基于摇蚊科条形码数据的分子分类

基于分子数据进行物种界定的方法有很多种，介于不同方法所应用的原理和算法不同，可能得到不同数目的分子分类单元(Song et al., 2018)。在众多的方法中最常用的方法有两类：基于遗传距离和系统发育拓扑结构的物种界定方法(Austerlitz et al., 2009; Chu et al., 1999)。基于遗传距离的策略大多需要一个遗传距离的临界值来区分种上和种下水平，如果序列间的遗传距离小于这个临界值，则视为同一个物种；反之，则为不同的物种。在以往的研究之中，不同的类群往往应用不同的阈值来进行物种的划分，例如Hebert et al. (2004) 提出10×原则，即种间的遗传距离至少是种内遗传距离的10倍。而在鞘翅目(Monaghan et al., 2005)、膜翅目(Schmidt et al., 2015)、蜉蝣目(Webb et al., 2012)、毛翅目和襀翅目(Zhou et al., 2010)的某些类群阈值约为2–3%；双翅目摇蚊科某些类群的阈值为3-5%(Lin et al., 2015; Song et al., 2016)；毛翅目缟石蚕科为6–8%。用了ABGD的方法进行物种的划分，通过遗传距离分布直方图可以观察到明显的间断，结合预设的P值，得到最接近形态学的物种数，推断摇蚊亚科区分物种的阈值大约在3.5%–6.0%之间。而BOLD中BIN系统中的RESL方法中初步内聚阈值在2.2%，该阈值比较低，BIN的个数高达371个，明显多于已知的形态种致，使过多的划分物种。目前尚未找到一个通用的阈值应用于所有的类群。究其原因，不同的类群，由于进化速率不同，不可能会有一个普适性的值来衡量所有的物种。

基于遗传距离的物种界定方法忽视了物种间的进化关系，所得到的结果不具有生物学意义。以系统发育树的拓扑结构为主的物种界定方法通过序列间的系统发育关系进行精确的物种界定。然而，在应用此方法时候，需要一个内在的超级度量树。以GMYC为例，超级度量树一般由BEAST通过马尔可夫链蒙特卡罗贝叶斯抽样方法产生，对于运行中的各个参数的设置，对于一般的初学者来说较为困难(Zhang et al., 2017)，同时此方法需要较大的运算量，并且过程容易出错。同时，GMYC和PTP对数据中的不平衡样本非常敏感，尤其对于非常稀少的物种(Zhang et al., 2013)，影响数据的分析结果。已有的研究表明依据树的拓扑结构进行物种划分所产生的物种数目明显大于依据形态鉴定的种类数目(Lin et al., 2018a; Song et al., 2016)。