《Ecosphere》:Beyond branch lengths: A fuzzy theory of evolutionary distinctiveness
编辑推荐:
面对加速的生物多样性丧失,保护策略需要有效的工具来识别高保护优先级的物种。在此背景下,进化独特性指数(ED),它量化了单个物种对给定组合总体系统发育多样性的独特贡献,发挥了关键作用。在本文中,研究人员提出了一种基于特异性概念的通用数学框架,特异性是一种源自模糊
面对加速的生物多样性丧失,保护策略需要有效的工具来识别高保护优先级的物种。在此背景下,进化独特性指数(ED),它量化了单个物种对给定组合总体系统发育多样性的独特贡献,发挥了关键作用。在本文中,研究人员提出了一种基于特异性概念的通用数学框架,特异性是一种源自模糊集理论的非概率不确定性。这一新视角允许ED扩展到其他形式的独特性,例如功能独特性,前提是物种间存在合适的成对(不)相似性矩阵。它还能够开发新的度量方法,捕捉ED指数未涵盖的物种独特性方面。研究人员的公式进一步将物种水平的独特性与传统的群落水平度量,如α和β多样性,联系起来。研究人员展示了β多样性,传统上用于衡量站点间的物种周转,如何被重新构建为采样站点的平均特异性。总体而言,将ED与模糊特异性联系起来为生物多样性测量和保护规划开辟了新方向。
在生物多样性加速丧失的背景下,保护策略需要有效的工具来识别高保护优先级的物种。进化独特性(ED)指数作为量化物种对系统发育多样性(PD)独特贡献的关键指标,已被广泛应用于保护优先序设定。然而,该指数缺乏统一的数学理论支撑,且局限于系统发育维度,无法直接扩展到功能独特性等其他形式,也未能与群落水平多样性指标(如α、β多样性)建立明确联系。为解决这些问题,研究人员在《Ecosphere》期刊上发表论文,提出基于模糊集理论中特异性概念的通用数学框架。该框架将ED重新解释为一种模糊特异性度量,不仅允许将其推广至基于任意物种间(不)相似性矩阵的功能独特性,还开发了新的参数化指数以捕捉不同进化时间尺度下的独特性,并建立了物种独特性与群落β多样性之间的直接联系,为生物多样性测量与保护规划开辟了新方向。
研究人员为开展研究主要采用了以下关键技术方法:基于模糊集理论中Yager(1982)提出的特异性概念,将物种间的系统发育相似性(s
ij)视为模糊隶属度,推导出ED与Yager特异性公式的等价关系;引入参数化指数
mD
i(Pavoine & Ricotta, 2021),通过调节参数m控制近期与古老进化历史对独特性度量的影响;利用广义均值(Hardy et al., 1952)构建参数化平均系统发育距离(
αAPD
i)和线性特异性指数(
αlD
i),以灵活调整对不同相似性水平物种的敏感度。此外,以奇蹄目(Perissodactyla)哺乳动物为样本队列,示例了指标的应用。
**Anchoring evolutionary distinctiveness in fuzzy set theory**
通过将ED与模糊集理论中的Yager特异性公式(Sp = ∫
01 (1/|A
α|) dα)等价转换,研究人员证明ED可表示为D
i = ∑
j=1N (s
ij - s
ij+1)(1/j),其中s
ij为物种i与j的标准化系统发育相似性(0≤s≤1),且s
ii=1。这一公式与ED原定义(∑
b∈Bi L
b/N
b)完全等价,但不再依赖系统发育树结构,因此可推广至任何基于物种间相似性矩阵的独特性度量,如功能独特性。同时,该公式揭示了ED的本质是模糊特异性,为后续扩展奠定了理论基础。
**Expanding the concept of ED**
研究人员将ED一般化为参数化指数
mD
i = ∑
j=1N-1 (s
ij - s
ij+1)((N
m-1 - j
m-1)/(N
m-1 - 1)),通过调节参数m从-∞到∞,可控制对近期分支(如m=-∞时等价于最近邻距离min d
ij)与古老分支(如m=∞时等价于树高1)的敏感度。其中m=0时得到标准化指数D
i*,m=2时得到平均系统发育距离(APD,即
2D
i = ∑
j=1N d
ij/(N-1))。此外,基于Yager线性特异性,得到lD
i = 1 - (1/(N-1))∑
j=2N s
ij,并进一步引入广义均值构建参数化版本
αAPD
i和
αlD
i,通过调节α值(如α=1时为算术平均,α=∞时为最大值)灵活聚焦于近亲或远亲物种。以奇蹄目为例,
αlD
i的排序结果在附录S2中展示。
在讨论部分,研究人员总结了将独特性与模糊不确定性联系的重大意义:不仅将保护生物学中使用的独特性度量锚定在严格的数学框架内,还提供了新的生态学研究工具。具体而言,该框架揭示了物种水平独特性与群落水平β多样性之间的内在联系:基于距离的β多样性(β
K = (1/(K(K-1)))∑
h≠k d
hk)可重构为采样站点平均特异性,即β
K = (1/K)∑
h=1K (∑
k=1K d
hk/(K-1)),其中(∑
k d
hk)/(K-1)正是站点h的模糊特异性(类似
2D
i)。这一发现将物种独特性与生态过程驱动的群落组成变异直接关联。研究结论部分翻译如下:总之,将独特性与模糊不确定性联系起来,不仅将生物多样性保护中使用的独特性度量锚定在严格的数学框架内,还为生态学家的工具箱提供了新的研究工具。