DOI: https://doi.org/10.3897/zookeys.1276.182331
PMID: https://pubmed.ncbi.nlm.nih.gov/41969305
تاريخ النشر: 2026-04-03
المؤلف: Kin Onn Chan وآخرون
الموضوع الرئيسي: التنوعات الشكلية والتماثل
نظرة عامة
تناقش هذه الفقرة قيود طرق تحديد الشكل التقليدية، التي تعتمد بشكل أساسي على إحصائيات ملخصة بسيطة واختبارات أحادية المتغير لتقييم الفروق بين وحدات التصنيف التشغيلي (OTUs). تعتمد هذه الأساليب التقليدية غالبًا على الفحوصات البصرية وعتبات قيمة p، مما يعيق تقدم التصنيف الضريبي. استجابةً لذلك، اقترح تيبورتيني وآخرون (2025) منهجية جديدة تستخدم اختبار النماذج البايزية ونماذج المزيج الغاوسي (GMM) لاستنتاج الكتل الشكلية دون الاعتماد على تجميعات OTU المحددة مسبقًا. يسمح هذا الإطار الاحتمالي بتقييم شامل لفرضيات التصنيف البديلة، متجاوزًا اختبار الدلالة التقليدي.
علاوة على ذلك، قام المؤلفون بتكييف نهج تيبورتيني وآخرين لتطبيقه بشكل أوسع عبر مجموعات بيانات الشكل المختلفة، ودمجوه في GroupStruct2، وهو تطبيق قائم على Shiny R يتميز بواجهة رسومية سهلة الاستخدام. يجمع هذا الأداة بين الأساليب الإحصائية الكلاسيكية (مثل الاختبارات أحادية ومتعددة المتغيرات، PCA، DAPC، وMFA) مع تقنيات GMM البايزية المتقدمة وتقنيات التعلم الآلي، باستخدام خوارزمية تصنيف Random Forest لتحديد الشخصيات التشخيصية. يعزز دمج الأساليب التكرارية والبايزية داخل GroupStruct2 تحليل التباين الشكلي وتشخيص الشخصيات، مما يعزز الدقة الكمية في الدراسات التصنيفية ويجعل التحليلات الإحصائية القوية أكثر سهولة للباحثين.
مقدمة
تسلط مقدمة هذه الورقة البحثية الضوء على الأهمية المستمرة لبيانات الشكل في علم الأحياء النظامي، مع التأكيد على دورها في تحديد الأنواع على الرغم من التقدم في المنهجيات الجينية. يميز تحديد الشكل، الذي يركز فقط على الخصائص الشكلية، عن المفهوم الأوسع لتحديد الأنواع الذي يدمج أنواعًا مختلفة من الأدلة، بما في ذلك الجينات والبيئة. ينتقد المؤلفون التحليلات الشكلية التقليدية، التي تعتمد غالبًا على اختبار دلالة فرضية العدم (NHST) وعتبات قيمة p الذاتية، مما يؤدي إلى تفسيرات خاطئة محتملة ونقص في الأطر المتماسكة لتقييم فرضيات التصنيف.
استجابةً لهذه القيود، تقدم الورقة نهجًا جديدًا قائمًا على النماذج البايزية لتحديد الشكل، مستوحى من التقدمات الأخيرة في تحديد الأنواع الجزيئية. يستخدم هذا الإطار نماذج المزيج الغاوسي (GMM) والتعلم الآلي لتعزيز تحديد الشخصيات التشخيصية، مما يسمح بتحليل أكثر قوة لبيانات الشكل. يقدم المؤلفون GroupStruct2، وهو تطبيق Shiny R سهل الاستخدام يدمج طرق NHST الكلاسيكية مع النهج البايزي الجديد، مما يجعل التحليلات الشكلية المتقدمة متاحة لجمهور أوسع في علم الأحياء النظامي. يهدف هذا التدفق العملي التكاملي إلى تقديم رؤى مكملة حول حدود الأنواع وتطور التباين الشكلي.
طرق
في هذا القسم، يصف المؤلفون الطرق المستخدمة في بحثهم، موضحين بشكل خاص تكييف نموذج المزيج الغاوسي البايزي (GMM) وكود التعلم الآلي من تيبورتيني وآخرين (2025) في تطبيق سهل الاستخدام يسمى GroupStruct2. تم بناء هذا التطبيق على إطار عمل Shiny R، مما يسهل التحليل الشكلي الشامل وتصور البيانات. يمكن للمستخدمين تثبيت وإطلاق GroupStruct2 بسهولة باستخدام بضع سطور من كود R، مما يتطلب إما R أو RStudio، وجميع الأكواد المرتبطة متاحة للجمهور على GitHub.
