Free Web Hosting Provider - Web Hosting - E-commerce - High Speed Internet - Free Web Page
Search the Web

قسمت هایی از کتاب "نگرشی علمی به داینوسور ها":

خسروی، عرفان ؛طبقه بندی داینوسور ها ؛ در نگرشی علمی به دابنوسور ها ؛ میرزایی عطا آبادی، م ؛عرفان  خسروی و مسعود کیمیاگری (eds) ؛انتشارات دانشگاه اصفهان. در دست چاپ، اصفهان 1383

--------------------------------------------------------------------------------------------

 

 

1-5 آشنایی با اصول علمی طبقه بندی (Classification)

از آنجا كه خیل عظیم یافته های فسیلی و زنده‌ جانوران  را هرگز نمی‌توان در یك نگاه كلی بررسی كرد نخستین اقدامی كه برای مطالعه هر گروه لازم است، دسته بندی كردن آنها بر اساس معیارهایی در گروهها و زیر گروههای متناوب است.

مدتهاست كه روشهای متفاوتی برای طبقه بندی پیشنهاد می شود و از همه بیشتر روش كلاسیك، تدریس و استفاده می گردد. اما با توجه به تناقضات فراوانی كه در این روش وجود دارد، در طول یكی دو دهه‌ی اخیر، روش كلادیستیك (Cladistics) كاملاً مورد قبول قرار گرفته است.

ما نیز در اینجا با توجه به لزوم آشنایی بیشتر دانشجویان و محققان، طرحی كلی از روش كلادیستیك ارائه می‌كنیم.

1-5-1 كلادیستیك

طبیعی است كه همواره بر طبقه بندی كردن، معیاری  ثابت و منطقی حاكم باشد به نوعی كه با اضافه شدن انواع جدیدتر و یا اطلاعات دقیق‌تر، معیار ما ثابت باشد و تنها در صورت لزوم معماری گروههای مختلف نسبت  به هم  دستخوش تغییر گردد.

امروزه این معیار، میزان خویشاوندی  جانداران است. اما درگذشته  ممكن بود با وجود  علم به عدم خویشاوندی نزدیك برخی گروهها، آنها را بر اساس  معیارهایی چون  شباهت ظاهری با هم در یك گروه طبقه بندی نمایند.

این كه در كلادیستیك  خویشاوندی تا چه حد اهمیت دارد را می‌توان با مثال توضیح داد.

آن چه كه همه ما در گذشته آموخته‌ایم این است كه مهره داران شامل 5 رده‌ی ماهی‌ها، دوزیستان ، خزندگان، پرندگان و پستانداران می شوند. اما اگر دقیق‌تر  نگاه  كنیم خواهیم داد كه ماهی های استخوانی بیشتر به اجداد  مهره داران خشكی زی نزدیك هستند  تا ماهی‌های عضروفی و ماهی های بی آرواره از این هم دورترند. از این رو ماهی‌ها را بایست به صورت یك توالی  از گروهها ی مختلف  كه به تتراپودها (Tetrapoda) یا مهره داران خشكی زی نزدیك تر می‌شود در نظر گرفت و آنگاه ماهی‌های استخوانی و تتراپودها با هم در یك گروه قرار می گیرند كه بقیه ماهیهای ابتدایی‌تر را در آن جایی نیست:

 

(((Tetrapoda+Osteichtyes)+Chondrichtyes)+Agnatha)

 

حال كه با مفهوم اهمیت خویشاوندی در طبقه بندی آشنا شدیم،  می‌توانیم  با چند تعریف آشنا شویم.

گروه منوفیلتیك   ( Monopbyletic )

 گروهی كه شامل تمام انواع مشتق شده از یك گونه  اجدادی باشد، به نوعی كه هر گونه‌ای كه از نوع اجدادی  مذكور  تكامل یافته باشد جزء  آن قرار  گیرد  و  تمام آن گونه ها، از یك گونه‌ی  اجدادی  و نه بیشتر مشتق شده باشند. مثلاً "پرندگان" گروهی منوفیلتیك است.  در طبقه بندی، تنها  گروههایی كه منوفیلتیك باشند از نظر علمی معتبراند.

