📊 statistics

Bayesian inference on beta diversity via feature allocation models with imperfect detection

Este artículo introduce un nuevo marco de asignación de características bayesiano que integra modelos de composición de especies latentes con mecanismos de detección imperfectos para proporcionar una inferencia robusta, escalable y con cuantificación de la incertidumbre sobre la diversidad beta y el intercambio de especies en datos ecológicos de alta dimensión.

Autores originales: Federica Stolf, Tommaso Rigon, David B. Dunson

Publicado 2026-08-12

📖 9 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Federica Stolf, Tommaso Rigon, David B. Dunson

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que eres un detective intentando resolver un misterio en una ciudad gigante e invisible. Esta ciudad es el mundo natural, y sus ciudadanos son los millones de diminutas especies de hongos, bacterias e insectos que no podemos ver a simple vista. Para entender cómo funciona esta ciudad, los científicos necesitan saber dos cosas: quién vive allí y qué tan diferentes son sus vecindarios entre sí. Esto es el corazón de un campo llamado ecología, específicamente un concepto conocido como "diversidad beta". Piensa en la diversidad beta como una medida de cuánto cambia el elenco de personajes mientras caminas de un parque a otro. Si el Parque A tiene solo ardillas y el Parque B tiene solo palomas, son muy diferentes (alta diversidad beta). Si ambos parques tienen ardillas, palomas y petirrojos, son bastante similares (baja diversidad beta).

Sin embargo, resolver este misterio es increíblemente difícil. Primero, los "ciudadanos" suelen estar escondidos. El hecho de que no ve la una ardilla en un árbol no significa que no esté allí; tal vez solo está durmiendo, o tal vez tus binoculares no son lo suficientemente buenos. En ciencia, esto se llama "detección imperfecta". Segundo, la ciudad es enorme. Hay tantas especies que, incluso si buscas en todas partes, es probable que pierdas las más raras. Los métodos tradicionales para contar estos vecinos invisibles suelen actuar como si tuvieran una visión perfecta, asumiendo que si no ven una especie, simplemente no existe. Esto conduce a una imagen distorsionada del mundo, haciéndonos pensar que algunos vecindarios están vacíos cuando en realidad están rebosantes de vida.

Aquí es donde entra en escena un nuevo equipo de estadísticos con un nuevo conjunto de herramientas. Han desarrollado un marco matemático ingenioso llamado MOSAIC (Multi-site Occupancy-aware Species Allocation with Imperfect deteCtion). En lugar de pretender que sus ojos son perfectos, construyen un modelo que admite: "Es posible que hayamos perdido algunos invitados". Tratan los datos como un juego de "¿Quién es quién?", donde calculan la probabilidad de que una especie esté realmente presente pero simplemente no fue detectada, frente a la probabilidad de que realmente no esté allí. Al hacer esto, pueden crear un mapa mucho más claro de cómo se comparten las especies a través de diferentes ubicaciones, incluso cuando los datos son desordenados y están llenos de piezas faltantes.

La lista de invitados invisible

Para entender lo que hicieron los autores, imagina que eres el anfitrión de una cena de convivencia masiva y global. Has invitado a invitados de 34 ciudades diferentes alrededor del mundo. En la mesa de cada ciudad, la gente está tomando fotos de la comida que trajo. Pero aquí está el truco: las cámaras fallan. A veces, un plato está ahí mismo en la mesa, pero la cámara no logra capturar una foto. Otras veces, el plato realmente falta.

En el pasado, los científicos que analizaban estas fotos de la cena simplemente contaban lo que veían. Si una foto de la Ciudad A mostraba una pizza y la de la Ciudad B mostraba una ensalada, dirían: "Estas dos ciudades no tienen nada en común". Pero esto ignora las cámaras defectuosas. Tal vez la Ciudad B también tenía una pizza, pero la cámara la perdió. Esto lleva a la conclusión falsa de que las ciudades son más diferentes de lo que realmente son.

El modelo MOSAIC es como un detective superinteligente que mira las fotos y pregunta: "Dado qué tan seguido esta cámara pierde cosas, ¿qué tan probable es que realmente hubiera una pizza allí?". El modelo separa dos eventos distintos: Ocupación (¿está la especie realmente en el sitio?) y Detección (¿realmente la vimos?). Al mantener estas dos ideas separadas, el modelo puede estimar el número real de especies presentes, incluso aquellas que nunca llegaron a las fotos.

La magia de la "intercambiabilidad parcial"

Uno de los mayores obstáculos en este tipo de trabajo detectivesco es que la naturaleza no es uniforme. En muchos modelos estadísticos antiguos, los científicos asumían que cada ubicación era simplemente una mezcla aleatoria del mismo grupo de especies. Era como asumir que cada ciudad en el mundo tiene exactamente la misma mezcla de personas, solo en un orden diferente. Pero sabemos que eso no es cierto. Una ciudad en los trópicos tiene un "ambiente" y una lista de invitados totalmente diferentes a la de una ciudad en el Ártico.