تنظم GroupStruct2 تدفقات العمل التحليلية الخاصة بها في ثلاثة وحدات رئيسية: البيانات الميرستية، الشكلية، والمختلطة (التي تجمع بين البيانات الميرستية، الشكلية، والفئوية). تحتوي كل وحدة على وحدات فرعية مصممة لتحليلات وتصورات محددة. من الجدير بالذكر أن تحليلات GMM البايزية مقيدة بالبيانات الشكلية المستمرة ومتاحة حصريًا ضمن وحدة الشكل، وتحديدًا تحت وحدة تحديد الشكل. تنفذ هذه الوحدة الفرعية أربعة أنواع متميزة من التحليلات، على الرغم من أن تفاصيل هذه التحليلات غير موضحة في النص المقدم.
نتائج
تشير نتائج الدراسة إلى وجود فصل شكلي واضح بين الأنواع Desmognathus conanti وD. valentinei، كما يتضح من مخططات PCA وDAPC، مع ملاحظة تمايز كبير في المقارنات الزوجية عبر تحليل PERMANOVA. تم ملاحظة أقوى تباين بين D. conanti وD. valentinei (R² = 0.33)، بينما تم العثور على تمايز معتدل بين D. conanti وD. pascagoula (R² = 0.18) وبين D. pascagoula وD. valentinei (R² = 0.17). تُعزى إحصائيات F الأكبر لـ D. conanti إلى حجم عينة أكبر وليس إلى حجم تأثير أكبر.
كشف تجميع نموذج المزيج الغاوسي غير المراقب (GMM) عن مجموعتين متميزتين، مع كون نموذج VEE هو الأنسب. شملت المجموعة 1 جميع عينات D. conanti، بينما تضمنت المجموعة 2 كل من D. pascagoula وD. valentinei. أكدت تحليل التجميع المراقب هذه النتيجة، مشيرة إلى نموذج من نوعين يجمع بين D. pascagoula وD. valentinei كأفضل ملاءمة، مع تفضيل كبير ضد نموذج يفصل بين الأنواع الثلاثة (∆BIC = 11). بالإضافة إلى ذلك، كانت معظم الشخصيات التشخيصية التي تم تحديدها من خلال تحليل التعلم الآلي Boruta مختلفة بشكل كبير في اختبار دلالة فرضية العدم (NHST)، على الرغم من ملاحظة بعض التباينات بين الطريقتين.
مناقشة
تسلط قسم المناقشة في الورقة البحثية الضوء على دمج طرق تحليلية متنوعة – التجميع غير المراقب، التجميع المراقب، اختبار الفرضيات، والتعلم الآلي – لتعزيز فهم التباين الشكلي في البحث التصنيفي. يسمح استخدام نماذج المزيج الغاوسي (GMM) عبر حزمة mclust R بتحديد الكتل الشكلية دون الاعتماد على تسميات وحدات التصنيف التشغيلي (OTU) المحددة مسبقًا. تكشف التحليلات عن ثلاثة أنماط محتملة من التباين الشكلي: تطابق مثالي بين الكتل وOTUs، كتل مختلطة تشير إلى تداخل شكلي، وOTUs مقسمة تشير إلى تنوع خفي أو خطأ في التعريف. يقوم التجميع المراقب بمزيد من تحسين ذلك من خلال اختبار تجميعات OTU المحددة من قبل المستخدم من خلال خوارزمية دمج تدريجية، بينما يسمح اختبار الفرضيات بإجراء مقارنات صريحة لخطط تصنيف محددة بناءً على الأدلة السابقة.
تؤكد النتائج على أهمية دمج الأساليب التكرارية والبايزية، كما يتضح في تحليل السلمندر الرمادي، حيث أشار PCA وPERMANOVA إلى فصل كبير بين الأنواع، ومع ذلك، فضلت تحليلات GMM البايزية نموذجًا من نوعين. يبرز هذا التباين أن بيانات الشكل وحدها قد لا تكون كافية لتحديد الأنواع ويجب أن تكملها بيانات جينية وبيئية. بالإضافة إلى ذلك، يبرز نهج التعلم الآلي باستخدام خوارزمية Boruta التمييز بين الفائدة التشخيصية والدلالة الإحصائية، مما يكشف أن الشخصيات ذات الأهمية العالية قد لا تظهر دائمًا اختلافات كبيرة في الاختبارات أحادية المتغير. يهدف تدفق العمل GroupStruct2، المصمم ليكون سهل الاستخدام، إلى ديمقراطية الوصول إلى هذه الأساليب الكمية، مما يسهل تطبيقها في التصنيف التكاملي ويعزز توليد الفرضيات في الدراسات الشكلية.
