CanPests V1.0：加拿大节肢动物害虫的参考数据集，整合了DNA条形码技术 Sameer Padhye、 Chris Ho、 Dirk Steinke以及 Paul D. N. Hebert

《Data》：CanPests V1.0: A Reference Dataset for Arthropod Pests of Canada Integrating DNA Barcodes Sameer Padhye, Chris Ho, Dirk Steinke and Paul D. N. Hebert

加拿大农业与林业害虫物种数据库整合及分类学更新研究，涵盖1200余种害虫的全球分布、取食类型、寄主植物及DNA条形码信息，填补了统一数据库空白，为害虫监测与管理提供支持。

　　

摘要

节肢动物害虫对农业和林业构成了严重威胁。加拿大也不例外，记录在案的害虫种类超过1200种。虽然一个统一的数据集将有助于研究、管理和政策制定，但关于这些物种的信息从未被汇编成一个完整的数据库。本出版物整合了现有的信息，创建了一个关于加拿大农业森林害虫的数据库，并根据“生命目录”（Catalog of Life）和GBIF更新了这些记录的分类学信息。每个物种的记录包括：（1）它们的全球分布情况；（2）成虫和幼虫阶段的取食习性（如有的话）；（3）寄主植物信息（如有的话）；（4）用于从生命条形码数据系统（Barcode of Life Data Systems）获取DNA条形码的标识符（如有的话）。

数据集： https://doi.org/10.5281/zenodo.15684684 数据集许可证： CC BY 4.0

1. 概述

全球已知约有9000种节肢动物会损害农作物；它们通过直接破坏作物和传播疾病造成巨大的损失[1,2,3,4,5,6]。总体而言，这些害虫使全球农作物产量减少了18-26%，每年造成的损失高达4700亿美元[7]。严重的虫害爆发还会阻碍树木的生长和存活[3,8]。尽管许多害虫是本地物种，但入侵性节肢动物带来了额外的挑战[9]。人类活动促进了这些非本地害虫的扩散[4,6,10,11,12]，或者迫使本地物种成为害虫[13]。 在加拿大，已知的昆虫害虫种类超过1200种[10,13], 但估计实际总数可能超过2000种[10]。典型的例子包括翡翠灰螟（Agrilus planipennis (Fairmaire, 1888)、Lygus lineolaris (Palisot de Beauvois, 1818) 和 Lygus keltoni (Schwartz & Foottit, 1998)，这些害虫对森林和农作物造成了严重破坏[5,6,11,14]。除了全球引入和入侵物种登记册（GRIIS）[16]中的条目外，还有一些针对害虫和可能在我国建立持久种群的物种的清单[10,12,15]。然而，这些清单缺乏取食习性[17,18]和寄主植物等特征信息，而这些信息有助于评估它们的相互作用并设计潜在的害虫管理策略[17,18,19,20,21。 尽管许多害虫种类已被记录在案，但由于分类学专家稀缺且某些生命阶段的鉴定钥匙缺失，形态学鉴定往往很困难。DNA条形码[22]已被证明是解决分类学不确定性的有效方法，提供了一种更快、更经济高效的方式来评估陆地生物多样性[23,24,25,26]。然而，其使用需要全面的DNA条形码参考库。尽管DNA条形码在高效和经济可行的害虫监测中非常有用，但其应用范围仍有限[27。 本研究生成了一个包含加拿大节肢动物害虫种类（本地和非本地）以及受加拿大当局监管且与农业林业相关的害虫种类的综合数据集。它整合了各种数据来源，并为参考库添加了新的内容。具体来说，我们提供了关于（a）取食习性和寄主植物、（b）DNA条形码以及（c）每个物种在国家和大陆范围内的详细分布的新信息。