Los autores introducen un concepto llamado "intercambiabilidad parcial". Piensa en esto de la siguiente manera: en lugar de asumir que cada ciudad es una mezcla aleatoria del mismo mazo de cartas, permiten que cada ciudad tenga su propio mazo único, pero con algunas reglas. Los mazos están relacionados (todos provienen del mismo grupo global de especies), pero las cartas específicas en cada mazo dependen de las condiciones locales, como la temperatura o el viento. Esto permite que el modelo respete el hecho de que una selva tropical realmente se ve diferente de una tundra nevada, mientras sigue utilizando la información de un lugar para ayudar a adivinar qué está sucediendo en otro.

La puntuación de "Diversidad Beta"

El objetivo principal de este artículo es medir la diversidad beta —qué tan diferentes son las listas de invitados entre dos ciudades. Los autores proponen una nueva forma de calcular esta puntuación que tiene en cuenta las cámaras defectuosas.

Definen una puntuación (llamémosla "Puntuación de Similitud") que oscila entre 0 y 1.

0 significa que las dos ciudades son idénticas en su composición de especies.
1 significa que no comparten absolutamente nada.

Crucialmente, esta puntuación está diseñada para ser justa. Si la Ciudad A tiene 100 especies y la Ciudad B tiene 100 especies, y comparten 50, la puntuación refleja eso. Pero si la Ciudad A tiene 1,000 especies y la Ciudad B tiene 1,000, y comparten 50, la puntuación sabe que esa es una diferencia mucho mayor. Los autores demuestran que su nuevo método es robusto: incluso si no estás seguro de qué tan "defectuosas" son las cámaras (un parámetro que llaman $\sigma$ ), la puntuación de similitud final se mantiene sorprendentemente estable. Es como tener una brújula que apunta al Norte incluso si estás ligeramente descentrado.

Probando la teoría con datos falsos

Antes de aplicar su modelo a la vida real, los autores jugaron con datos "falsos". Crearon una simulación por computadora de un mundo con 3,000 especies y 3 sitios diferentes. Programaron las cámaras para que perdieran cosas a propósito. Luego, dejaron que su modelo MOSAIC intentara adivinar el número real de especies compartidas.

Los resultados fueron prometedores. Las predicciones del modelo coincidieron estrechamente con los números "reales" que habían programado en la simulación. Logró descubrir que, aunque las cámaras perdieron muchas especies, el patrón subyacente de quién compartía qué era aún recuperable. También lo probaron en un escenario más complejo con 15 sitios y 5,000 especies, y nuevamente, el modelo se mantuvo firme, superando a menudo a los métodos antiguos que ignoran el problema de la "cámara defectuosa".

La prueba del mundo real: Hongos en el aire

Finalmente, los autores llevaron su modelo al mundo real utilizando datos del Proyecto de Muestreo Global de Esporas (GSSP). Este proyecto recolectó muestras de aire en 34 ubicaciones a través del Hemisferio Norte, desde América del Norte hasta el Ártico. El objetivo era estudiar los hongos transportados por el aire.

Los datos eran un desastre en el mejor de los sentidos para este tipo de problema:

Encontraron 15,352 tipos distintos de hongos.
Pero más de la mitad (57%) fueron "maravillas de un solo éxito": vistos solo una vez.
Los datos eran dispersos, lo que significa que muchas especies probablemente fueron omitidas por completo.

Usando MOSAIC, los autores estimaron que el número real de especies de hongos en su área de estudio era en realidad de alrededor de 16,574. Esto sugiere que unas 1,200 especies estaban presentes pero nunca fueron detectadas por los muestreadores.

También observaron qué impulsa estas comunidades de hongos. Al alimentar el modelo con datos climáticos, descubrieron que:

La latitud y la temperatura fueron los mayores impulsores. Los hongos siguen un patrón predecible: son más diversos cerca del ecuador y menos diversos a medida que te mueves hacia los polos.
La temperatura tuvo una relación en forma de "joroba". Los hongos amaban el calor moderado pero tenían dificultades cuando hacía demasiado calor o demasiado frío.
La lluvia tuvo un efecto negativo. Parece que la lluvia intensa lava las esporas de los hongos fuera del aire y hacia el suelo, haciendo que sean más difíciles de encontrar en las muestras de aire.

