‘PhyTaxR’, a set of phytoplankton taxonomic curation tools in R
Un flujo de trabajo en R para depurar y resolver nombres taxonómicos de fitoplancton, preservando la incertidumbre y la trazabilidad de las decisiones.
Fernando Rayón-Viña 
Zoe V. Finkel
Andrew J. Irwin
DOI: 10.64898/2026.10.23.761320
Preprint: esta versión no ha sido certificada mediante revisión por pares.
Abstract
Taxonomic harmonisation is a persistent challenge for phytoplankton monitoring and biodiversity synthesis. Operational taxon fields often combine scientific names —some of which may be incomplete, misspelled, or otherwise non-standard— with size classes, morphological descriptors, uncertainty qualifiers, vernacular labels, author citations, and historical nomenclature. Here we introduce PhyTaxR, an R package that formalizes the curation of phytoplankton taxonomic records as a reproducible, modular workflow. The package separates a standardized taxonomic core from ancillary information while preserving uncertainty and descriptive metadata. It then applies a conservative taxonomic-resolution workflow based primarily on searches of the World Register of Marine Species (WoRMS), supplemented where appropriate by stringent, cross-validated matches from Global Biodiversity Information Facility (GBIF). Matched records are reconciled to accepted taxonomic concepts and returned with persistent identifiers, resolution provenance, and a tidy taxonomic hierarchy. Labels that cannot be resolved automatically are directed to a semi-automatic review workflow, where users can evaluate candidate matches, supply manual identifications, flag records for expert review, or remove unsuitable entries. Illustrative applications show how ‘PhyTaxR’ can harmonize synonyms and spelling variants, retain contextual information associated with original labels, and make unresolved or uncertain records explicit rather than forcing unsupported assignments. By retaining intermediate decisions and supporting targeted expert intervention, ‘PhyTaxR’ reduces manual curation while keeping taxonomic uncertainty visible in reproducible R workflows.
Título traducido: «PhyTaxR», un conjunto de herramientas de curación taxonómica del fitoplancton en R.
Resumen
La armonización taxonómica supone un reto constante para el seguimiento del fitoplancton y la síntesis de la biodiversidad. Los campos taxonómicos operativos suelen combinar nombres científicos —algunos de los cuales pueden estar incompletos, mal escritos o no ajustarse a la norma— con clases de tamaño, descriptores morfológicos, calificativos de incertidumbre, denominaciones vernáculas, citas de autores y nomenclatura histórica. Aquí presentamos PhyTaxR, un paquete de R que formaliza la curación de los registros taxonómicos del fitoplancton como un flujo de trabajo reproducible y modular. El paquete separa un núcleo taxonómico estandarizado de la información complementaria, al tiempo que conserva la incertidumbre y los metadatos descriptivos. A continuación, aplica un flujo de trabajo de resolución taxonómica conservador basado principalmente en búsquedas en el Registro Mundial de Especies Marinas (WoRMS), complementado, cuando procede, con coincidencias rigurosas y validadas cruzadamente procedentes de la Plataforma Global de Información sobre Biodiversidad (GBIF). Los registros coincidentes se concilian con los conceptos taxonómicos aceptados y se devuelven con identificadores persistentes, el origen de la resolución y una jerarquía taxonómica ordenada. Las etiquetas que no pueden resolverse automáticamente se derivan a un flujo de trabajo de revisión semiautomático, en el que los usuarios pueden evaluar las coincidencias candidatas, proporcionar identificaciones manuales, marcar registros para su revisión por parte de expertos o eliminar entradas inadecuadas. Las aplicaciones ilustrativas muestran cómo «PhyTaxR» puede armonizar sinónimos y variantes ortográficas, conservar la información contextual asociada a las etiquetas originales y hacer explícitos los registros sin resolver o inciertos, en lugar de imponer asignaciones sin fundamento. Al conservar las decisiones intermedias y facilitar la intervención específica de expertos, «PhyTaxR» reduce la curación manual al tiempo que mantiene visible la incertidumbre taxonómica en flujos de trabajo reproducibles de R.