物种界定中可重复性面临的挑战

《Systematic Biology》：Challenges for reproducibility in species delimitation

　　

摘要

物种丰富度是生态学、进化生物学和保护生物学中用于比较类群和区域之间生物多样性的基础指标。随着生物多样性危机加剧，分类学家面临越来越大的压力，需要快速划定并命名物种，通常依赖自动或半自动方法，而这些方法往往优先考虑速度而非彻底性。然而，物种划分的可重复性（即在相同证据下独立专家得出一致结论的程度）在很大程度上仍未被量化，其对物种丰富度估计的影响从未在整个动物群层面进行评估。这一空白后果严重：如果物种划分在不同从业者之间存在很大差异，那么已发表的物种计数可能更多地反映了个别分类学家的个人习惯，而非类群内部及类群之间真实的生物多样性结构。在此，我们评估了新热带界淡水鱼类——物种最丰富的陆生脊椎动物组合——的物种划分精确度，即可重复性。我们向40名分类学专家（每个属10名）提供了代表四个属的物种的相同形态学和分子数据集，要求他们使用以下两种方式划分物种：（1）各自偏好的分析方法；（2）标准化的分析结果。物种划分的总变异被分解为归因于数据分析和结果解释的变异。总不一致率很高（35.0%），尽管分析方法标准化降低了不一致率，但由于解释差异，仍有大量变异（23.5%）存在。与最常见物种估计的偏差不能被评估的七项专家属性中的任何一项所解释，包括分类经验、发表记录、地理位置、分类概念或分析方法。这些结果表明，即使使用相同数据的经验丰富的分类学家，物种划分也可能存在相当大的主观性。提高物种划分的精确度需要整个分类工作流程的协调推进，包括数据采集和分析的更大程度标准化，以及更清晰的解释框架，明确界定承认物种界限所需的证据阈值。社区范围内采用透明的报告标准——类似于基因组学和临床研究领域所制定的标准——将有助于揭示解释分歧的来源，并促进物种概念在不同类群和研究小组之间更一致的应用。开发基准数据集和共享参考分类系统，以对新划分类假设进行评估，代表了系统学社区在近期内可以实现的切实目标。然而，归根结底，可重复的分类学不能仅通过程序标准化来实现。高质量的修订性分类学必须建立在经验丰富的特征评估和同源性判断、概念界定和情境分析判断之上，这些技能需要通过多年沉浸式参与自然历史馆藏、原始文献和实地工作来培养。因此，经典系统学培训机会的减少不仅对分类学生产力构成直接威胁，也对分类学一致性构成威胁。持续投资于受过良好训练的系统学家群体——由机构、馆藏和资助机构支持——仍然是实现一致且准确的物种划分最可靠的基础。我们的结果强调了生态学家、保护规划者和宏进化研究人员广泛使用的生物多样性指标对从业者变异高度敏感，而这一变异此前从未被量化过，解决这一变异既需要方法学改革，也需要对系统学专长的持续承诺。