由自動特徵選取系統來加速生物多樣性物種的開拓, 兼論數位時代對分類學門的影響

ACCELERATING TAXONOMIC DISCOVERY THROUGH AUTOMATED CHARACTER EXTRACTION

文 獻出處: Salle, JL, Q Wheeler, P Jackway, S Winterton, D. Hobern & D. Lovell. 2009. Accelerating taxonomic discovery through automated character extraction. Zootaxa 2217: 43-55.

[Free PDF download]

簡介
由最近期全世界物種數的統計資料我們可以看到，由林奈氏出版「自然系統 (Systema Naturae)」以 來的250年間，約有一百八十萬種物種被發表，然而如此龐大的分類群數量卻只代表了地球中20%的成員。於此，對於急欲探討生物的多樣性、自然資源管理、 保育政策執行以及永續發展為終極目標的人來說，分類學家的地位較過去來說顯得更為重要且不可取代，然而，舊有且以形態描述進行發表新物種的傳統分類學方 法，卻被視為過於緩慢，甚至造成新物種發現發表的阻礙。

數位時代的來臨，正逐漸帶領分類學走向更寬廣的路，利用網際合作的平台，許多全球 生物資料庫(註)整 合了當今最新的分類資訊、分子序列資料以及珍貴的古今文獻數位典藏，這些資訊的便利與易獲得性，使分類學家能夠更有效率的進行全球性的 分類群檢討，並在新發表文章時，將模式與重要標本數位影像、分子序列、分類描述、分類檢索表與文獻資料等種種資訊上傳至各網路資料庫群，可說是對全球物種 數統計與新物種發表之資訊取得的革新，並助於型態與分子資訊的整合。

對於物種鑑定或是對生物觀察有興趣者或研究人員來說，電腦運算也提供 了肉眼辨識以外的可能性。以昆蟲鑑定來說，在取得一隻標本部分清晰的翅斑紋或翅脈結構的影像之後，利用數位影像後製(例如裁切、修色、去除背景雜訊)、電 腦運算與結合內建標本影像資料庫的搜尋，便有辦法篩選出與該標本有關的物種，以此達成物種的鑑定。

然而，相關研究人員目前對於電腦運算潛 力的期望並不僅於已知物種的鑑定，本文作者群倡議將來能夠發展出一套全自動或半自動特徵選取系統(automated character extraction system)，已達成對標本影像(包含平面影像、3D影像、立體造影、X光影像、核磁共振影像以及斷層掃描)的型態特徵選取，並執行同源性特徵的評估與 特徵矩陣化，進而應用特徵矩陣完成檢索表與分類描述的撰寫甚至進行親緣關係的重建。如此對於現今絕多數分類學家皆無法想像的可能性，作者群認為這樣的新思 維是結合數位時代所必然的趨勢。然而作者群的確也指出了自動特徵選取系統在每個微細步驟、電腦邏輯編寫以及人力培訓上的艱難處，也提出未來不同領域(例如 生物多樣性資訊、影像分析、軟體與搜尋引擎開發技術、語言學等)與專業技術人員整合。當然，也包含了資金的援助。

註: 全球生物多樣性資料庫相關網站:
• Encyclopedia of Life (EoL)
• Global Biodiversity Information Facility (GBIF)
• GenBank
• Atlas of Living Australia (ALA)
• Species 2000
• ITIS Catalogue of Life
• MorphBank
• ZooBank
• Biodiversity Heritage Library (BHL)

Abstract
This paper discusses the following key messages. Taxonomy is (and taxonomists are) more important than ever in times of global change. Taxonomic endeavour is not occurring fast enough: in 250 years since the creation of the Linnean Systema Naturae, only about 20% of Earth’s species have been named. We need fundamental changes to the taxonomic process and paradigm to increase taxonomic productivity by orders of magnitude. Currently, taxonomic productivity is limited principally by the rate at which we capture and manage morphological information to enable species discovery. Many recent (and welcomed) initiatives in managing and delivering biodiversity information and accelerating the taxonomic process do not address this bottleneck. Development of computational image analysis and feature extraction methods is a crucial missing capacity needed to enable taxonomists to overcome the taxonomic impediment in a meaningful time frame.