Explainable AI for biological data

Abstract

La clasificación taxonómica de primates a partir de microtextura dental bucal (DMTA) es un problema de datos escasos, ruidosos y de alta dimensión, abordado hasta ahora con métodos clásicos sin cuantificación de incertidumbre. Este trabajo desarrolla un pipeline Bayesiano interpretable y consciente de la incertidumbre, organizado en tres capas, que mide hasta qué nivel taxonómico puede fiarse la señal. Los resultados muestran que la microtextura bucal resuelve el grupo pero no la especie, que los fósiles no son comparables con los actuales, y caracteriza sus afinidades con incertidumbre explícita, convirtiendo una conclusión cualitativa previa en una medida cuantitativa

Taxonomic classification of primates from buccal dental microwear texture (DMTA) is a problem of scarce, noisy, high-dimensional data, addressed so far with classical methods lacking uncertainty quantification. This work develops an interpretable, uncertainty-aware Bayesian pipeline, organised into three layers, that measures to what taxonomic level the signal can be trusted. The results show that buccal microtexture resolves group but not species,that fossils are not comparable to extant specimens,and characterise their affinities with explicit uncertainty, turning a previous qualitative conclusion into a quantitative measure.