[論文レビュー] Estimating global species richness using symbolic data meta-analysis

Huan Lin, M. Julian Caley+1 more|arXiv (Cornell University)|Nov 8, 2017

Ecology and Vegetation Dynamics Studies参考文献 21被引用数 8

ひとこと要約

本稿では、多様なグローバルな種多様性推定値（点推定値、信頼区間、混合形式）を、系統的階層構造全体にわたり論理的に整合する区間ベースの結果に統合するため、記号的データ手法を用いたベイジアン階層的メタアナリシスを提案する。この手法により、2230万（1120万、3630万）種の真核生物のグローバル推定値が得られ、多くの最近の推定値よりも顕著に高い。本研究は、新たなデータが得られるたびに手法の妥当性を検証し、繰り返し更新する必要性を強調している。

ABSTRACT

Global species richness is a key biodiversity metric. Despite recent efforts to estimate global species richness, the resulting estimates have been highly uncertain and often logically inconsistent. Estimates lower down either the taxonomic or geographic hierarchies are often larger than those above. Further, these estimates have been represented in a wide variety of forms, including intervals (a, b), point estimates with no uncertainty, and point estimates with either symmetrical or asymmetrical bounds, making it difficult to combine information across different estimates. Here, we develop a Bayesian hierarchical approach to estimate the global species richness from published studies. It allows us to recover interval estimates at each level of the hierarchy, even when data are partially or wholly unobserved, while respecting logical constraints, and to determine the effects of estimation on the whole hierarchy of obtaining future estimates anywhere within it

研究の動機と目的

• 既存のグローバル種多様性推定値における論理的不整合（例えば、サブカテゴリーの合計値が上位カテゴリーの合計値を上回る）を是正すること。
• 点推定値、対称的・非対称的信頼区間といった異種のデータ形式を統合するための統一的手法を構築すること。
• 系統的制約を尊重しつつ、階層ベイジアンモデル内で異なる分類群間で情報共有を行うことで推定精度を向上させること。
• 観察データが部分的または不整合的であっても、分類階層のすべてのレベルで区間推定を可能にすること。
• 新たなデータが得られるたびに進化可能なフレームワークを確立し、時間の経過とともに推定値の段階的妥当性評価と更新を可能にすること。

提案手法

• 系統的レベルごとの種多様性推定値を推定するためのベイジアン階層モデルを採用し、論理的整合性（例：サブカテゴリー合計 ≤ 親カテゴリー合計）を保証する。
• 記号的データ分析を用いて、点推定値、対称的区間（a,b）、および点推定値を伴う非対称的区間といった混合データ型を統合する。
• 各推定値を不確実性を反映する分布を持つ確率変数としてモデル化し、階層構造全体にわたり分散を適切に伝搬可能にする。
• 情報のない事前分布を適用してデータが推論を支配するようにし、同時に専門家知識を統合して推定値の信頼性を重みづけする。
• 各観測推定値の形式（点推定値または区間）を考慮する尤度関数を適用し、区間推定値は打ち切りまたは境界付きデータとして扱う。
• マルコフ連鎖モンテカルロ（MCMC）サンプリングを用いて、グローバルおよびサブカテゴリーの種多様性の事後分布を取得し、不確実性を伴う区間推定を可能にする。

実験結果

リサーチクエスチョン

• RQ1 点推定値、対称的区間、非対称的区間として提示される多様な種多様性推定値を、どのように意味のある一貫したモデルに統合できるか？
• RQ2 現在のグローバル種多様性推定値は、サブカテゴリー合計値が親グループ合計値を上回るといった論理的制約をどの程度違反しているか？
• RQ3 階層的ベイジアンモデルを用いることで、分類群間での情報共有と系統的階層内の論理的整合性を保ちながら、推定精度を向上させられるか？
• RQ4 本手法を用いて45件の既存推定値を統合した場合、真核生物のグローバル種多様性推定値はどの程度になるか？
• RQ5 新たなデータが得られるたびに、今後の推定値を段階的に妥当性評価し、更新することが可能になるか？ これにより、安定的かつ信頼性の高い値への収束が実現できるか？

主な発見

• メタアナリシスにより、2230万種の真核生物のグローバル推定値が得られ、95％信用区間は（1120万、3630万）で、多くの最近の推定値よりも顕著に高い。
• 陸上節足動物の事後平均区間は（851万、1287万）で、Stork et al. (2015b) の（590万、780万）の推定値を完全に上回っており、昆虫とその他の節足動物推定値の合計と整合的である。
• 本手法は、先行推定値に見られる論理的不整合を是正している。例えば、Stork et al. (2015b) では昆虫と節足動物の両方の上限が同じ（780万）に設定されており、非昆虫節足動物が正の確率で存在することを示唆している。
• 本モデルが得たグローバル推定値（2025万、2561万）は、多くの先行推定値（例：Mora et al. 2011: （740万、1000万））とは整合せず、階層的整合性の重要性を浮き彫りにしている。
• 本手法は、観察データが部分的に欠落している場合でも、階層構造と記号的データ技術を活用して妥当な範囲を推定可能である。
• 本モデルは進化を目的として設計されており、新たな種が記載され、新たなデータが得られるたびに事後分布が再調整され、時間の経過とともに適応的学習と妥当性評価が可能になる。