物種定界是分類學最基本的問題，基于貝葉斯模型選擇方法的BPP軟件是最為廣泛使用的分子物種定界軟件。一些對貝葉斯物種定界的模擬研究認為BPP軟件檢測到的是群體分化而非物種分化，并且當分析多基因數據時，該軟件傾向于過度定界，即過度劃分物種。
近日，中國科學院數學與系統科學研究院科研人員在分子物種定界方面取得新進展，其成果發表在生物系統學雜志Systematic Biology上。該項工作與加州大學戴維斯分校、西雅圖大學合作完成，數學院博士朱天琪和海外科學家楊子恒分別是第一作者和通訊作者。
數學院科研團隊的研究指出，在延遲物種分化模型（protracted speciation model,PSM）中，物種分化和群體分化之間的差異并不會影響到基因樹和數據的產生，所以依賴這樣的數據進行分析是無法區分物種分化和群體分化的。同時，他們指出，由于延遲物種分化模型假設物種分化瞬時完成，這與自然界大多數的成種過程相悖，因而是不合理的進化模型。通過模擬研究，他們確認了當存在基因流的情況下，隨著數據中基因個數增加，BPP軟件更傾向于檢測出物種分化，即認為群體是獨立物種。
此外，科研人員對最近提出的用于進行物種定界的經驗譜系分化指數（gdi）進行了討論。在計算gdi時，需要進行參數估計。研究指出，BPP所使用的基于全似然方法的參數估計比PHRAPL使用的近似估計方法得到的結果可靠得多。在進行分子物種定界時，可以使用貝葉斯模型選擇方法和參數估計方法。同時，研究也指出，貝葉斯模型選擇方法適合于分析同域模式形成的物種和隱藏物種，而使用經驗準則的參數估計方法更適合于分析異域模式形成的物種。
論文信息：Leache AD, Zhu T, Rannala B, Yang Z. 2019. The spectre of too many species. Syst Biol. 68: 168-181.