Lo que esto significa

El artículo no pretende haber resuelto el misterio de toda la biodiversidad. En cambio, ofrece una lupa mejor. Sugiere que al admitir que nuestros métodos de detección son imperfectos y al permitir el hecho de que diferentes lugares tienen reglas diferentes, podemos obtener una imagen mucho más real de cómo se distribuye la vida en la Tierra.

Los autores muestran que su método proporciona un "tratamiento probabilístico coherente", lo que significa que no solo nos da un número único, sino un rango de respuestas probables con una medida de confianza. Cuando aplicaron el modelo a los datos de los hongos, los resultados tuvieron sentido biológico, confirmando patrones conocidos sobre cómo los hongos reaccionan al clima.

En resumen, MOSAIC es una herramienta que ayuda a los ecólogos a dejar de adivinar y empezar a calcular. Reconoce que el mundo está lleno de invitados ocultos, y les brinda una forma matemática de contarlos, incluso cuando están escondidos en las sombras. Este es un paso vital hacia la comprensión de cómo cambia la biodiversidad a través del planeta, lo cual es esencial para proteger el mundo natural en un clima cambiante.

Resumen Técnico: Inferencia Bayesiana sobre la Diversidad $\beta$ mediante Modelos de Asignación de Características con Detección Imperfecta

Planteamiento del Problema
Cuantificar la $\beta$ -diversidad —la variación en la composición de especies a través de comunidades ecológicas— es fundamental para comprender los patrones de biodiversidad, pero la inferencia estadística en este dominio enfrenta tres desafíos principales. Primero, los datos de ocurrencia de especies son de alta dimensión y dispersos, con muchas especies que permanecen sin observar incluso después de un muestreo extensivo. Segundo, las comunidades ecológicas exhiben una heterogeneidad sustancial entre localidades debido a gradientes ambientales, lo que hace que los supuestos estándar de intercambiabilidad (donde el orden de la muestra no importa) sean poco realistas. Tercero, los estudios de biodiversidad sufren de detección imperfecta; las especies presentes en una muestra pueden no ser registradas debido a limitaciones en la tecnología de muestreo o en los protocolos de medición (por ejemplo, bajas concentraciones de ADN en meta-barcoding). Los enfoques existentes suelen depender de índices de disimilitud empíricos con una cuantificación de la incertidumbre limitada, o en modelos que asumen una detección perfecta o una intercambiabilidad poco realista, fallando al no contabilizar la variación sistemática en la composición de especies o el descubrimiento de especies previamente no observadas.

Metodología: El Modelo MOSAIC
Los autores presentan el modelo Multi-site Occupancy-aware Species Allocation with Imperfect deteCtion (MOSAIC), una nueva clase de modelos de asignación de características bayesianos diseñados para datos de ocurrencia de especies parcialmente intercambiables con detección imperfecta.

Estructura del Modelo: El marco combina modelos de asignación de características latentes con mecanismos de detección basados en ocupación. Distingue entre la presencia real de una especie en un sitio (ocupación) y su registro en una muestra (detección).
- Sea $\tilde{Y}_{ijq}$ el indicador binario de que la especie $j$ es registrada en la muestra $i$ en el sitio $q$ .
- El modelo factoriza esta observación en dos procesos de Bernoulli independientes: $\tilde{Y}_{ijq} = \tilde{W}_{ijq} \tilde{T}_{ijq}$ , donde $\tilde{W}_{ijq} \sim \text{Bernoulli}(\eta_{jq})$ representa la verdadera probabilidad de ocupación, y $\tilde{T}_{ijq} \sim \text{Bernoulli}(\gamma_{jq})$ representa la probabilidad de detección dada la presencia.
- El producto $\eta_{jq}\gamma_{jq}$ sigue una distribución Beta, vinculando el modelo al marco de Beta-Bernoulli (BB) parcialmente intercambiable.
Intercambiabilidad Parcial: A diferencia de los modelos estándar que asumen que todas las muestras son intercambiables, MOSAIC permite que las composiciones de especies varíen sistemáticamente a través de los sitios ( $q=1, \dots, Q$ ). Esto se logra permitiendo parámetros específicos por sitio para las probabilidades de ocupación y detección.
Pool de Especies Finito: El número total de especies $N$ se trata como una variable aleatoria que sigue una distribución de Poisson (o Binomial Negativa en extensiones), en lugar de asumir un pool de especies infinito. Esta elección asegura la tractabilidad analítica y la escalabilidad, al tiempo que acomoda la naturaleza finita de los pools de especies del mundo real.
Prios Jerárquicos: Para tomar información prestada entre sitios, el modelo emplea una especificación jerárquica donde las probabilidades medias de ocupación por sitio son impulsadas por covariables (por ejemplo, temperatura, latitud) a través de una estructura de regresión logística.
Identificabilidad y Sensibilidad: El modelo reconoce que la ocupación ( $\eta$ ) y la detectabilidad ( $\gamma$ ) no pueden separarse completamente de los datos observados por sí solos. El parámetro $\sigma_q$ , que redistribuye la masa entre la ocupación y la detectabilidad, se trata como un parámetro de sensibilidad en lugar de un parámetro aprendible.

