从数值分类学到分类器建模:以Euterpnosia蝉属(半翅目:蝉科)为例的定量分类学工作流

《Insects》:From Numerical Taxonomy to Classifier Modeling: A Quantitative Taxonomic Workflow for Euterpnosia Cicadas (Hemiptera: Cicadidae)

【字体: 大 中 小 】 时间:2026年08月28日 来源:Insects 3.0

编辑推荐:

  数值分类学揭示形态学结构,而分类器建模针对带标签的参考假设检验鉴定能力。研究人员评估了70号台湾Euterpnosia Matsumura, 1917标本,代表5个操作参考类群,采用71个外部特征进行无监督分析,20个非破坏性特征进行监督建模。广泛特征保留与目

  
数值分类学揭示形态学结构,而分类器建模针对带标签的参考假设检验鉴定能力。研究人员评估了70号台湾Euterpnosia Matsumura, 1917标本,代表5个操作参考类群,采用71个外部特征进行无监督分析,20个非破坏性特征进行监督建模。广泛特征保留与目标特定选择相分离:分类学家可从文献或经验中预设候选集,而数据驱动选择保留在训练折内。在20×五折嵌套交叉验证中,特征筛选多项逻辑回归准确率为95.93%(平衡准确率94.71%);全特征模型达96.57%,表明当紧凑特征池已具信息量时选择不必强求简约。留一物种外(leave-one-species-out)检验对遗漏的E. chilanensis Chen, Hsieh, Chen, Chen & Chang, 2021、E. olivacea Kato, 1927和E. hoppo Matsumura, 1917的拒绝率分别为100%、100%和92.0%,而E. alpina Chen, 2005和E. varicolor Kato, 1926仅21.1%和35.0%。分类回归树(CART)选定X49、X20和X32三个特征给出简洁定量检索表初稿。该工作流可优先化候选诊断特征、支持鉴定、弃拒(abstention)与检索表构建,但不独立确立物种边界或命名结论。
研究背景方面,分类学提供生物多样性科学依赖的名称、鉴别特征和生物假设,但可靠鉴定能力日益超出分类专家供给,表现为专家减少、修订支持有限、馆藏获取不全及比较系列变异耗时。误鉴定会沿收藏与下游分析传播。定量方法的价值在于将专家实践中可重复环节形式化,同时区分形态学模式发现、标本鉴定、物种界定、系统发育推断与命名法。现代分类学含发现、界定、鉴别、描述与标本判定等相连任务,无分类器可替代全部。数值分类学(numerical taxonomy,即表型学phenetics)描述既定特征空间中的整体相似度,系统发育系统学处理历史关系与特征转化;稳定表型群既非单系也非自动等同物种,但可提供可重复描述假设、引导诊断特征搜寻并标记需进一步研究的标本。物种假设需经生物学与因果推理,结合形态、模式、鸣声、地理、生态与分子证据检验。台湾Euterpnosia蝉属物种鸣声可异而 preserv 外状近,且对模式与历史材料不宜破坏性检查,雄性取样偏多,但外部同源特征两性均可测,故成为检验定量工作流的严苛对象。
研究人员开展的研究是建立并验证一条面向分类学的序列工作流:先以广特征集无类标探索可重复形态分组及其在标本与特征扰动下的稳定性;再将操作组群对照具名参考材料解释;继而从可测特征定义实用候选池(专家可预设),在训练数据内以多类与一对多模型筛选特征、选留数目与调参而不泄露折外观测;随后以弃拒与留一物种外检验识别无支持指派与不完全库失败;将具分类与载名材料投影评估相似性;最后用分类回归树做分支特定特征与阈值选择,生成可人工读定的定量检索表初稿。论文发表于《Insects》。
主要关键技术方法如下:标本与图像源自台湾与中国大陆机构(NMNS、TFRI、NTU)及日本SEHU,活体短暂捕获摄影后释放,针插与模式材料非破坏拍照;70号成虫构成开发集,5个操作参考类群,71同源解剖地标导出距离或比值特征,20个无须展翅特征(17无量纲比值+3绝对距离X20、X33、X49)入监督池;无监督用标准化欧氏与Gower距离、UPGMA/PAM/热图及80%标本×80%特征200次扰动调稳;监督用R 4.3.3下nnet多项logistic(weight decay)、LDA、RDA、近质心、tuned k-NN与rpart CART,20重复分层五折外层套四折内层选特征数{6,10,16,20}与衰减{0.01,0.1,1},特征由类间F统计在折内排序;校准用Brier与ECE,选择性分类用双模型一致阈值t=0.60弃拒,开放集用正则化马氏距离对开发集LOO 95分位截断,留一物种外以20重复五折重训并计算均值新颖分数。
