貝氏演算法建構親緣關係，以及其對於昆蟲分類的影響

Source:Ronquist F & Deans AR (2010) Bayesian Phylogenetics and its influence on insect systematics. Annu. Rev. Entomol. 55: 189-206. [abstract]

[簡介]

貝氏演算法(Bayesian inference, BI)是一種基於馬可尼可夫鏈以及條件機率的演算法，自1990年代中期開始應用在親緣關係的建構上，特別是以分子資料為基礎資料矩陣；其優點在於相較於其他的演算法，貝氏演算法能夠以更快的速度建構出親緣關係。本篇回顧性的文章評估自1990年開始使用貝氏演算法後，對於昆蟲系統分類的影響，以及不同的模型與參數對於不同昆蟲分類群的應用與適用度。

巢狀分子變方分析的取樣數與效能

文章來源：Fitzpatrick BM. 2009. Power and sample size for nested analysis of molecular variance. Molecular Ecology 18(19): [全文下載]

分子變方分析（AMOVA）是個在量化不同階層的族群結構對於遺傳變異的貢獻程度時被廣為使用的工具，利用排列測試的運算方式去檢定是否接受或拒絕沒有族群結構的虛無假說。若資料分為若干組，每組內各有數個族群時，每組內的族群數愈少，組間的族群結構會因為組內可取樣供排列測試的族群數過少，而難以偵測得到。事實上，當總族群數少於6群，分析較高階族群結構時排列測試的P值絕不會小於0.05，作者於文中還提供了一套可估算在不同樣本數時最小P值的多項式係數與R指令。一個擁有大量個體數的樣本在階層式結構的分析是不具意義的，偵測組間差異的效能決定於各組內的族群數，因此研究者取應適當取樣。

Abstract
Analysis of molecular variance (AMOVA) is a widely used tool for quantifying the contribution of various levels of population structure to patterns of genetic variation. Implementations of AMOVA use permutation tests to evaluate null hypotheses of no population structure within groups and between groups. With few populations per group, between-group structure might be impossible to detect because only a few permutations of the sampled populations are possible. In fact, with fewer than six total populations, permutation tests will never result in P-values < 0.05 for higher-level population structure. I present minimum numbers of replicates calculated from multinomial coefficients and an R script that can be used to evaluate the minimum P-value for any sampling scheme. While it might seem counterintuitive that a large sample of individuals is uninformative about hierarchical structure, the power to detect between-group differences depends on the number of populations per group and investigators should sample appropriately.

相關連結 R project: http://www.r-project.org

在現代系統發生學研究中，分子資料是否取代了形態資料？

文獻來源：Bybee SM, Zaspel JM, Beucke KA, Scott CH, Smith BW, & Branham MA. 2009. Are molecular data supplanting morphological data in modern phylogenetic studies? Systematic Entomology. 34(4): . [全文下載]

系統發生學長久以來一直以形態特徵為主要的資料來源，直到聚合酶連鎖反應（polymerase chain reaction, PCR）以及分子技術的長足進展之後，DNA成了系統發生學主要的資料來源，結合形態與分子資料的研究也時有所見。此後關於形態資料在系統發生學研究的效 用如何一直爭議不斷，且不同分類群的專家之間看法也常有出入。本文作者群選擇七個以系統生物學（包含各分類群）與兩個以昆蟲系統發生為主軸的期刊，分析自 1992年至2007年間系統發生研究的文章，統計以形態資料、分子資料以及形態加分子資料的研究數量為何，試圖找出研究發展趨勢。結果過去15年包含各 分類群的文章共有1469篇，有73%使用分子資料，18%使用形態資料，9%使用形態加分子資料。分三大類來看，分子資料的使用以植物（77%）最多， 非節肢動物（73.1%）次之，昆蟲（66.8%）最少；形態資料的使用在昆蟲（19.9%）以及非節肢動物（19.1%）幾乎為植物（12.5%）的兩 倍；分子加形態資料的使用以昆蟲（13.3%）最多，接著是植物（12.5%），非節肢動物（7.8%）最少。在昆蟲系統發生的期刊中，有71.9%的研 究使用形態資料，21.5%使用分子資料，6.6%使用形態加分子資料。結果顯示雖然目前許多研究著重於分析大量的分子資料，形態資料仍常被使用，特別是 在昆蟲領域。作者認為在昆蟲研究中形態資料依然被廣為使用可能是因為昆蟲有大量且狀況良好的標本收藏，而且形態構造高度特化，物種多樣性極高再加上強調形 態特徵的分類傳統。作者最後呼籲所有分類學家仍應重視形態資料，否則我們可能將會失去鑑定與描述生物的能力。

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.

演化中的電子化分類學

Zauner H. 2009. Evolving e-taxonomy. BMC Evolutionary Biology 2009, 9:141 doi:10.1186/1471-2148-9-141

Biologist Discovers Pink-winged Moth In Chiracahua Mountains

ScienceDaily (June 12, 2009) — University of Arizona biologist Bruce Walsh has identified a new species of moth in southern Arizona. Normally, this is not a big deal. The region is one of the most biologically rich areas in the country and collectors have been finding hundreds of new species for decades. This one, however, is different.....[詳全文]

Bruce Walsh發表於ZooKeys之原文