生物分类学是生物多样资源整理整合的基础学科,它为社会经济的可持续发展提供支撑。在“整合分类学”的时代,对物种形成及其概念的研究日益丰富完善。新内容、新理念、新方法的引入使得分类学的面貌和水平得到前所未有的提升。无论是分类修订和分类处理,或是更进一步的分子系统、发育演化、谱系地理、化学成分提取等生物学相关研究,都需要建立在正确采样的基础之上,而对物种正确采样的精准定义则与物种学名对模式标本和原始文献之中的形态学信息紧密相关。在宏观层面上,经典形态学对生物体外部形态特征进行观察、描述和统计,解读不同物种之间的相似性和差异性。在细胞层面上,经典核型分析可以对细胞染色体的数量、形态、大小和结构等进行分析和比较,以探索不同物种之间的进化关系。这两类研究仅仅借助光学显微镜就可以完成,它们在分类学、生态学、进化生物学等领域中扮演着相当重要的角色。随着生物学的研究全面进入基因组时代,面向物种组学数据分析和功能机制挖掘的工具软件和分析方法日新月异,而着眼于简化和规范物种经典形态学和细胞学测定过程的基础工具却相对稀少。
图1 图文摘要
为了提升形态学测量的效率和精确度,同时方便研究人员进行宏观形态学和细胞分类学的研究,四川大学生命科学学院余岩副教授团队开发了一款新的工具——MATO (Measurement and Analysis Tools)。这款工具能够有效地提升形态学测量任务的效率并产生高精度和可重复的测量结果。MATO不仅支持分类学中常用的长度、大小、角度、计数和颜色等多种形态特征测量,它还引入了基于大小的染色体分类和新颖的分组算法,从而提高了染色体测量和核型分析的效率。该工具能够为分类学、生态学、进化生物学等相关领域的研究提供更多便利,并对涉及形态学性状的其他相关研究提供支持。
相比于其他常规测量工具,MATO具备以下显著优点:
1
该工具推出了基础测量模式(Standard),满足宏观形态学所需的各种形态测量,包括长度、大小、角度、计数和颜色等。
2
MATO保留测量痕迹以实现测量结果的可复现性,可以进行全面跟踪并存储所有测量元素,并提供直观的验证机制来识别和纠正任何异常数据。
3
该工具提供了图像预处理工具,可进行空间几何变形矫正和白平衡矫正,有效地提升了数字化图像(例如植物标本)形态测量的准确性和精度。
4
MATO引入了基于面积的核型分析并改进了分组算法,提高了染色体测量和核型分析的精度。
5
提供了自动化的核型分析流程,可一键生成精美的核型模式图并计算臂长、臂比、核型不对称性等相关参数。
6
提供了Windows和macOS用户都易于使用的图形化界面。
在进行重复性的分类形态学测量任务时,MATO表现出显著的优势,能产生量化且可复现的结果,为宏观形态学和细胞分类学的研究工作提供了有力的支持。MATO的相关论文已在The Innovation Life上发表。四川大学生命科学学院余岩副教授为该论文的通讯作者,四川大学生命科学学院刘力嘉硕士研究生和中国科学院植物研究所王强研究员是论文的共同第一作者,四川大学生命科学学院张朕博士等共同参与了本项研究。该研究得到国家自然科学基金面上项目(Grant No. 32071666, 32271552) 和国家科技基础调查专项(Grant No. 2022FY101000)的资助。
联系客服