《Scientific Data》：A curated and integrated dataset for exploring global bee-plant interactions
编辑推荐：
这项研究针对全球蜜蜂与植物互作知识不足的问题，整合与精炼了GloBI数据库的特定子集，构建了一个涵盖5,537种蜜蜂与12,699个植物类群、包含超过98万条互作记录的数据集。研究揭示了该数据集存在的显著分类学和地理学偏差，但作为将bee-plant interactions纳入生物多样性与保护研究的关键资源，仍代表着当前认知的重要进展。
蜜蜂，这些勤劳的小生灵，是陆地生态系统中最重要的传粉者之一，它们默默支持着生物多样性的维系和人类食物的生产。然而，我们对这些关键授粉者与其宿主植物之间复杂的互动关系，在全球尺度上的了解却依然有限。这种认知的局限，就像一幅宏伟拼图缺失了大部分图块，阻碍了我们全面评估传粉网络的功能、理解生物多样性的维持机制，以及制定有效的生物保护策略。为了应对这一挑战，一项研究致力于整合并深化我们对全球蜜蜂-植物互作关系的认识。
研究人员从庞大的全球生物互作数据库中，精心筛选并聚焦于蜜蜂与植物的互作记录，开展了一项数据整合与深化研究。他们的目标明确：打造一个更精炼、信息更丰富的专用数据集，以克服现有数据的零散与不完整。为此，他们采用了多管齐下的策略。首先，利用最新的分类学名录对数据集中的所有物种名称进行了标准化更新，确保了命名的一致性与准确性。其次，他们为数据注入了丰富的元数据层，包括精确的地理位置信息、物种的地方特有性状态，以及植物被人类利用的情况等。经过这一系列“精加工”，最终诞生了一个包含981,982条独特互作记录的数据集，这些记录涵盖了5,537种蜜蜂和12,699个植物类群。尽管规模可观，但深入分析揭示了这个数据集并非一张均匀覆盖的“全球地图”。它存在着强烈的偏差：在分类学上，它仅涵盖了约26%的已描述蜜蜂物种和4%的开花植物类群，且所包含的植物明显偏向于那些对人类有直接用途的物种；在地理分布上，数据点高度集中于北美和西欧地区，其他广大区域则存在大量空白。尽管如此，这个经过优化的GloBI蜜蜂-植物互作数据集，仍然是当前将此类生态互作信息整合进生物多样性研究与保护规划实践中最具价值的资源之一，标志着我们在理解全球传粉网络的道路上迈出了坚实的一步。这项研究成果已发表在《Scientific Data》期刊上。
为构建此数据集，研究主要应用了数据库集成、数据清洗与标准化、以及元数据增强等关键技术方法。核心数据来源于全球生物互作数据库的公开记录。关键技术步骤包括：利用权威的蜜蜂与植物分类学名录对原始数据中的所有物种名称进行核对与更新（分类学标准化）；为每条互作记录添加并规范其地理位置信息（地理编码）；以及从各类文献和数据库中提取、整合关于物种特有性和植物用途的附加信息（元数据整合）。
研究结果
数据集的规模与范围
通过对GloBI数据库子集的提炼与增强，本研究构建了一个专注于蜜蜂-植物互作的综合数据集。该数据集最终包含了总计981,982条独特的互作记录，建立了5,537个蜜蜂物种与12,699个植物分类群之间的关联网络。这为大规模生态网络分析提供了基础。
强烈的分类学偏差
分析表明，尽管数据集规模庞大，但其分类学覆盖度存在显著局限。数据显示，所涵盖的5,537种蜜蜂仅占全球已描述蜜蜂物种总数的大约26%。同样，涉及的12,699个植物类群也仅占所有开花植物类群的约4%。进一步的元数据分析指出，数据集内的植物类群明显偏向于那些被人类直接利用（如作为作物、观赏植物等）的物种，这可能引入了生态代表性上的偏差。
显著的地理分布偏差
在地理分布层面，数据集表现出极强的空间不均衡性。绝大多数互作记录集中来自北美洲和西欧地区，而世界其他大陆和生物地理区域的数据则非常稀疏或完全缺失。这种地理偏差限制了基于此数据集进行全球尺度推论的可靠性，但也清晰揭示了未来野外调查与数据收集需要重点关注的空白区域。
数据集的价值与可用性
尽管存在偏差，本研究产出的增强版数据集通过提供标准化的物种名称、精确的地理坐标、物种特有性标识以及植物用途信息，提升了数据的可查找性、可访问性、互操作性和可重用性。它代表了当前可供公开获取的、最全面的蜜蜂-植物互作数据集合，为生态学、保护生物学和宏观进化研究提供了一个重要的基准和资源。
结论与讨论
本研究通过整合与增强全球生物互作数据，成功构建了一个大规模的蜜蜂-植物互作数据集，系统揭示了当前此类生态互作数据在分类学和地理学上存在的严重不平衡状态。研究结论强调，尽管该数据集是推动蜜蜂-植物互作研究融入生物多样性与保护议题的关键资源，并标志着认知上的重要进步，但其内在的偏差不容忽视。这些偏差主要源于生物多样性数据收集长期受科研资源分布、历史研究兴趣（如侧重于经济物种和温带地区）的影响。因此，直接使用本数据集进行全球模式分析时需格外谨慎，应考虑偏差校正或明确说明其局限性。该数据集更重要的应用方向在于：作为评估特定区域或类群互作网络的基准，用于检验生态学假说（如网络稳定性、共进化），以及指导未来的数据收集工作以填补关键空白。这项工作凸显了在生物多样性信息学中，数据质量、标准化和代表性是与数据规模同等重要的挑战。将此类经过“精炼”的互作数据与物种分布、功能性状、基因组学等多元数据层结合，将是未来深入理解全球传粉网络动态及其对环境变化响应的关键。
