Skaitmeninės taksonomijos įtaka šiuolaikinei klasifikacijai
Nepavykus sukurti griežtai filogenetinę augalų klasifikaciją ir ateityje nesitikint tokią sukurti, daugelis botanikų ėmė galvoti, kad reikėtų argumentuotai pagrįsti fenetinę klasifikaciją.
Šis požiūris sutapo su nepriklausomu SKAITMENINĖS TAKSONOMIJOS (ar TAKSOMETRIJOS, TAKSIMETRIKOS, FENETIKOS) metodų pristatymu. Pirmą kartą juos pritaikė Peteris Snytas (Sneath), Čarlzas Mičeneris (Michener) ir Robertas Sokalis (Sokal) bakterijoms ir bitėms. Toks sutapimas padėjo įsitvirtinti skaitmeninei taksonomijai, daugeliu požiūrių atitinkančiai fenetinę klasifikaciją. Vis tiktai skaitmeninė taksonomija nesukuria naujų duomenų ir nėra nauja klasifikacijos sistema, net nenaujų principų rinkinys, o daugiau naujas metodas, kaupiantis duomenis ir pateikiantis juos klasifikacijos arba kita forma.
Nepriklausomi P. Snyto ir R. Sokalio tyrimai paskatino juos bendradarbiauti ir parašyti vadovėlį “Skaitmeninės taksonomijos pagrindai” (Principles of Numerical Taxonomy), kuris po dešimt metų buvo perrašytas ir pavadintas “Skaitmeninė taksonomija” (Numerical Taxonomy). Ši knyga – kruopšti priemonė, aiškinanti ne tik metodus ir rezultatus, bet ir teorijos pagrindą, tikslus bei principus. Pateikiami septyni pagrindiniai principai:
1. kuo platesnė taksono informacija, kuo daugiau požymių pagrįstas taksonas, tuo tobulesnė klasifikacija;
2. kuriant natūralų taksoną, iš anksto kiekvienas požymis yra lygiavertis;
3. bendras dviejų visumų panašumas – jų daugelio individualių kiekvieno iš palyginamų požymių panašumų funkcija;
4. aiškius taksonus galima atpažinti tada, kai organizmų grupėse skiriasi požymių koreliacija;
5. filogenetines išvadas galima padaryti pagal taksonominės grupės sandaros, požymio koreliacijas, tam tikras konkrečias prielaidas apie evoliucijos kelius ir mechanizmus;
6. taksonomija apžvelgiama ir naudojama, kaip empirinis mokslas;
7. klasifikacijos grindžiamos fenetiniu panašumu.
Šie septyni principai – P. Snyto ir R. Sokalio skaitmeninės taksonomijos kaip dalyko esmė. Dabar tie patys tikslai ir metodai pritaikomi visoms augalų, grybų, gyvūnų ir mikroorganizmų grupėms.
Skaitmeninė taksonomija siekia pagrįsti klasifikacijas didžiuliu daugelio požymių (organų, tyrimo metodų, medžiagų grupių ir kitų) rinkinių skaičiumi. Taip siekiama sukurti pranašiausią fenetinę klasifikaciją. Pagal P. Snyto ir R. Sokalio pasiūlytus principus visi naudojami požymiai laikomi lygiaverčiais arba neįvertinami. Toks požymių lygiavertiškumas irgi sukelia problemų: vien požymių pasirinkimas yra savotiškas įvertinimas. Žymiai naudingesni vėlesnėse procedūrose objektyvūs požymių įvertinimo metodai. Jei keletas požymių įgautų didesnę ar mažesnę vertę, pastarieji būtų šalinami, nes apskritai naudojamas didelis požymių skaičius. Įvertinimo metodai taip pat sprendžia tokius svarbius klausimus, ar du panašūs taksonai tikrai artimai susiję, ar yra konvergencija arba paralelizmas. Tokiu būdu įvairių požymių visumos naudojimas apsaugo nuo kelių aiškių problemų pervertinimo.
Daug diskutuota, koks reikalingas požymių skaičius, norint gauti trokštamą rezultatą. Absoliutaus atsakymo negauta. Plačiai pripažinta, kad 60 požymių rinkinys yra minimumas, o pageidaujama virš 100 požymių, nes toks požymių skaičius lemia rezultatų patikimumą.
Lieka išsiaiškinti, kas sudaro požymį. Iš tikrųjų vertingiausias skaitmeninės taksonomijos aspektas – tikslus daugelio terminų aptarimas. Požymiu galima laikyti vainiklapio formą. Tačiau patyrinėjus, aišku, kad forma yra kelių skirtingų kintamųjų – ilgio, pločio, viršūninio smailėjimo, pamato išpjovos – suma. Šie kintamieji yra atskiri požymiai ir tokiu būdu lengva sudaryti 100 ir daugiau požymių konkrečiam augalui.
Skaičiuojant požymius, svarbu, kad būtų lyginami tik HOMOLOGINIAI POŽYMIAI. Žinoma daug apgaulingų požymių: plukės (Anemone) ir vėdryno (Ranunculus) vainiklapiai nėra homologiški – jie homologiški vėdryno taurėlapiams, o tikrieji plukės vainiklapiai nunykę. Tas pats su žemuogės (Fragaria), avietės (Rubus), slyvos (Prunus) vaisiais. Homologija paprastai apibrėžiama pagal bendrą evoliucijos kilmę, kuri teoriškai turi būti neginčijama. Iš tikrųjų taip nėra, nes trūksta evoliucijos duomenų. Taigi galima tik spėti homologijas, kiek įmanoma detalizuojant nagrinėjamų struktūrų tyrimą. Deja, dažniau problema ignoruojama.
