详细内容或原文请订阅后点击阅览
[鱼类学 • 2025] Allohistium anas • 温带水生生物多样性热点物种的基因组和表型界定
Allohistium anas Near 和 MacGuigan，in MacGuigan、Taylor、Ghezelayagh、Wood、Simmons、Mollish 等，2025 年。Cinder Darter || DOI：doi.org/10.1093/sysbio/syaf083 摘要过去 250 年来，生物学家一直依靠形态特征来识别、定义和正式描述物种。系统发育物种概念的出现和分子数据的引入催生了适用于广泛的真核谱系的新物种定界方法。然而，这些方法严重强调基因组数据，往往忽视表型特征。我们提出并实施了一种物种界定方法，该方法利用 ddRAD-seq 的全基因组标记和分枝形态特征，这些特征长期以来一直用于识别和界定鱼类物种。我们的方法采用无监督机器学习来分析形态数据，无需先验物种分配，从而允许表型模式独立于基于基因组的物种界定而出现。我们将基因组和表型相结合的方法应用于北美东南部的淡水系统，这是一个生物多样性热点地区，由于对物种多样性的了解不完整，保护工作受到阻碍。我们的调查重点是蛇鲈分支 Allohistium，这是一个受威胁的谱系，由两个描述的物种组成。通过系统发育、群体遗传和表型模型比较，我们提供了支持 Allohistium 第三种物种的划分的证据，wh
来源:Novataxa | 物种新发现在MacGuigan、Taylor、Ghezelayagh、Wood、Simmons、MollishetNear，2025 年。
摘要
过去 250 年来，生物学家一直依靠形态特征来识别、定义和正式描述物种。系统发育物种概念的出现和分子数据的引入催生了适用于广泛的真核谱系的新物种定界方法。然而，这些方法严重强调基因组数据，往往忽视表型特征。我们提出并实施了一种物种界定方法，该方法利用 ddRAD-seq 的全基因组标记和分枝形态特征，这些特征长期以来一直用于识别和界定鱼类物种。我们的方法采用无监督机器学习来分析形态数据，无需先验物种分配，从而允许表型模式独立于基于基因组的物种界定而出现。我们将基因组和表型相结合的方法应用于北美东南部的淡水系统，这是一个生物多样性热点地区，由于对物种多样性的了解不完整，保护工作受到阻碍。我们的调查重点是蛇鲈分支 Allohistium，这是一个受威胁的谱系，由两个描述的物种组成。通过系统发育、群体遗传和表型模型比较，我们提供了支持我们正式描述的第三种 Allohistium 的划界的证据。我们的方法展示了无监督机器学习如何揭示神秘的形态多样性，否则这些多样性可能会被分类学先入之见所掩盖。这项研究表明，使用不同的证据进行模型测试可以得出更全面、数据驱动的物种多样性假设。
Darters、ddRAD-seq、方法、北美、表型、物种界定
Allohistium anas Near 和 MacGuigan 新种
煤渣飞镖
syaf083。 DOI：
[2025 年 11 月 27 日]