科学家利用拓扑学探究树叶形状影响因素

照片来源:罗斯·霍丁诺多伊:10.1038/自然2017.22230

植物的故事与其叶子密切相关。生长在潮湿和寒冷环境中的树会有大的锯齿状叶子，而生长在干燥和炎热地区的树会有小而光滑的叶子。

现在科学家们已经绘制了一张包含141个植物科的182，000片叶子的地图来讲述植物的故事，这些叶子来自世界各地的75个地方。使用该地图，研究人员能够以14.5%的精度从叶形状估计源位置，并以27.3%的精度预测科和属，这比传统的叶形状描述方法精确得多。

研究人员希望这种方法能帮助他们探索影响树叶形状的因素，并有希望从化石的形状推断出古代气候。"这个数据集意义重大。"德克萨斯州贝勒大学的古植物学家丹·佩佩说，“我们离自动测量树叶形状和重建古代气候和植物分类又近了一步。”

这项研究的结果发表在最近的bioRxiv上。该研究的第一作者、植物学家丹·奇伍德也在2017年得克萨斯州沃思堡植物学会议上展示了相关结果。

奇伍德曾在密苏里州圣路易斯的唐纳德·丹福思植物科学中心工作。他的团队收集了包括葡萄和西红柿在内的植物种类数据，以及一份相关种族群体和植物分布位置的广泛分类清单。

研究人员随后使用一种叫做连续同源的拓扑算法来分析每片叶子的形状。根据周围像素的密度，该方法将为图片的每个像素分配一个值，然后将树叶分成16个部分，并分析这些值的规律性。最后，研究人员利用这些数据绘制了不同种族之间形状和地理位置之间的关系。

奇伍德的最终目标是重组树叶的“形态空间”，即由所有可能形状组成的数据集。"如果你能测量地球上现在和过去的所有树叶，结果会是随机的吗？"他问道，“会有以前从未出现过的形状吗？是因为植物不能长这种形状吗？

事实上，连续同调广泛应用于各个领域，从神经网络分布到音乐短语结构，它反映在许多结构图像分析中。奇伍德希望它也能为植物分析提供线索，其他科学家也同意这一观点。

维也纳大学的植物分类学家yannick Stdler也在使用这种方法来分析花的x射线图像，并希望克服传统方法的缺点，在传统方法中，科学家通常将重复的图像标记为节点并分析规则。

斯特德勒说，这些方法在动物身上非常有用，因为动物身上有明显的痕迹，如关节、眼角和鼻尖，但花朵通常有平滑弯曲的形状，所以人们很难做出标记。“叶子和花有很大的挑战。这让我们不得不寻找新的方法。”他说。

包括Peppe在内的古植物学家一直在尝试自动化分析叶子化石。目前，植物化石节点的定位仍然需要科学家手工完成。

除了植物地图，还有许多项目致力于分析植物的特征——叶子、花、果实等。阐明植物的分类。例如，一个名为Pl@ntNet的项目通过用户上传手机应用收集了大量植物图片。法国农业国际发展研究中心的植物学家皮埃尔·邦纳说，通过机器学习，这个项目已经分析了13000种植物的580000张图片。

法国自动化和计算机科学研究所的亚历克西斯·乔利是Pl@ntNet的研究员，他说该软件在识别植物种类方面比奇伍德的地图要好，但是Pl@ntNet还没有开始研究叶子的形状。

另一方面，奇伍德希望将拓扑分析的结果应用到机器学习中，看看这是否能提高其家族和属分类以及地理位置预测的准确性。但是他说他对形状本身更感兴趣。

斯特德勒提到，长期以来，科学家在植物分类方面逐渐变得无能为力。然而，随着科学家对植物(尤其是谷物)的详细特征投入更多的研究，并开始探索基因和环境的影响，这一领域开始复苏。

“分类学正在重生。”斯特德勒说，“我认为通过对基因数据的研究，我们的未来是光明的。”(唐毅宸编译)