Contribuciones Clave y Resultados Teóricos
El artículo desarrolla una inferencia probabilística coherente para el intercambio de especies y la $\beta$ -diversidad, derivando distribuciones posteriores y predictivas explícitas para varios funcionales de biodiversidad:

Riqueza de Especies y Especies Compartidas: Los autores derivan expresiones de forma cerrada para las distribuciones a priori y a posteriori de:
- $\alpha$ -diversidad (riqueza de especies en un solo sitio) y $\gamma$ -diversidad (riqueza agrupada a través de los sitios).
- El número de especies compartidas entre cualquier par de sitios ( $C_{n_q, n_r}$ ).
- Distribuciones predictivas para el número de nuevas especies descubiertas bajo futuros esfuerzos de muestreo, tanto para sitios individuales como compartidos entre sitios.
Equivalencia Teórica: El Teorema 1 establece que la distribución marginal de las ocurrencias observadas bajo MOSAIC coincide con la del modelo BB parcialmente intercambiable (Ghilotti et al., 2025). Esta equivalencia permite el uso de verosimilitudes y distribuciones posteriores de forma cerrada ya existentes para los datos observados, proporcionando al mismo tiempo una capa de aumento de datos más rica e interpretable.
Un Índice de $\beta$ -Diversidad Basado en el Modelo: Los autores proponen un nuevo índice, $\beta_{qr}$ $β_{q r}$ , definido como la disimilitud de coseno entre los perfiles de ocupación de dos sitios.
- $\beta_{qr} = 1 - \frac{\sum \eta_{jq}\eta_{jr}}{(\sum \eta_{jq}^2 \sum \eta_{jr}^2)^{1/2}}$ .
- Este índice está acotado entre 0 y 1, tiene en cuenta las especies no observadas y es invariante al reescalado global de las probabilidades de ocupación (lo que lo hace robusto a la elección del parámetro de sensibilidad $\sigma_q$ ).
- Difiere de los índices empíricos (como Jaccard o Sørensen) al corregir la detección imperfecta e incorporar el pool completo de especies, incluyendo las especies no vistas.

Resultados

Estudios de Simulación:
- En un entorno con $Q=3$ sitios, el modelo predijo con precisión las superficies de rarefacción para las especies compartidas, coincidiendo estrechamente con los datos empíricos.
- En un entorno complejo con $Q=15$ sitios, MOSAIC demostró un rendimiento predictivo comparable o mejorado para el número de nuevas especies descubiertas en comparación con los modelos de mezcla binomial negativa intercambiables. Crucialmente, el baseline intercambiable no pudo proporcionar estimaciones o predicciones para las especies compartidas entre sitios, una capacidad única de MOSAIC.
Aplicación a la Biodiversidad Fúngica Global (GSSP):
- El modelo se aplicó a 1,425 muestras de esporas fúngicas transportadas por el aire de 34 sitios a nivel mundial.
- La media a posteriori estimó el número total de especies $N$ en 16,574, lo que sugiere que aproximadamente 1,200 especies permanecen sin detectar más allá de las 15,352 observadas.
- Los coeficientes de regresión identificaron la latitud y la temperatura media anual como los principales impulsores de la distribución fúngica, consistentes con los gradientes de diversidad latitudinal conocidos y las curvas de rendimiento térmico.
- El índice de $\beta$ -diversidad propuesto cuantificó con éxito la heterogeneidad de la composición a través de los sitios, con resultados que muestran estabilidad a través de diferentes escenarios de detectabilidad.

Significancia
El artículo afirma que MOSAIC proporciona un marco basado en principios y escalable para inferir la $\beta$ -diversidad en estudios de biodiversidad de alta dimensión donde los datos son dispersos y la detección es imperfecta. Al integrar la asignación de características latentes con modelos de ocupación, el enfoque supera las limitaciones de los índices empíricos (que carecen de cuantificación de la incertidumbre) y de los modelos de ocupación estándar (que no manejan estructuras de intercambio de especies latentes). La derivación de distribuciones posteriores explícitas para las especies compartidas y la propuesta de un índice de $\beta$ -diversidad robusto y basado en el modelo facilitan resúmenes interpretables de la heterogeneidad de la composición y apoyan diseños de muestreo adaptativos. Los autores enfatizan que estos resultados representan un paso significativo hacia la inferencia basada en principios sobre funcionales de biodiversidad en entornos heterogéneos y parcialmente intercambiables.