸟类种群的变化是通过计算记录的鸟叫声和发声活动率(VAR,即每次记录时间内的鸟叫声数量)来评估的。然而,鸟类鸣叫的计数方式多种多样,而且根据不同的物种特征,这些鸣叫计数可以让我们对鸟类的数量、发声行为和/或栖息地使用情况有不同的了解。我们的研究有两个目标(1)提出并评估两个基于鸣叫计数的新指数,即检测率(DR,即检测到目标发声存在的 1 分钟记录数)和每分钟最大计数(MAX,即 1 分钟记录中发现的最大鸣叫数);以及(2)提出一个概念框架,说明对 VAR、DR 和 MAX 的解释如何取决于指数和物种特征。对于具有不同特征的三种新热带鸟类,我们根据尤卡坦半岛(墨西哥)25 个地点的 PAM 数据计算了 VAR、DR 和 MAX,这些地点的人为生境干扰程度各不相同。我们发现这些指数之间存在中度到高度的相关性,与 DR 和 MAX 相比,VAR 的时间变异性更高。我们还发现,生境干扰对三种物种和指数的影响大小不同。我们认为,对于鸣叫行为具有高提示率的物种来说,DR可能是比VAR更可靠的相对丰度指数,而MAX可能适用于估计群居鸟类的家族或鸟群规模。我们的研究结果表明,基于叫声计数开发新的指数对于提出生态假设和评估鸟类丰度与行为的变化具有潜在的实用性。
{"title":"How to count bird calls? Vocal activity indices may provide different insights into bird abundance and behaviour depending on species traits","authors":"Anja Hutschenreiter,&nbsp;Ellen Andresen,&nbsp;Margarita Briseño-Jaramillo,&nbsp;Alejandra Torres-Araneda,&nbsp;Eduardo Pinel-Ramos,&nbsp;Jacqueline Baier,&nbsp;Filippo Aureli","doi":"10.1111/2041-210X.14333","DOIUrl":"10.1111/2041-210X.14333","url":null,"abstract":"<p>\u0000 \u0000 </p>","PeriodicalId":208,"journal":{"name":"Methods in Ecology and Evolution","volume":null,"pages":null},"PeriodicalIF":6.6,"publicationDate":"2024-05-10","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"https://onlinelibrary.wiley.com/doi/epdf/10.1111/2041-210X.14333","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"140938168","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":2,"RegionCategory":"环境科学与生态学","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"OA","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
引用次数: 0
Systematic review and best practices for drone remote sensing of invasive plants 入侵植物无人机遥感的系统审查和最佳做法
IF 6.6 2区 环境科学与生态学 Q1 Agricultural and Biological Sciences Pub Date : 2024-05-06 DOI: 10.1111/2041-210X.14330
Kunwar K. Singh, Thilina D. Surasinghe, Amy E. Frazier

无人机已成为探测和绘制植物入侵地图的一种具有成本效益的解决方案,为研究人员和土地管理者提供了飞行设计、传感器和数据收集时间表方面的灵活性。需要对基于无人机的图像收集、数据处理和分析方法的发展趋势进行系统回顾,以推动入侵物种监测和管理科学的发展,提高可扩展性和可复制性。我们系统地回顾了使用无人机进行植物入侵研究的各项研究,以确定知识差距、最佳实践以及推进入侵植物监测和管理科学的路径。我们设计了一个包含 33 个标准化报告参数的数据库,根据这些参数对每项研究进行编码,计算描述性统计数字,并综合这些技术的实施和使用情况。趋势显示,自 2009 年以来,研究数量普遍增加,且偏向于北美和欧洲的温带地区。大多数研究侧重于测试机器学习或深度学习图像分类技术的有效性,而侧重于监测或模拟传播的研究较少。很少有研究使用无人机评估生态系统动态和影响,如确定环境驱动因素或跟踪干扰后的重新出现。总体而言,我们注意到在实地调查设计、飞行设计、无人机系统、图像处理和分析方面缺乏标准化报告,这阻碍了方法的可复制性和可扩展性。基于这些发现,我们为入侵物种监测中的无人机应用制定了一个标准框架,以促进跨研究的可比性和可重复性。我们建议在以下几个方面推进无人机在入侵植物研究中的应用,包括:(1)利用标准化报告框架促进科学研究实践;(2)将无人机数据与卫星图像整合,以扩展更大范围内的关系;(3)使用无人机替代亲临现场的地面调查;以及(4)利用无人机评估与植物适应性和繁殖相关的群落性状变化。
