基于高斯混合模型的植物形态计量学新方法：以桧柏复合群为例的贝叶斯物种界定框架

《Perspectives in Plant Ecology, Evolution and Systematics》：Using Gaussian Mixture Models in plant morphometrics

　　本文提出了一种基于高斯混合模型（GMM）的贝叶斯框架，为植物系统学中的线性形态计量分析提供了新范式。该方法通过计算贝叶斯因子（BF）支持形态学物种假说检验，开发了基于种群结构的聚合-分裂算法，填补了当前形态计量学缺乏正式统计检验框架的空白，为进化谱系概念（UPCEL）提供了数学实现路径。

　　

章节精选

提出的工作流程

本框架（图2）通过R语言实现，主要依托R包（Scrucca et al., 2016）的高斯混合模型（GMM）拟合功能。我们的概率化形态计量物种界定方法包含四个结构化阶段：数据准备、高斯混合建模、假设检验和生物学解释。

应用案例：桧柏（Juniperus oxycedrus）类群

为验证该方法，我们重新分析了Roma-Marzio等（2017）发布的桧柏类群形态数据集。该数据集包含中央地中海地区5个种群的220个个体×22个性状（叶片与雌球果）。完整分析流程及R函数代码详见补充材料。

讨论

现代物种概念普遍将可诊断的表型/基因型簇作为界定物种边界的关键依据。许多分类学家将物种定义为"共享性状的生物集群"，即代表独立进化谱系的离散单元。这些集群通过繁殖隔离等内聚力量维持，而高斯混合模型（GMM）恰能通过概率聚类捕捉这种生物学现实。

结论

本文提出了符合进化谱系概率概念（UPCEL）的形态计量新方法。通过高斯混合模型（GMM）计算贝叶斯因子（BF），在贝叶斯框架下支持基于形态数据的最优模型选择。将植物分类学视为假设驱动科学（Wheeler, 2008），该方法首次实现了形态学物种界定的正式统计检验。