数据集概述
本数据集为PNAS论文相关研究数据，聚焦生物科学中的林奈缺口问题，通过机器学习和物种界定方法构建预测模型，整合哺乳动物的性状、分布记录及基因序列数据，识别潜在未描述物种，分析其分布规律，支持生物多样性研究及分类学假设验证。
文件详解
- README.txt
- 文件格式：TXT
- 字段映射介绍：包含数据集基本说明，关联PNAS论文信息，分遗传数据和地理数据两部分阐述数据结构及内容概要
- genetic_data.zip
- 文件格式：ZIP
- 字段映射介绍：压缩包内含按分类学组织的基因序列比对数据，涉及4310种哺乳动物的基因序列信息
- supplemental_var.xlsx
- 文件格式：XLSX
- 字段映射介绍：包含117个物种性状相关的补充变量数据，支持预测模型的变量分析
- geographic_data.zip
- 文件格式：ZIP
- 字段映射介绍：压缩包内含哺乳动物分布记录数据，涉及330万条物种出现记录及地理相关信息
数据来源
PNAS论文“Analysis of biodiversity data suggests that mammal species are hidden in predictable places”
适用场景
- 生物多样性研究: 分析哺乳动物未描述物种的分布规律，探索生物多样性隐藏区域
- 分类学假设验证: 支持关于未描述物种可能存在位置的分类学假设验证
- 机器学习模型应用: 基于物种性状、分布及基因数据，优化生物物种预测模型
- 林奈缺口问题解决: 为克服生物科学中的林奈缺口，提供未描述物种预测及研究方向参考
- 生态保护规划: 识别潜在生物多样性热点区域，为生态保护及资源投入提供数据支持
