经验校准的模拟揭示了表型聚类算法的局限性,用于数据稀缺的作物中的生物多样性评估

科学领域:

• 农业科学 农业科学
• 生物信息学是一种生物信息学.
• 遗传学 遗传学 是一个

背景情况:

• 聚类算法对于作物的表型表征和生殖质管理至关重要,特别是对于数据稀缺的被忽视和未充分利用的物种 (NUS).
• 当前的集群方法通常假设理想化的数据结构 (不同的,同质的集群),这些结构在现实世界的表型数据集中无法找到.
• 在生物现实的条件下,特别是复杂的特征分布和种群结构下,这些算法的性能是不太了解的.

研究的目的:

• 用一个新的模拟框架与西非 (Digitaria exilis) 的生物现实的表型数据对11个集群算法的性能进行基准测试.
• 在理想化和现实的场景下评估算法准确性,整合异质性特征分布,特征之间的相关性,异质性和人口结构.
• 确定现有的生物多样性分析和稀缺数据作物中的生殖质管理的集群和验证方法的局限性.

主要方法:

• 开发了一种灵活的,经验校准的模拟框架,使用fonio表型数据.
• 综合现实的数据复杂性:异质的特征分布 (正常,玛),强烈的特征间相关性 (高达r = -0.84),异种多样性和适度的人口结构 (平均Pst = 0.16).
• 在100个复制场景下使用外部 (ARI,NMI) 和内部 (Silhouette,Davies-Bouldin) 度量评估了11个集群算法 (例如,K-means,GMM,PAM).

主要成果:

• 在现实条件下,集群算法在现实条件下表现不佳 (例如,ARI < 0.07),包括在NUS研究中广泛使用的方法.
• 传统的验证指标未能检测出具有生物意义的结构,突出了评估集群质量的关键局限性.
• 在理想化的条件下,算法性能显著提高,验证了模拟框架的实用性.

结论:

• 目前的聚类方法有可能过度解释结构薄弱的表型数据的结果,这对生物多样性分析和植物遗传资源保护构成挑战.
• 目前的生物多样性分析实践存在关键局限性,特别是指导数据稀缺作物的保护计划.
• 提供了一个基于R的开源诊断工具,以帮助从业者选择可复制和可解释的聚类方法,用于生殖质管理和生物多样性评估.