机器学习算法准确地识别出自由生活的海洋线虫物种
Simone Brito de Jesus1, Danilo Vieira1, Paula Gheller2
1Marine Science Institute, Federal University of São Paulo, Santos, São Paulo, Brazil.
PeerJ
|October 16, 2023
概括
机器学习算法准确地识别了海洋线虫物种. 随机森林获得了Acantholaimus的93%准确度和Sabatieria的100%,改善了生物多样性研究.
科学领域:
- 海洋生物学和分类学 海洋生物学和分类学
- 计算生物学和机器学习应用程序
背景情况:
- 尼马物种的鉴定具有挑战性,因为它依赖于传统的形态测量和基于性格的方法.
- 机器学习 (ML) 为物种识别提供了自动化解决方案,特别是在诸如线虫等复杂的分类群中.
- 在样本数据上训练的ML模型可以识别形态模式以进行精确的识别.
研究的目的:
- 评估ML算法用于识别自由生活的海洋线虫物种的性能.
- 专注于Acantholaimus和Sabatieria属进行性能评估.
主要方法:
- 考虑了40种Acantholaimus和60种Sabatieria,使用来自原始出版物的数据.
- 编制的形态测量数据和关于每个物种特定特征的信息.
- 采用了四种ML算法:随机森林 (RF),随机梯度提升 (SGBoost),支持矢量机 (SVM) 和K-最近邻居 (KNN).
主要成果:
- 随机森林 (RF) 算法在两种属的物种分类中显示出最高的准确性.
- 对于Acantholaimus,RF实现了93%的准确性,而对于Sabatieria则达到100%的准确性.
- 在测试数据中,只有一个来自Acantholaimus的个体被错误分类.
结论:
- ML算法对于自动识别海洋线虫物种非常有效.
- 这种自动化通过增加可访问性,效率和可扩展性来增强生物多样性和生态研究.
- 成功的ML应用有助于更好地理解和保护海洋生物多样性.