{"title":"Systematic review and best practices for drone remote sensing of invasive plants","authors":"Kunwar K. Singh,&nbsp;Thilina D. Surasinghe,&nbsp;Amy E. Frazier","doi":"10.1111/2041-210X.14330","DOIUrl":"10.1111/2041-210X.14330","url":null,"abstract":"<p>\u0000 \u0000 </p>","PeriodicalId":208,"journal":{"name":"Methods in Ecology and Evolution","volume":null,"pages":null},"PeriodicalIF":6.6,"publicationDate":"2024-05-06","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"https://onlinelibrary.wiley.com/doi/epdf/10.1111/2041-210X.14330","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"140938169","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":2,"RegionCategory":"环境科学与生态学","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"OA","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
引用次数: 0
Harnessing large language models for coding, teaching and inclusion to empower research in ecology and evolution 利用大型语言模型进行编码、教学和包容,增强生态学和进化论研究的能力
IF 6.3 2区 环境科学与生态学 Q1 ECOLOGY Pub Date : 2024-05-02 DOI: 10.1111/2041-210X.14325
Natalie Cooper, Adam T. Clark, Nicolas Lecomte, Huijie Qiao, Aaron M. Ellison

大型语言模型(LLM)是一种人工智能(AI),可以执行各种自然语言处理任务。由于可以使用 ChatGPT 等免费应用程序,大型语言模型在科学写作和分析中的应用日益突出。越来越多地使用 LLM 不仅引起了人们对学术诚信的关注,同时也为研究界带来了机遇。在此,我们将重点讨论在生态学和进化论中使用 LLMs 进行编码的机会。我们讨论了如何使用 LLM 生成、解释、注释、翻译、调试、优化和测试代码。我们还强调了编写有效提示和仔细评估 LLMs 输出的重要性。此外,我们还草拟了一份可能的路线图,以全面、完整地使用此类模型。LLM 可以加快编码过程,尤其是对于不熟悉的任务,并在提高效率和创造性产出的同时,为更高层次的任务和创造性思维腾出时间。本地化学习工具还能帮助没有编码技能、接受编码教育机会有限或英语不是主要书面或口语的个人,从而增强包容性。不过,本地语言学习工具生成的代码质量参差不齐,存在数学、逻辑、不可复制性和知识产权等问题;其中还可能包括错误和近似值,尤其是在新方法方面。我们强调了使用 LLMs 进行编码教学和学习的益处,并提倡指导学生适当使用人工智能工具进行编码。尽管可以将许多编码任务分配给 LLM,但我们也重申,教授编码技能对于解释 LLM 生成的代码和培养批判性思维能力仍然非常重要。作为 MEE 的编辑,我们在一定程度上支持在出版物中以透明、负责和公认的方式使用 LLM 和其他人工智能工具。如果稿件中描述的工作使用了LLM或类似的人工智能工具(不包括拼写检查器、Grammarly和Writefull等常用辅助工具),则必须在 "方法 "部分明确说明,并且通讯作者或资深作者必须对人工智能平台生成的任何代码(或文本)负责。
{"title":"Harnessing large language models for coding, teaching and inclusion to empower research in ecology and evolution","authors":"Natalie Cooper,&nbsp;Adam T. Clark,&nbsp;Nicolas Lecomte,&nbsp;Huijie Qiao,&nbsp;Aaron M. Ellison","doi":"10.1111/2041-210X.14325","DOIUrl":"10.1111/2041-210X.14325","url":null,"abstract":"<p>\u0000 \u0000 </p>","PeriodicalId":208,"journal":{"name":"Methods in Ecology and Evolution","volume":null,"pages":null},"PeriodicalIF":6.3,"publicationDate":"2024-05-02","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"https://onlinelibrary.wiley.com/doi/epdf/10.1111/2041-210X.14325","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"140828677","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":2,"RegionCategory":"环境科学与生态学","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"OA","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
引用次数: 0
Telling mutualistic and antagonistic ecological networks apart by learning their multiscale structure 通过学习生态网络的多尺度结构来区分互利和拮抗生态网络
IF 6.6 2区 环境科学与生态学 Q1 Agricultural and Biological Sciences Pub Date : 2024-04-25 DOI: 10.1111/2041-210X.14328
Benoît Pichon, Rémy Le Goff, Hélène Morlon, Benoît Perez-Lamarque