قيود
تنشأ قيود البحث بشكل أساسي من الأساليب المستخدمة في وحدات الإحصاءات الاستنتاجية وتحديد الشكل. تعتمد وحدة الإحصاءات الاستنتاجية على اختبار دلالة فرضية العدم (NHST)، الذي قد لا يلتقط تمامًا تعقيد البيانات أو الظواهر البيولوجية الأساسية. بالإضافة إلى ذلك، تستخدم وحدة تحديد الشكل نماذج المزيج الغاوسي البايزية (GMM) وتقنيات التعلم الآلي، التي، على الرغم من قوتها، يمكن أن تكون حساسة لافتراضات النموذج وجودة بيانات الإدخال.
علاوة على ذلك، قد يؤدي دمج هذه الأطر، على الرغم من فائدته للتحليل الشامل، إلى تقديم تحديات في تفسير النتائج والتحقق من صحتها. قد يحد الاعتماد على نماذج إحصائية محددة من قابلية تعميم النتائج عبر سياقات أو مجموعات بيانات مختلفة. يجب أن تتناول الأبحاث المستقبلية هذه القيود من خلال استكشاف طرق إحصائية بديلة والتحقق من صحة التدفق المقترح مع مجموعات بيانات بيولوجية متنوعة لتعزيز القوة والملاءمة.
DOI: https://doi.org/10.3897/zookeys.1276.182331
PMID: https://pubmed.ncbi.nlm.nih.gov/41969305
Publication Date: 2026-04-03
Author(s): Kin Onn Chan et al.
Primary Topic: Morphological variations and asymmetry
Overview
The section discusses the limitations of traditional morphometric delimitation methods, which primarily rely on simple summary statistics and univariate tests to assess differences among operational taxonomic units (OTUs). These conventional approaches often depend on visual inspections and p-value thresholds, hindering the advancement of taxonomic classification. In response, Tiburtini et al. (2025) proposed a novel methodology that employs Bayesian model-testing and Gaussian Mixture Models (GMM) to infer morphological clusters without relying on predefined OTU groupings. This probabilistic framework allows for a comprehensive evaluation of alternative taxonomic hypotheses, moving beyond traditional significance testing.
Furthermore, the authors adapted Tiburtini et al.’s approach for broader application across various morphometric datasets, integrating it into GroupStruct2, a Shiny R-based application featuring a user-friendly graphical interface. This tool combines classical statistical methods (such as univariate/multivariate tests, PCA, DAPC, and MFA) with advanced Bayesian GMM and machine-learning techniques, specifically utilizing a Random Forest classification algorithm to identify diagnostic characters. The integration of frequentist and Bayesian methods within GroupStruct2 enhances the analysis of morphological variation and character diagnoses, promoting quantitative rigor in taxonomic studies and making robust statistical analyses more accessible to researchers.
Introduction
The introduction of this research paper highlights the enduring significance of morphometric data in systematic biology, emphasizing its role in species delimitation despite the advancements in genetic methodologies. Morphometric delimitation, which focuses solely on morphological traits, is distinguished from the broader concept of species delimitation that integrates various evidence types, including genetics and ecology. The authors critique traditional morphometric analyses, which often rely on null hypothesis significance testing (NHST) and subjective p-value thresholds, leading to potential misinterpretations and a lack of coherent frameworks for evaluating taxonomic hypotheses.
In response to these limitations, the paper introduces a novel Bayesian model-based approach for morphometric delimitation, inspired by recent advancements in molecular species delimitation. This framework employs Gaussian Mixture Models (GMM) and machine learning to enhance the identification of diagnostic characters, allowing for a more robust analysis of morphometric data. The authors present GroupStruct2, a user-friendly Shiny R application that integrates classical NHST methods with the new Bayesian approach, thereby making advanced morphometric analyses accessible to a wider audience in systematic biology. This integrative workflow aims to provide complementary insights into species boundaries and the evolution of morphological variation.
