Publique su nota aquí (Colaborador@ Registrado)
Este es su espacio para publicar contenido, compartir experiencias, distribuir noticias, hacer comentarios sobre literatura, plantear preguntas, solicitudes de ayuda, sugerencias, apoyo a sus cursos, proyectos en marcha, recursos bibliográficos, etc, cualquier cosa sobre la Morfometría en general!

Todos puen colaborar, una vez que se han registrado. Para registrarse como "colaborador", envíe su email al Editor.

Contenido más reciente:

12 de junio de 2020

Multidimensional (shape) data + plausible models= not reliable estimates of phylogeny


Estimating Phylogenies from Shape and Similar Multidimensional Data: Why It Is Not Reliable.
Ceferino Varón-González, Simon Whelan, Peter Klingenberg Systematic Biology, syaa003, https://doi.org/10.1093/sysbio/syaa003 
CORRECTED PROOF

El resumen en linea este articulo termina asi:
Overall, the simulations suggest that multidimensional data, under evolutionary models that are plausible for biological data, do not produce reliable estimates of phylogeny.

Cual parte creen contribuye más a que la filogenia no sea confiable?  .... factors that are important for answering it ...
  • Los datos? .... multidimensional data such as geometric morphometric data
  • Los modelos? .... Under an evolutionary model of isotropic Brownian motion, phylogeny can be estimated reliably if dimensionality is high, even with relatively unfavorable combinations of branch lengths. By contrast, if there is phenotypic integration such that most variation is concentrated in one or a few dimensions, the reliability of phylogenetic estimates is severely reduced. Evolutionary models with stabilizing selection also produce highly unreliable estimates, which are little better than picking a phylogenetic tree at random.
  • Los métodos de inferencia? ....  In a comparison of methods, squared-change parsimony performed similarly well as maximum likelihood, and both methods outperformed Wagner and Euclidean parsimony, neighbor-joining and UPGMA.

PDF click

Estimating Phylogenies from Shape and Similar Multidimensional Data: Why It Is Not Reliable - 24 Hours access
EUR €37.00      GBP £29.00     USD $47.00

OK, gracias.


3 de junio de 2020

Curso en linea: Introducción a la Morfometría Geométrica

Curso Introducción a la Morfometría Geométrica 
versión en Linea
Profesor: Dr. Hugo A. Benítez.
el cual abre sus inscripciones las que deberán ser bajo las instrucciones del póster y con fecha limite de inscripción hasta el 12 de Junio 2020.

El curso tendrá una modalidad semanal en la cual tendrá una clase teórica y una sesión práctica (en la semana por aproximadamente 5 semanas.
Mas informes:

https://www.facebook.com/photo.php?fbid=10223467437533762&set=gm.3634321676585111&type=3&theater&ifg=1

20 de mayo de 2020

Nuevo libro sobre estadística multivariada


Me es grato recomendar el nuevo libro sobre estadística multivariada:

ANÁLISIS
MULTIVARIADO
PARA DATOS
BIOLÓGICOS
Teoría y su aplicación
utilizando el lenguaje R
FACUNDO X. PALACIO - MARÍA JOSÉ APODACA - JORGE V. CRISCI
Buenos Aires : Fundación de Historia Natural Félix de Azara, 2020.

Los capítulos cubren una buena variedad de tipos de análisis, con un repaso de los conceptos y los métodos, antes de la aplicación con rutinas en R. Excelente!!!

El PDF del libro esta disponible en ResearchGate.

Como dice F. J. Rohlf en la presentación del libro: "Pensar en términos de variación multivariada y, por lo tanto, pensar en términos de espacios multidimensionales, requiere más esfuerzo, pero actualmente es una destreza esencial en muchas áreas de la Biología." Este libro contribuirá a educar nuestro pensamiento multivariado, facilitará el esfuerzo educativo para entender espacios multidimensionales y ayudará a adquirir las destrezas elementales para ejecutar los análisis estadísticos con R.

El tratamiento de los análisis estadísticos es nivel introductorio y eso es muy bueno. Me gustó la compilación de los distintos métodos para medir la distancia entre objetos biológicos en el capitulo 4. Los métodos de agrupamiento con distancias vienen bien explicados y ejemplificados en el Cap 5.  Los métodos de ordenación ocupan el capitulo 6, el más extenso y detallado del libro. El libro hubiera estado perfecto y completo hasta ahi, sin los capítulos 7 y 8 sobre análisis filogenéticos. Estos tratamientos contrastan con el resto del libro, pues son muy breves, mal explicados y anticuados en cuanto a los conceptos y métodos de parsimonia, verosimilitud y probabilidades posteriores. No recomendaría la parte de los análisis filogenéticos de este libro. Hay mejores introducciones y guías para hacer filogenias con R.

Bienvenido este nuevo libro en la biblioteca de estadística en español para quienes hacemos morfometria!!!
Efrain De Luna


11 de mayo de 2020

Curso 3D Geometric Morphometrics (24-28 de Agosto), ONLINE


Estimad@s colegas,

Ya está abierta la inscripción para la 9ª edición del curso de Transmitting Science "3D Geometric Morphometrics". Debido a las restricciones a los viajes impuestas por el COVID-19 esta edición se ofertará online en directo.

Fechas: Del 24 al 28 de agosto de 2020

Profesora: Dra Melissa Tallman (Grand Valley State University, USA).

Más información y matrícula:


Programa del curso (en inglés, que será el idioma en el que se impartirá el curso):

-Types of data acquisition: Using a microscribe. Collecting CT scans & Surface Scans. Demonstration of Stratovan Checkpoint.

-Brief Review of Fundamentals of Morphometrics: How to choose landmarks. - Generalized Procrustes Analysis. Other types of alignment. Thin plate spline warping.

-Processing Microscribe data: Using DVLR to merge two views. Using resample to resample a line.

-Using Landmark Editor to collect data on surfaces. Sliding semi-landmarks (using R geomorph package).

-How to do a precision test on 3D data.

-Data exploration: PCA analyses. Using MorphoJ. Between-group PCAs. PCAs in Procrustes form space.

-Visualizing shape change: Using MorphoJ in conjunction with Landmark Editor. Making calculations and visualizing shape changes in PCA morphospace. Calculating PCA scores post hoc.

-Data exploration: Regressions. Visualizing change that is associated with size (MorphoJ). Removing change associated from size from your data (MorphoJ). Common allometric trajectories. Comparing vector directions. Extracting linear dimensions from 3D data and using them as covariates.

-Data exploration: PLS analyses. Using MorphoJ to mean center (or not). Visualizing shape change in Landmark editor.

-Data interpretations: Using mean configurations (PAST) and Procrustes distances. Minimum spanning trees. Variability within a sample (comparing fossil distributions to extant distributions).


Por favor, distribuya esta información entre aquellas personas que considere que pueden estar interesadas.


15 de abril de 2020

Publicar contenido: