近日，学院系统昆虫学课题组教师殷子为在国际学术期刊Nature Reviews Biodiversity发表题为“Digitally native species in taxonomic practice require balancing innovation, evidence and equity”的通讯论文，针对分类学领域新兴的“数字原生物种”核心概念提出新见解。论文明确分类学数字化发展进程需要兼顾科学证据严谨性与全球科研发展公平性，为全球分类学数字化转型提供了参考思路。
面对全球生物多样性危机，部分学者主张向完全机器可读的“数字原生”环境转型，以加速物种发现。尽管这一目标初衷良好，但论文指出，激进的数字化过渡可能会在当前的分类学工作流中制造不必要的障碍。论文剖析了全面数字化的几项核心局限性，指出将定性形态学描述转化为符合FAIR原则的标准机器可读数据，可能给分类学家带来沉重的数据管理负担。若过早采用统一数字格式，复杂形态信息或面临被过度简化的风险，从而损害描述精确性。尽管拥有通用标准，数字记录依然面临广泛的链接失效、数据流失、软件维护和缺乏持续资金支持等问题；相比之下，妥善管理的标本和印刷文献可保存数百年。过度依赖数字化的范式可能会边缘化比较生物学的基础——实体标本。解决涉及隐存分类群或细微结构的分类争议，往往必须重新检视物理标本，此过程无法被数字图像或3D模型完全替代。
为使数字目标与分类学现实相一致，论文提出一条循序渐进的发展路径：一是采用“数字增强”模式，作为初步阶段，应保留传统叙述性描述，同时鼓励作者逐步向公共数据库提交标准化图像和形态学数据集，以支持渐进式数字化适应；二是重塑资金优先级，分类学发展受阻的根源在于缺乏受过训练的系统学家，而非技术工具不足。资金应更多投入到人员培训和教育中，而非单纯扩张硬件服务器；三是开展靶向试点，在全面推广前，应先在具有重要经济价值或形态高度标准化的类群中进行试点研究；四是保障全球公平，强制的数字化转型要求可能会让生物多样性丰富但基础设施薄弱地区的研究人员处于劣势。渐进式的过渡将为全球生态和分类学界提供建立稳健工作流的时间。
论文指出，分类学的数字化转型虽然大势所趋且具有重要现实意义，但其价值取决于具体实施方式。只有明确承认方法论的局限性、维持对历史馆藏的长期维护能力，并配合持续的训练支持，分类学实践的这一转变才能真正实现科学可靠性与全球可及性的双赢。该论文的发表，体现了我院教师面向国际生物多样性保护及分类学前沿领域的学术视野与积极参与度。
供稿：殷子为