生态网络代表了一个群落中谁与谁之间的相互作用,描述和理解生态网络结构的形成过程对生态学、进化生物学和自然保护有很多意义。一个备受争议的问题是,在拮抗型(如食草动物)和互惠型(如授粉)相互作用类型之间,双向生态网络的结构是否不同以及如何不同。在这里,我们利用网络结构的多尺度特征、机器学习工具以及一个大型的经验和模拟双向网络数据库来解决这个问题。以往的研究侧重于全局结构指标,如嵌套度和模块化,得出的结论是仅从结构上无法区分拮抗网络和互惠网络,与此相反,我们发现结合中尺度的结构表征和监督机器学习可以区分它们。在拮抗型网络中,连接密集的主题词比例过高,而在互助型网络中,具有非对称特化的主题词比例过高。这些结构特性可用来预测相互作用的类型,可信度相对较高。除了这种经典的互利/拮抗二分法之外,我们还发现了与特定生态(如授粉、寄生)相关的显著结构独特性。我们的研究结果澄清了拮抗网络和互利网络之间的结构差异,并建议对特定生态的结构独特性进行研究,以此作为超越粗略的拮抗/互利二分法描述相互作用特征的一种有前途的方法。
{"title":"Telling mutualistic and antagonistic ecological networks apart by learning their multiscale structure","authors":"Benoît Pichon,&nbsp;Rémy Le Goff,&nbsp;Hélène Morlon,&nbsp;Benoît Perez-Lamarque","doi":"10.1111/2041-210X.14328","DOIUrl":"10.1111/2041-210X.14328","url":null,"abstract":"<p>\u0000 \u0000 </p>","PeriodicalId":208,"journal":{"name":"Methods in Ecology and Evolution","volume":null,"pages":null},"PeriodicalIF":6.6,"publicationDate":"2024-04-25","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"https://onlinelibrary.wiley.com/doi/epdf/10.1111/2041-210X.14328","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"140800938","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":2,"RegionCategory":"环境科学与生态学","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"OA","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
引用次数: 0
Filtering heart rates using data densities: The boxfilter R package 利用数据密度过滤心率boxfilter R软件包
IF 6.6 2区 环境科学与生态学 Q1 Agricultural and Biological Sciences Pub Date : 2024-04-24 DOI: 10.1111/2041-210X.14301
Thomas Ruf, Claudio Signer, Walter Arnold, Sebastian G. Vetter, Claudia Bieber

过去几十年来,人们对长期心率记录,尤其是自由生活动物的心率记录越来越感兴趣。这主要是因为组织的大部分新陈代谢活动都是基于心脏的氧气输送。然而,使用记录仪记录的人类和动物的心率或其他生理变量往往含有噪声。有时会通过人工或滤波器剔除虚假测量值,滤波器会根据信号的形状或频率剔除变量。我们介绍了一个 R 软件包 boxfilter,它能让用户通过计算滑动窗口内近邻的数量来消除噪声。根据所选的截止值,邻域比例较低的焦点将作为噪声被剔除。所有三个参数,即窗口宽度和高度以及截止值,都可以自动计算。窗口宽度和高度以及截断值这三个参数都可以自动计算。截断值的选择至关重要,超过这个值的数据点将被丢弃。当然,软件包方框滤波器无法解决完全错误的测量所造成的问题。与人眼一样,该滤波器也会偏好那些属于某种模式(如密集带)的点,而剔除孤立的值。除心率外,方框过滤器还可用于其他非瞬时变化的测量值,如体温、血压或睡眠参数。
{"title":"Filtering heart rates using data densities: The boxfilter R package","authors":"Thomas Ruf,&nbsp;Claudio Signer,&nbsp;Walter Arnold,&nbsp;Sebastian G. Vetter,&nbsp;Claudia Bieber","doi":"10.1111/2041-210X.14301","DOIUrl":"10.1111/2041-210X.14301","url":null,"abstract":"<p>\u0000 \u0000 </p>","PeriodicalId":208,"journal":{"name":"Methods in Ecology and Evolution","volume":null,"pages":null},"PeriodicalIF":6.6,"publicationDate":"2024-04-24","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"https://onlinelibrary.wiley.com/doi/epdf/10.1111/2041-210X.14301","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"140661734","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":2,"RegionCategory":"环境科学与生态学","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"OA","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
引用次数: 0
