Как устанавливают родство организмов
1. Проблема установления родства
1.1. Зачем систематике устанавливать родство?
Систематика — это не только описание и наименование организмов. Её фундаментальная задача — реконструировать эволюционную историю жизни, то есть установить, какие группы организмов связаны общим происхождением, а какие лишь внешне похожи (Judd et al., 2018; Pavlinov, 2021). В агросфере это имеет вполне практическое значение: от правильного определения родства зависит, например, выбор методов борьбы с вредителем, прогноз распространения возбудителя болезни, подбор устойчивых сортов и поиск диких родичей культурных растений.
Если систематик ошибается и объединяет в одну группу неродственные организмы, классификация теряет предсказательную силу. Поэтому современная систематика стремится выделять только монофилетические группы — клады, включающие общего предка и всех его потомков (Judd et al., 2018; Simpson, 2010). Но чтобы прийти к таким группам, нужно сначала научиться отличать подлинное родство от внешнего сходства.
1.2. Субъективность внешнего сходства
На первый взгляд может показаться, что чем больше два организма похожи друг на друга, тем они родственнее. Однако это правило часто нарушается. В эволюции широко распространена гомоплазия — независимое возникновение сходных признаков у неродственных линий (Lukashov, 2009). Примерами могут служить крылья у насекомых, птиц и летучих мышей; суккулентный облик кактусов и молочаев; тендрилы у разных групп растений. Все эти признаки возникают независимо, часто в сходных условиях среды, и не свидетельствуют о близком родстве.
В агросфере проблема внешнего сходства особенно остра. Многие вредители и возбудители болезней представлены видами-двойниками, которые морфологически почти неразличимы, но различаются по экологии, пищевой специализации и вредоносности. Например, у рисового долгоносика Calandra oryzae один вид питается кукурузой, а другой — пшеницей; зерновая моль Tinea granella включает четыре вида, из которых только два вредоносны; листовёртка Choristoneura fumiferana по характеру пищевой специализации подразделяется на два вида (Захваткин, 2001). Если ориентироваться только на внешнее сходство, можно не заметить этих различий и принять неверное таксономическое решение.
Кроме того, внешние признаки могут сильно варьировать под влиянием среды. Один и тот же генотип в разных условиях способен дать разные морфологические формы — это явление называют фенотипической пластичностью (Stuessy, 2009). Поэтому систематик должен искать признаки, которые устойчиво наследуются и отражают эволюционную историю, а не только сиюминутное сходство.
1.3. Гомология и аналогия
Ключевое различие, на котором строится филогенетический анализ, — это различие между гомологией и аналогией. Гомология — сходство, основанное на общем происхождении; аналогия — сходство, возникшее независимо, в результате конвергенции или параллелизма (Lukashov, 2009; Judd et al., 2018). Только гомологичные признаки могут использоваться для восстановления родства. Но как отличить гомологию от аналогии?
На практике применяют несколько критериев: сходство положения структуры, сходство строения, сходство развития (онтогенеза), а также проверку на согласованность с другими признаками (Stuessy, 2009; Judd et al., 2018). Если признак выдерживает такую проверку в разных группах, его считают гомологичным. Однако окончательная проверка гомологии возможна только через построение филогенетического дерева: гомологичный признак должен согласованно распределяться на дереве, а аналогичный — возникать несколько раз независимо.
Особую ценность для филогении представляют не просто гомологичные признаки, а shared derived characters — синапоморфии. Это эволюционные новообразования, которые возникли у общего предка группы и унаследованы его потомками (Judd et al., 2018; Simpson, 2010). Примитивные (плезиоморфные) состояния признаков, напротив, не доказывают родства, поскольку могут сохраняться у многих неродственных групп. Поэтому в кладистическом анализе используются прежде всего синапоморфии.
1.4. От морфологии к молекулам: расширение набора признаков
Исторически систематика опиралась главным образом на морфологию. Затем к ней добавились анатомия, эмбриология, палинология, цитогенетика, биохимия (Stuessy, 2009; Singh, 2019). Каждый из этих источников данных имеет свои преимущества и ограничения. Морфологические признаки доступны для наблюдения, но часто подвержены гомоплазии и пластичности. Анатомические и эмбриологические признаки более консервативны, но требуют специальных методов и не всегда доступны для всех стадий жизненного цикла. Биохимические данные, например флавоноиды или терпеноиды, полезны на низких таксономических уровнях, но их эволюция также может быть мозаичной (Stuessy, 2009).
С середины XX века, а особенно после разработки методов секвенирования ДНК, в систематике произошёл настоящий переворот. Молекулярные данные позволили использовать в качестве признаков непосредственно нуклеотидные последовательности. Их преимущества очевидны: они присутствуют у всех организмов, их можно получить из любого органа и на любой стадии развития, они позволяют сравнивать даже неродственные группы, а число признаков может достигать тысяч (Lukashov, 2009; CBOL Plant Working Group, 2009). Идея о том, что макромолекулы несут информацию об эволюционной истории, была сформулирована ещё в 1960-х годах (Zuckerkandl & Pauling, 1965).
Однако молекулярные данные не являются абсолютной панацеей. Гены могут иметь собственную историю, не совпадающую с историей видов из-за гибридизации, интрогрессии, неполной сортировки линий или горизонтального переноса (Lukashov, 2009; Bromham & Penny, 2003). Поэтому современная систематика не отказывается от морфологии, а стремится к интеграции всех доступных данных — морфологических, молекулярных, экологических, географических и других (APG IV, 2016; Judd et al., 2018).
1.5. Необходимость объективных критериев
Таким образом, проблема установления родства состоит в том, что внешнее сходство субъективно и часто обманчиво. Чтобы сделать выводы объективными, систематика использует:
1. Широкий набор независимых признаков — от морфологии до ДНК.
2. Проверку гомологии — через согласованность признаков на филогенетическом дереве.
3. Кладистический анализ — построение дерева на основе синапоморфий, а не общего сходства.
4. Статистическую оценку поддержки — например, бутстрэп-анализ, который показывает, насколько устойчивы узлы дерева (Lukashov, 2009; Judd et al., 2018).
5. Сравнение альтернативных гипотез — анализ разных наборов данных и разных методов.
Именно поэтому современная систематика — это не просто описание внешних различий, а научная дисциплина, проверяющая эволюционные гипотезы. В следующих главах мы рассмотрим, какие именно признаки используются для установления родства, как строится филогенетическое дерево и как молекулярные маркеры дополняют морфологические данные.
2. Типы признаков, используемых в систематике
2.1. Введение: понятие признака и его состояния
Прежде чем перейти к обзору конкретных типов признаков, необходимо договориться о терминологии. В систематике признак — это любая особенность организма, которая может быть использована для сравнения и классификации (Judd et al., 2018; Stuessy, 2009). Признак имеет состояния — альтернативные варианты своего выражения. Например, признак «окраска венчика» может иметь состояния «белый», «красный», «жёлтый»; признак «число тычинок» — состояния «5», «10», «много». Именно состояния признаков сравниваются у разных организмов и кодируются для филогенетического анализа.
Ключевое требование к признакам — их гомологичность. Гомологичными считаются признаки, унаследованные от общего предка. Аналогичные признаки, возникшие независимо (гомоплазия), не должны использоваться для установления родства, поскольку они вводят в заблуждение (Lukashov, 2009; Judd et al., 2018). Кроме того, для кладистического анализа особенно ценны синапоморфии — общие производные состояния признаков, которые возникли у предка группы и унаследованы его потомками. Примитивные состояния (плезиоморфии) не доказывают родства.
Современная систематика использует широкий спектр признаков, которые можно условно разделить на несколько групп: морфологические, анатомические, биохимические, цитогенетические и молекулярные. Каждая группа имеет свои преимущества и ограничения, и только их совместный анализ позволяет построить надёжную филогенетическую гипотезу (Stuessy, 2009; Singh, 2019).
2.2. Морфологические признаки
Морфологические признаки — это особенности внешнего строения организмов: форма, размеры, окраска, структура органов, их взаимное расположение. Исторически это самая древняя и до сих пор наиболее широко используемая категория признаков в систематике (Judd et al., 2018; Stuessy, 2009). Для агросферы морфологические признаки особенно важны, поскольку позволяют быстро идентифицировать вредителей, сорняки и культурные растения в поле.
Преимущества морфологических признаков:
- Доступность: их можно наблюдать невооружённым глазом или с помощью лупы, не требуется сложного оборудования.
- Возможность использования гербарных и коллекционных материалов.
- Применимость для ископаемых форм, где молекулярные данные часто недоступны.
- Непосредственная связь с экологией и адаптациями организма.
Ограничения:
- Фенотипическая пластичность: один и тот же генотип в разных условиях может давать разные морфологические формы (Stuessy, 2009). Например, форма листьев у многих водных растений зависит от того, находятся ли они в воде или на воздухе.
- Гомоплазия: сходные морфологические признаки часто возникают независимо в неродственных группах. Классический пример — суккулентный облик кактусов и молочаев, крылья у насекомых, птиц и летучих мышей (Lukashov, 2009).
- Субъективность оценки: описание формы и размеров часто зависит от исследователя, хотя современные морфометрические методы позволяют повысить объективность (Judd et al., 2018).
- Ограниченное число признаков: для некоторых групп (например, грибов, бактерий) морфологических признаков может быть недостаточно для разграничения близких видов.
Примеры из агросферы. Морфологические признаки широко используются для диагностики вредителей и возбудителей болезней. Например, определение видов долгоносиков рода Calandra основано на форме и скульптуре надкрылий, а также на строении гениталий. Однако, как отмечалось в главе 1, у рисового долгоносика Calandra oryzae внешние различия между видами-двойниками минимальны, и для их разграничения требуются дополнительные признаки — в данном случае пищевая специализация (Захваткин, 2001). В фитопатологии морфология спор и конидий до сих пор служит основой для идентификации многих грибов, хотя для ряда групп она дополняется молекулярными данными (Webster & Weber, 2007).
Морфология растений в систематике включает изучение листьев, стеблей, корней, цветков, плодов и семян. Например, форма и жилкование листьев важны для различения видов Zelkova (Ulmaceae) (Stuessy, 2009), а строение соцветий — для семейств Asteraceae, Brassicaceae, Fabaceae. В агрономии морфологические признаки используются для определения сортов и выявления примесей.
2.3. Анатомические признаки
Анатомические признаки отражают внутреннее строение органов и тканей. Они требуют применения микроскопической техники, но часто оказываются более консервативными и надёжными, чем внешняя морфология (Stuessy, 2009; Judd et al., 2018). Анатомические данные включают строение проводящей системы, эпидермиса, устьиц, трихом, а также особенности клеток и тканей.
