编辑推荐:
系统植物学可被视为最古老的植物科学,起源于古希腊。尽管近两千年来系统植物学取得了许多进展,但在20世纪,在揭示进化过程、分类原则与方法以及系统发育构建方面出现了许多重要创新。新的比较数据部分源于改进的仪器,特别是显微镜和专门的诊断化学设备。遗传学、染色体和统计
系统植物学可被视为最古老的植物科学,起源于古希腊。尽管近两千年来系统植物学取得了许多进展,但在20世纪,在揭示进化过程、分类原则与方法以及系统发育构建方面出现了许多重要创新。新的比较数据部分源于改进的仪器,特别是显微镜和专门的诊断化学设备。遗传学、染色体和统计分析的融合有助于揭示种群水平物种起源的机制,从而产生了实验分类学和生物系统学,这对其在种和种下水平的分类产生了巨大影响。系统发育概念在开发新的进化/系统发育直观分类中得到了广泛接受,例如Bessey、Cronquist、Dahlgren、Hutchinson、Takhtajan和Thorne的分类。在20世纪下半叶,定量方法被应用于使分类过程透明和客观,从而产生了数值分类学或表型学,但这最初忽略了系统发育。表型学刺激了评估关系的新算法,特别是在等级的低层,最终导致了形态测量学,并且一些表型算法也被用于构建系统发育。独立地,Willi Hennig开发了一种基于共有衍征状态进行系统发育重建的论证方案,但该方法忽略了谱系内的分化。本世纪后期DNA的可及性在植物多样性的所有水平上带来了显著的新见解,包括被子植物、蕨类、苔藓和许多其他群体的协作分类。尽管21世纪出现了令人兴奋的技术发展,例如新的DNA方法(包括全基因组分析)、用于推断倍性水平的流式细胞术、生物地理重建和分子树定年中的统计建模、生态位建模以及AI方法(特别是用于自动识别),但本文认为,系统植物学中的概念创新在20世纪比过去2000年中的任何其他可比时期都更多。
**引言**
系统植物学拥有悠久历史,是植物科学中最古老的学科。古希腊人努力理解植物结构与功能,并寻求植物作为食物、建筑材料、纤维和药物的有用属性。但在随后的几个世纪中,进展缓慢,部分原因是人类社会频繁变迁,尤其是在地中海和欧洲地区。中世纪尤其令人窒息。文艺复兴(1450–1650)为对世界的新观察提供了动力,伴随着文化和艺术努力的巨大飞跃。植物学家(通常是医生或神职人员)开始对植物进行新观察,记录其结构细节,制作插图以帮助正确鉴定,并发展结构特征的词汇以促进有效沟通。这导致了地方植物志,并最终出现了初步的自然分类系统,如Bauhin(1623)、Ray(1682)和Tournefort(1700)的系统。18世纪的林奈涉足于由不同分类和命名系统造成的混乱,并建立了秩序,特别是他基于雄蕊和心皮数量的方便易用的性系统(Linnaeus,1735),该系统持续了近一个世纪。他对双名法的持续使用(Linnaeus,1753)稳定了命名惯例。随着18和19世纪更多信息丰富的自然系统的发展,如Adanson(1763)、Jussieu(1789)、Candolle(1818,1821)等,分类的预测质量得到了提高。达尔文和华莱士的自然选择进化论(Darwin,1859)澄清了等级分类中的关系理解,这提供了新的视角,使得随后的分类在19世纪末变得进化/系统发育化,如Eichler(1883)、Engler(1897),Haeckel(1866)强调系统发育重建。
尽管在过去两千年中植物分类取得了这些成就,20世纪却预示着一波活动爆发,一波创新浪潮,远远超过以往任何时期。主要焦点放在进化过程上,将新的遗传和染色体信息与种群视角相结合,这对等级低层的分类群产生了重大影响。许多新的全面、直观的进化/系统发育系统被创建,如Bessey(1915)、Hutchinson(1926,1934)、Takhtajan(1969,1980,1997)、Dahlgren(1980)、Cronquist(1981)和Thorne(1992a,b)的系统,所有这些都利用了大量新的比较数据。更客观的数值方法被开发出来,以更精确的方式产生分类,这也影响了系统发育的构建,从而对分类产生了正反馈。20世纪的创新数量只能用非凡来形容。本文回顾了这些众多令人印象深刻的进展,然后展望21世纪。
