《Integrative Conservation》：Trait-Based Prediction of Extinction Risk and Conservation Strategy for Traditional Chinese Medicinal Plants in China
编辑推荐：
本文为编辑推荐：研究团队针对大量中药植物缺乏正式灭绝风险评估的难题，通过建立包含580种《中国药典》植物性状的数据库，运用随机森林模型识别出导致灭绝风险的关键性状驱动因素（如分布范围窄、海拔跨度小、入药部位非果实/种子等），并成功预测了95个未评估物种中16种可能面临威胁，揭示出广西、广东等新受威胁热点区域。此项研究为填补保护空缺、制定针对性保护干预措施提供了科学依据。
中药，作为中华民族数千年来的智慧结晶，至今仍在全球范围内为人类健康福祉作出重要贡献。然而，在人类活动与气候变化双重压力交织的“人类世”背景下，这些宝贵的植物资源正面临着前所未有的生存危机。一个尤为严峻的现实是，尽管中药植物的保护和可持续利用受到广泛关注，但全球已知的药用植物中，仅有约10%-15%接受了世界自然保护联盟（IUCN）的正式灭绝风险评估。在中国，虽然已有《中国生物多样性红色名录：高等植物卷（2020）》（China's Red List）作为国家层面的评估工具，但仍有大量中药植物被归类为数据缺乏（Data Deficient， DD）或未评估（Not Evaluated， NE），其生存状况宛如迷雾中的航船，充满了不确定性。如何从这些“未知”中识别出潜在的受威胁物种，并为其制定前瞻性的保护策略，成为摆在保护生物学家面前的紧迫课题。
为了破解这一难题，由郑煜晗、赵晶晶等人组成的研究团队在《Integrative Conservation》期刊上发表了一项开创性研究。他们独辟蹊径，将目光投向了植物本身的内在“密码”——物种性状。研究人员假设，一个物种是否容易走向灭绝，与其自身的一系列生物学和生态学特征密切相关。例如，分布范围狭窄的物种是否更脆弱？矮小的植物是否竞争力更弱？被采收根、茎的物种是否比仅采收果实的物种面临更高风险？为了验证这些假设并为大量未评估物种“画像”，研究团队构建了一个系统的预测模型。
为了开展研究，研究人员主要运用了以下几项关键技术方法：首先，他们基于《中华人民共和国药典（2020年版）》第一卷，手动筛选并最终确定了580种中药植物作为研究对象，并依据《中国生物多样性红色名录：高等植物卷（2020）》划分其威胁状态（受威胁或非受威胁）。其次，通过iPlant数据库、TRY植物性状数据库及文献检索，为这些物种系统性地收集了包括地理分布（分布省份数）、海拔范围、生长型、最大高度、分类学归属、生殖系统、传粉方式、种子传播机制、种子休眠、栖息地类型以及药用部位等在内的11个核心性状指标，构建了专门的数据库。最后，他们采用随机森林（Random Forest， RF）这一机器学习方法，对数据进行分析和建模，以识别关键的风险驱动因子，并预测未评估物种的威胁状态，同时利用空间制图技术识别了受威胁热点区域。
3 Results（研究结果）
研究首先通过统计检验（Fisher's exact tests 和 ANOVA）比较了受威胁与非受威胁物种的性状差异。结果发现，受威胁物种在统计学上显著地分布省份更少、海拔跨度更窄、植株更矮（高度≤1米）、更多利用地下变态茎入药，而较少利用花、全草或果实/种子入药。这些初步分析为后续建模提供了重要线索。
3.1 Identifying Significant Extinction-Prone Traits（识别显著的易灭绝性状）
随机森林模型的重要性分析揭示了与灭绝风险最相关的驱动因子。在分析的11个预测变量中，地理分布（分布省份数量）是最重要的预测因子，其重要性值远高于其他变量。紧随其后的是种子/果实传播机制、海拔范围、药用部位是否包含果实/种子、分类学归属、植株高度以及海拔中点。广义线性模型（Generalized Linear Model， GLM）的结果进一步证实，分布省份较少、海拔跨度较窄、药用部位不包含果实/种子、属于单子叶植物（特别是与菊类植物相比）、且最大高度≤1米（相比于高度>2米且≤10米的物种）的物种，更有可能面临威胁。由于许多未评估物种缺乏传播机制和海拔的详细数据，研究最终选取了分布、药用部位、高度和分类这四个数据完备的变量构建了简化的预测模型。
3.2 Predicting the Status of Unassessed Species（预测未评估物种的状态）
简化后的随机森林模型在测试集上表现出良好的预测性能：分类准确率（PCC）为0.796，AUC（Area Under the Receiver Operating Characteristic Curve）值为0.800。应用该模型对95个未评估（DD或NE）物种进行预测，结果显示近17%（16个物种）被预测为受威胁物种。空间分布制图分析揭示了潜在的威胁热点区域：云南有6个物种被预测受威胁，广东和广西各有5个。值得注意的是，虽然云南和四川是目前已评估受威胁物种数量最多的省份，但模型预测显示，广西和广东作为新兴的热点区域，其潜在的受威胁物种数量被严重低估，应被列为新的优先保护区域。
4 Discussion（讨论）
本研究证实了基于物种性状预测未评估中药植物灭绝风险的有效性。研究发现，地理分布范围狭窄是预测灭绝风险的最强指标，即使排除了那些依据分布范围标准（IUCN标准B和/或D）被评估为受威胁的物种后，分布变量依然是最重要的预测因子。这支持了“分布范围小的物种应对栖息地丧失和环境变化的能力更弱”的普遍生态学观点。
植株矮小与更高的灭绝风险相关。这可能是由于矮小植物在争夺光照等资源时竞争力较弱。进一步针对草本植物的分析证实，即使在同一种生长型内，高度仍是重要的风险预测因子，表明其影响独立于生长型。
药用部位是另一个关键驱动因素。与采收果实或种子相比，采收根、茎或全草等部位对植物的伤害往往是致命性的，因此这类物种风险更高。这提示对于非果实/种子入药的物种，制定科学的采收管理规范至关重要。
分类学归属（尤其是单子叶植物） 也显示出与灭绝风险的相关性，这可能反映了近缘物种间共享的进化历史和相似的生态脆弱性。
研究也承认了数据可用性带来的局限。许多中药植物的生态学数据匮乏，导致样本量受限和部分数据缺失。尽管通过数据填补和稳健性测试验证了模型的可靠性，但未来的研究仍需整合更多变量（如气候变化暴露度、直接人为压力）并采用更精细的空间分布数据，以提升预测精度。
4.7 Research Significance and Conclusion（研究意义与结论）
这项研究的意义在于，它首次系统性地构建了针对中国药典收录植物的性状预测模型，为快速评估大量数据缺乏的药用植物灭绝风险提供了一套可操作的方法。模型成功识别了地理分布狭窄、海拔适应范围小、植株矮小、单子叶以及入药部位非果实/种子等关键风险因子。更重要的是，研究不仅预测出95个未评估物种中有16个可能受威胁，还通过空间分析揭示了广西、广东等此前未被充分认识的新兴威胁热点区域，填补了保护认知上的空白。
总之，该研究为中药植物资源的保护管理提供了直接的科学依据。决策者应立即对模型识别出的高风险物种和新兴热点区域采取前瞻性的保护行动，例如建立保护区、制定可持续采收指南、以及开展人工栽培研究，以减轻对野生种群的压力，确保中药资源的长期可持续利用和生物安全。这项基于性状的预测框架，未来有望扩展应用于中国乃至全球更多尚未评估的药用植物，成为保护生物多样性、维系传统医药传承的强大工具。