Преимущества:
- Более высокая стабильность по сравнению с внешними признаками.
- Возможность выявления гомологий там, где внешнее строение изменено.
- Применимость для идентификации фрагментов растений (например, в пищевых продуктах, кормах, лекарственном сырье).
- Широкий спектр признаков: от формы клеток до ультраструктуры органелл.
Ограничения:
- Требуется специальное оборудование и навыки приготовления препаратов.
- Не все анатомические признаки доступны для гербарных образцов.
- Возможна конвергенция в анатомических структурах, связанная с адаптацией к сходным условиям.
- Для некоторых групп анатомические признаки недостаточно изучены.
Примеры из агросферы. Анатомия имеет огромное значение для диагностики карантинных объектов. Например, идентификация нематод часто основывается на строении ротового аппарата (стилета), глотки и половой системы (Захваткин, 2001). В фитопатологии для различения видов Xanthomonas и Pseudomonas используются особенности строения клеточной стенки (грамотрицательные), наличие жгутиков и включений полигидроксибутирата (Sigee, 1993). В систематике растений анатомия древесины (наличие и тип сосудов, поровость) помогает разграничивать семейства и роды (Stuessy, 2009). Например, отсутствие сосудов у Winteraceae и Trochodendraceae рассматривается как примитивный признак (Singh, 2019).
Эмбриологические и палинологические признаки часто рассматриваются как часть анатомических или морфологических данных. Эмбриология изучает развитие зародыша и семени; палинология — строение пыльцевых зёрен и спор. Эти признаки широко используются в систематике растений. Например, тип апертур пыльцевых зёрен (однобороздные, трёхбороздные, многопоровые) является важным признаком на уровне семейств и порядков (Stuessy, 2009). В агросфере палинология помогает идентифицировать виды растений по пыльце, что важно для анализа меда, контроля качества семян и в палеоэкологических исследованиях.
2.4. Биохимические признаки
Биохимические признаки — это особенности химического состава организмов: наличие или отсутствие определённых соединений, их количественное содержание, структура молекул. К этой группе относятся первичные и вторичные метаболиты, а также макромолекулы (белки, полисахариды). В систематике наиболее широко используются вторичные метаболиты (флавоноиды, алкалоиды, терпеноиды, глюкозинолаты и др.) и белковые маркеры (изоферменты, запасные белки семян) (Stuessy, 2009; Singh, 2019).
Преимущества:
- Относительная простота пробоподготовки и анализа (хроматография, электрофорез).
- Возможность использования гербарных материалов (многие метаболиты сохраняются десятилетиями).
- Ценность для разграничения близких видов и выявления гибридов.
- Независимость от морфологических признаков, что позволяет проверять гипотезы родства.
Ограничения:
- Сильная зависимость от условий произрастания и физиологического состояния организма.
- Возможная конвергенция в биохимических путях.
- Не все соединения являются гомологичными; многие возникают независимо.
- Для ряда групп биохимические признаки недостаточно изучены.
Примеры из агросферы. В систематике растений флавоноиды широко использовались для изучения гибридизации в роде Baptisia (Fabaceae) и для разграничения видов (Stuessy, 2009). Глюкозинолаты (горчичные масла) являются хемотаксономическим признаком порядка Brassicales; их наличие или отсутствие помогает отличить капустные (Brassicaceae) от других семейств (Singh, 2019). В фитопатологии биохимические маркеры применяются для идентификации бактерий: например, профили жирных кислот, получаемые методом газовой хроматографии, используются для диагностики Clavibacter michiganensis (Sigee, 1993). Белковые маркеры (запасные белки семян) используются для сортовой идентификации и оценки генетического разнообразия культурных растений (Stuessy, 2009).
2.5. Цитогенетические признаки
Цитогенетические признаки связаны со строением и поведением хромосом. К ним относятся: число хромосом (кариотип), их размеры, форма, положение центромеры, наличие спутников, дифференциальное окрашивание (бэндинг), а также поведение хромосом в мейозе (Stuessy, 2009; Judd et al., 2018). Цитогенетика тесно связана с генетикой и позволяет судить о геномных перестройках, полиплоидии, гибридизации.
Преимущества:
- Число хромосом — дискретный признак, легко кодируемый.
- Позволяет выявлять полиплоидные ряды и гибридные комплексы.
- Даёт информацию о репродуктивной изоляции и путях видообразования.
- Относительно недорогие методы (световая микроскопия).
Ограничения:
- Требуются свежие или специально фиксированные материалы (делящиеся ткани).
- Число хромосом может варьировать внутри вида (анэуплоидия, B-хромосомы).
- Морфология хромосом у многих групп сходна и не даёт достаточного разрешения.
- Не всегда отражает филогенетические отношения, так как кариотипическая эволюция может быть мозаичной.
Примеры из агросферы. Цитогенетика имеет огромное значение для селекции и систематики культурных растений. Например, пшеница Triticum aestivum — гексаплоид (2n = 42), возникший в результате гибридизации и полиплоидизации; её геномная формула AABBDD расшифрована с помощью цитогенетических методов (Stuessy, 2009). В роде Solanum (картофель, томат) полиплоидные ряды используются для понимания эволюционных отношений. Среди вредителей цитогенетические данные помогают различать виды-двойники, например, у Drosophila pseudoobscura и D. persimilis различия в размерах крыльев коррелируют с кариотипическими особенностями (Захваткин, 2001). В фитопатологии кариотипирование используется для идентификации рас и штаммов грибов.
2.6. Молекулярные признаки
Молекулярные признаки — это последовательности нуклеотидов в ДНК и РНК, а также аминокислотные последовательности белков. С конца XX века молекулярные данные стали основой современной филогении и систематики (Lukashov, 2009; Judd et al., 2018). Они обладают рядом уникальных свойств, которые делают их незаменимыми для реконструкции эволюционной истории.
Преимущества:
- Огромное число признаков: каждая позиция в последовательности — потенциальный признак.
- Универсальность: ДНК есть у всех организмов, что позволяет сравнивать неродственные таксоны.
- Возможность получения данных из любого материала (даже из гербарных образцов, если сохранена ДНК).
- Прямая связь с генотипом, что снижает риск субъективных ошибок.
- Наличие математических моделей эволюции, позволяющих корректировать множественные замены.
Ограничения:
- Требуется лабораторное оборудование и расходные материалы.
- Возможны загрязнения и ошибки при амплификации.
- Разные гены могут иметь разную эволюционную историю (неполная сортировка линий, гибридизация, горизонтальный перенос).
- Для некоторых групп (например, ископаемых) ДНК часто недоступна.
- Интерпретация требует биоинформатических навыков.
Основные молекулярные маркеры. В систематике растений широко используются гены хлоропластов (rbcL, matK, ndhF, trnL-F), ядерные рибосомные гены (18S, 26S) и внутренние транскрибируемые спейсеры (ITS). Для животных стандартным маркером является ген цитохромоксидазы I (COI) — ДНК-баркодинг (CBOL Plant Working Group, 2009; Ratnasingham & Hebert, 2007). Для бактерий используют ген 16S рРНК. В агросфере молекулярные маркеры применяются для:
- Идентификации видов-двойников и скрытых видов вредителей.
- Диагностики фитопатогенов (бактерий, грибов, вирусов).
- Оценки генетического разнообразия сортов и пород.
- Выявления гибридов и полиплоидов.
- Установления филогенетических связей между культурными растениями и их дикими родичами.
Молекулярные часы. Идея о том, что скорость накопления нейтральных замен приблизительно постоянна, была предложена Зукеркандлом и Полингом (Zuckerkandl & Pauling, 1965). Это позволяет оценивать время дивергенции таксонов, если известны калибровочные точки (например, датировки ископаемых). Однако молекулярные часы «идут» с разной скоростью у разных групп и генов, поэтому требуются сложные модели (Bromham & Penny, 2003; Lukashov, 2009).
Примеры из агросферы. Молекулярные методы позволили выявить, что морские свинки, традиционно относимые к грызунам, возможно, представляют более древнюю линию, хотя последующие исследования подтвердили их родство с грызунами (Lukashov, 2009). В фитопатологии анализ последовательностей ITS и rbcL используется для идентификации видов Phytophthora, Fusarium, Xanthomonas и других патогенов. ДНК-баркодинг (COI для животных, rbcL+matK для растений) применяется для контроля карантинных видов и анализа пищевых продуктов (CBOL Plant Working Group, 2009; Ratnasingham & Hebert, 2007).
2.7. Интеграция признаков
Ни один тип признаков не является абсолютным. Морфологические признаки могут быть подвержены гомоплазии, молекулярные — отражать историю генов, а не организмов. Поэтому современная систематика следует принципу интеграции данных: только согласованный анализ морфологических, анатомических, биохимических, цитогенетических и молекулярных признаков позволяет построить надёжную филогенетическую гипотезу (Judd et al., 2018; Stuessy, 2009; Singh, 2019).
В агросфере этот принцип особенно важен, поскольку от точности идентификации и классификации зависят практические решения. Например, для диагностики карантинного вредителя может потребоваться сочетание морфологических признаков (строение гениталий), цитогенетических (число хромосом) и молекулярных (последовательность COI). Для идентификации фитопатогена — комбинация морфологии спор, биохимических тестов и анализа ДНК.
Таким образом, систематик работает не с одним «идеальным» признаком, а с набором взаимодополняющих данных, каждый из которых вносит свой вклад в реконструкцию эволюционной истории. В следующей главе мы рассмотрим, как из этих признаков строится филогенетическое дерево и какие группы считаются естественными.
3. Филогенетическое дерево и его элементы
3.1. Что такое филогенетическое дерево
Филогенетическое дерево — это графическое отображение эволюционных отношений между организмами или их группами. Оно представляет собой схему, показывающую порядок ветвления эволюционных линий от общего предка к потомкам (Judd et al., 2018; Lukashov, 2009). В систематике филогенетическое дерево служит основной моделью для реконструкции истории жизни и построения естественной классификации.
Терминологически филогенетическое дерево часто называют кладограммой (от греч. clados — ветвь). Однако строго говоря, кладограмма — это дерево, построенное на основе кладистического анализа, отражающее порядок ветвления, но не обязательно масштаб эволюционных изменений. Более широкий термин — филогенетическое дерево — включает и кладограммы, и филограммы (деревья, у которых длины ветвей пропорциональны числу эволюционных изменений или времени).
