夜蛾科昆虫多样性评估中的物种界定研究

Biodiversity is the foundation of maintaining biosphere and the global ecological system. Molecular techniques have played important role in species diversity studies. However, some limitations still exist in the current species delineation algorithms. Further studies on species delineation are required. In this study, we'll investigate species delineation and species diversity of the lepidopteran family Noctuidae, using machine learning combined with the genetic algorithm. Furthermore, we attempt to examine accuracy and stability of new method proposed using both theoretical simulations and empirical studies. We will further investigate the effects of effective population size, population evolution rate, sample size, number of species, on species delimitation. Our new method may contribute to current algorithms on species delineation, and improve the efficiency of species diversity evaluation and real-time biodiversity monitoring.

生物多样性是维持生物圈及全球各类生态系统的基础。分子技术的兴起已在多样性研究方面颇有建树，但对于物种多样性评估的关键问题之一—如何“直接基于分子信息有效界定物种”仍需进一步深入研究，现行的算法各自都存在一定的局限性。本项目以物种丰富度较高的夜蛾科为材料，利用机器学习处理复杂系统的能力，结合遗传算法，尝试开发新的物种界定方法。同时，通过理论模拟与实验研究相结合，测试并确立新方法的准确性与稳定性。阐明有效种群大小、种群进化速率、取样大小、物种数目等因素对物种界定效力的影响。研究成果一方面可以丰富物种界定算法理论，另一方面还可提高物种多样性评估效率，为建立昆虫多样性评估、实时监测系统奠定基础。

分子技术的兴起已在多样性研究方面颇有建树，但对于物种多样性评估的关键问题之一—如何“直接基于分子信息有效界定物种”仍需进一步深入研究，项目在前期研究的基础上，将自组织特征映射（Self-organising feature map,SOFM）神经网络运用到基于DNA序列的物种界定研究中，初步构建了基于机器学习的物种界定新方法，丰富了物种界定算法理论；建立了包括夜蛾类害虫在内的鳞翅目昆虫DNA条码数据库1套，产生DNA条形码2200余条，对于我国农林生态系统的鳞翅目害虫的防控识别具有重要的意义及应用价值；提出单基因、多基因相结合的两步骤物种界定整合方案，在快速评估昆虫生物多样性的同时能够有效地界定物种，并能在不影响整个研究进度和不大幅增加实验成本的前提下准确阐明分类困难类群的物种边界，为生产实践中提高物种多样性评估效率、实时监测系统奠定理论与应用基础。