论文在线发表，引用信息如下：

      A Protocol for Species Delineation of Public DNA Databases, Applied to the Insecta.

      Douglas Chesters; Chao-Dong Zhu
      Systematic Biology 2014;
      doi: 10.1093/sysbio/syu038

论文全文下载：

相关数据：

http://datadryad.org/resource/doi:10.5061/dryad.k7t50

论文在线发表：

Abstract:

http://sysbio.oxfordjournals.org/cgi/content/abstract/syu038?ijkey=tS8O8zuszBKwUul&keytype=ref

PDF:

http://sysbio.oxfordjournals.org/cgi/reprint/syu038?ijkey=tS8O8zuszBKwUul&keytype=ref

     网站：

      phylolab.ioz.ac.cn

     软件链接：

      1、Automated taxonomic identification of Apoidea (bee) DNA sequences

       2、Multi-Gene DNA Barcoding for Arthropods (beta)

介绍

   大量DNA条形码数据为实现快速物种界定提供了可能性，也带来了两个问题：1）基于单个位点信息的物种界定是否可靠？2）依据公共数据库信息，实现物种界定的可靠性有多高？

   MEE论文（http://onlinelibrary.wiley.com/doi/10.1111/2041-210X.12104/abstract）解决了多基因物种界定的全局参数优化问题。我们在提交MEE论文的前一天，也向另外一个专业杂志，Systematic Biology 提交了另外一篇论文。该论文最早的想法：飞速发展的测序技术至今测定了多少物种？公共数据库中有多少具有物种水平分类学信息的序列？这些分类学信息是否真实反映了物种界限？在无法完成形态分类学验证的情况下，如何基于多基因片段的信息，为无标记序列提供并验证物种分类信息？

   为了实现上述想法，Douglas Chesters博士开发并测试了一套流程，把MEE论文的方法从蜜蜂总科进一步推广到昆虫纲，从少数几个基因片段推广到n个，以期获得更加普遍而可靠的结论。经过审稿人、编辑、副主编和主编的3轮密集审阅，我们收获了很多建设性的建议和想法，并规划了下一步工作。

公共DNA数据库中昆虫物种界定规程

公共DNA数据库中包含很多生物类群，为系统学研究提供了大量数据来源。目前，基于分子数据的物种鉴别和界定工作已经逐步开展。现代测序技术的飞速发展，带来了海量分子数据的同时，也导致很多研究人员无法为相关数据提供准确的分类学信息。这些分类信息不够完整的分子数据，阻碍了在物种一级水平上开展精细的数据挖掘。同时，基于较大数据库进行物种聚类研究，也需要整合多个基因片段，从而在数据结构和计算过程中产生了很多问题。

作者研发了一种在分子序列数据库中界定物种的方法：

1）       首先获取所有昆虫的DNA序列，并对它们进行文本加工；

2）       根据一定的规则过滤掉重复数据；

3）       划分遗传位点L；

4）       根据每个位点信息，界定物种S；

5）       物种单元与位点相匹配，形成一组多位点物种界定的数据矩阵L×S。

作者应用马尔科夫聚类的方法将数据库划分为同源基因片段数据集。基于包含大部分物种多样性的基因，完成物种鉴定，并同时对物种单元名字赋予物种名。在物种聚类过程中，两两相似之处计算的复杂性的主要来源于线粒体基因组中的COI位点。自主研发的软件解决了这个复杂的过程：在分类的体系内执行序列两两比对，且为不同阶元的序列标注分类信息。

该工作研究了GenBank中超过24个不同同源基因，194000个未带分类标签的序列，包含41 525个带分类标签的物种（98.7%从昆虫数据库中获得）。通过对每个位点的分层聚类，利用独立的最优参数，这些序列被分组到59173个基于单个位点的分子分类单元（MOTU）中。来自不同位点的MOTU，由多部匹配算法进行匹配。这样，位点之间形成不一致性最低的多位点单元。匹配后，我们发现了在目前的昆虫数据库中，存在78091个基于多位点信息的MOTU。其中，38 574个单元包含物种分类学信息，而34 891个则没有包含物种分类标签。

除了可以估算物种多样性，我们开发的规程还将促进现代序列数据集的物种界定。特别是L×S矩阵代表了后分类学思路，将可以解构种级元基因组数据。这些方法将可以在多个基因位点，甚至基因组水平提取大量数据，产生更多研究物种多样性的L×S矩阵，从而整合到后续的系统发育的流程。

上述研究成果，已经被Systematic Biology接收：

17-Jan-2013          Submitted            

18-Apr-2013          Reject; resubmission encouraged

08-Aug-2013         Resubmission

21-Nov-2013         Accept with major revisions

06-Jan-2014         Resubmission of R1

14-Apr-2014         Accept with minor revision

19-Apr-2014         Resubmission of R2

28-Apr-2014         Accept pending receipt of final changes

29-Apr-2014         Resubmission of R3

10-May-2014        Accept, Production Checklist

11-June-2014         Awaiting Assignment to Batch

15-June-2014        Published on-line