A FAIR and modular image-based workflow for knowledge discovery in the emerging field of imageomics 基于图像的 FAIR 模块化工作流程,用于新兴图像组学领域的知识发现
IF 6.6 2区 环境科学与生态学 Q1 Agricultural and Biological Sciences Pub Date : 2024-04-22 DOI: 10.1111/2041-210X.14327
Meghan A. Balk, John Bradley, M. Maruf, Bahadir Altintaş, Yasin Bakiş, Henry L. Bart Jr, David Breen, Christopher R. Florian, Jane Greenberg, Anuj Karpatne, Kevin Karnani, Paula Mabee, Joel Pepper, Dom Jebbia, Thibault Tabarin, Xiaojun Wang, Hilmar Lapp

基于图像的机器学习工具是一个新兴的 "大数据 "研究领域。iNaturalist 等公民科学平台和博物馆主导的计划为研究人员提供了大量的数据和知识。其中包括元数据提取、物种识别和表型数据。生态和进化生物学家越来越多地使用复杂的多步骤数据处理方法。这些过程通常包括机器学习技术,而这些技术通常是由他人建立的,很难被合作中的其他成员重用。我们提出了一个机器学习应用的概念工作流模型,该模型使用图像数据提取新兴图像组学领域的生物知识。我们概述了创建自动化、可重用和模块化工作流的技术和最佳实践,并展示了这些技术和实践如何促进机器学习模型的重用和适应新的研究问题。我们鼓励研究人员--包括计算机科学家和生物学家--在这一概念性工作流程的基础上,结合图像数据上的机器学习工具,回答各自领域的新科学问题。
{"title":"A FAIR and modular image-based workflow for knowledge discovery in the emerging field of imageomics","authors":"Meghan A. Balk,&nbsp;John Bradley,&nbsp;M. Maruf,&nbsp;Bahadir Altintaş,&nbsp;Yasin Bakiş,&nbsp;Henry L. Bart Jr,&nbsp;David Breen,&nbsp;Christopher R. Florian,&nbsp;Jane Greenberg,&nbsp;Anuj Karpatne,&nbsp;Kevin Karnani,&nbsp;Paula Mabee,&nbsp;Joel Pepper,&nbsp;Dom Jebbia,&nbsp;Thibault Tabarin,&nbsp;Xiaojun Wang,&nbsp;Hilmar Lapp","doi":"10.1111/2041-210X.14327","DOIUrl":"10.1111/2041-210X.14327","url":null,"abstract":"<p>\u0000 \u0000 </p>","PeriodicalId":208,"journal":{"name":"Methods in Ecology and Evolution","volume":null,"pages":null},"PeriodicalIF":6.6,"publicationDate":"2024-04-22","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"https://onlinelibrary.wiley.com/doi/epdf/10.1111/2041-210X.14327","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"140676553","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":2,"RegionCategory":"环境科学与生态学","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"OA","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
引用次数: 0
A method for sampling the living wood microbiome 活木微生物群采样方法
IF 6.6 2区 环境科学与生态学 Q1 Agricultural and Biological Sciences Pub Date : 2024-04-22 DOI: 10.1111/2041-210X.14311
Wyatt Arnold, Jonathan Gewirtzman, Peter A. Raymond, Mark A. Bradford, Claire Butler, Jordan Peccia

描述不同环境中微生物生命特征的工作取得了巨大进展,但地球上最大的生物质库--活树木的木材--的微生物群组在很大程度上尚未得到探索。目前对树木微生物群的了解主要局限于根和叶,很少关注木材的内生微生物群,尽管新出现的研究表明这一区域是独特类群的生存环境,对生态系统健康和全球生物地球化学循环具有重要影响。缺乏调查的部分原因是木材的物理不稳定性,这给取样、均质化和提取核酸带来了挑战。针对这些问题,我们提出了一种用于微生物分析的木材处理优化方法,从取样到下游分析。我们使用甲烷循环类群作为模式内生菌,评估了我们的方法在回收过程中的损失,并确定了每 100 毫克(干)木材中约 500 个细胞的检测极限。对于所有六个被评估的物种--代表了硬木和软木的多个不同类群--PCR 抑制作用被证明是最小的,我们预计这种方法适用于大多数树种。本文介绍的方法有助于今后对木材微生物组和甲烷循环的全球微生物生态学进行研究。
