Phân loại học số (Numerical taxonomy)

Nguyên lý cơ bản

Phân loại học số dựa trên nguyên lý rằng các sinh vật có nhiều đặc điểm chung thì có quan hệ họ hàng gần gũi hơn so với các sinh vật có ít đặc điểm chung. Phương pháp này tập trung vào việc định lượng sự giống nhau giữa các sinh vật bằng cách gán giá trị số cho các đặc điểm và sau đó sử dụng các thuật toán để phân tích dữ liệu. Việc gán giá trị số cho các đặc điểm cho phép xây dựng ma trận tương tự, từ đó có thể sử dụng các phương pháp phân cụm (như phân cụm theo nhóm, phân cụm phân cấp…) để phân loại các sinh vật thành các nhóm có mức độ tương tự khác nhau.

Các bước thực hiện

Để thực hiện phân loại học số, ta cần thực hiện các bước sau:

1. Chọn mẫu vật: Chọn các mẫu vật đại diện cho các nhóm sinh vật cần phân loại.
2. Lựa chọn tính trạng: Lựa chọn một tập hợp lớn các tính trạng (thường từ 50 trở lên) để mô tả các mẫu vật. Các tính trạng có thể là hình thái, sinh lý, sinh hóa, sinh thái, v.v. Quan trọng là các tính trạng phải dễ dàng quan sát và đo lường được. Cần lựa chọn các tính trạng độc lập và có khả năng phân biệt giữa các nhóm sinh vật.
3. Mã hóa tính trạng: Gán giá trị số cho từng tính trạng của mỗi mẫu vật. Ví dụ, tính trạng “màu sắc hoa” có thể được mã hóa như sau: 1 = đỏ, 2 = trắng, 3 = vàng. Đối với tính trạng định tính, có thể sử dụng mã hóa nhị phân (0 và 1).
4. Tính toán hệ số tương đồng: Sử dụng các hệ số tương đồng để đo lường mức độ giống nhau giữa các mẫu vật dựa trên các giá trị số của các tính trạng. Một số hệ số tương đồng thường được sử dụng bao gồm:
   • Hệ số tương đồng đơn giản (Simple Matching Coefficient – SMC):
     $SMC = \frac{a}{a+b+c}$
     Trong đó:
     • $a$: số tính trạng giống nhau ở cả hai mẫu vật.
     • $b$: số tính trạng có ở mẫu vật 1 nhưng không có ở mẫu vật 2.
     • $c$: số tính trạng có ở mẫu vật 2 nhưng không có ở mẫu vật 1.
   • Hệ số Jaccard: $J = \frac{a}{a+b+c}$. Hệ số này thường được sử dụng cho các dữ liệu nhị phân.
   • Hệ số Dice: $Dice = \frac{2a}{2a + b + c}$. Hệ số này nhấn mạnh vào sự hiện diện chung của tính trạng.
5. Phân tích cụm: Sử dụng các phương pháp phân tích cụm để nhóm các mẫu vật có mức độ tương đồng cao thành các cụm. Các phương pháp phân tích cụm phổ biến bao gồm:
   • Liên kết đơn (Single linkage): Khoảng cách giữa hai cụm được xác định bởi khoảng cách nhỏ nhất giữa hai phần tử bất kỳ trong hai cụm.
   • Liên kết hoàn chỉnh (Complete linkage): Khoảng cách giữa hai cụm được xác định bởi khoảng cách lớn nhất giữa hai phần tử bất kỳ trong hai cụm.
   • Liên kết trung bình (Average linkage): Khoảng cách giữa hai cụm được xác định bởi khoảng cách trung bình giữa tất cả các cặp phần tử trong hai cụm.
6. Trình bày kết quả: Kết quả phân tích cụm được trình bày dưới dạng biểu đồ cây (dendrogram) hoặc sơ đồ phân loại.

Ưu điểm và nhược điểm

Ưu điểm:

• Khách quan và có thể lặp lại.
• Sử dụng được với số lượng lớn các tính trạng.
• Có thể sử dụng máy tính để phân tích dữ liệu.