 

گروه پلی فیلتیك ( Polyphyletic )

 مجموعه‌ای از گونه‌ها كه از بیش از یك گونه‌ی اجدادی حاصل شده باشند به نوعی كه جدیدترین حد مشترك آنها جزء این گروه قرار نگیرد. مثلاً اگر پستانداران و پرندگان را با هم در یك گروه ساختگی قرار دهیم، این گروه پلی فیلتیك است زیرا هر گاه جد مشترك دو گروه  مذكور  در نظر آوریم خواهیم دید كه نه این جد مشترك و نه بسیاری از اخلاف آن  جزئ این گروه نیستند. این چنین گروهی غیر قابل استناد و مردود است.

 

گروه پارافیلتیك ( Paraphyletic )

  گروهی  كه شامل توالی‌ای  از گونه‌های رو به تكامل به سمت  یك  گروه نهایی باشد، به طوری كه یك یا چند شاخه‌ی نهایی را ـ مثلاً به دلیل تغییرات شدید ظاهری ـ كه از همان جد مشترك مشتق شده اند، جزئ آن محسوب نكنند. یك چنین گروههایی را فراوان می‌توان در بین آثار علمی گذشته  مشاهده كرد. نمونه بارز آن « ماهی‌ها» هستند. حتی گروههای شناخته شده تری همچون « خزندگان»  نیز پارافیلتیك‌اند زیرا پرندگان در حقیقات ادامه‌ی مسیر  تكامل خزندگان‌اند.

مسلماً  گروههای پارافیلتیك نیز از نظر علمی مردود‌اند و باید در تعریف آنها تجدید نظر نمود.

گروه منوفیلتیك دودمانی ( Stem based ) 

 هر گاه یك گروه منوفیلتیك  را به این نحو تعریف كنیم كه مثلاً : « این گروه شامل تمام انواعی است كه به A  از B  نزدیكتر باشند» آن  را گروهی دودمانی می‌گوییم. مثلاً تعریف امروزی سوروپسیدا  (Sauropsida)(تقریبا هم ارز خزندگان)  به این صورت است: كروكودیل و تمام انواعی كه به كروكودیل نزدیكتر باشند تا به اسب. با این تعریف مسلماً پرندگان نیز مشمول سوروپسیدا  خواهند شد.

 

گروه منوفیلتیك گره‌ای ( Node based )

  هر گاه یك گروه  منوفیلتیك  را به این نحو تعریف كنیم  كه مثلاً :  « این  گروه شامل جدید ترین جد مشترك  A و B  و تمام  انواعی است كه از آن مشتق شده‌اند»  آن را گروهی گره‌ای می‌گوییم. مثلاً تعریف امروزی پرندگان به این صورت است: جدیدترین جد مشترك كبوتر و آركئوپتریكس (Archaeopteryx)و تمام انواعی  كه از آن مشتق شده اند.

 

تفاوت دو تعریف دودمانی و گره‌ای  را می توان از طریق  یك مثال  مشخص كرد: روش مرسوم بر این است كه هر گروه دودمانی  شامل زیر گروههای گره‌ای  و هر گروه  گره‌ای  شامل زیر گروههای دودمانی است. مثلاً گروههای  خزندگان (Reptilia) و سوروپسیدا  را در نظر می‌گیریم(از این پس سعی می كنیم اسامی خاص علمی را به همان زبان  لاتین  و مطابق قوانین نام گذاری  استفاده كنیم).

تعریف خزندگان (Reptilia) از این قرار است: جدید ترین جد مشترك كروكودیل (Crocodylus)  و مسوسوروس (Mesosaurus)   و تمام انواعی كه از آن مشتق شده اند.

 

این تعریف  شامل همه‌ی انواعی  می‌شود كه مشمول تعریف سوروپسیدا (Sauropsyda) هم هستند. اما تفاوت  آنها در این است كه اگر نمونه‌ای فرضی یافت شود كه از مسوسوروس ابتدایی‌تر  باشد ولی  در همان مسیر تكامل به سمت كروكودیل (Crocodylus)   باشد و نه در مسیر تكامل به سمت اسب (Eqeus) آن گاه این نمونه ی جدید و فرضی جزء سیناپسیدا می‌باشد اما جزء خزندگان نیست.