{"title":"A method for sampling the living wood microbiome","authors":"Wyatt Arnold,&nbsp;Jonathan Gewirtzman,&nbsp;Peter A. Raymond,&nbsp;Mark A. Bradford,&nbsp;Claire Butler,&nbsp;Jordan Peccia","doi":"10.1111/2041-210X.14311","DOIUrl":"10.1111/2041-210X.14311","url":null,"abstract":"<p>\u0000 \u0000 </p>","PeriodicalId":208,"journal":{"name":"Methods in Ecology and Evolution","volume":null,"pages":null},"PeriodicalIF":6.6,"publicationDate":"2024-04-22","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"https://onlinelibrary.wiley.com/doi/epdf/10.1111/2041-210X.14311","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"140799754","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":2,"RegionCategory":"环境科学与生态学","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"OA","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
引用次数: 0
期刊
Methods in Ecology and Evolution
全部 Acc. Chem. Res. ACS Applied Bio Materials ACS Appl. Electron. Mater. ACS Appl. Energy Mater. ACS Appl. Mater. Interfaces ACS Appl. Nano Mater. ACS Appl. Polym. Mater. ACS BIOMATER-SCI ENG ACS Catal. ACS Cent. Sci. ACS Chem. Biol. ACS Chemical Health & Safety ACS Chem. Neurosci. ACS Comb. Sci. ACS Earth Space Chem. ACS Energy Lett. ACS Infect. Dis. ACS Macro Lett. ACS Mater. Lett. ACS Med. Chem. Lett. ACS Nano ACS Omega ACS Photonics ACS Sens. ACS Sustainable Chem. Eng. ACS Synth. Biol. Anal. Chem. BIOCHEMISTRY-US Bioconjugate Chem. BIOMACROMOLECULES Chem. Res. Toxicol. Chem. Rev. Chem. Mater. CRYST GROWTH DES ENERG FUEL Environ. Sci. Technol. Environ. Sci. Technol. Lett. Eur. J. Inorg. Chem. IND ENG CHEM RES Inorg. Chem. J. Agric. Food. Chem. J. Chem. Eng. Data J. Chem. Educ. J. Chem. Inf. Model. J. Chem. Theory Comput. J. Med. Chem. J. Nat. Prod. J PROTEOME RES J. Am. Chem. Soc. LANGMUIR MACROMOLECULES Mol. Pharmaceutics Nano Lett. Org. Lett. ORG PROCESS RES DEV ORGANOMETALLICS J. Org. Chem. J. Phys. Chem. J. Phys. Chem. A J. Phys. Chem. B J. Phys. Chem. C J. Phys. Chem. Lett. Analyst Anal. Methods Biomater. Sci. Catal. Sci. Technol. Chem. Commun. Chem. Soc. Rev. CHEM EDUC RES PRACT CRYSTENGCOMM Dalton Trans. Energy Environ. Sci. ENVIRON SCI-NANO ENVIRON SCI-PROC IMP ENVIRON SCI-WAT RES Faraday Discuss. Food Funct. Green Chem. Inorg. Chem. Front. Integr. Biol. J. Anal. At. Spectrom. J. Mater. Chem. A J. Mater. Chem. B J. Mater. Chem. C Lab Chip Mater. Chem. Front. Mater. Horiz. MEDCHEMCOMM Metallomics Mol. Biosyst. Mol. Syst. Des. Eng. Nanoscale Nanoscale Horiz. Nat. Prod. Rep. New J. Chem. Org. Biomol. Chem. Org. Chem. Front. PHOTOCH PHOTOBIO SCI PCCP Polym. Chem.
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
0
微信
客服QQ
Book学术公众号 扫码关注我们
反馈
×
意见反馈
请填写您的意见或建议
请填写您的手机或邮箱
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
现在去查看 取消
×
提示
确定
Book学术官方微信
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术
文献互助 智能选刊 最新文献 互助须知 联系我们:info@booksci.cn
Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。
Copyright © 2023 Book学术 All rights reserved.
ghs 京公网安备 11010802042870号 京ICP备2023020795号-1