TM
Thiago Mosqueiro
Author with expertise in Management and Reproducibility of Scientific Workflows
Achievements
Cited Author
Open Access Advocate
Key Stats
Upvotes received:
0
Publications:
3
(67% Open Access)
Cited by:
267
h-index:
11
/
i10-index:
11
Reputation
Biology
< 1%
Chemistry
< 1%
Economics
< 1%
Show more
How is this calculated?
Publications
0

Challenges and recommendations to improve installability and archival stability of omics computational tools

Serghei Mangul et al.Oct 25, 2018
Abstract Developing new software tools for analysis of large-scale biological data is a key component of advancing modern biomedical research. Scientific reproduction of published findings requires running computational tools on data generated by such studies, yet little attention is presently allocated to the installability and archival stability of computational software tools. Scientific journals require data and code sharing, but none currently require authors to guarantee the continuing functionality of newly published tools. We have estimated the archival stability of computational biology software tools by performing an empirical analysis of the internet presence for 36,702 omics software resources published from 2005 to 2017. We found that almost 28% of all resources are currently not accessible through URLs published in the paper they first appeared in. Among the 98 software tools selected for our installability test, 51% were deemed “easy to install,” and 28% of the tools failed to be installed at all due to problems in the implementation. Moreover, for papers introducing new software, we found that the number of citations significantly increased when authors provided an easy installation process. We propose for incorporation into journal policy several practical solutions for increasing the widespread installability and archival stability of published bioinformatics software.
0

Individual Learning Phenotypes Drive Collective Cognition

Chelsea Cook et al.Sep 9, 2019
Variation in cognition can influence how individuals respond to and communicate about their environment, which may scale to shape how a collective solves a cognitive task. However, few empirical examples of variation in collective cognition emerges from variation in individual cognition exist. Here, we show that interactions among individuals that differ in the performance of a cognitive task drives collective foraging behavior in honey bee colonies by utilizing a naturally variable and heritable learning behavior called latent inhibition (LI). We artificially selected two distinct phenotypes: high LI bees that are better at ignoring previously unrewarding familiar stimuli, and low LI bees that can learn previously unrewarding and novel stimuli equally well. We then provided colonies composed of these distinct phenotypes with a choice between a familiar feeder or a novel feeder. Colonies of high LI individuals preferred to visit familiar food locations, while low LI colonies visited novel and familiar food locations equally. However, in colonies of mixed learning phenotypes, the low LI bees showed a preference to visiting familiar feeders, which contrasts with their behavior when in a uniform low LI group. We show that the shift in feeder preference of low LI bees is driven by foragers of the high LI phenotype dancing more intensely and attracting more followers. Our results reveal that cognitive abilities of individuals and their interactions drive emergent collective outcomes.Significance Statement Variation in individual cognition affects how animals perceive their environment and which information they share with others. Here we provide empirical evidence that how individual honey bees learn contributes to collective cognition of a colony. By creating colonies of distinct learning phenotypes, we evaluated how bees make foraging choices in the field. Colonies containing individuals that learn to ignore unimportant information preferred familiar food locations, however colonies of individuals that are unable to ignore familiar information visit novel and familiar feeders equally. A 50/50 mix of these phenotypes prefer familiar food locations, because individuals who learn the familiar location recruit nestmates by dancing more intensely. Our results reveal that variation in individual cognition scales non-linearly to shape collective outcomes.