研究结果部分,各小节结论浓缩如下。数据审计小节:70号矩阵无缺失无重复,类群规模11/9/15/25/10,X35与X71近完全倒相关,采用未舍入值。样本外分类小节:PAM的k=5平均轮廓宽0.274最高,200次扰动调整Rand中位数1.000(2.5%分位0.910),表型五组结构稳;嵌套交叉验证中特征筛选多项模型准确率95.93%(平衡94.71%),全20特征多项模型96.57%(平衡95.41%),RDA 95.79%/94.24%;筛选未优于全特征,说明预设20特征池已紧凑信息丰富;误差集中于E. alpina?E. varicolor与E. hoppo?E. chilanensis。选择性分类小节:t=0.50接受率90.71%条件准确率97.87%,t=0.60接受82.00%条件98.61%,保守阈值换覆盖换可靠。概率校准小节:特征筛选多项多类Brier 0.100、一对多均Brier 0.031、10箱ECE 0.098,低置信区稀,RDA内部校准更优但小样本不可作普适后验。留一物种外开放集小节:E. chilanensis/E. olivacea/E. hoppo拒绝100%/100%/92.0%,E. alpina/E. varicolor仅21.1%/35.0%,AUPRC分别0.794/0.938/0.709/0.274/0.453,证明库外可拒否取决于形态空间分离度。重要材料投影小节:55号投影集中16号满足一致+距离,20号因不一致拒,19号超距拒,属探索相似评估非独立开放集验证。定量筛选树小节:CART嵌套调优准确率80.57%平衡76.61%,终树仅取X49、X20、X32三特征成五叶初稿,以精度换透明分支序列,X49为腹部绝对距或含成虫体型信息。
讨论部分总结:工作流贡献在连接相继分类任务而非追最高精度,无监督摘要结构、扰动问稳、监督测可诊断性、遗漏验库全、树转可检检索表,且吃定义解剖变量而非原始像素使专家可并用自动计算与传统特征。特征选择是通传统分类桥梁,广矩阵留无监督、专家预设池入监督、训练内筛选排秩,CART补分支异选;但统计选中仅示参考数据下候选诊断效用,生物义仍需专家。参考库重叠是关键失效模:高闭集精度可与漏物种弱保护并存,接受≠库全,拒≠新种,部署须挑近缘挑战分类单元。表型证据归整合迭代分类:稳定形态簇促描述/诊断假设但不自动赋物种阶元或示单系,界定须合模式、鸣声、地理、生态、分子与命名。自动定量检索表Draft可再生成、可测折外、可印可交互,但硬切近阈丢信息、无内禀未知机制、精度低于多变量模型,仍须专家审阈添定性征。框架非破坏可测、17/20为同源距比值故均匀放大消去标尺,活体/图像/标本皆可,技术上学两性可用,但本档无完整性别字段故雌体精度未估。投影不支同物异名,E. elongata模式与史识E. kotoshoensis材入参考类构建故其投影位部分重现供标。局限含70号不等雄主、七年采、无复测地标与阻断元数据故不证跨观察者/域迁移,比例仅特征已92.93%精度示无量纲相对形态信号足,绝对距补校正值不独依赖体型;存档自处理矩阵可计算重现(R 4.3.3 Win11 exit 0,38文件SHA-256验),原照与地标坐标不存故完整重建需再触馆藏。
结论节翻译:本研究复原数值分类学与实用鉴定间全连接:无监督形态学发现并检验操作组群稳定性;分类器建模选验诊断特征并分类新测值;弃拒与遗漏检验暴露无支持指派;重要材料投影供专家释;CART速生可审定量检索表初稿。另一贡献是广特征发现与目标特定选择显式分离——分类学家可据文献经验可及性与保存约束预设候选,训练内算法评留集与组合不漏折外。所得排秩与子集服分类器建模与传统鉴别/检索表。在现Euterpnosia参考域内外部形态支高样本外精度,然嵌套特征筛选未胜已紧凑20特征集。最强结果反是失效模:遗漏种仅当与表征形态空间分离时被拒。可选扩展中以medoid形态代表性测度辅(非定)未来模式候选选。验证原则概念可迁,地标/阈/参考系/生物结论须逐分类重建。现实现多预测量为无量纲比值故工作流主行于无标尺相对形态;校定图可补绝对距。雌体性能未测。跨观察者地标复现与跨采集域迁移待前瞻验因史据无复测与阻断元。存档自处理测值重现全部统计,原图与地标不可得而馆 voucher 存独立重测之途。模型输出支对可用参考之鉴定,但物种界定、模式指定与命名仍属专家与整合分类决策。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号