一个综合性、经过同行评审的开源合作育种数据库（Co-BreeD）

《Journal of Animal Ecology》：An integrative, peer-reviewed and open-source cooperative-breeding database (Co-BreeD)

　　协作育雏数据库（Co-BreeD）整合鸟类和哺乳类多参数数据，解决现有数据精度和范围不足问题。初始数据集PA统计460个种群324物种的协作育雏发生率，总样本43247次，揭示协作育雏比以往估计更普遍。

　　合作繁殖是一种特殊的后代照顾系统，指的是群体中的个体会提供非亲缘照顾，即照顾其他群体成员的后代。这种现象在鸟类和哺乳动物中普遍存在，并且长期以来一直是生物学研究的重要课题。从达尔文提出这一概念以来，合作繁殖引发了跨学科的持续关注，涉及行为生态学、比较心理学以及人类学等多个领域。研究者们试图理解为何某些个体愿意投入资源来提升他人后代的生存几率，或是合作繁殖如何影响复杂的社会认知发展，甚至将其与人类社会的演化联系起来。

然而，尽管合作繁殖的研究取得了一定进展，目前的数据库仍然存在诸多限制。许多现有数据库在分类时采用的是二元方式，即认为某物种是合作繁殖者或非合作繁殖者，这种简化方法无法准确反映生物学上的多样性。实际上，即使在同一种类内部，合作繁殖的程度也可能存在显著差异，这使得跨物种的比较研究变得困难。此外，数据的准确性也是一个关键问题。许多研究中存在模糊的定义，例如未明确“合作繁殖”或“非亲缘照顾”的具体标准，导致数据不一致。另外，数据的收集方式也存在局限，例如依赖纸质记录，缺乏系统性的验证与更新，从而引入了错误信息。还有，大多数数据库仅涵盖单一物种或单一地理区域的数据，这使得研究者难以全面探讨合作繁殖的普遍性。

为了克服上述问题，本文提出了一种新的多数据库资源——合作繁殖数据库（Co-BreeD）。该数据库的设计目标是提高合作繁殖研究的可比性，使其更加精确和透明。Co-BreeD遵循科学数据管理的FAIR原则（Findable, Accessible, Interoperable, Reusable），确保数据易于发现、访问、整合和重复使用。它通过整合多个数据集，每个数据集关注不同的生物学参数，例如合作繁殖的频率、非亲缘照顾的类型等，使得研究者能够更全面地分析不同物种的繁殖行为。

在结构上，Co-BreeD采用基于样本的方式，每个样本都包含明确的采集地点和时期，从而为研究者提供了研究群体内变化的基础。此外，Co-BreeD采用开放源码的方式，允许其他研究者对数据库进行修改和扩展，以提高数据的准确性和完整性。数据库中的每个数据集都包含详细的元数据，包括样本来源、数据提取的依据、数据采集的具体时间与地点等，确保研究结果的可重复性。

Co-BreeD还特别关注如何将合作繁殖视为一个连续性特征，而不是简单的二元分类。例如，某些物种可能在部分繁殖事件中表现出合作繁殖行为，而另一些物种则在所有繁殖事件中都不存在这种行为。通过将这些数据纳入连续变量，研究者可以更精确地评估合作繁殖的普遍性，并减少由于稀有观察或误判所导致的偏差。这一方法对于理解合作繁殖在生态系统中的作用具有重要意义，因为这种行为可能影响个体的繁殖成功率、群体的稳定性以及生态系统的整体动态。

在实际应用中，Co-BreeD已经整合了460个种群的数据，涵盖了324个物种，其中包括6个人类种群。这些数据来源于2017年至2025年的研究成果，提供了关于合作繁殖频率的详细信息。例如，在某些鸟类种群中，超过一半的繁殖事件都涉及非亲缘照顾，而在其他种群中，这一比例则非常低。这种数据的多样性使得研究者能够更全面地比较不同物种之间的合作繁殖行为，并探讨其背后的生态和社会因素。

此外，Co-BreeD还提供了对非合作繁殖物种的评估方法。通过分析父母照顾行为，研究者可以确认某一物种是否缺乏合作繁殖的特征。例如，在某些物种中，所有繁殖事件都由父母独自完成，没有其他个体参与照顾。这种情况下，该物种会被归类为非合作繁殖者。然而，这种分类方法也存在一定的挑战，因为有些研究可能未充分记录所有繁殖事件，导致数据的不完整。因此，Co-BreeD鼓励研究者在数据提交时提供详细的信息，并通过同行评审确保数据的准确性。

为了提高数据的可靠性，Co-BreeD采用了一套严格的质量控制流程。首先，数据由数据库管理员从原始文献中计算得出；其次，数据被另一个管理员进行复核，以确保计算结果的一致性；最后，如果可能的话，原始文献的作者也会参与数据的验证，以补充缺失的信息。这一流程不仅减少了人为错误的可能性，还确保了数据的透明性和可重复性。

在研究合作繁殖时，数据的采集方法和定义标准尤为重要。例如，某些物种的繁殖事件可能包括多个个体，而另一些物种则仅由一对父母完成。因此，Co-BreeD在定义“繁殖事件”和“潜在非亲缘照顾者”时，考虑了不同的社会结构。在家庭型群体中，每个繁殖事件通常由一个母体完成，而在多群体或多级社会结构中，每个繁殖事件可能由多个母体或群体成员共同完成。通过这种方式，Co-BreeD能够更准确地评估合作繁殖的频率，并减少由于社会结构差异导致的误解。

Co-BreeD还提供了一种多层级的数据结构，使得研究者能够更系统地分析合作繁殖的各个方面。例如，它包括不同形式的非亲缘照顾数据，如喂养、护理和运输后代等。这些数据不仅有助于理解合作繁殖的多样性，还能够揭示其在生态系统中的潜在影响。此外，Co-BreeD还考虑了不同物种的地理分布，使得研究者能够更全面地比较不同地区的合作繁殖行为。

通过这些努力，Co-BreeD为合作繁殖研究提供了一个更加全面和精确的数据库。它不仅解决了传统数据库中的诸多问题，还为未来的跨物种比较研究提供了基础。研究者可以利用Co-BreeD的数据，探索合作繁殖在不同物种中的普遍性，并分析其与环境因素、社会结构和演化历史之间的关系。此外，Co-BreeD还鼓励研究者贡献新的数据，以不断扩展和完善这一数据库。

总的来说，Co-BreeD的建立标志着合作繁殖研究的一个重要进展。它不仅提供了高质量的数据，还为研究者提供了一个开放、透明和可扩展的研究平台。通过这种方式，研究者能够更深入地理解合作繁殖的机制，并探索其在生态系统中的作用。随着更多数据的积累，Co-BreeD有望成为合作繁殖研究的基石，为未来的科学研究提供更丰富的资源和更精确的分析方法。