2. 数据描述

CanPests数据集包含三个TSV文件，其中包含了所有基于文本的字段、一个.doc文件以及一个R脚本，用于从重要参考文献中提取和转换数据（有关字段定义，请参阅补充数据）。表S1（14列）提供了带有分类学分类、取食习性信息（成虫和幼虫阶段）、寄主植物信息及其“全球生物多样性信息设施”（GBIF）和“生命目录”（COL）ID的物种列表。表S2（5列）包括了所有具有相关信息的物种的国家和地区地理覆盖范围。表S3和S4提供了用于获取数据的重要参考文献。TSV文件可以使用任何电子表格软件、商业智能工具或集成开发环境（IDE）轻松打开。 该数据集包含来自450个属的679个物种，属于10个不同的节肢动物目。根据物种丰富度，半翅目（Hemiptera）、鳞翅目（Lepidoptera）和鞘翅目（Coleoptera）是最大的三个目（图1）。鞘翅目的象甲科（Curculionidae，n = 89种）和半翅目的蚜虫科（Aphididae）贡献了最多的物种数量（n = 114种）。485个物种（71%）的成虫取食习性信息是可用的（图2）。145个物种（21%）的寄主植物信息是可用的，而594个物种（794个BIN，约88%）的DNA条形码也是可用的（截至2025年10月8日）。429个物种（501个BIN，约63%）的BOLD记录来自加拿大（图3），而160个物种的记录来自其他国家。总共有85个物种分布在六个大陆上，五个物种分布在七个大陆上（Pieris rapae (Linnaeus, 1758)、Plutella xylostella (Linnaeus, 1758)、Agrotis ipsilon (Hufnagel, 1766)、Tetranychus urticae (C. L. Koch, 1836) 和 Acyrthosiphon pisum (Harris, 1776)）。有13个物种分布在100多个国家，而三个物种（Vanessa cardui (Linnaeus, 1758)、Aphis gossypii (Glover, 1877)、Aphis craccivora (C.L.Koch, 1854)）分布在150多个国家。

图1. CanPests数据集中10个节肢动物目的害虫物种数量。

图2. 不同取食习性的物种数量（成虫）。

图3. 显示了来自加拿大的已条形码记录的害虫物种的采集地点（数据点截至2025年10月1日）。

3. 方法

与加拿大“害虫”物种相关的已发布数据集和研究文章是从Google Scholar或政府网站下载的。我们还通过GBIF查询了与这些搜索词相关的数据集。我们使用了R包‘tabulapdf’[28]从PDF文件中提取表格。一些资源的物种名称也是手动添加到列表中的。数据集使用自定义的R脚本（通过Zenodo提供）进行了协调，这些脚本使用了‘dplyr’和‘tidyr’包[29,30]。常见的操作包括添加/删除列、去除尾随空格、调整文本的大小写、处理物种名称不一致的情况（如sp. vs. sp1/2/3等），以及添加/更新分类列中的相关术语（取食习性、国家代码），然后使用‘get_sp_ids’和‘get_sp_names’函数将物种分类与“生命目录”（COL）和全球生物多样性信息设施（GBIF）对齐[31（特别是在生命目录无法提供名称时使用‘rgbif’包的‘name_backbone_checklist’函数[32）。我们还在数据中添加了‘GBIF usage key’和‘COL id’，以区分从这两个资源获得的信息。 在‘species_information’数据集的‘species’列中替换了更新后的名称，而在同一数据集的‘original_ref_name’列中保留了原始参考文献中的名称。请注意，COL id并不是一个详尽的列表，因为它使用了该包内部创建的数据库。随着包数据库的更新，这个列表也会相应更新[31]。取食习性信息最初来自[12，并通过整合来自各种来源的成虫和幼虫取食习性信息进行了扩展（数据集中提供了参考文献）。寄主植物信息来自[33和其他已发表的文献（数据集中提供了参考文献）。这些信息目前尚不全面，但数据将定期更新。名称根据所使用的资源可以是学名或通用名。关于这些害虫物种的公开信息被汇编成数据集（DSCANPESTS），来自生命条形码数据系统（BOLD）数据仓库。它包含了每个记录的基于DNA序列的信息以及元数据，如分类学信息和条形码识别号（BIN）、地理信息等[34,35,36]。我们首先搜索并选择了所有在加拿大存在的这些物种的记录，然后将搜索范围扩展到北美和其他尚未在加拿大报告的物种。此外，最终数据集中只保留了（a）碱基对数量达到500个或更多的记录，以及（b）没有标记（终止密码子、插入/缺失等）的记录。该数据集可以通过BOLD门户[37或‘BOLDconnectR’包[38]下载。为了获取每个物种的全球分布数据，我们首先使用了Waller和Grosjean的R脚本[39，特别是‘occ_download’函数，从全球生物多样性信息设施（GBIF）下载了非常大的数据集（GBIF数据集的完整参考文献分别位于Zenodo的‘additional_references’文档中的参考文献13和14）。然后使用‘vroom’包[40将数据导入R中，该包可以高效处理大型数据。接着使用‘duckdb’包[41将数据转换为内存数据库（DuckDB），以便于后续的数据处理。通过使用‘geodata’包[42的‘country_codes’函数添加了大陆数据，然后使用‘country_codes’列将数据集与主数据集合并。最后，对每个物种的数据进行了总结，以获取其国家和地区分布情况。 一些参考数据集[43,44]中包含了一些目前尚未在加拿大报道但为防止虫害而受到监管的物种。我们在列表中保留了这些物种，以确保DNA条形码信息可以在监管环境中使用。

补充材料

以下支持信息可以在以下链接下载：https://www.mdpi.com/article/10.3390/data11030060/s1