Филогенетическое дерево — это гипотеза, а не окончательный факт. Оно построено на основе доступных данных (морфологических, молекулярных и др.) и может быть пересмотрено при появлении новых свидетельств. Тем не менее хорошо обоснованное дерево обладает предсказательной силой и служит основой для классификации (Judd et al., 2018; Simpson, 2010).
3.2. Элементы филогенетического дерева
Структура филогенетического дерева включает несколько ключевых элементов (Lukashov, 2009; Judd et al., 2018):
Ветви (branches) — линии, соединяющие узлы. Они могут быть внутренними (соединяют внутренние узлы) и внешними (ведут к терминальным таксонам). Внутренние ветви отражают эволюционные линии, которые существовали в прошлом, но не дожили до наших дней в виде отдельных таксонов. Внешние ветви ведут к современным или ископаемым организмам, которые являются объектами исследования.
Узлы (nodes) — точки ветвления, где одна эволюционная линия разделяется на две или более. Каждый узел представляет собой последнего общего предка для всех таксонов, расположенных выше (дальше от корня) этого узла. Узлы могут быть внутренними (точки дивергенции) и внешними (терминальные таксоны, или листья дерева).
Листья (leaves) — терминальные узлы, соответствующие современным или изучаемым организмам. Их также называют оперативными таксономическими единицами (OTU — operational taxonomic units). В качестве OTU могут выступать виды, штаммы, популяции, отдельные особи или даже гены (Lukashov, 2009).
Корень (root) — общий предок всех таксонов, включённых в дерево. Наличие корня указывает направление эволюции — от предка к потомкам. Деревья без корня показывают только родственные отношения, но не направление эволюционного процесса (Lukashov, 2009; Judd et al., 2018).
Топология (topology) — порядок ветвления на дереве. Два дерева с одинаковой топологией называют конгруэнтными, даже если они нарисованы по-разному (например, с поворотом ветвей). Деревья с разным порядком ветвления неконгруэнтны и отражают разные гипотезы эволюционных отношений (Lukashov, 2009).
Длина ветвей (branch length) — в масштабированных деревьях она пропорциональна числу эволюционных изменений (нуклеотидных замен, аминокислотных замещений) или времени, прошедшему после дивергенции. В немасштабированных деревьях длины всех ветвей одинаковы, и дерево показывает только порядок ветвления (Lukashov, 2009).
Масштаб (scale) — графическая линейка, показывающая, какому числу замен соответствует единица длины на дереве. Масштаб помогает оценить эволюционные дистанции между таксонами.
3.3. Типы филогенетических деревьев
Филогенетические деревья можно классифицировать по нескольким признакам (Lukashov, 2009; Judd et al., 2018):
По наличию корня:
- Деревья с корнем — показывают направление эволюции и порядок ветвления. Корень обычно определяется с помощью внешней группы (outgroup) — таксона, который отделился от общего предка раньше, чем все остальные анализируемые таксоны.
- Деревья без корня — показывают родственные отношения, но не направление эволюции. Они могут быть преобразованы в деревья с корнем путём добавления внешней группы.
По масштабу:
- Масштабированные (филограммы) — длины ветвей пропорциональны числу эволюционных изменений или времени.
- Немасштабированные (кладограммы) — длины ветвей не несут количественной информации, дерево показывает только топологию.
По форме:
- Прямые (диагональные) — ветви располагаются под углом, что позволяет наглядно показать длины ветвей.
- Прямоугольные — ветви располагаются горизонтально и вертикально; длины горизонтальных ветвей отражают эволюционные изменения, вертикальные — только для удобства изображения.
По топологии:
- Звездообразные (кустообразные) — короткие внутренние ветви при длинных внешних; отражают быструю эволюционную радиацию.
- Кактусообразные — длинные внутренние ветви, от которых последовательно отходят внешние; отражают постепенное накопление изменений.
3.4. Клада и монофилия
Центральное понятие современной систематики — клада (clade). Клада — это группа организмов, включающая общего предка и всех его потомков (Judd et al., 2018; Simpson, 2010). Клада соответствует монофилетической группе в строгом смысле (также называемой голофилетической).
Монофилия (от греч. monos — один, phylon — племя, род) — происхождение группы от одного общего предка, при условии, что группа включает всех потомков этого предка (Judd et al., 2018; Lukashov, 2009). Только монофилетические группы признаются естественными таксонами в современной систематике.
Пример монофилетической группы. Все млекопитающие происходят от одного общего предка и включают всех его потомков. Это монофилетическая группа. Другой пример — клада Angiospermae (цветковые растения), которая включает всех потомков общего предка цветковых (APG IV, 2016).
Критерий монофилии. Монофилетическую группу можно определить как группу, которая удаляется из дерева одним «разрезом». Если для удаления группы требуется более одного разреза, она не является монофилетической (Judd et al., 2018).
3.5. Парафилия и полифилия
Парафилия (от греч. para — рядом, возле) — группа, которая включает общего предка, но не всех его потомков (Judd et al., 2018; Lukashov, 2009). Парафилетические группы возникают, когда из монофилетической группы исключают одну или несколько подгрупп.
Пример парафилетической группы. Класс «Пресмыкающиеся» (Reptilia) в традиционном понимании включает черепах, ящериц, змей и крокодилов, но не включает птиц, которые также происходят от общего предка рептилий (Lukashov, 2009). Птицы — потомки той же эволюционной линии, что и крокодилы, поэтому «пресмыкающиеся» без птиц — парафилетическая группа.
Другой пример — «рыбы» (Pisces). Этот класс включает всех позвоночных, кроме четвероногих (Tetrapoda), хотя четвероногие произошли от одной из групп рыб. Поэтому «рыбы» — парафилетическая группа.
Полифилия (от греч. poly — много) — группа, которая объединяет организмы, происходящие от разных предков, и не включает их общего предка (Judd et al., 2018; Lukashov, 2009). Полифилетические группы возникают в результате конвергенции или ошибочного объединения неродственных таксонов.
Пример полифилетической группы. Гипотетическое объединение «летающих позвоночных» — птиц и летучих мышей — было бы полифилетической группой, поскольку их способность к полёту возникла независимо, а их общий предок не был летающим (Lukashov, 2009). Другой пример — «теплокровные» (птицы и млекопитающие), которые независимо приобрели эндотермию.
Сравнение трёх типов групп:
- Монофилетическая — предок + все потомки.
- Парафилетическая — предок + некоторые потомки.
- Полифилетическая — разные предки, общий предок не включён.
3.6. Почему только монофилетические группы считаются естественными таксонами
Современная систематика стремится выделять только монофилетические группы по нескольким причинам (Judd et al., 2018; Simpson, 2010; Pavlinov, 2021):
1. Отражение эволюционной истории. Монофилетические группы отражают реальные ветви эволюционного дерева. Они соответствуют естественным линиям происхождения, а не искусственным объединениям по сходству.
2. Предсказательная сила. Если группа монофилетична, то её представители имеют общее эволюционное происхождение и, следовательно, с большой вероятностью обладают общими признаками — генетическими, биохимическими, физиологическими, экологическими. Это позволяет предсказывать свойства неизученных членов группы на основе изученных. Например, если известно, что вид-вредитель относится к определённой монофилетической кладе, можно предположить, что его близкие родственники также могут быть вредителями или иметь сходные экологические требования.
3. Стабильность классификации. Монофилетические группы не требуют пересмотра при появлении новых данных, если только не будет показано, что группа не монофилетична. Парафилетические и полифилетические группы, напротив, часто «рассыпаются» при добавлении новых таксонов или признаков.
4. Однозначность определения. Монофилия — объективный критерий, основанный на родстве, а не на субъективной оценке сходства. Это делает классификацию воспроизводимой и независимой от мнений исследователей.
5. Практическая ценность в агросфере. В агросфере монофилетические группы позволяют:
- Прогнозировать распространение вредителей и болезней на основе филогенетических связей.
- Находить диких родичей культурных растений для селекции на устойчивость.
- Разрабатывать стратегии биологической борьбы, учитывая родственные связи хищников и паразитов.
- Оценивать риск инвазии видов на основе их филогенетического положения.
Пример из агросферы. Парафилетическая группа «пресмыкающиеся» не используется в современной систематике, поскольку она не отражает реальную эволюционную историю. Вместо неё выделяют монофилетические группы: черепахи (Testudines), чешуйчатые (Squamata), крокодилы (Crocodylia) и птицы (Aves), которые вместе образуют кладу архозавров (Archosauria) (Lukashov, 2009). Такая классификация более информативна и предсказательна.
3.7. Примеры из агросферы
1. Монофилия культурных растений. Пшеница (Triticum), рожь (Secale), ячмень (Hordeum) и овёс (Avena) относятся к кладе Poaceae (злаки). Эта группа монофилетична, что подтверждается молекулярными и морфологическими данными (APG IV, 2016; Judd et al., 2018). Знание филогенетических отношений внутри Poaceae позволяет прогнозировать устойчивость к болезням и подбирать родичей для гибридизации.
2. Парафилия у вредителей. Традиционная группа «грызуны» (Rodentia) в широком смысле может быть парафилетической, если из неё исключить некоторые группы, например, морских свинок (Caviomorpha), которые, возможно, представляют более древнюю линию (Lukashov, 2009). Современная систематика стремится к монофилетическим группам, чтобы избежать путаницы.
3. Полифилия у фитопатогенов. Бактерии, вызывающие мягкую гниль (род Erwinia в широком смысле), ранее объединялись в одну группу на основе сходства симптомов, но молекулярные данные показали, что они относятся к разным эволюционным линиям. Полифилетическая группа Erwinia s.l. была реорганизована в несколько монофилетических родов: Erwinia s.s., Pectobacterium, Dickeya (Sigee, 1993). Это имеет практическое значение для диагностики и контроля болезней.
4. Клады в защите растений. Хищные клещи (например, Phytoseiidae) — монофилетическая группа, используемая для биологической борьбы с растительноядными клещами. Знание филогении позволяет подбирать эффективные виды для конкретных агроценозов (Захваткин, 2001).
3.8. Заключение
Филогенетическое дерево — это модель эволюционной истории, включающая ветви, узлы, листья и корень. Клады — монофилетические группы — являются естественными таксонами, тогда как парафилетические и полифилетические группы не отражают реальную историю и не должны использоваться в классификации. В агросфере понимание филогенетических отношений позволяет прогнозировать свойства организмов, разрабатывать стратегии защиты растений и находить источники устойчивости. В следующей главе мы рассмотрим, какие молекулярные маркеры используются для построения филогенетических деревьев и как выбирать оптимальные маркеры для разных таксономических уровней.