Methods
In this section, the authors describe the methods employed in their research, specifically detailing the adaptation of the Bayesian Gaussian Mixture Model (GMM) and machine-learning code from Tiburtini et al. (2025) into a user-friendly application named GroupStruct2. This application, built on the Shiny R framework, facilitates comprehensive morphological analysis and data visualization. Users can easily install and launch GroupStruct2 with a few lines of R code, requiring either R or RStudio, and all associated code is publicly accessible on GitHub.
GroupStruct2 organizes its analytical workflows into three primary modules: Meristic, Morphometric, and Mixed data (which combines meristic, morphometric, and categorical data). Each module contains submodules tailored for specific analyses and visualizations. Notably, the Bayesian GMM analyses are restricted to continuous morphometric data and are exclusively available within the Morphometric module, specifically under the Morphometric Delimitation submodule. This submodule implements four distinct types of analyses, although the specifics of these analyses are not detailed in the provided text.
Results
The results of the study indicate a clear morphological separation between the species Desmognathus conanti and D. valentinei, as evidenced by PCA and DAPC plots, with significant differentiation observed in pairwise comparisons via PERMANOVA analysis. The strongest divergence was noted between D. conanti and D. valentinei (R² = 0.33), while moderate differentiation was found between D. conanti and D. pascagoula (R² = 0.18) and between D. pascagoula and D. valentinei (R² = 0.17). The larger F-statistics for D. conanti are attributed to its greater sample size rather than a more substantial effect size.
Unsupervised Gaussian Mixture Model (GMM) clustering revealed two distinct clusters, with the VEE model being the optimal fit. Cluster 1 encompassed all D. conanti samples, while Cluster 2 included both D. pascagoula and D. valentinei. Supervised clustering analysis corroborated this finding, suggesting a two-species model that combined D. pascagoula and D. valentinei as the best fit, with a significant preference against a model separating all three species (∆BIC = 11). Additionally, most diagnostic characters identified through Boruta machine-learning analysis were significantly different in null hypothesis significance testing (NHST), although some discrepancies were noted between the two methods.
Discussion
The discussion section of the research paper highlights the integration of various analytical methods—unsupervised clustering, supervised clustering, hypothesis testing, and machine learning—to enhance the understanding of morphological variation in taxonomic research. The use of Gaussian Mixture Models (GMM) via the mclust R package allows for the identification of morphological clusters without relying on pre-defined Operational Taxonomic Unit (OTU) labels. The analysis reveals three potential patterns of morphological variation: perfect correspondence between clusters and OTUs, mixed clusters indicating morphological overlap, and split OTUs suggesting cryptic diversity or misidentification. Supervised clustering further refines this by testing user-defined OTU groupings through a stepwise merging algorithm, while hypothesis testing allows for explicit comparisons of specific taxonomic schemes based on prior evidence.
The findings underscore the importance of combining frequentist and Bayesian approaches, as demonstrated in the analysis of dusky salamanders, where PCA and PERMANOVA indicated significant separation among species, yet Bayesian GMM analyses favored a two-species model. This discrepancy emphasizes that morphometric data alone may not suffice for species delimitation and should be complemented by genetic and ecological data. Additionally, the machine-learning approach using the Boruta algorithm highlights the distinction between diagnostic utility and statistical significance, revealing that high importance characters may not always show significant differences in univariate tests. The GroupStruct2 workflow, designed to be user-friendly, aims to democratize access to these quantitative methods, facilitating their application in integrative taxonomy and enhancing hypothesis generation in morphological studies.
Limitations
The limitations of the research primarily stem from the methodologies employed in the Inferential Statistics and Morphometric Delimitation submodules. The Inferential Statistics submodule relies on null hypothesis significance testing (NHST), which may not fully capture the complexity of the data or the underlying biological phenomena. Additionally, the Morphometric Delimitation submodule utilizes Bayesian Gaussian Mixture Models (GMM) and machine-learning techniques, which, while powerful, can be sensitive to model assumptions and the quality of input data.
Moreover, the integration of these frameworks, although beneficial for a comprehensive analysis, may introduce challenges in interpretation and validation of results. The reliance on specific statistical models could limit the generalizability of findings across different contexts or datasets. Future research should address these limitations by exploring alternative statistical approaches and validating the proposed workflow with diverse biological datasets to enhance robustness and applicability.