Nhược điểm:

• Không tính đến lịch sử tiến hóa.
• Kết quả có thể bị ảnh hưởng bởi việc lựa chọn tính trạng.
• Khó khăn trong việc giải thích ý nghĩa sinh học của các cụm.

Ứng dụng

Phân loại học số được ứng dụng trong nhiều lĩnh vực sinh học, bao gồm:

• Phân loại vi sinh vật.
• Phân loại thực vật và động vật.
• Nghiên cứu đa dạng sinh học.
• Xây dựng cơ sở dữ liệu sinh học.

Phân loại học số là một phương pháp hữu ích để phân loại sinh vật dựa trên sự giống nhau về kiểu hình. Tuy nhiên, cần lưu ý rằng phương pháp này không phản ánh mối quan hệ tiến hóa giữa các sinh vật. Việc kết hợp phân loại học số với các phương pháp phân loại khác, chẳng hạn như phân loại học phát sinh loài, có thể cung cấp một cái nhìn toàn diện hơn về sự đa dạng sinh học.

So sánh với Phân loại học phát sinh loài

Một điểm khác biệt quan trọng giữa phân loại học số và phân loại học phát sinh loài là cách tiếp cận đối với sự tương đồng giữa các sinh vật. Phân loại học số coi trọng sự tương đồng tổng thể, trong khi phân loại học phát sinh loài tập trung vào các đặc điểm tương đồng do cùng nguồn gốc tiến hóa (homologous characters). Phân loại học phát sinh loài cũng xem xét các đặc điểm tương tự do tiến hóa hội tụ (analogous characters) và cố gắng loại bỏ ảnh hưởng của chúng trong quá trình phân tích.

Ví dụ, cánh của chim và cánh của dơi là các cấu trúc tương tự, phục vụ cùng một chức năng nhưng có nguồn gốc tiến hóa khác nhau. Phân loại học số có thể nhóm chim và dơi lại với nhau dựa trên sự hiện diện của cánh. Trong khi đó, phân loại học phát sinh loài sẽ nhận ra rằng cánh của chim và dơi tiến hóa độc lập và do đó không phản ánh mối quan hệ họ hàng gần gũi.

Các phương pháp phân tích dữ liệu khác trong phân loại học số

Ngoài các phương pháp phân tích cụm đã được đề cập, còn một số phương pháp phân tích dữ liệu khác được sử dụng trong phân loại học số, bao gồm:

• Phân tích thành phần chính (Principal Component Analysis – PCA): PCA được sử dụng để giảm số chiều của dữ liệu bằng cách xác định các thành phần chính, là các tổ hợp tuyến tính của các biến ban đầu. PCA giúp hình dung dữ liệu và xác định các mẫu tương đồng giữa các mẫu vật.
• Phân tích nhân tố (Factor Analysis): Tương tự như PCA, phân tích nhân tố cũng được sử dụng để giảm số chiều của dữ liệu. Tuy nhiên, phân tích nhân tố tìm kiếm các yếu tố tiềm ẩn giải thích sự tương quan giữa các biến quan sát được.

Phát triển và xu hướng hiện đại

Với sự phát triển của công nghệ phân tích dữ liệu và sinh học phân tử, phân loại học số đã được tích hợp với các phương pháp phân tích di truyền, tạo ra lĩnh vực phân loại học tích hợp. Phương pháp này kết hợp dữ liệu kiểu hình và di truyền để xây dựng cây phát sinh loài chính xác hơn và hiểu rõ hơn về mối quan hệ tiến hóa giữa các sinh vật.

• Sneath, P. H. A., & Sokal, R. R. (1973). Numerical taxonomy: The principles and practice of numerical classification. San Francisco: W. H. Freeman.
• Sokal, R. R., & Michener, C. D. (1958). A statistical method for evaluating systematic relationships. University of Kansas science bulletin, 38, 1409-1438.
• Everitt, B. S., Landau, S., Leese, M., & Stahl, D. (2011). Cluster analysis. Wiley Series in Probability and Statistics.