**20世纪的进展**
尽管系统植物学在两千年来取得了相当大的进展,但在20世纪,在开发新的比较数据、对进化过程的理解、分类的新认识以及系统发育重建的改进方面发生了巨大飞跃,这可以说是该领域在过去2000年中最强劲、最显著的进展。
**比较数据**
20世纪的一个主要创新是比较数据种类的增加,以推断关系。这也许并不令人惊讶,因为科学和技术在许多方向上迅速发展,受到两次世界大战及其间和平时期的刺激。特别是在下半叶,强劲发展被一些人视为人类世的开端。随着热带地区被更好地探索,标本采集也增加了。发明了仪器,包括强大的显微镜,有助于积累植物结构方面的数据,特别是形态学、解剖学、胚胎学和孢粉学。开发了检查外部和内部结构维度的方法,例如使用透射和扫描电子显微镜研究花粉粒和种皮。随着下半叶分类定量方法创新的发展,人们越来越认识到,广义的形态学是一个复杂的比较数据领域,需要大量经验才能有效利用。
第二个主要的比较数据新领域来自植物化学,即植物次生代谢,这在草药时代早已被用作药用植物。20世纪新的分析仪器允许化合物被提取、分离和分析。20世纪60年代和70年代的一个主要推动力集中在黄酮类和萜类化合物上,但生物碱在选定科中也有帮助,如十字花科中的芥子油和石竹目中的甜菜素。一些实验室方法需要大量的化学专业知识以及昂贵的诊断设备来分离和表征化合物,但黄酮类化合物的研究只需要最少背景和实验室材料。随着DNA数据的出现,植物化学在系统学中的使用大大减少,次生代谢产物现在更常用于生态和化学多样性背景。
20世纪生殖生物学也取得了许多进展,包括对传粉者和花朵的更多观察。这类研究始于19世纪,但第二次世界大战后的野外工作使这些观察得以大大扩展。通过分析花香气、紫外线模式和物候学,进一步理解与传粉者的关系。对繁育系统和传播机制的研究增加了新的生殖理解,通过帮助推断物种形成模式以及揭示种群内和种群间的遗传变异模式,这两者对于分类等级低层的分类都很重要。
生态数据在20世纪也变得更容易获得,生态学科学开始崭露头角。这些数据在系统学中的使用落后于其他类型的比较数据,因为气候、伴生种和土壤的简单相关性几乎没有产生新见解。直到20世纪末和21世纪,才出现了有意义的新综合,特别是分布与新的气候数据库的关联,包括对古气候趋势和生态位建模的推断。系统发育重建的进展也导致了生物地理学的创新,例如区域的明确比较、分子树的定年以及祖先地理区域的确定。
比较数据的另一个主要增长领域来自遗传学革命。最初对遗传学的兴趣源于孟德尔(1866)的开创性工作,该工作被Correns、De Vries和Tschermak独立重新发现。关于遗传颗粒性的见解与染色体知识相结合,产生了染色体遗传理论,该信息将兴趣引向种群和进化过程;杂交研究提供了植物间亲缘关系的指数。当DNA结构被破译时,新的遗传数据爆炸式出现,开启了分子生物学的新领域。DNA比较研究始于限制性内切酶、聚合酶链反应(PCR)、片段图谱和基因及基因间区域的桑格测序。细胞器和核DNA提供了对关系的见解,也提出了关于分子进化的问题。21世纪的新一代测序方法已将DNA前沿扩展到难以想象的水平,以至于现在需要生物信息学来在更统计的框架中解释关系。
**进化过程**
遗传学、细胞学(染色体)和种群视角的融合,包括对种群内和种群间遗传变异的统计评估,导致了在种群水平上对进化过程的新见解。植物学家将植物物种的克隆移植到不同生境中,以测试形态的遗传基础与环境基础以及物种的本质,例如Turesson(1925)在欧洲进行的“遗传生态学”研究。在美国,Clausen、Keck和Hiesey三人组在华盛顿卡内基研究所(斯坦福大学)进行了大规模的移植研究,在加利福尼亚内华达山脉不同海拔建立了花园地块。这些研究被视为“实验分类学”,刺激了许多植物类群的种群研究。Julian Huxley编辑的《新系统学》一书提倡摆脱类型学博物馆思维,研究自然种群中的变异。相关的是“生物系统学”的发展,旨在找到“自然单位”,并利用其揭示进化过程以及做出分类决策。Ledyard Stebbins(1950)在其经典著作《植物的变异与进化》中发表了当时已知内容的综合,涵盖了遗传分化、隔离机制、染色体变异、多倍化和杂交等主题。
