基于遗传与空间相异性的生物物种界定方法

生物物种的界定，即决定哪些个体属于同一物种以及数据集中是否包含以及包含多少不同物种，是生物多样性保护的关键。许多现有工作仅使用遗传数据进行物种界定，通常采用某种聚类分析。这可能会产生误导，因为即使属于同一物种，地理上相距较远的个体群体在遗传上也可能存在相当大的差异。我们研究了基于遗传和空间数据测试两个潜在分离的个体群体是否可能属于单一物种的问题。我们考虑了诸如偏 Mantel 检验和基于 jackknife 的距离-距离回归等现有方法。提出了新方法，即混合效应模型的改编、bootstrap 方法以及偏 Mantel 的 jackknife 版本。所有这些方法都解决了距离数据违反关于相关性和回归的标准推断的独立性假设的问题；此外还考虑了标准线性回归。这些方法在使用 SLiM 和 GSpace 生成的模拟 meta 种群上进行了比较，这两个软件包可以在个体层面模拟具有空间显式性的遗传数据。模拟表明，偏 Mantel 检验的新 jackknife 版本在功效和遵守名义 I 类错误率之间提供了良好的折衷。混合效应模型比基于 jackknife 的方法具有更大的功效，但往往显示出略高于显著性水平的 I 类错误率。本文最后以对铜色眼蝶的应用作为结论。