Annonce du gagnant du prix Harper 2024: Karina Guo |
Nous sommes ravis d’annoncer que le gagnant du prix Harper 2024 est Karina Guo! Le Prix Harper est décerné chaque année pour le meilleur article publié dans la revue par un chercheur en début de carrière.
Karina Guo, William K. Cornwell, Jason G. Bragg (Journal of Ecology, 1122183–2197)
La détermination des relations écologiques et évolutives entre les traits fonctionnels et les moteurs des effets et des réponses de l’écosystème, tels que le climat, est l’un des domaines de recherche les plus actifs en écologie. Guo et al. Découvrez que le renforcement de la corrélation de climat de trait pour la surface foliaire des eucalyptus se produit juste au-dessus du niveau des espèces, indiquant une adaptation au niveau phylogénétique inter-spécifique plutôt qu’à l’adaptation locale au sein des espèces. L’article de Guo est remarquable pour être l’une des premières applications d’apprentissage automatique opérationnelles en écologie des traits, démontrant le potentiel d’automatiser rapidement et efficacement l’extraction des données de traits de sources telles que Herbaria numérisée. Ce travail est également remarquable en ce qu’il est émergé d’un projet de recherche de premier cycle, démontrant l’impact que la recherche peut avoir, même au début de carrière. Les auteurs ont rendu les données et le code ouvertement disponibles et je ne doute pas que ce travail stimulera un changement de pas dans l’expansion des bases de données de trait ainsi que les tests des moteurs écologiques et évolutifs des relations de climat de trait pour les espèces dans le monde.
– Yvonne Buckley, rédacteur en chef, Journal of Ecology.
Je suis Karina Guo, maintenant doctorat auprès du Centre de recherche pour la résilience écosystémique aux jardins botaniques de Sydney et à l’Université de Sydney. Actuellement, je me suis éloigné de l’apprentissage automatique et j’ai plongé profondément dans le travail sur la génétique et l’évolution dans mon projet de doctorat actuel. Plus précisément, je travaille sur Myrtle Rust (Psidii austropuccinia) et son interaction avec une espèce fondamentale en Australie, la Melaleuca à feuilles larges (MELALEUCAQI CLACE). Je travaille directement avec les praticiens pour mieux comprendre comment nos recherches peuvent être mieux appliquées dans le domaine où la restauration se produit facilement.
- Pourriez-vous nous donner un peu de contexte sur vous-même et comment vous êtes entré dans l’écologie?
Enfant, j’ai toujours été celui qui «faisait des potions» à partir de saleté, de boue, de plantes sur l’aire de jeux – à la grande envergure de mes parents quand ils ont vu l’état de mes vêtements. En vieillissant, je ne pense pas que j’ai jamais cessé de gambader dans les buissons. J’ai toujours été quelqu’un qui aimerait toucher, observer, écouter et – aussi à l’horreur de mes parents – goûter la nature autour de moi. Ce qui a fait de moi ce randonneur qui s’arrête toutes les 5 secondes pour lorgner quelque chose. Je ne pouvais pas vraiment m’en empêcher, il y avait toujours quelque chose à apprendre et à aimer tout cela. Et l’écologie est tout cela. Prendre une minute pour s’arrêter et écouter et lier le réseau de connexions entrelacées en profondeur entre tout. Donc, je ne pense pas que je ne suis jamais tombé amoureux de l’écologie – je pense que j’ai toujours fait partie de cela.
- Pouvez-vous fournir quelques phrases qui résument la recherche dans votre article et comment elle fait progresser le domaine?
Cet article utilise l’apprentissage automatique pour extraire des traits de feuilles sur les nombreuses espèces de gommenes (Eucalyptus, Corymbia, Angophora genres). Traditionnellement, les scientifiques mesurent les traits foliaires, tels que la zone foliaire, en fastidieusement à la main. Cela signifie que le nombre de mesures prises peut être très limitée par le financement et la main-d’œuvre disponible. En utilisant l’apprentissage automatique pour contourner cela, j’ai pu extraire des traits de feuilles de tous les spécimens de plante pressés historiques stockés à Herbaria, avec quelques feuilles datant de 1839. Cela signifiait que j’ai pu étendre nos ensembles de données de traits! La taille de cet ensemble de données a peint ces détails qui manquaient des ensembles de données précédents. De cela, j’ai pu interroger des questions qui étaient auparavant hors de portée. Par exemple, pour la première fois, j’ai pu demander comment ces traits variaient entre les climats, dans des groupes d’arbres d’âges évolutifs différents. En outre, en tant que l’une des premières études opérationnelles de l’apprentissage automatique en écologie des traits, notre flux de travail se présente comme un prototype passionnant applicable à divers taxons et traits pour les futures applications écologiques.
- Avez-vous poursuivi cette recherche et si oui, où en êtes-vous maintenant?
Malheureusement, mes recherches m’ont éloigné de l’apprentissage automatique. Mais cela ne signifie pas que je ne suis pas encore fasciné par le potentiel qu’il a! Dans toutes mes recherches, le sujet de celui-ci se pose inévitablement. Nous avons toujours des conversations à ce sujet – rebondissant autour d’idées sur la façon dont l’apprentissage automatique peut être utilisé, soit pour ouvrir de nouvelles possibilités, améliorer nos méthodes actuelles ou rationaliser nos tâches habituelles.
- Qu’avez-vous le plus apprécié dans la réalisation de cette recherche?
Grâce à ce projet, j’ai beaucoup aimé affiner notre modèle à son état final. Faire le modèle d’apprentissage automatique était un processus itératif, et cela signifiait que je pouvais en un sens, le regarder se développer. Avec chaque cycle d’optimisation du modèle, qu’il s’agisse de modifier les hyperparamètres, de affiner les données d’entraînement ou de les projeter sur une feuille de test, j’ai pu voir des améliorations tangibles au modèle. Cela m’a vraiment donné un profond sentiment de fierté! Nous avions un peu de hoquet en cours de route, comme des préoccupations concernant le sur-ajustement ou la recherche d’une nouvelle espèce d’eucalypt avec les feuilles linéaires les plus bizarres, mais cela a simplement ajouté à la réalisation de tout cela. Et, quand cela a été terminé, le déploiement de celui-ci sur toutes les feuilles d’herbarium d’eucalypt était vraiment excitant! Je diffuse les mises à jour du modèle, le regardant traiter chaque lot de feuilles d’herbier. Sachant que ce serait le plus grand ensemble de données de trait que nous ayons jamais gardé sur le bord de mon siège alors que j’attendais avec impatience la fin.
- S’il vous plaît pourriez-vous expliquer brièvement ce que la victoire du prix vous signifie?
J’étais entouré de gens incroyables, chacun avec une profondeur de connaissances qui semblait sans fin. Donc, quand j’ai commencé ce projet pour la première fois, je doutais si je pouvais mesurer à sa portée. C’était un cas typique de syndrome d’imposteur, que je n’ai toujours pas encore secoué. Mais recevoir un prix comme celui-ci aide indéniablement. C’est un rappel tangible pour moi que j’en suis capable – et au-delà! Mais plus important encore, je voudrais remercier tous mes superviseurs et collègues qui m’ont soutenu en cours de route quand je doutais de moi-même.
Vous pouvez trouver l’article gagnant et tous les articles présélectionnés pour le prix Harper 2024 dans notre problème virtuel.