Câu hỏi và Giải đáp

Làm thế nào để lựa chọn số lượng và loại tính trạng phù hợp cho phân loại học số?

Trả lời: Việc lựa chọn tính trạng là một bước quan trọng trong phân loại học số. Nên chọn càng nhiều tính trạng càng tốt, thường từ 50 trở lên, và bao gồm các tính trạng đa dạng, phản ánh các khía cạnh khác nhau của sinh vật (hình thái, sinh lý, sinh hóa, sinh thái…). Cần tránh các tính trạng trùng lặp hoặc có tương quan cao. Quan trọng là các tính trạng phải dễ dàng quan sát, đo lường, và mã hóa thành giá trị số. Cũng cần xem xét mục tiêu nghiên cứu để lựa chọn những tính trạng phù hợp. Ví dụ, nếu mục tiêu là phân loại dựa trên hình thái, nên tập trung vào các tính trạng hình thái học.

Ngoài SMC, Jaccard và Dice, còn có những hệ số tương đồng nào khác được sử dụng trong phân loại học số? Ưu nhược điểm của chúng là gì?

Trả lời: Ngoài SMC, Jaccard và Dice, còn có nhiều hệ số tương đồng khác như hệ số Cosine, hệ số Pearson, và khoảng cách Euclidean. Hệ số Cosine thường được sử dụng cho dữ liệu nhiều chiều, trong khi hệ số Pearson đo lường mức độ tương quan tuyến tính giữa các biến. Khoảng cách Euclidean đo lường khoảng cách hình học giữa các điểm dữ liệu. Việc lựa chọn hệ số tương đồng phù hợp phụ thuộc vào loại dữ liệu và mục tiêu nghiên cứu. Ví dụ, nếu dữ liệu là nhị phân, Jaccard hoặc Dice thường được ưu tiên hơn.

Làm thế nào để đánh giá chất lượng của kết quả phân tích cụm trong phân loại học số?

Trả lời: Có nhiều phương pháp để đánh giá chất lượng của phân tích cụm, bao gồm: hệ số Cophenetic Correlation (đo lường sự tương quan giữa ma trận khoảng cách ban đầu và ma trận khoảng cách được tạo ra từ biểu đồ cây), chỉ số Silhouette (đo lường mức độ tách biệt giữa các cụm), và chỉ số Dunn (đo lường tỷ lệ giữa khoảng cách nhỏ nhất giữa các cụm và đường kính lớn nhất của một cụm). Việc sử dụng kết hợp nhiều chỉ số đánh giá sẽ cung cấp cái nhìn khách quan hơn về chất lượng phân cụm.

Phân loại học số có thể được áp dụng cho dữ liệu di truyền như thế nào?

Trả lời: Phân loại học số có thể được áp dụng cho dữ liệu di truyền bằng cách mã hóa các trình tự DNA hoặc protein thành giá trị số. Ví dụ, có thể sử dụng khoảng cách di truyền (genetic distance) giữa các trình tự làm thước đo sự khác biệt giữa các sinh vật. Sau đó, các phương pháp phân tích cụm có thể được sử dụng để nhóm các sinh vật có trình tự di truyền tương tự nhau.

Sự khác biệt chính giữa phân loại học số và phân loại học phát sinh loài là gì? Khi nào nên sử dụng mỗi phương pháp?

Trả lời: Phân loại học số dựa trên sự tương đồng tổng thể về kiểu hình, trong khi phân loại học phát sinh loài dựa trên mối quan hệ tiến hóa và các đặc điểm tương đồng do cùng nguồn gốc. Phân loại học số phù hợp khi cần phân loại nhanh chóng một số lượng lớn sinh vật dựa trên dữ liệu kiểu hình dễ dàng quan sát được. Phân loại học phát sinh loài phù hợp hơn khi mục tiêu là tìm hiểu mối quan hệ tiến hóa giữa các sinh vật và xây dựng cây phát sinh loài. Trong thực tế, việc kết hợp cả hai phương pháp thường mang lại kết quả tốt nhất.