4. Молекулярные маркеры в систематике
4.1. Почему молекулярные данные стали основой современной филогении
До последней четверти XX века систематика опиралась преимущественно на морфологические, анатомические, эмбриологические и биохимические признаки. Однако все эти признаки обладают общим ограничением: они могут быть подвержены гомоплазии, фенотипической пластичности и субъективной оценке (Judd et al., 2018; Stuessy, 2009). Молекулярные данные, то есть последовательности нуклеотидов в ДНК и РНК, позволили использовать в качестве признаков непосредственно генетический материал. Это дало систематике несколько принципиальных преимуществ (Lukashov, 2009; Bromham & Penny, 2003).
Во-первых, число молекулярных признаков практически неограниченно. Каждая позиция в выровненной последовательности может рассматриваться как отдельный признак, а число таких позиций измеряется сотнями и тысячами. Это резко повышает разрешающую способность анализа по сравнению с морфологией, где число доступных признаков обычно ограничено десятками.
Во-вторых, молекулярные данные универсальны. ДНК есть у всех организмов, поэтому одни и те же методы можно применять к растениям, животным, грибам и бактериям. Это позволяет сравнивать неродственные таксоны и строить филогении на всех уровнях — от штаммов до царств (Lukashov, 2009).
В-третьих, молекулярные данные отражают генотип, а не только внешнее проявление. Это снижает риск ошибок, связанных с конвергенцией и параллелизмом. Хотя гомоплазия возможна и на молекулярном уровне, она обычно менее часта и легче выявляется статистическими методами (Bromham & Penny, 2003).
В-четвёртых, для многих групп, особенно для микроорганизмов, грибов и насекомых, морфологические признаки могут быть недостаточны для разграничения близких видов. Молекулярные маркеры позволяют выявлять виды-двойники (cryptic species) и скрытое разнообразие, что имеет огромное значение для агросферы — например, для диагностики карантинных вредителей и фитопатогенов (Ratnasingham & Hebert, 2007; CBOL Plant Working Group, 2009).
В-пятых, молекулярные данные позволяют оценивать время дивергенции таксонов с помощью концепции молекулярных часов (Zuckerkandl & Pauling, 1965; Bromham & Penny, 2003). Это даёт возможность не только реконструировать родственные отношения, но и датировать эволюционные события.
Именно поэтому с 1990-х годов молекулярные маркеры стали основой современной филогении и систематики. Они не отменяют морфологию, но дополняют её и позволяют проверять гипотезы, построенные на традиционных признаках (APG IV, 2016; Judd et al., 2018).
4.2. Основные молекулярные маркеры
Выбор молекулярного маркера зависит от таксономической группы и уровня анализа. Для разных групп организмов разработаны свои стандартные маркеры.
Маркеры для растений
У растений наиболее широко используются маркеры хлоропластного и ядерного геномов. Митохондриальная ДНК у растений, в отличие от животных, имеет низкую скорость замен и частые структурные перестройки, поэтому она редко применяется для филогении (Judd et al., 2018; Singh, 2019).
Хлоропластные маркеры:
- rbcL — ген большой субъединицы рибулозо-1,5-бифосфаткарбоксилазы/оксигеназы (RuBisCO). Это один из самых консервативных и удобных для выравнивания маркеров. Он хорошо работает на уровне семейств и порядков, но часто недостаточно вариабелен для разграничения близких видов (CBOL Plant Working Group, 2009; Soltis et al., 1998).
- matK — ген матуразы, участвующей в сплайсинге интронов. Он эволюционирует быстрее, чем rbcL, и часто используется для разграничения видов и родов. В комбинации с rbcL образует стандартный баркод для наземных растений (CBOL Plant Working Group, 2009).
- ndhF — ген субъединицы NADH-дегидрогеназы. Обладает промежуточной скоростью эволюции и применяется для филогении на уровне семейств и родов (Judd et al., 2018).
- trnL-F — интрон гена trnL и межгенный спейсер trnL–trnF. Часто используется для анализа на уровне родов и видов, особенно у цветковых (Singh, 2019).
- atpB — ген бета-субъединицы ATP-синтазы. Применяется для филогении на высоких таксономических уровнях (APG IV, 2016).
Ядерные маркеры:
- ITS (internal transcribed spacers) — внутренние транскрибируемые спейсеры рибосомной ДНК (ITS1 и ITS2). Это наиболее популярный маркер для разграничения видов и родов благодаря высокой вариабельности и наличию универсальных праймеров (Judd et al., 2018; Singh, 2019).
- 18S и 26S рДНК — гены малой и большой субъединиц рибосомной РНК. Консервативны и используются для филогении на уровне семейств и выше (Soltis et al., 1998).
- Низкокопийные ядерные гены (например, RPB1, RPB2, AGT1) — применяются для разрешения сложных филогенетических вопросов, но требуют более сложной лабораторной работы (Judd et al., 2018).
Стандартный баркод для наземных растений. На основе сравнения семи кандидатных локусов CBOL Plant Working Group (2009) рекомендовал двухлокусный баркод rbcL + matK. Эта комбинация обеспечивает высокую универсальность, хорошее качество последовательностей и достаточное разрешение для идентификации около 72% видов растений. Для повышения разрешения в отдельных проектах могут добавляться ITS, trnH–psbA, trnL–F и другие маркеры.
Маркеры для животных
У животных стандартным молекулярным маркером для ДНК-баркодинга является COI — ген цитохромоксидазы I митохондриальной ДНК. Этот ген имеет высокую скорость замен, достаточную для разграничения близких видов, и при этом содержит консервативные участки для универсальных праймеров (Ratnasingham & Hebert, 2007). Стандартный фрагмент COI длиной 648 п.н. используется для идентификации видов в большинстве групп животных, включая насекомых — важнейших вредителей агросферы. База данных BOLD (Barcode of Life Data System) аккумулирует миллионы записей COI и позволяет проводить автоматическую идентификацию неизвестных образцов (Ratnasingham & Hebert, 2007).
Для более глубоких филогенетических уровней у животных также используются ядерные гены (18S, 28S рДНК, гистоны) и митохондриальные гены (12S, 16S рРНК, cyt b).
Маркеры для бактерий
У бактерий основным молекулярным маркером для филогении и идентификации является ген 16S рРНК. Он присутствует у всех бактерий, содержит как консервативные, так и вариабельные участки, что позволяет разграничивать таксоны разного ранга — от рода до типа (Sigee, 1993; Lukashov, 2009). Анализ 16S рРНК широко используется в фитопатологии для идентификации возбудителей бактериальных болезней растений, таких как Xanthomonas, Pseudomonas, Erwinia, Clavibacter (Sigee, 1993). Для более тонкого разграничения штаммов и путей (pathovars) применяются дополнительные маркеры: гены фактора элонгации Tu (tuf), рекомбиназы A (recA), а также мультилокусное секвенирование (MLST).
Маркеры для грибов
У грибов наиболее популярным маркером для идентификации видов и родов является ITS (internal transcribed spacers) ядерной рДНК (Webster & Weber, 2007). Для филогении на более высоких уровнях используются гены 18S и 28S рДНК, а также гены фактора элонгации 1-альфа (tef1), РНК-полимеразы II (RPB1, RPB2) и другие. В фитопатологии ITS-секвенирование широко применяется для диагностики возбудителей болезней — Fusarium, Phytophthora, Pythium, Botrytis и др. (Webster & Weber, 2007).
4.3. Принципы выбора маркера
Выбор молекулярного маркера определяется таксономическим уровнем и эволюционной историей группы. Основные принципы таковы (Lukashov, 2009; Judd et al., 2018):
1. Соответствие скорости эволюции маркера таксономическому уровню.
- Для высоких уровней (семейства, порядки, классы) нужны консервативные маркеры, такие как rbcL, 18S рДНК, 16S рРНК.
- Для средних уровней (роды, семейства) подходят matK, ndhF, ITS, trnL–F.
- Для низких уровней (виды, популяции) требуются высоковариабельные маркеры: ITS, COI, микросателлиты, AFLP, SNP.
2. Универсальность праймеров. Маркер должен амплифицироваться у большинства представителей изучаемой группы с помощью стандартных праймеров. Например, rbcL и matK амплифицируются у большинства наземных растений, COI — у большинства животных, 16S рРНК — у большинства бактерий (CBOL Plant Working Group, 2009; Ratnasingham & Hebert, 2007).
3. Отсутствие гомоплазии. Желательно, чтобы маркер эволюционировал преимущественно нейтрально и не подвергался сильному отбору, который может привести к конвергенции. Синонимичные замены в третьих позициях кодонов часто используются как нейтральные маркеры (Lukashov, 2009).
4. Достаточная длина и качество последовательности. Для надёжного выравнивания и статистического анализа маркер должен иметь длину не менее 500–1000 п.н. и давать чистые двунаправленные чтения (CBOL Plant Working Group, 2009).
5. Комбинация маркеров. Ни один маркер не является идеальным. Для повышения разрешения и надёжности рекомендуется использовать несколько независимых маркеров — например, rbcL + matK + ITS для растений, COI + 16S + 18S для животных, 16S + rpoB + recA для бактерий (Judd et al., 2018; Singh, 2019).
6. Учёт генетических особенностей группы. Например, у растений митохондриальная ДНК малоинформативна из-за низкой скорости замен, поэтому COI не используется для растений. У животных, напротив, митохондриальная ДНК эволюционирует быстро и удобна для баркодинга. У бактерий горизонтальный перенос генов может искажать филогению, поэтому используют консервативные гены, такие как 16S рРНК (Lukashov, 2009; Sigee, 1993).
4.4. Молекулярные часы (кратко)
Концепция молекулярных часов была предложена Зукеркандлом и Полингом (Zuckerkandl & Pauling, 1965). Она основана на предположении, что скорость накопления нейтральных замен приблизительно постоянна во времени и одинакова у разных линий. Если это так, то число различий между последовательностями пропорционально времени, прошедшему с момента их дивергенции. Это позволяет оценивать даты эволюционных событий — например, время расхождения филогенетических линий (Bromham & Penny, 2003; Lukashov, 2009).
Однако молекулярные часы «идут» с разной скоростью у разных генов, таксонов и даже участков генома. Например, у грызунов скорость замен выше, чем у приматов; у РНК-вирусов — на несколько порядков выше, чем у млекопитающих. Поэтому для калибровки часов необходимы точки калибровки — датированные ископаемые или biogeographic events (Bromham & Penny, 2003). Современные методы (например, байесовские методы в программах BEAST, MrBayes) позволяют учитывать вариацию скоростей и получать вероятностные оценки дат (Lukashov, 2009).
