[论文解读] How to partition diversity

Richard Reeve, Tom Leinster+5 more|arXiv (Cornell University)|Apr 25, 2014

Ecology and Vegetation Dynamics Studies参考文献 23被引用 24

一句话总结

本文提出了一套数学上一致的生物多样性划分框架，统一了遗传、功能及其他相似性类型下的度量方法。通过采用广义多样性划分方法，实现子群落之间的直接比较，可识别出具有差异性、高多样性或代表性特征的子种群，相关实现已通过R包提供，可立即用于生态学与进化生物学研究。

ABSTRACT

Diversity measurement underpins the study of biological systems, but measures used vary across disciplines. Despite their common use and broad utility, no unified framework has emerged for measuring, comparing and partitioning diversity. The introduction of information theory into diversity measurement has laid the foundations, but the framework is incomplete without the ability to partition diversity, which is central to fundamental questions across the life sciences: How do we prioritise communities for conservation? How do we identify reservoirs and sources of pathogenic organisms? How do we measure ecological disturbance arising from climate change? The lack of a common framework means that diversity measures from different fields have conflicting fundamental properties, allowing conclusions reached to depend on the measure chosen. This conflict is unnecessary and unhelpful. A mathematically consistent framework would transform disparate fields by delivering scientific insights in a common language. It would also allow the transfer of theoretical and practical developments between fields. We meet this need, providing a versatile unified framework for partitioning biological diversity. It encompasses any kind of similarity between individuals, from functional to genetic, allowing comparisons between qualitatively different kinds of diversity. Where existing partitioning measures aggregate information across the whole population, our approach permits the direct comparison of subcommunities, allowing us to pinpoint distinct, diverse or representative subcommunities and investigate population substructure. The framework is provided as a ready-to-use R package to easily test our approach.

研究动机与目标

• 通过将不同生物学科中的多样性度量统一到单一数学框架中，解决多样性测量中的不一致性问题。
• 实现多样性划分，使子群落之间能够直接比较，克服基于聚合方法的局限性。
• 提供一种一致且数学严谨的方法，支持理论与实证洞察在不同学科间的转移。
• 解决根本性的生态学问题，如保护优先级排序、病原体储存宿主识别以及气候变化下的干扰评估。
• 提供一个即用型计算工具（R包），实现该框架以支持实际应用。

提出的方法

• 该框架基于信息论基础，将广义熵度量扩展至包含个体之间的成对相似性。
• 使用相似性矩阵表示个体之间的关系，支持整合功能、系统发育或遗传距离。
• 通过保持数学一致性的分解方法，将多样性划分为群内与群间贡献的组成部分。
• 通过相对于全种群的标准化多样性贡献，实现子群落之间的直接比较。
• 该方法以R包形式实现，提供多样性计算、划分与子群落比较的函数。
• 通过将相似性作为核心输入，支持不同类型多样性（如功能多样性与遗传多样性）之间的定性比较。

实验结果

研究问题

• RQ1 如何实现多样性划分，使子群落之间能够直接比较，而非依赖于聚合的种群水平度量？
• RQ2 何种数学框架能够统一遗传、功能与系统发育多样性等不同生物层次上的多样性度量？
• RQ3 如何利用一致的多样性度量识别出具有差异性、高多样性或代表性的子群落？
• RQ4 该框架在生态系统的保护优先级排序与病原体储存宿主检测方面可带来哪些改进？
• RQ5 统一的多样性划分方法如何促进方法与洞察在不同学科间的转移？

主要发现

• 该框架提供了一种数学上一致的多样性划分方法，适用于遗传、功能与系统发育等多种相似性类型。
• 与现有方法不同，它通过将多样性分解为群内与群间组成部分，避免聚合偏差，实现子群落之间的直接比较。
• 该方法可识别出具有差异性、高度多样性或代表整个种群的子群落。
• 通过将相似性作为基本输入，该方法支持不同类型多样性之间的比较。
• 该框架已实现为即用型R包，便于在生态学与进化生物学研究中立即应用。
• 该方法解决了长期存在的跨学科多样性测量不一致性问题，为生物多样性科学提供了通用语言。