理解微进化过程的下一重大进展来自实际测量种群内和种群间遗传变异的技术。最初的方法采用同工酶的凝胶电泳,产生了等位基因变异的数据。这引起了人们对揭示种群和等级低层分类群之间遗传关系的极大兴趣。但群体遗传学的真正爆发来自DNA数据的获取,首先是片段分析,如RAPD和AFLP,随后是来自细胞器和细胞核的直接基因分型。这些数据提供了对进化过程所有方面的见解,例如多倍体的起源、与繁育系统相关的遗传变异水平,以及种群间亲缘关系的更好理解。这刺激了系统地理学的发展,为分析景观上的变异模式提供了更精确的方法。流式细胞术的使用始于20世纪末,但在21世纪,随着对新鲜和硅胶干燥材料的种下多倍体分析,其在植物系统学中的应用增加。
**分类**
植物分类的创新也在20世纪发生。最初的进展涉及更全面的被子植物进化/系统发育分类系统,受到大量新的比较数据的推动。从Engler、Wettstein、Hallier、Bessey等的早期系统,到Hutchinson、Takhtajan、Dahlgren、Cronquist和Thorne的更现代系统。这些是直观系统,即构建图表以显示主要类群之间的亲缘关系,即所谓的“气泡图”,但没有解释它们是如何构建的。每个研究者评估特征和状态,并强调某些特征(即赋予权重),但过程不透明,无法被他人重复。随着整个生物学在下半叶变得更加定量,这留下了一种不充分感,这种定量化受到美国和苏联之间冷战太空竞赛的刺激。
为了使分类更加客观和精确,昆虫学统计学家Robert Sokal和细菌学家Peter Sneath做出了努力。他们的书《数值分类学原理》(1963)立即引起了关注,并导致了第二本书(1973),两者都对领域产生了重大影响。这种方法也被称为表型学、统计分类学、数学系统学等。发展了多种统计方法来评估亲缘关系,关系通常以树状图(称为表型图)的形式呈现。表型学检查了分类的本质,并强调了诸如特征与特征状态之间的区别、使用尽可能多特征的重要性、以及在任何分析之前拥有所有比较数据矩阵的重要性等问题。至关重要的是,所有程序必须透明和定量,允许任何人测试结果。人们曾希望表型图上的关联水平可用于界定分类群,如属、种等,但不同类群的研究表明,使用不同类型的特征,这是不可能的。一个重要点是,此时计算能力(即计算机)的进步允许了新的表型统计学的进展。
尽管表型学在直接解决分类的基本问题方面具有刺激作用,但存在许多不同的创造性统计方法,以至于不清楚哪种方法更可取。选定的案例研究提供了对特定植物类群可能最有效的方法的线索,但这需要大量的文献研究和计算机试验。表型学并没有使分类更容易,反而使其更复杂!另一个问题是,表型学从未产生出可接受的被子植物全面分类,主要是由于开花植物中形态平行性的问题。人们认识到,表型学的主要应用在种群水平,那里的模式是镶嵌的,不易通过检查来解读。表型学成功过渡到多元统计,现在常规用于分类等级低层(例如主成分分析),并进一步发展为刺激形态测量学,旨在理解形态的进化。进入21世纪,这已扩展到所谓的几何形态测量学,使用更复杂的形式变量和统计可视化。表型学的一个更大障碍是它拒绝了系统发育考虑,理由是确定原始与进步特征状态过于主观。但是,进行分类的生物学家并不满足于将系统发育(本质上是进化)排除在方程之外,在某种意义上回到前达尔文自然系统。这是不能接受的代价。
**系统发育**
20世纪在系统发育重建方面也发生了非常重要的发展。自从Haeckel(1866)以来,研究人员一直致力于基于特征状态进化方向性的假设来构建分支图或系统发育图。但系统发育的构建是直观的,使得无法确切知道它是如何构建的。在20世纪下半叶,人们努力定量地产生系统发育,两种影响导致了这一目标的实现:(1)来自表型学家的进化算法;(2)Hennig的分支论证方法。