 

1-5-2  تعیین میزان خویشاوندی

مهمترین مسئله در زمینه طبقه بندی، تعیین خویشاوندی  بین نمونه‌هاست. كلادیستیك در حقیقت، مجموعه‌ی  روشهایی است كه در تعیین میزان خویشاوندی افراد، نمونه‌ها، تاكسون‌ها و یا شباهت بین سطوح مختلفی از اكوسیستم‌ها  و…  استفاده می شوند.

سعی می‌كنیم با مثالی،  روش كار را توضیح دهیم.

ما با 5 نمونه كه به ترتیب   A  تا  E   نام دارند مواجهیم . اگر بتوانیم با مقایسه آنها، 5 خصوصیت برای هر یك تعریف و آن‌ها را با هم مقایسه كنیم قدم اصلی را برداشته‌ایم. باید به هر كدام از این خصوصیات ارزشی مطلق بدهیم. مثلاً نبودن خصوصیت را با صفر  و حضور آن را با یك نشان می‌دهیم. همچنین  ناشناخته بودن آن را می‌توان با ارزشی دیگر ( مثلاً «؟ » یا عدد «9» ) تعیین كرد. البته  نخستین گام، مشاهده و مطالعه نمونه‌هاست تا سپس تشخیص دهیم چه ویژگی‌هایی ارزش مقایسه دارند و این ویژگی‌ها در هر نمونه به چه حالتی پیدا می شود. فرض می كنیم كه این مطالعات را در مورد پنج نمونه‌ی مثال خود، انجام داده ایم نتــــــایج را باید  در جدولی به نام «  جدول داده‌های ویژگی‌ها»(Character Data Matrix) وارد كنیم:.

 

5

4

3

2

1

ویزكی   

 

نمونه

2

0

0

0

1

ِA

0

0

0

1

1

B

0

0

1

1

1

C

0

1

2

1

1

D

1

1

2

1

0

E

(جدول1-2)

جدول داده‌های ویژگی‌ها  Character Data Matrix

 ( 0: Absent, 1: Present, 2: Present &Modified)

سپس میزان شباهت‌ها را در جدول  دیگری به نام جدول شباهت‌ها  (Similarity Matrix)   وارد می‌كنیم:

 

E

D

C

B

ِA

 

2

1

1

1

×

A

2

2

2

×

 

B

3

3

×

 

 

C

4

×

 

 

 

D

×

 

 

 

 

E

(جدول 1-2).

Similarity Matrix

باید دقت شود شباهت بین 0 و 0  بی ارزش، بین 1 و 0  بی ارزش، بین 1 و 1  دارای ارزش واحد  و بین 2 و 1  نیز دارای ارزش واحد  و بین  2و 2  دارای دو برابر ارزش واحد هستند . در این جا بیشترین شباهت ما بینD  و E  است. بدون توجه به بقیه اعداد D  و E  را در یك  گروه قرار داده و ویژگی‌های  گروه  مذكور را با توجه به ویژگی های هر یك دوباره می‌نویسیم. توجه شوداگر در یك ویژگی  بین دو نمونه اختلاف باشد آن را مثلاً به صورت ( 1و0 )  نشان می‌دهند.

مسئله بعد تعیین شباهت بین مجموعه ی   ( E + D )  و بقیه‌  نمونه هاست. شباهت بین ( 1 و 0 )  به ترتیب  با 1 برابر 1، با 0 برابر 0  و با  2 برابر 1 است.

با این حساب  باید جدول  شباهت‌های جدیدی تعیین كرد و باز هم بیشترین شباهت را پیدا كرد:

 

5

4

3

2

1

ویزكی   

 

نمونه

(0,1)

1

2

1

(1,0)

(E+D)

(جدول 1-3)

 

 پس از انجام چندین  باره‌ی این عملیات به چنین گروه بندی‌ای خواهیم رسید:

( A + ( B + ( C + ( E + D ) )))

البته  بدون كامپیوتر، انجام  چنین  الگوریتمی عملاً ناممكن خواهد بود. گفتنی است كه مطالب بسیار زیاد دیگری در این زمینه وجود دارد كه در صورت مواجهه‌ی  عملی با چنین  پروسه‌ای  با آنها آشنا می‌شوید.

ادامه...