В агросфере молекулярные часы используются, например, для оценки времени появления устойчивости к фунгицидам у фитопатогенов или для реконструкции истории распространения вредителей (Bromham & Penny, 2003).
4.5. Ограничения молекулярных маркеров
Несмотря на все преимущества, молекулярные маркеры не являются абсолютной панацеей. Необходимо учитывать следующие ограничения (Lukashov, 2009; Judd et al., 2018):
1. Генные деревья не равны видовым деревьям. Из-за неполной сортировки линий, гибридизации, интрогрессии и горизонтального переноса история отдельного гена может не совпадать с историей вида. Поэтому для надёжной филогении рекомендуется анализировать несколько независимых генов.
2. Загрязнение и ошибки амплификации. При работе с ДНК возможны контаминация, ошибки ПЦР, образование химерных последовательностей. Требуются строгие лабораторные протоколы и проверка данных.
3. Отсутствие данных для ископаемых форм. ДНК плохо сохраняется в ископаемых остатках, поэтому молекулярные методы редко применимы к вымершим таксонам. Для них морфология остаётся основным источником данных.
4. Необходимость биоинформатической обработки. Выравнивание последовательностей, выбор модели эволюции, построение дерева — сложные задачи, требующие специальных знаний и программного обеспечения (Lukashov, 2009).
5. Стоимость и доступность. Секвенирование всё ещё требует лабораторного оборудования и расходных материалов, хотя стоимость его значительно снизилась за последние годы.
4.6. Интеграция молекулярных и морфологических данных
Современная систематика не противопоставляет молекулярные данные морфологическим. Напротив, наиболее надёжные выводы получаются при интеграции всех доступных источников информации: морфологии, анатомии, эмбриологии, палинологии, биохимии, цитогенетики и молекулярных последовательностей (Judd et al., 2018; Stuessy, 2009; APG IV, 2016). Например, APG IV (2016) при построении системы цветковых растений использовал как молекулярные, так и морфологические признаки. В фитопатологии идентификация бактерий часто включает морфологические, биохимические и молекулярные тесты (Sigee, 1993).
В агросфере интегративный подход особенно важен. Для диагностики карантинного вредителя может потребоваться сочетание морфологических признаков (строение гениталий), молекулярных данных (COI, ITS) и экологических сведений. Для идентификации фитопатогена — комбинация морфологии спор, биохимических тестов и анализа 16S рРНК или ITS. Только согласованный анализ всех данных позволяет принимать обоснованные таксономические решения и разрабатывать эффективные меры защиты растений.
4.7. Заключение
Молекулярные маркеры стали основой современной филогении и систематики благодаря универсальности, большому числу признаков и возможности количественной оценки эволюционных процессов. Для растений стандартными маркерами являются rbcL, matK и ITS; для животных — COI; для бактерий — 16S рРНК; для грибов — ITS. Выбор маркера определяется таксономическим уровнем, скоростью эволюции и доступностью праймеров. Молекулярные часы позволяют датировать эволюционные события, хотя их точность ограничена вариацией скоростей замен. Ни один маркер не является абсолютным; надёжные выводы достигаются при интеграции молекулярных данных с морфологическими и другими признаками. В следующей главе мы рассмотрим методологию построения филогенетических деревьев на основе молекулярных данных.
5. Методология построения филогении
5.1. Введение: от последовательностей к дереву
После того как выбраны признаки и получены данные — будь то морфологические состояния или нуклеотидные последовательности, — перед систематиком встаёт задача реконструкции филогенетического дерева. Эта задача решается в несколько этапов, каждый из которых имеет свою методологию и свои ограничения. В настоящей главе мы рассмотрим основные этапы molecular phylogenetic analysis: выравнивание последовательностей, выбор модели эволюции, методы построения деревьев и оценку их надёжности (Lukashov, 2009; Judd et al., 2018).
Принципиально важно понимать, что филогенетическое дерево — это гипотеза, а не окончательная истина. Разные методы и разные данные могут давать разные топологии, и задача исследователя — не найти «единственно верное» дерево, а оценить, какая из гипотез лучше согласуется с имеющимися данными и насколько устойчивы её отдельные элементы (Bromham & Penny, 2003; Stuessy, 2009).
5.2. Выравнивание последовательностей
Цели и принципы выравнивания
Первым этапом молекулярно-филогенетического анализа является выравнивание последовательностей (alignment). Его цель — идентифицировать гомологичные позиции, то есть такие позиции, которые происходят от одной и той же позиции у общего предка (Lukashov, 2009). В ходе эволюции в последовательностях происходят не только замены нуклеотидов, но и вставки (insertions) и делеции (deletions), которые вместе называют инделами (indels). Если не выявить эти события, невозможно корректно сравнить последовательности и оценить эволюционные дистанции.
Принцип выравнивания состоит в том, чтобы найти такой сценарий эволюции, который требует минимального числа эволюционных событий — замен и инделов. При этом необходимо соблюсти баланс: увеличение числа пробелов уменьшает число замен, но каждый пробел сам по себе является эволюционным событием. Поэтому в алгоритмах выравнивания используются штрафы (penalties): за несовпадение нуклеотидов, за открытие пробела (gap opening penalty) и за продолжение пробела (gap extension penalty) (Lukashov, 2009).
Штраф за открытие пробела обычно значительно выше, чем за его продолжение, поскольку вставка или делеция нескольких нуклеотидов может быть результатом одного эволюционного события, а не нескольких независимых (Lukashov, 2009). Это отражает биологическую реальность: инделы часто возникают как единые события.
Алгоритмы выравнивания двух последовательностей
Исторически первым и наиболее широко используемым алгоритмом глобального выравнивания является алгоритм Нидлмена—Вунша (Needleman–Wunsch algorithm) (Needleman & Wunsch, 1970). Он основан на принципе динамического программирования и находит оптимальный путь через матрицу, максимизируя суммарную оценку (совпадения минус штрафы). Этот алгоритм направлен на выравнивание последовательностей по всей их длине.
Для поиска локально схожих участков, когда последовательности перекрываются лишь частично, используется алгоритм Смита—Уотермена (Smith–Waterman algorithm) (Smith & Waterman, 1981). Он позволяет начинать и заканчивать выравнивание в любой ячейке матрицы, а не только в первой и последней строке/столбце. Этот подход лежит в основе программы BLAST и широко применяется для поиска гомологичных последовательностей в базах данных (Lukashov, 2009).
Различие между глобальным и локальным выравниванием принципиально. Если анализируются последовательности, которые, как предполагается, гомологичны по всей длине, используется глобальное выравнивание. Если же есть основания полагать, что гомология охватывает лишь часть последовательностей (например, при сравнении генов разной длины или при наличии вставок чужеродного материала), применяется локальное выравнивание (Lukashov, 2009).
Множественное выравнивание
На практике чаще всего требуется выровнять не две, а множество последовательностей одновременно — это называется множественным выравниванием (multiple alignment). Прямое применение алгоритмов динамического программирования для n последовательностей требует огромных вычислительных ресурсов (число операций растёт как m^n, где m — длина последовательностей), поэтому используются эвристические подходы (Lukashov, 2009).
Наиболее распространён метод прогрессивного множественного выравнивания (progressive multiple alignment), реализованный, например, в программе Clustal. Он включает три этапа: (1) попарное выравнивание всех последовательностей и построение матрицы дистанций; (2) построение направляющего дерева (guide tree); (3) последовательное выравнивание групп последовательностей в порядке, определяемом деревом (Lukashov, 2009). Этот метод быстр, но его результат зависит от порядка присоединения последовательностей и может быть неоптимальным.
Учёт пробелов и отсутствующей информации
При анализе нескольких последовательностей существует два подхода к исключению пробелов: полное исключение (complete gap deletion) — позиции с пробелами исключаются из всех попарных сравнений, и попарное исключение (pairwise gap deletion) — позиции исключаются только из тех сравнений, где они содержат пробелы (Lukashov, 2009). Попарное исключение более полно использует информацию, но приводит к тому, что разные пары сравниваются на разных участках, что может искажать результат.
Участки с неизвестной информацией (missing information), например, из-за экспериментальных проблем, обрабатываются аналогично пробелам. Важно понимать, что обилие пробелов и пропусков снижает надёжность филогенетического анализа, поэтому необходимо стремиться к получению полных и качественных последовательностей (Lukashov, 2009).
5.3. Модели эволюции нуклеотидных замен
После выравнивания необходимо оценить эволюционные дистанции между последовательностями. Наблюдаемая доля различий (p-дистанция) не равна истинной дистанции, поскольку множественные замены в одной позиции могут остаться незамеченными, а разные типы замен имеют разную вероятность (Lukashov, 2009). Поэтому используются модели эволюции (evolutionary models), которые позволяют корректировать наблюдаемые различия с учётом этих факторов.
Основные модели
Модель Джукса—Кантора (JC69) — простейшая однопараметрическая модель. Она предполагает, что вероятность замены любого нуклеотида на любой другой одинакова и составляет α за единицу времени (Jukes & Cantor, 1969). Формула для расчёта дистанции:
где p — наблюдаемая доля различий. Эта модель применима при небольших дистанциях (p < 0,05), когда множественные замены редки (Lukashov, 2009).
Модель Кимуры (K80) — двупараметрическая модель, учитывающая разную частоту транзиций и трансверсий. Транзиции (замены пурин→пурин или пиримидин→пиримидин) происходят чаще, чем трансверсии (пурин↔пиримидин). Формула:
где P и Q — наблюдаемые доли транзиций и трансверсий соответственно (Kimura, 1980). Эта модель используется при дистанциях до 0,3 и отношении транзиций/трансверсий более 2 (Lukashov, 2009).
Модель Таджимы—Неи (TN84) учитывает неодинаковую частоту встречаемости четырёх нуклеотидов. Она применяется, когда содержание нуклеотидов значительно отличается от 25% (Tajima & Nei, 1984).
Модель Тамуры (T92) учитывает GC-содержание, а модель Хазегавы и др. (HKY85) — как GC-содержание, так и разную частоту транзиций и трансверсий (Tamura, 1992; Hasegawa et al., 1985). Модель Тамуры—Неи (TN93) дополнительно различает частоты транзиций для пуринов и пиримидинов (Tamura & Nei, 1993).
Существует и общая 12-параметрическая модель, в которой каждая из 12 возможных замен (4 нуклеотида × 3 альтернативы) имеет свою частоту (Lukashov, 2009).