尽管表型学在很大程度上拒绝了系统发育作为分类过程的一部分,但一些数值工作者创新了用于追踪进化谱系的算法。这些涉及对特征状态趋势的假设,并规定进化应如何进行,即一次允许多少步,反转和/或平行性的作用等。早期的方法是由Camin和Sokal(1965)提出的,不允许反转发生。网络也被开发出来,最初来自解决“旅行推销员”问题的实际需要,该问题寻求找到推销员所需停留点之间的最短路线;也称为Prim网络,实际上寻求铺设最少电缆以连接电话的方法。
系统发育重建的第二个创新来自昆虫学家Willi Hennig(1950,1966)。他的方法是对德国唯心主义形态学派的反应,该学派对进化不太感兴趣,而是更多地在理论背景下寻找中心形态趋势。Hennig认为形态学在系统发育意义上最好理解,他强调使用共有衍征状态在代表系统发育的分叉图(分支图)上构建类群,因此被称为分支系统学。Hennig还使用分支图来构建分类。为了允许分支图和分类之间的完全直接对应,他仅基于谱系(他的“单系”,称为holophyly)建立系统,忽略了谱系内的分化。他的方法主要设计用于形态数据,当时这些数据大多可用。Hennig的原始书于1950年以德语出版,但未受到关注。1966年修订版以英语出版后,他的想法变得更为人所知,并刺激了其他研究者,特别是动物学家;植物学家后来也参与其中。Hennigian分支分析对分类产生了重大影响。由于忽略了分化,很容易直接基于分支图建立一个分类,使分支图和结果等级分类之间产生方便对应(反之亦然)。由于其简单和方便,分支分类变得非常流行。
随着20世纪90年代DNA序列数据的可用并用于系统发育重建,需要算法来处理所需的大量计算。数据简单,但特征(DNA位点)数量的大幅增加以及分类群数量的增加使得计算具有挑战性。表型算法最初被用于分析,如邻接法(一种距离测量),但随后出现了数十种新方法,归入简约法、似然法和贝叶斯推断的一般类别。进化模型被引入,以根据特定类群内推断的进化模式定制分析。这些使用核苷酸数据的更复杂系统发育分析大多取代了基于形态的简单Hennigian分支方法。
系统发育重建对分类的另一个影响来自被子植物系统发育组(APG I–IV,1998–2016)。由于DNA序列在许多不同实验室中积累,将这些数据汇集到特定序列(如rbcL)并联合发表是有意义的。这首次在1993年完成,由Mark Chase和Doug Soltis协调。通过使用遗传物质,可以确定更深的系统发育关系,而表型中平行性造成的进化干扰要少得多。这为DNA数据由研究者联盟组装奠定了基础,现在我们还有苔藓系统发育组、蕨类植物系统发育组以及其他专注于特定科甚至属的组。为了方便,这些新的合作系统使用Hennigian单系概念来形成分类,即忽略谱系内的分化。这些研究联盟的形成是里程碑式的,未来所有主要植物类群的新分类很可能会以协作方式完成。如何与大量参与者达成共识是一个值得思考的问题,但大型分类群的单一权威研究者的时代已成为历史。
**进入21世纪**
尽管20世纪见证了系统植物学的非凡创新,但21世纪的头二十年继续了快速的技术进步,并揭示了未来的重大挑战。最紧迫的需求之一是理解需要多少和什么类型的DNA数据来回答分类等级不同层次的问题。随着我们现在能够访问整个基因组数据,这变得更加令人关注。适用于所有被子植物分类的数据将不同于适用于种群水平问题的数据。确定哪些叶绿体和/或核序列最适合于属的解析,例如在大型科如菊科中,这将是有挑战性的,并且可能与其他科如兰科中的合适标记不同。Angiosperm353倡议是一个大胆的尝试,旨在使用一系列位点组合跨越所有开花植物,这是一个良好的开端,但即使有如此精湛的工艺,被子植物的某些部分可能用其他标记解析得更好,如天门冬科中的1726个低拷贝核基因。对于整个社会,植物精确鉴定的实际需求(特别是对于海关官员以及生物多样性编目)是显而易见的,开发少数选定序列,如通过条形码,显然是优先事项。
