着力采用新技术发展分类学以应对未来挑战

Taxonomy must engage with new technologies and evolve to face future challenges

Michael C. Orr¹*, Rafael R. Ferrari¹, Alice C. Hughes², Jun Chen¹, John S. Ascher³, Yue-Hong Yan⁴, Paul H. Williams⁵, Xin Zhou⁶, Ming Bai¹, Andrey Rudoy¹, Feng Zhang⁷, Ke-Ping Ma⁸, Chao-Dong Zhu^1,9*

NEE接收稿（中文版）

Orr-2020 NEE-Taxonomy must evolve.pdf

尽管分类学对于发现、描述和鉴定跨学科的分析单位而言是生物学的基础¹ ，但通常认为其重要性正在降低² 。面对这种矛盾的下降局面，因为现在很少永久性的分类学岗位、很少资助分类学的经费，挑战也是来自方方面面，我们认为需要一个长期而可信的“分类复兴”策略³。

我们需要从模式标本的数字化和在线访问开始，优先考虑其原产国获取的标本⁴ ，并开展能力建设，以使发展中国家的分类学者能够尽最大可能开展工作并在全球范围内开展合作⁵ 。通过高分辨率成像技术、虚拟分类实验室（VTL）等措施，可以加快分类协作和提升在线产出率。由于这些设备可能比较昂贵，联盟应优先建立至少一个这样的中心国家，以协作发现鉴别特征、描述类群并撰写手稿。通过涉及培训和标本交换的互利合作伙伴关系，在全球范围内纳入多种证据的综合方法将变得可行。

有效整合这方面的证据需要一个单一而集中的数据存储系统（和GenBank、BOLD、GBIF等等独立系统不同），包括一个统一的物种名单⁶及其分类学史、相关的文献、原始和更新的形态描述、高质量图像、生活史数据、分子和形态信息用于溯祖或其它分析（如条形码⁷ ），甚至生态关联分析和经济评价。理想情况下需要政策支持，通过国际资助的研究机构或生物多样性、整合分类学联盟实现。这样的机构将鼓励增加初级数据生成的岗位并倡导更好数据使用，根据数据价值大小，而不是以论文作者顺序来度量学术贡献。

一旦全球范围内的物种数据可访问，数据提供者与其他研究人员存在无限的合作潜力。无限多维度的数据可以在真正的整合分类学框架内得到整合和评估。这将支持整合人工智能方法来引导物种界定分析，人们也在积极尝试用于物种鉴定^8 ，9 。这些算法可以用分辨得很好的类群进行训练，然后优化用于其它类群。

深度学习也可以通过比较已知物种，鉴定同一物种的两个新类型或新物种^9 ，10 。对于每一个已知物种，形态、生态、分布和基因组变异“空间”将被定义，超出这些边界的标本将由专家检视。这样将极大加速标本分选，同时也防止错误记录。这些综合物种定义可以由专家不断更新和完善。一旦适用，它们甚至可以应用于公众科学数据，以收集大量新记录，同时也鼓励公众参与并欣赏科学。保护也将受益：如累积分布信息，一经核实，将形成不断更新的而准确的生物多样性热点地区图，采取的方法将帮助弥补采样和描述不足的物种丰富地区，如最需要分类工作热带地区。

这些建议看似和现有思路存在较大差异，没有考虑分类学的人力因素，但这样的看法是错误的。分类学家必须在保持传统做法并提供宝贵知识的同时，与该领域同步现代化。这意味着要像分子方法和新成像技术一样，采用新技术进行物种发现、界定和鉴定。技术进步允许前所未有的分类方法，但现有方法必须更好地融入到更广阔的视野，以涵盖物种发现，可以访问已知物种丰富数据，拓展分析渠道，以满足有关生物多样性保护和生态系统保护管理等迫切的社会需求。

致谢

Michael Orr博士和朱朝东博士主要得到中国国家自然科学基金（31625024、41761144068、31772495）和中国科学院动物系统与进化重点实验室（Y229YX5105）的资助。其它的资助包括： 外国青年科学家NSFC 31850410464（Michael Orr）；中国科学院PIFI项目2018PB0003和2020PB0142（Michael Orr）、2020PB0130（Rafael Ferrari）、2018PB 0007（Andrey Rudoy]；NSFC 31961143002（白明）；NRF2017NRF-NSFC001-015（John Ascher）。

文献

1. Wilson, E. O. Taxonomy as a fundamental discipline. Philosophical Transactions of the Royal Society of London. Series B: Biological Sciences 359(1444), 739–739 (2004).

2. Pearson, D. L., Hamilton, A. L. & Erwin, T. L. Recovery plan for the endangered taxonomy profession. BioScience 61(1), 58–63 (2011). 

3. Luoma, J. R. Taxonomy, Lacking in Prestige, May Be Nearing a Renaissance. New York Timeshttps://www.nytimes.com/1991/12/10/science/taxonomy-lacking-in-prestige-may-be-nearing-a-renaissance.html (1991). 

4. Ferrari, R. R. Taxonomic revision of the species of Colletes Latreille, 1802 (Hymenoptera: Colletidae: Colletinae) found in Chile. Zootaxa 4364(1), 1–137 (2017).

5. Orr, M.C., Ascher, J. S., Bai, M. et al. Three questions: How can taxonomists survive and thrive worldwide? Megataxa 1(1), 19–27 (2020).

6. Garnett, S. T., Christidis, L., Conix, S. et al. Principles for creating a single authoritative list of the world’s species. PLoS Biology 18(7), e3000736 (2020).

7. Williams, P. H., Altanchimeg, D., Byvaltsev, A. et al. Widespread polytypic species or complexes of local species? Revising bumblebees of the subgenus Melanobombus world-wide (Hymenoptera, Apidae, Bombus). European Journal of Taxonomy 719, 1–120 (2020).

8. Ärje, J., Melvad, C., Jeppesen, M. R. et al. Automatic image-based identification and biomass estimation of invertebrates. Methods in Ecology and Evolution 11(8), 922–931 (2020).

9. Høye, T. T., Arje, J., Bjerge, K. et al. Deep learning and computer vision will transform entomology. bioRxivhttps://doi.org/10.1101/2020.07.03.187252 (2020).

10. Wheeler, Q. D. The New Taxonomy. (CRC Press, 2008).