Гамма-дистанции
Все перечисленные модели предполагают, что частота замен одинакова для всех позиций последовательности. Однако в реальности разные позиции эволюционируют с разной скоростью: одни консервативны, другие вариабельны. Для учёта этой гетерогенности используется гамма-распределение (Γ-distribution). Параметр α (не путать с частотой замен) определяет форму распределения: при α < 1 большая доля позиций имеет низкую частоту замен; при α > 1 распределение приближается к нормальному (Lukashov, 2009).
Γ-дистанция для модели Джукса—Кантора рассчитывается по формуле:
где a — параметр гамма-распределения. Аналогичные формулы существуют для модели Кимуры и других (Lukashov, 2009).
Синонимичные и несинонимичные дистанции
Для кодирующих последовательностей особый интерес представляет раздельный анализ синонимичных (не изменяющих аминокислоту) и несинонимичных (изменяющих аминокислоту) замен. Отношение Dn/Ds является важной характеристикой эволюционного давления: если Dn/Ds < 1, доминирует отрицательный отбор; если > 1 — положительный отбор (Lukashov, 2009).
Для расчёта синонимичных и несинонимичных дистанций используется метод Неи—Годжобори (Nei & Gojobori, 1986), а также его модификации (Li et al., 1985; Pamilo & Bianchi, 1993). Эти методы требуют предварительного определения числа синонимичных и несинонимичных позиций в каждом кодоне, что может быть дробным (Lukashov, 2009).
Аминокислотные дистанции
Для аминокислотных последовательностей также разработаны модели эволюции. Простейшая — пуассоновская коррекция: D = −ln(1 − p). Более сложные модели учитывают неравномерность замен по позициям (гамма-дистанция) и разную частоту аминокислот (equal input model) (Lukashov, 2009).
Широко используются матрицы вероятностей аминокислотных замещений: PAM (Point Accepted Mutations) и BLOSUM (Block Substitution Matrix). Матрицы PAM были разработаны Дэйхофф на основе анализа близкородственных последовательностей; матрицы BLOSUM — Хеникофф и Хеникофф на основе консервативных блоков неродственных последовательностей (Dayhoff, 1978; Henikoff & Henikoff, 1992). Эти матрицы применяются как для выравнивания, так и для расчёта эволюционных дистанций.
Выбор модели
Выбор модели эволюции — важный этап, влияющий на результат. Не существует универсальной модели, оптимальной для всех случаев. Общие рекомендации таковы (Lukashov, 2009):
- При малых дистанциях (p < 0,05) можно использовать модель Джукса—Кантора.
- При дистанциях до 0,3 и низком отношении транзиций/трансверсий — также JC69; при высоком — K80.
- При больших дистанциях и значительном отклонении содержания нуклеотидов от 25% — TN84, T92 или TN93.
- При дистанциях выше 0,3 и вариации скоростей по позициям — гамма-дистанции.
- Хорошей практикой является использование нескольких моделей и сравнение результатов.
Для статистического выбора модели применяются критерии отношения правдоподобия (likelihood ratio test) и информационные критерии (AIC, BIC), реализованные в программах ModelTest, jModelTest, MrBayes (Lukashov, 2009; Posada & Crandall, 2001).
5.4. Методы построения филогенетических деревьев
После выравнивания и расчёта дистанций (или непосредственно после выравнивания, если используются методы анализа дискретных признаков) необходимо построить дерево. Все методы делятся на две большие группы: дистанционные (distance methods) и методы анализа дискретных признаков (discrete character methods) (Lukashov, 2009; Judd et al., 2018).
Дистанционные методы
Дистанционные методы начинают с матрицы попарных эволюционных дистанций между последовательностями. Затем эта матрица преобразуется в дерево с помощью различных алгоритмов.
Метод UPGMA (Unweighted Pair Group Method with Arithmetic Mean) — простейший дистанционный метод. Он последовательно объединяет наиболее близкие последовательности в кластеры, предполагая строгое соблюдение молекулярных часов (равенство скоростей эволюции). Из-за этого предположения UPGMA часто даёт неверную топологию и в настоящее время практически не используется (Lukashov, 2009).
Метод трансформированной дистанции (transformed distance method) — развитие UPGMA, позволяющее частично учесть несоблюдение молекулярных часов путём использования внешней группы (Farris, 1977; Klotz et al., 1979). Широкого распространения не получил.
Метод минимума эволюции (ME) основан на принципе минимального числа эволюционных событий: выбирается дерево с наименьшей суммой длин всех ветвей. Для поиска такого дерева используются алгоритмы связей между соседями (neighbors-relation methods), среди которых наиболее популярен метод присоединения соседей (NJ) (Saitou & Nei, 1987). NJ начинает со звездообразной топологии и последовательно отделяет пары последовательностей, дающие наименьшую сумму длин ветвей. NJ быстр, устойчив к несоблюдению молекулярных часов и широко используется для предварительного анализа больших наборов данных (Lukashov, 2009).
Метод максимальной экономии (MP)
Метод максимальной экономии (Maximum Parsimony, MP) направлен на поиск дерева, требующего наименьшего числа эволюционных изменений для объяснения наблюдаемых различий. Он анализирует филогенетически информативные позиции — те, в которых присутствуют минимум два различных нуклеотида (или аминокислоты), и как минимум два из них встречаются у двух или более последовательностей (Lukashov, 2009; Fitch, 1971).
Алгоритм MP рассматривает все возможные топологии, для каждой подсчитывает минимальное число замен в каждой информативной позиции (используя правило пересечения или объединения множеств нуклеотидов в узлах) и суммирует по всем позициям. Выбирается дерево с минимальной суммой (Lukashov, 2009). Преимущество MP — возможность получения нескольких равновероятных деревьев, что позволяет сравнивать альтернативные гипотезы. Недостаток — чувствительность к притяжению длинных ветвей (long-branch attraction), когда быстро эволюционирующие линии ошибочно группируются вместе (Felsenstein, 1978).
Метод максимального правдоподобия (ML)
Метод максимального правдоподобия (Maximum Likelihood, ML) основан на модели эволюции и оценивает вероятность (правдоподобие) наблюдаемых данных при данной топологии и данной модели. Для каждой позиции вычисляется вероятность наблюдения конкретных нуклеотидов с учётом всех возможных состояний в внутренних узлах и длин ветвей. Затем эти вероятности перемножаются по всем позициям, и выбирается дерево с максимальным значением функции правдоподобия (Felsenstein, 1981; Lukashov, 2009).
ML — computationally intensive метод, но он менее подвержен притяжению длинных ветвей и позволяет статистически сравнивать альтернативные топологии. Современные реализации (RAxML, PhyML, IQ-TREE) позволяют анализировать тысячи последовательностей (Lukashov, 2009).
Байесовский анализ (обзорно)
Байесовский анализ (Bayesian inference) — относительно новый метод, основанный на теореме Байеса. Он оценивает апостериорную вероятность дерева при данных и модели, используя методы Монте-Карло по цепям Маркова (MCMC). В отличие от ML, байесовский анализ не ищет одно оптимальное дерево, а исследует распределение деревьев в пространстве, что позволяет получить вероятностные оценки топологий и длин ветвей (Huelsenbeck et al., 2001; Lukashov, 2009).
Байесовский анализ быстрее ML для больших наборов данных и даёт оценки поддержки узлов (posterior probabilities), которые обычно выше бутстрэп-значений. Однако он требует задания априорных распределений (priors), что может влиять на результат. Наиболее популярная программа — MrBayes (Ronquist & Huelsenbeck, 2003; Lukashov, 2009).
Сравнение методов
Не существует метода, превосходящего все остальные во всех случаях. Дистанционные методы (NJ) быстры и удобны для предварительного анализа, но менее точны. MP прост и интуитивен, но чувствителен к длинным ветвям. ML и байесовский анализ более точны, но требуют больше вычислительных ресурсов. На практике рекомендуется использовать несколько методов и сравнивать результаты (Lukashov, 2009; Judd et al., 2018).
5.5. Оценка поддержки узлов
После построения дерева необходимо оценить, насколько надёжны его отдельные узлы. Узел, который поддерживается слабо, может отсутствовать в истинном дереве; следовательно, топология ниже этого узла неопределённа (Lukashov, 2009).
Бутстрэп-анализ
Бутстрэп-анализ (bootstrap analysis) — наиболее распространённый метод оценки поддержки. Он основан на случайном отборе позиций с возвращением: из исходного выравнивания случайным образом выбирается N позиций (N равно длине выравнивания), при этом некоторые позиции могут быть выбраны несколько раз, а другие — ни разу. Для каждой такой «бутстрэп-выборки» строится дерево. Процедура повторяется 100–1000 раз. Затем для каждого узла исходного дерева подсчитывается процент бутстрэп-деревьев, в которых этот узел присутствует (Felsenstein, 1985; Lukashov, 2009).
Бутстрэп-значение выше 70% обычно считается приемлемым, выше 90% — надёжным. Однако бутстрэп не является мерой вероятности: значение 85% не означает, что узел верен с вероятностью 85% (Lukashov, 2009).
Другие методы
Jackknife — аналогичен бутстрэпу, но позиции выбираются без возвращения (каждая позиция может быть выбрана только один раз). Обычно удаляется 1/3 или 1/2 позиций (Lukashov, 2009).
Decay index (Bremer support) — показывает, на сколько шагов нужно увеличить длину дерева, чтобы данный узел исчез. Чем выше decay index, тем надёжнее узел (Bremer, 1988; Lukashov, 2009).
Posterior probabilities в байесовском анализе — апостериорные вероятности узлов, которые обычно выше бутстрэп-значений. Значения ниже 0,90–0,95 считаются слабыми (Lukashov, 2009).
5.6. Программное обеспечение
Для филогенетического анализа разработано множество программ. Наиболее популярные (Lukashov, 2009):
- MEGA — простой и удобный пакет для выравнивания, расчёта дистанций и построения деревьев (NJ, MP, ML).
- PAUP* — мощный пакет для MP, ML и других методов.
- PHYLIP — классический набор программ для различных методов.
- MrBayes — байесовский анализ.
- RAxML, PhyML, IQ-TREE — быстрые реализации ML.
- BEAST — байесовский анализ с оценкой времени дивергенции (молекулярные часы).
- SimPlot — выявление рекомбинации.
- BOLD — система для ДНК-баркодинга (Ratnasingham & Hebert, 2007).
5.7. Связь с генетикой: методологические аспекты
Методология филогенетического анализа тесно связана с генетикой, но не требует повторения механизмов наследственности. Важно понимать, что:
- Генные деревья не равны видовым деревьям. Из-за неполной сортировки линий, гибридизации, интрогрессии и горизонтального переноса история отдельного гена может не совпадать с историей вида (Lukashov, 2009; Judd et al., 2018). Поэтому для надёжной филогении рекомендуется анализировать несколько независимых генов.
