哺乳动物寄生虫研究中的分类偏见：魅力物种与易发现性如何塑造寄生虫认知图景

本刊推荐：为解决哺乳动物寄生虫研究中的分类偏见问题，研究人员开展了一项关于宿主特征如何影响寄生虫认知的研究。通过系统检索Web of Science数据库并构建贝叶斯广义线性混合模型(Bayesian GLMM)，发现研究力度与宿主体型大小、描述时间、圈养情况、生态位宽度及分布范围呈正相关。该研究揭示了啮齿类(rodents)和蝙蝠(Chiroptera)等类群的寄生虫研究严重不足，为优化资源分配和预防人畜共患病(zoonoses)提供了关键科学依据。

　　

在生物多样性研究领域，科学探索的努力并非均匀分布在生命之树上——这种"分类学偏见"现象在脊椎动物研究中已被广泛证实，但当我们把目光投向更微小的生命形式时，情况会如何呢？哺乳动物的寄生虫，这些虽然不起眼却对生态系统功能和人类健康至关重要的生物，是否也遭遇了同样的认知不平等？更具体地说，我们对哺乳动物寄生虫的了解程度，是否也受到了宿主物种的"魅力值"和易发现性的影响？

这个问题的重要性不言而喻。寄生虫在食物网中扮演着关键角色，对理解生态系统功能至关重要，然而它们的多样性令人震惊，我们的认知却十分有限。据估计，脊椎动物体内寄生着10万到35万种蠕虫寄生虫，其中85-95%尚未被描述。更现实的是，随着人畜共患病的威胁日益增加，了解寄生虫的分布和特性对于预防疾病传播具有紧迫意义。

在这项发表于《Biodiversity and Conservation》的研究中，研究人员开展了一项全面的分析，旨在揭示哺乳动物寄生虫研究中的偏见模式。他们系统性地检索了Web of Science数据库中关于哺乳动物寄生虫的研究文献，涵盖了病毒、细菌、真菌、原生生物、蠕虫和节肢动物等各类寄生虫。通过对3,398个哺乳动物物种的分析，研究人员评估了八个可能影响寄生虫研究力度的假设因素，并运用贝叶斯广义线性混合模型(Bayesian Generalized Linear Mixed Models)来解析这些因素如何塑造了我们对寄生虫的认知图景。

研究方法上，团队首先通过专业检索策略在Web of Science获取了48,330篇相关文献，经过去重后保留48,306篇。他们统计了每篇文献中提到的哺乳动物物种，以此作为研究力度的代理指标。为了解释物种间的系统发育关系，研究采用了Upham等人构建的哺乳动物系统发育树，使用最大支序可信树作为分析基础。关键分析技术包括贝叶斯广义线性混合模型（使用brms R包）、系统发育矩阵整合、负二项分布处理过度离散数据，以及通过R-hat值和迹图评估模型收敛性。预测因子包括体重、动物园数量、分布范围大小、栖息地广度、保护状态、描述年份、人类密度和 zoonotic 潜力，所有分析均基于公开的物种特征数据库（如COMBINE和PanTHERIA）。

研究结果揭示了令人惊讶的偏见模式。

Mapping taxonomic bias

研究发现，只有30.68%的物种（1,027种）拥有至少一项寄生虫研究文献。知识空白尤其集中在Paucituberculata（鼩负鼠）、Afrosoricida（马岛猬）、Scandentia（树鼩）、Rodentia（啮齿类）、Eulipotyphla（鼩鼱、鼹鼠、刺猬等）和Chiroptera（蝙蝠）等目。

Drivers of taxonomic bias

贝叶斯GLMM模型显示，六个预测因子对寄生虫研究力度有显著影响（95%可信区间不包含0）。寄生虫知识更丰富的情况出现在：体型大的哺乳动物、描述时间早的物种、圈养数量多的物种、分布范围大的物种、栖息地广度大的物种，以及生活在高人类密度区域的物种。

效应最强的三个因素是分布范围大小（正向影响）、首次描述年份（负向影响，即描述越早研究越多）和体型大小（正向影响）。保护状态和 zoonotic 潜力两个因子则没有显示出明确的影响关系。

这些驱动因素本质上可以分为两大类：第一类与物种对人类产生的"魅力"相关，包括体型大小和动物园圈养数量；第二类与接触不同物种的可能性相关，包括分布范围大小、栖息地广度、物种分布区内的人类密度和描述年份。

研究结论强调，哺乳动物寄生虫研究中的偏见与宿主水平的普遍偏见因素高度一致，表明对宿主认知的不平等直接延伸到了对其寄生虫的认知。特别值得关注的是，啮齿类和蝙蝠等类群的寄生虫研究严重不足，而这些类群包含许多能够传播人畜共患病的物种。了解它们的寄生虫对于预防未来的疾病溢出事件至关重要。

该研究的实际意义在于为有针对性的研究和资源分配提供了信息。在研究和卫生监测资源有限的情况下，这些结果有助于将努力导向未被充分调查的物种，增加对寄生虫多样性的认知。更完整的寄生虫知识将有益于构建完整的宿主-寄生虫网络，通过增加可用信息来训练模型和进行预测。从更广泛的角度看，这项研究支持了"一体健康"(One Health)方法，实现了对生态系统、野生动物和人类健康的一体化监测。

需要注意的是，本研究存在一些局限性。未能明确模拟寄生虫知识的空间变异模式，而生物多样性知识的空间格局极其明显；对病毒以外寄生虫的搜索要么结果不足，要么没有足够的信息使模型收敛； zoonotic 潜力预测因子的分类分辨率较粗（在目水平测量），这可能影响了该因子的效果评估。

未来研究可以更细致地解析每个物种分布范围内的寄生虫信息空间变异，并更好地 disentangle 分类偏见驱动因素在不同寄生虫类群间的一致性。这将为理解和管理寄生虫多样性提供更全面的科学基础。