Skaitmeninės taksonomijos vienetas – operacinis taksonominis vienetas (OTV) – suteikiamas žemiausiam tiriamam taksonui. Klasifikuojami OT vienetai gali būti šeimos, rūšys, populiacijos, individai ar bet kokia kita taksonominė grupė. Kiekvienas OTV pažymimas, kiekvienas OTV turi požymių rinkinį. Kiekvienam požymiui suteikiamas vienokia, ar kitokia požymio būsena (atributas). Pažymėjus požymio būsenas, gaunama pirminė duomenų matrica, kurią sudaro OTV (t) ´ požymių (n). Jei klasifikuojama 30 OTV ir naudojama 100 požymių, tai duomenų matricą sudarys 3000 požymių būsenų. Tokiai duomenų apimčiai būtinas kompiuteris.
Naudojant kompiuterį, užkoduojamos požymio būsenos. Paprasčiausias kodavimas yra DVIEJŲ TEIGINIŲ arba BINARINĖ sistema, pvz., “+” ir “-” arba 0 ir 1, kur kiekvieno požymio gali būti dvi būsenos. Galima koduoti plaukuotus lapus arba plikus lapus, spalvotus arba baltus vainiklapius ir taip toliau.
Gali būti DAUGELIO Būsenų KOKYBINIAI (vainiklapiai balti, geltoni, raudoni, violetiniai) arba KIEKYBINIAI (gauruotumas matuojamas plaukelių skaičiumi ploto vienete) požymiai. Kadangi dauguma taksometrinių procedūrų reikalauja naudoti vien binarinius požymius, įprasta kiekybinius požymius paversti pastaraisiais. Tai nesunku, bet daugeliu atvejų labai subjektyvu. Pvz., lapo ilgis gali būti užrašomas lapai ilgi – lapai trumpi, bet asmuo turi nuspręsti šių dviejų būsenų (atributų) skaitmeninę seriją.
Galimos ir kitos problemos. Trisdešimties OT vienetų grupėje galima žymėti vainiklapius baltus – vainiklapius raudonus. O jeigu vienas OTV neturi vainiklapių? Lengviausia požymį praleisti, bet tai gali būti nepageidautina. Kitais atvejais požymio būsena gali kaitaliotis OT vienete. Jei OTV – rūšis, keli individai gali turėti raudonus, o kiti baltus vainiklapius. Galima naudoti vidurkio skaičius, bet reikia parodyti aiškius skirtumus tarp kintamumo eilių kiekviename OT vienete t. y. vainiklapiai raudoni – vainiklapiai balti – vainiklapiai rožiniai.
Nepaisant minėtų sunkumų, paprastai įmanoma sukonstruoti priimtiną dviejų būsenų duomenų matricą kompiuterinei programai. Įvairių programų pagalba OTV grupės surūšiuojamos pagal jų bendrą panašumą. Toks procesas vadinamas KLASTERINE ANALIZE. Paprastai jis atliekamas ne tiesiogiai naudojant pirminę duomenų matricą, bet naudojant panašumo – skirtumo koeficientų lentelę, kurioje tarpusavyje lyginami įmanomi OTV (t) porų deriniai.
Rezultatai pateikiami fenetinių santykių hierarchine dendrograma (fenograma). Pasirenkamas algoritmas OT vienetų sujungimui, naudojant turimus panašumo-skirtumo koeficientus. Fenogramos kuriamos naudojantis grupavimu (clustering) (I) ir ordinacija (II). Šiai procedūrai visada naudojami kompiuteriai. Vengiant kompiuterio, galima naudoti ir perforuotų kortų metodą, tinkantį pradžiamoksliui.
Klasteriniai metodai (I) yra trijų tipų: vienintelės jungties (single linkage), pilnos jungties (complete linkage) ir vidurkio jungties (average linkage). Vidurkio jungties metodo tipai: aritmetinis vidurkis, kuris apskaičiuojamas pagal programas UPGMA ir WPGMA, ir centroidinis (apima neįvertintus ir įvertintus požymius).
Dažniausias ordinacijos (II) būdas naudoja grupės sandarosos sinchronišką optimizaciją t. y. grupės sandara apibrėžiama iš karto, bet ne OT vienetų lyginimo keliu. Tai principinė komponentų analizė (principal components analysis arba PCA), principinė koordinačių analizė (principal coordinate analysis), kanoninė variantų analizė (canonical variate analysis), kanoninė koreliacijos analizė (canonical correlation analysis), faktorinė analizė (factor analysis), nemetrinis daugiamatis kalibravimas (nonmetric multidimensial scaling).
Remiantis šiais metodais, rezultatai pateikiami tokia forma, kurią galima suvokti akimi, protu ir paversti klasifikacija. OT vienetų taksonomijos sandaros pateikimas gali būti vienmatis, dvimatis ar trimatis. Tam reikia santykių, išreikštų visais matais tarp visų požymių, santraukos. Reikalingas iškraipymo matas. Tai kofenetinės koreliacijos koeficientas. Jam pateikti kuriama nauja matrica, kur sujungimo vertės, gaunamos tiesiog iš fenogramos. Dviejų panašumo ar atstumo matricų palyginimo skaitmeninė vertė yra jų elementų porų koreliacijos koeficientas nurodantis elementų tarpusavio santykį. Paprastai vertės kinta nuo 0.1 iki 0.6. Kad sujungimo matrica būtų patikima fenogramai, koeficiento vertės turėtų būti didesnės, nei 0.85. Mažas kofenetinis koreliacijos koeficientas parodo iškraipymą. Fenograma nuo to nesuprastėja, nes duomenų nepatikimumas gali atsirasti dėl homologijos.
Puslapiai: 1 2