- Разные участки генома могут эволюционировать с разной скоростью. Это учитывается при выборе маркеров и моделей эволюции (Lukashov, 2009).
- Рекомбинация может искажать филогенетический сигнал. Для её выявления используются специальные методы, такие как сканирование последовательностей в скользящем окне (SimPlot) (Lukashov, 2009).
- Молекулярные часы позволяют датировать эволюционные события, но требуют калибровки. Точность датировок зависит от выбора калибровочных точек и модели эволюции (Bromham & Penny, 2003).
5.8. Заключение
Методология построения филогении включает несколько этапов: выравнивание последовательностей, выбор модели эволюции, построение дерева и оценку его надёжности. Каждый этап имеет свои методы и ограничения. Дистанционные методы (NJ) быстры и удобны для предварительного анализа; MP прост и интуитивен; ML и байесовский анализ более точны, но требуют больше ресурсов. Бутстрэп-анализ позволяет оценить поддержку узлов. Ни один метод не является абсолютным; надёжные выводы достигаются при использовании нескольких методов и нескольких независимых маркеров. В агросфере понимание методологии филогенетического анализа необходимо для критического восприятия таксономических решений и их практического применения — от диагностики вредителей и фитопатогенов до селекции устойчивых сортов.
6. Заключение
6.1. Современная систематика — интегративная дисциплина
На протяжении этой лекции мы рассмотрели, как систематика решает одну из своих фундаментальных задач — установление родственных отношений между организмами. Мы начали с проблемы субъективности внешнего сходства и необходимости объективных критериев, затем обсудили типы признаков, используемых в систематике, структуру филогенетического дерева и понятие монофилии, роль молекулярных маркеров и, наконец, методологию построения филогении. Теперь необходимо подвести итог и сформулировать главный вывод: современная систематика — это интегративная дисциплина, которая не полагается на какой-либо один тип данных, а синтезирует информацию из множества независимых источников (Judd et al., 2018; Stuessy, 2009; Pavlinov, 2021).
Этот вывод имеет принципиальное значение. В истории систематики неоднократно возникали ситуации, когда одна группа признаков объявлялась «главной» и «единственно надёжной». Сначала это была морфология, затем — цитология, биохимия, а в последние десятилетия — молекулярные данные. Однако ни один из этих источников не является абсолютным. Морфологические признаки подвержены гомоплазии и фенотипической пластичности; цитогенетические данные могут быть мозаичными; биохимические маркеры зависят от условий среды; молекулярные последовательности отражают историю генов, а не всегда — историю организмов (Lukashov, 2009; Bromham & Penny, 2003). Только согласованный анализ всех доступных данных позволяет приблизиться к пониманию истинной эволюционной истории.
6.2. Ни один признак не является абсолютным
В главе 2 мы подробно разобрали типы признаков, используемых в систематике: морфологические, анатомические, биохимические, цитогенетические и молекулярные. Каждый из них имеет свои преимущества и ограничения. Морфология доступна и универсальна, но подвержена конвергенции. Анатомия и эмбриология более консервативны, но требуют специальных методов. Биохимия чувствительна к условиям среды. Цитогенетика даёт дискретные признаки, но не всегда достаточно вариабельна. Молекулярные данные обладают огромным числом признаков и универсальностью, но отражают историю генов, а не организмов, и требуют сложной обработки (Judd et al., 2018; Stuessy, 2009; Singh, 2019).
Это означает, что систематик не должен слепо доверять какому-либо одному источнику данных. Напротив, он должен стремиться к согласованию разных типов признаков. Если морфологические, анатомические, биохимические и молекулярные данные указывают на одну и ту же топологию, наша уверенность в филогенетической гипотезе возрастает. Если же данные противоречат друг другу, это сигнал о возможных проблемах: гомоплазии, гибридизации, неполной сортировке линий или недостаточной выборке (Lukashov, 2009; Judd et al., 2018).
6.3. Истина достигается согласованием разных данных
В главе 3 мы ввели понятия монофилии, парафилии и полифилии и показали, что только монофилетические группы считаются естественными таксонами. Это означает, что классификация должна отражать реальные ветви эволюционного дерева, а не искусственные объединения по сходству. В главе 4 мы обсудили молекулярные маркеры, которые стали основой современной филогении, но подчеркнули, что они не отменяют морфологию, а дополняют её. В главе 5 мы рассмотрели методологию построения филогении — от выравнивания последовательностей до оценки поддержки узлов — и показали, что каждый этап имеет свои ограничения и требует критического подхода.
Главный вывод из всего этого состоит в том, что истина в систематике достигается не через поиск одного «идеального» признака или метода, а через согласование множества независимых данных и методов. Этот принцип называют интегративным подходом (integrative approach) или тотальным доказательством (total evidence) (Judd et al., 2018; Kluge, 1989). Он предполагает, что при построении филогении и классификации необходимо использовать все доступные источники информации, оценивать их согласованность и принимать решения на основе совокупности свидетельств.
6.4. Понимание методологии необходимо для критического восприятия таксономических решений
В агросфере систематика имеет не только теоретическое, но и огромное практическое значение. От правильной идентификации вредителя или фитопатогена зависят выбор методов борьбы, прогноз распространения, подбор устойчивых сортов и карантинные мероприятия (Захваткин, 2001; Sigee, 1993). Поэтому специалист в области защиты растений, агрономии или селекции должен не просто знать названия таксонов, но и понимать, как эти таксоны были выделены и на каких данных основаны таксономические решения.
Понимание методологии филогенетического анализа позволяет:
1. Критически оценивать таксономические решения. Если вид был выделен только на основе морфологических признаков без молекулярной проверки, это может быть преждевременным. Если же, напротив, молекулярные данные противоречат морфологии, это требует дополнительного анализа (Lukashov, 2009).
2. Осознавать ограничения данных. Например, ДНК-баркодинг на основе COI хорошо работает для животных, но не для растений; ITS эффективен для разграничения близких видов грибов, но может не разрешать глубокие филогенетические отношения (CBOL Plant Working Group, 2009; Ratnasingham & Hebert, 2007; Webster & Weber, 2007).
3. Правильно интерпретировать результаты. Бутстрэп-значение 95% не означает 95% вероятности; байесовская апостериорная вероятность 0,99 не означает абсолютной уверенности. Понимание статистических основ позволяет избегать ошибочных выводов (Lukashov, 2009).
4. Принимать обоснованные практические решения. Если филогенетический анализ показывает, что два вида вредителей являются близкими родственниками, можно ожидать, что они будут сходны по экологии и устойчивости к пестицидам. Если же они относятся к разным кладам, стратегии борьбы могут различаться (Judd et al., 2018).
5. Участвовать в междисциплинарных исследованиях. Современная систематика тесно связана с генетикой, молекулярной биологией, биоинформатикой, экологией. Понимание методологии филогенетического анализа необходимо для эффективного сотрудничества с систематиками и молекулярными биологами (Pavlinov, 2021).
6.5. Основные выводы лекции
Подведём итоги всего курса в виде нескольких ключевых положений:
1. Родство устанавливается на основе гомологичных признаков, а не внешнего сходства. Гомология — сходство, основанное на общем происхождении; аналогия — сходство, возникшее независимо. Только гомологичные признаки могут использоваться для филогении (Lukashov, 2009; Judd et al., 2018).
2. В систематике используется широкий спектр признаков. Морфологические, анатомические, биохимические, цитогенетические и молекулярные данные дополняют друг друга. Ни один из них не является абсолютным (Stuessy, 2009; Singh, 2019).
3. Филогенетическое дерево — это гипотеза эволюционных отношений. Оно включает ветви, узлы, листья и корень. Клады — монофилетические группы — считаются естественными таксонами; парафилетические и полифилетические группы не используются в современной классификации (Judd et al., 2018; Lukashov, 2009).
4. Молекулярные маркеры стали основой современной филогении. Для растений стандартными маркерами являются rbcL, matK и ITS; для животных — COI; для бактерий — 16S рРНК; для грибов — ITS. Выбор маркера определяется таксономическим уровнем и скоростью эволюции (CBOL Plant Working Group, 2009; Ratnasingham & Hebert, 2007; Sigee, 1993; Webster & Weber, 2007).
5. Методология построения филогении включает несколько этапов. Выравнивание последовательностей, выбор модели эволюции, построение дерева (NJ, MP, ML, байесовский анализ) и оценка поддержки узлов (бутстрэп, decay index, posterior probabilities). Каждый этап имеет свои ограничения (Lukashov, 2009; Felsenstein, 1985; Saitou & Nei, 1987).
6. Современная систематика — интегративная дисциплина. Истина достигается согласованием разных данных; ни один признак и ни один метод не являются абсолютными. Понимание методологии необходимо для критического восприятия таксономических решений и их практического применения в агросфере (Judd et al., 2018; Pavlinov, 2021).
6.6. Значение для агросферы
В агросфере систематика и филогенетика имеют исключительно важное прикладное значение. Точная идентификация видов вредителей, сорняков и фитопатогенов — основа для разработки эффективных и безопасных методов защиты растений. Понимание филогенетических отношений позволяет:
- Прогнозировать свойства неизученных видов на основе их родства с изученными (например, устойчивость к пестицидам, спектр хозяев, экологические предпочтения).
- Находить диких родичей культурных растений для селекции на устойчивость к болезням и вредителям.
- Разрабатывать стратегии биологической борьбы, учитывая филогенетические связи хищников, паразитов и их жертв.
- Оценивать риск инвазии чужеродных видов на основе их филогенетического положения и экологических характеристик.
- Проводить карантинные мероприятия, используя молекулярные маркеры для быстрой и точной диагностики (Ratnasingham & Hebert, 2007; CBOL Plant Working Group, 2009).
Таким образом, систематика — это не просто «описание видов», а фундаментальная наука, лежащая в основе биологического образования, охраны природы, сельского хозяйства и медицины. Понимание её методологии — необходимое условие для подготовки квалифицированных специалистов в области агросферы.
6.7. Перспективы
Современная систематика продолжает развиваться. Быстрое совершенствование технологий секвенирования, появление новых молекулярных маркеров, развитие биоинформатических методов и накопление данных о геномах открывают новые возможности для реконструкции эволюционной истории. Одновременно растёт понимание того, что филогенетическое дерево — это не окончательная истина, а рабочая гипотеза, которая уточняется по мере поступления новых данных (Lukashov, 2009; Judd et al., 2018).