随着更多DNA数据的可用,讨论将指向如何最好地在分类群正式描述和模式指定中使用核苷酸。一些研究者已经建议我们应该转向DNA分类学,即主要基于核苷酸数据的分类。对于具有隐蔽形态的微生物,依赖DNA数据是有意义的,但对于宏观生物,外部形态仍然至关重要。我们的分类系统是通用目的的,服务于社会的不同部分,包括与公众的沟通。因此,仅使用DNA序列来界定分类群是不令人满意的。而且,更重要的是,自然界中的生物通过其自身表型与环境相互作用,特别是涉及外部形态,理解种群水平的进化过程(特别是涉及隔离机制)必须考虑表型。使用DNA来帮助建立分类群和指定宏观生物的类型是好的,但只能与其他数据(特别是形态学)结合。
在20世纪末,一项倡议开始将系统发育分析扩展到系统发育命名法。如果一个研究者确信系统发育分析(以及结果分支图)是某个生物类群的最佳可能假设(即未来数据不太可能改变其拓扑结构),那么可能有意基于支持树上分支的共有衍征来界定分类群。命名将遵循PhyloCode建立的惯例。这种方法的问题是,新的比较数据实际上可能导致分支图被修改,这将改变分类和伴随的命名。在当前的植物命名法中,名称可以改变,特别是如果一个物种从一个属转移到另一个属,这导致了采用单名制的建议。但在当前的植物学法规下,属的转移并未被证明是研究或社会需求的严重复杂化。值得注意的是,病毒物种的命名法最近已被转换为使用双名法。
在我看来,21世纪的一个主要创新将来自分化特征状态变化的整合,以增强分类的预测能力。holophyly的便利性导致在创建分类系统时忽视了遗传和进化分化,尽管许多研究者继续强调这一系统发育维度的重要性。目前的系统发育方法显示了谱系内的定量分化,要么是步骤变化,要么是分支长度,但这些数据通常被忽略,以支持严格的holophyly(例如被子植物系统发育组系统),但有一些值得注意的例外。需要的是社区可接受的分类群识别分化水平标准(如已用于接受前系统基因组学分支图中节点的bootstrap,例如80%–95%)。预计分类中的这种定量进化调整不会导致系统的主要重组,特别是在目级水平,但在某些类群中可能有实质性影响。将分化加回定量分类也与总信息含量有关。我的假设是,分类中包含的系统发育信息越多,其预测效率就越高。我们从信息论中还有很多要学习,这迄今为止尚未引起我们的关注。信息是什么,以及如何最好地在分类中捕获它,这到目前为止尚未被我们的社区进行任何程度的调查。
涉及系统发育树构建的进一步发展将是网状关系表示的进展。植物中的物种形成通常通过祖先种群分裂成独立的子物种发生,但杂交经常发生,导致同倍体杂交种群的建立以及通过多倍化形成更复杂的多倍体支柱复合体。像SplitsTree和PhyloNetworks这样的计算机程序已经被开发出来以处理这些复杂性,但未来可以预期进一步的进展。
另一个影响整个社会的新前沿是人工智能(AI)。我们都熟悉在打字Word文档时从自动更正拼写检查器中获得的帮助,有些人甚至可能使用AI处理日常办公任务。但AI对于生物自动识别具有重大相关性,不仅用于海关官员,也用于植物系统学教学、社区推广甚至生物多样性评估。几十年前来自表型学对自动识别生物的兴趣现在已成为可行。针对公众的AI识别应用已经开发出来,如Leafsnap、Pl@ntNet和Flora Incognita。在另一个层面,AI可用于提供开发有用特征和状态的帮助,以增加关系分析中的信息含量,因为这直接关系到更好地使用形态测量学,特别是在种群水平。AI在构建系统发育树和物种界定方面的潜力也已被提出。
尽管进入21世纪有这些有趣且重要的倡议,但在我看来,未来75年内的新创新不太可能超过20世纪。DNA将被更高效和有效地使用,分化将被纳入分类,AI将用于常规鉴定,宏观生物多样性大部分将在地球上被发现,我们将更了解种群水平的进化过程。也许我们甚至会回到哲学问题,例如分类真正应该是什么。但这些都是建立在20世纪——创新时代——惊人进展之上的增强。