В агросфере эти достижения находят всё более широкое применение: от ДНК-баркодинга для идентификации карантинных объектов до филогенетического анализа для прогнозирования эволюции устойчивости к фунгицидам. Можно ожидать, что в ближайшие десятилетия систематика станет ещё более интегративной, а её методы — ещё более доступными для практического использования.
6.8. Заключительное замечание
Систематика — это наука о разнообразии жизни и его эволюционных корнях. Она отвечает на фундаментальные вопросы: кто с кем родствен, как возникло разнообразие, как оно распределено во времени и пространстве. Но она же даёт и практические ответы: как распознать вредителя, как найти устойчивый сорт, как сохранить биоразнообразие. Понимание методологии установления родства — ключ к критическому восприятию таксономических решений и их грамотному применению в агросфере. Как сказал выдающийся эволюционный биолог Феодосий Добржанский, «ничто в биологии не имеет смысла, кроме как в свете эволюции». Систематика — это тот язык, на котором эволюция говорит с нами.
Список источников
- (2016). ‘An update of the Angiosperm Phylogeny Group classification for the orders and families of flowering plants: APG IV’, Botanical Journal of the Linnean Society, 181(1), 1-20. doi: 10.1111/boj.12385
- Bromham, L., Penny, D. (2003). ‘The modern molecular clock’, Nature Reviews Genetics, 4(3), 216-224. doi: 10.1038/nrg1020 (PubMed)
- Donoghue, M.J., Smith, S.A. (2004). ‘Patterns in the assembly of temperate forests around the Northern Hemisphere’, Philosophical Transactions of the Royal Society of London. Series B: Biological Sciences, 359(1450), 1633-1644. doi: 10.1098/rstb.2004.1538 (PubMed)
- Hollingsworth, P.M., Forrest, L.L., Spouge, J.L., Hajibabaei, M., Ratnasingham, S., van derBank, M., Chase, M.W., Cowan, R.S., Erickson, D.L., Fazekas, A.J., Graham, S.W., James, K.E., Kim, K., Kress, W.John, Schneider, H., vanAlphenStahl, J., Barrett, S.C..H., van denBerg, C., Bogarin, D., Burgess, K.S., Cameron, K.M., Carine, M., Chacón, J., Clark, A., Clarkson, J.J., Conrad, F., Devey, D.S., Ford, C.S., Hedderson, T.A..J., Hollingsworth, M.L., Husband, B.C., Kelly, L.J., Kesanakurti, P.R., Kim, J.Sung, Kim, Y., Lahaye, R., Lee, H., Long, D.G., Madriñán, S., Maurin, O., Meusnier, I., Newmaster, S.G., Park, C., Percy, D.M., Petersen, G., Richardson, J.E., Salazar, G.A., Savolainen, V., Seberg, O., Wilkinson, M.J., Yi, D., Little, D.P. (2009). ‘A DNA barcode for land plants’, Proceedings of the National Academy of Sciences, 106(31), 12794-12797. doi: 10.1073/pnas.0905845106 (PubMed)
- Judd, W.S., Campbell, C.S., Kellogg, E.A., Stevens, P.F., Donoghue, M.J. (2018). ‘Methods and Principles of Biological Systematics’, in Plant Systematics. A Phylogenetic Approach. Sunderland, MA: Oxford University Press, pp. 13-48.
- Judd, W.S., Campbell, C.S., Kellogg, E.A., Stevens, P.F., Donoghue, M.J. (2018). ‘The Science of Plant Systematics’, in Plant Systematics. A Phylogenetic Approach. Sunderland, MA: Oxford University Press, pp. 1-12.
- Kadereit, J.W. (0). ‘Asterales: Introduction and Conspectus’, in The Families and Genera of Vascular Plants. Berlin, Heidelberg: Springer Berlin Heidelberg, 1-6. doi: 10.1007/978-3-540-31051-8_1
- Pandey, A.K., Kasana, S. (2021). ‘Phylogenetic Systematics’, in Plant Systematics. : CRC Press, 244-257. doi: 10.1201/9781003183464-20
- Pavlinov, I.Ya. (2021). ‘A Brief Introduction to Systematics’, in Biological Systematics. History and Theory. Boca Raton, FL: CRC Press, pp. 1-12.
- Ratnasingham, S., Hebert, P.D.N. (2007). ‘The Barcode of Life Data System (www.barcodinglife.org)’, Molecular Ecology Notes, 7(0), 355–364. doi: 10.1111/j.1471-8286.2006.01678.x
- Sigee, D.C. (1993). ‘Genetical analysis of plant pathogenic bacteria’, in Bacterial Plant Pathology: Cell and Molecular Aspects. Cambridge, UK: Cambridge University Press, pp. 212-272.
- Sigee, D.C. (1993). ‘Taxonomy of plant pathogenic bacteria: classification, nomenclature and identification’, in Bacterial Plant Pathology: Cell and Molecular Aspects. Cambridge, UK: Cambridge University Press, pp. 41-76.
- Simpson, M. G. (0). ‘Species and Conservation in Plant Systematics’, in Plant Systematics. Amsterdam: Academic Press (imprint of Elsevier), pp. 1346-1391.
- Singh, G. (2019). ‘Numerical and Cladistic Methods’, in Plant Systematics. An Integrated Approach. Boca Raton, FL: CRC Press, pp. 163-201.
- Singh, G. (2019). ‘Taxonomic Evidence’, in Plant Systematics. An Integrated Approach. Boca Raton, FL: CRC Press, pp. 69-114.
- Stuessy, T.F. (2009). ‘Anatomy’, in Plant Taxonomy. New York: Columbia University Press, pp. 199-210.
- Stuessy, T.F. (2009). ‘Characters’, in Plant Taxonomy. New York: Columbia University Press, pp. 25-36.
- Stuessy, T.F. (2009). ‘Cytology and Cytogenetics.’, in Plant Taxonomy. New York: Columbia University Press, pp. 255-272.
- Stuessy, T.F. (2009). ‘Ecology’, in Plant Taxonomy. New York: Columbia University Press, pp. 321-332.
- Stuessy, T.F. (2009). ‘Embryology’, in Plant Taxonomy. New York: Columbia University Press, pp. 211-222.
- Stuessy, T.F. (2009). ‘Genetics and Population Genetics’, in Plant Taxonomy. New York: Columbia University Press, pp. 295-308.
- Stuessy, T.F. (2009). ‘Molecular Biology’, in Plant Taxonomy. New York: Columbia University Press, pp. 273-294.
- Stuessy, T.F. (2009). ‘Morphology’, in Plant Taxonomy. New York: Columbia University Press, pp. 179-198.
- Stuessy, T.F. (2009). ‘Palynology’, in Plant Taxonomy. New York: Columbia University Press, pp. 223-238.
- Stuessy, T.F. (2009). ‘Phytochemistry’, in Plant Taxonomy. New York: Columbia University Press, pp. 239-254.
- Stuessy, T.F. (2009). ‘Reproductive Biology’, in Plant Taxonomy. New York: Columbia University Press, pp. 309-320.
- Stuessy, T.F. (2009). ‘The Cladistic Approach’, in Plant Taxonomy. New York: Columbia University Press, pp. 73-110.
- Stuessy, T.F. (2009). ‘The Phenetic Approach’, in Plant Taxonomy. New York: Columbia University Press, pp. 51-72.
- Webster, J., Weber, R. (2007). ‘Ascomycota (ascomycetes)’, in Introduction to Fungi. Cambridge CB2 8RU, UK: Cambridge University Press, pp. 226-249.
- Webster, J., Weber, R. (2007). ‘Basidiomycota’, in Introduction to Fungi. Cambridge CB2 8RU, UK: Cambridge University Press, pp. 487-513.
- Webster, J., Weber, R. (2007). ‘Introduction’, in Introduction to Fungi. Cambridge CB2 8RU, UK: Cambridge University Press, pp. 1-39.
- Webster, J., Weber, R. (2007). ‘Urediniomycetes: Uredinales (rust fungi)’, in Introduction to Fungi. Cambridge CB2 8RU, UK: Cambridge University Press, pp. 609-635.
- Webster, J., Weber, R. (2007). ‘Ustilaginomycetes: smut fungi and their allies’, in Introduction to Fungi. Cambridge CB2 8RU, UK: Cambridge University Press, pp. 636-657.
- Wolf, P.G., Pryer, K.M., Smith, A.R., Hasebe, M. (1998). ‘Phylogenetic Studies of Extant Pteridophytes’, in Molecular Systematics of Plants II. Boston, MA: Springer US, 541-556. doi: 10.1007/978-1-4615-5419-6_19
- Zuckerkandl, E., Pauling, L. (1965). ‘Molecules as Documents of Evolutionary History’, J. Theoret. Biol., 8(0), 357-366.
- Захваткин, Ю.А. (2001). ‘Систематика [Systematics]’, in Курс общей энтомологии [Course in General Entomology]. Москва: Колос, pp. 294-357.
- Лукашов, В.В. (2009). ‘Выравнивание генетических последовательностей [Genetic sequence alignment]’, in Молекулярная эволюция и филогенетический анализ [Molecular evolution and phylogenetic analysis]. Москва: БИНОМ, pp. 41-60.
- Лукашов, В.В. (2009). ‘Генетические дистанции и эволюционные модели [Genetic distances and evolutionary models]’, in Молекулярная эволюция и филогенетический анализ [Molecular evolution and phylogenetic analysis]. Москва: БИНОМ, pp. 61-89.
- Лукашов, В.В. (2009). ‘Отдельные задачи эволюционного анализ [Specific tasks of evolutionary analysis]’, in Молекулярная эволюция и филогенетический анализ [Molecular evolution and phylogenetic analysis]. Москва: БИНОМ, pp. 141-207.
- Лукашов, В.В. (2009). ‘Филогенетический анализ [Phylogenetic analysis]’, in Молекулярная эволюция и филогенетический анализ [Molecular evolution and phylogenetic analysis]. Москва: БИНОМ, pp. 90-140.
- Лукашов, В.В. (2009). ‘Цели, принципы и понятия молекулярной эволюции [Goals, principles, and concepts of molecular evolution]’, in Молекулярная эволюция и филогенетический анализ [Molecular evolution and phylogenetic analysis]. Москва: БИНОМ, pp. 9-40.
- Сокирко, В.П., Горьковенко, В.С. (2019). ‘Царства Chromista (грибоподобные организмы) [Kingdom Chromista (fungus-like organisms)]’, in Фитопатогенные грибы: морфология и систематика [Phytopathogenic fungi: morphology and systematics]. Краснодар, Россия: Кубанский государственный аграрный университет имени И. Т. Трубилина, pp. 33-48.



