Biosüstemaatika teooria ja meetodid (0)

Biosüstemaatika teooria ja meetodid
Prof. Erast Parmasto loengukursuse konspekt
Esimene versioon , okt. - nov. 1994
0. Sissejuhatus.
0.1. Biosüstemaatika on teadus eluslooduse mitmekesisusest: selle vormi-
dest, põhjustest, tekkest ; liikide ja teiste süstemaatika ühikute piiritle-
misest, nimetamisest ja teaduslikut põhjendatud klassifitseerimisest.
Kasutatakse ka lühemat nimetust  süstemaatika (alates Linné tööst 1737.
a.), kuid süstematiseeritakse ka elutu looduse nähtusi. Camp ja Gilly
(1943) kasutasid biosüstemaatika mõistet erinevas tähenduses: eelkõige
tsütogeneetiliste uurimiste kohta. See nimetusviis on aga juba ammu aja-
lukku vajunud. Et käesolevas kursuses segimineku ohtu pole, kasutatakse
mõlemat terminit siin samatähenduslikena. - Kasutusel on ka sõna taksonoo-
mia (esmakordselt 1813. a. De Candolle poolt); nende tähenduserinevus pole
aga ühtselt käsitletav. Euroopas peetakse süstemaatikat peamiselt organis -
mide mitmekesisust uurivaks teaduseks, taksonoomia alla käivad klassifit-
seerimise teooria ja praktika. Põhja-Ameerika bioloogidel on enamasti vas-
tupidi: taksonoomia hooleks on teooria, süstemaatika alla käib praktiline
klassifitseerimistöö. Nähtavasti on õigem loobuda nendele kahele terminile
erineva tähendusvarjundi andmisest.
(Märkigem, et paljud bioloogia üldised terminid on küllalt noored. Isegi
termin bioloogia on kasutusel alles alates 1800. aastast - Burdach , La-
marck;  ökoloogia  termini tõi kasutusele 1866. a. Haeckel.  Evolutsioon  tuli
kasutusele mitte Darwini , vaid Spenceri töödega.)
Süstemaatika ehk taksonoomia alla käib organismide klassifitseerimine,
identifitseerimine ja nomenklatuur (nimetuste andmine). Nende ülesannete
täitmiseks on vajalik ka evolutsiooniprotsessi uurimine (varieeruvus, lii-
giteke, hübriidide moodustumine jm.) ning fülogeneesi (viisid, aeg, koht)
selgitamine.
Süstemaatika rakendusaladeks on identifitseerimiseks ja klassifitseeri-
miseks vastavate käsiraamatute (ka "määrajate") ning arvutiprogrammide (ka
dialoogrezhiimis identifitseerimisprogrammide) koostamine; mingi ala (või
kogu maailma) elusolendite inventariseerimine ja vastavate andmepankade
pidamine, andmestiku koondamine bioloogilise mitmekesisuse kaitseks.
Eestis on mõnikord süstemaatikaks nimetatud identifitseerimist ja floora
või fauna inventariseerimist; see on ainult väike ja marginaalne osa süste-
maatikast.
Tänapäevane biosüstemaatika ei piirdu kirjeldamisega ja inventariseeri-
misega; see on süstemaatiku töös küll tähtis, kuid ainult teadustöö esime-
seks etapiks. Pelgalt andmestiku kogumisega piirdujaid hüütakse  margikorja-
jaiks (stamp-collectors); eelkõige amatöörteadlasi iseloomustav enesepii-
rang, kui sellega kaasneb täpsus, põhjalikkus ja andmestiku teadlastele
kättesaadavaks tegemine, on siiski heakskiitmist pälviv tegevus kui teadus-
töö ajaliselt esimene etapp.
2
0.2. Süstemaatika kui teaduse olemasolu aluseks on tõsiasi, et elusolen-
did ei moodusta oma varieeruvuses kontiinuumi, vaid üksteisest enam või
vähem selgelt erinevaid rühmitusi (hulki; elusolendite kui hulga osahulki).
Süstemaatika põhiühikuks loetakse liiki; nende kirjeldamisega tegeleb nn.
α-taksonoomia. Liigid ühendatakse süsteemis perekondadeks, sugukondadeks
jt. liigist kõrgemateks rühmitusteks (ß-taksonoomia); neid kõiki koos nime-
tatakse taksoniteks. Tuleb eristada taksonit (näit. perekonda või liiki)
kui süstemaatika kategooriat, hierarhilise liigitamise klassi (viimase sõna
loogika -alases tähenduses) ja konkreetset taksonit (näit. perekonda Anemo-
ne, ülane; liiki Anemone nemorosa, võsaülane). Liikide kõrgemateks taksoni -
teks ühendamine (või elusolendite kogumi jagamine liikideks) on klassifit-
seerimine ehk süstematiseerimine. Seda võib teha mitmeti sõltuvalt klassi-
fitseerimise eesmärgist, aluseks olevast vaadete süsteemist eluslooduse
mitmekesisuse päritolule, rakendatavast filosoofilisest alusest ja loogi-
kast. Oluline on süstemaatikas ka liikide identifitseerimine ja sellega
seotud nimetamine; viimane on kokkuleppeliselt rangelt reguleeritud
nomenklatuurikoodeksitega, mis taimede ( incl . seened), loomade ja bakterite
jaoks on mõneti erinevad.
Tänapäeval on süstemaatikas toimumas revolutsioonilised muutused: tänu
uutest uurimismeetoditest tulenevatele suurematele võimalustele on alles
nüüd, 100-aastase hilinemisega süstemaatika kujunemas evolutsiooniliseks,
s.t. ajalooliseks teaduseks. On isegi väidetud, et (uus) süstemaatika on
esmakordselt muutunud kunstist teaduseks.
1. Liik ( species ).
1.1. Liigi olemus.
1.1.1. Liigi eelteaduslik käsitlus. - Liike on inimesed eristanud juba
aastatuhandeid; selle aluseks on olnud vajadus eristada söödavaid või muul
viisil kasulikke (ravimeiks, nõidumiseks vm. kasutatavaid), kahjulikke
(ohtlikke, mürgiseid jne.) liike. Loodusrahvastel on liikide eristamise
oskus olnud silmatorkavalt hea; näiteks oli Paapua Uus- Guineas 138 linnu-
liigi eristamiseks kasutusel 137 nimetust; ka Eestis tunti sajand tagasi
paljude (eriti nn. tarkade või nõidade poolt) poolt 150-200 taimeliiki;
jahimehed - kõiki ulukeid, jne. See arv on suurem kui paljude praeguste
diplomeeritud bioloogide tuntu. Eristatud ühikud vastavad sageli liigile
selle termini teaduslikus mõttes, paljudel juhtudel perekonnale , mõnikord
eluvormile. Kui üksikliikide eristamine oli ebaoluline, oli omaette nimetus
ainult perekonnal (näit. 80 tarnaliigi jaoks oli Eestis rahva seas veel
hiljuti käibel ainult paar nimetust).
Aristotelesel (384-322 a.e.m.a.) oli liik loogika mõiste ja ebakon-
kreetse sisuga; sort, tõug, liik olid tollal samatähenduslikud. Süstemaa-
tika põhiühikuks sai liik alles John Ray töödega (1686-1704) ja muutus
alles siis loogika terminist bioloogiliseks.
1.1.2. Mittedimensionaalne (dimensioonideta) liik. - Liikide eristamine
ei tekita kohalikku, lokaalset floorat, seenestikku või faunat uurivale
teadlasele enamasti erilisi raskusi: ta näeb mistahes liigi varieeruvusest
3
ainult väikest osa ning kitsamal alal puuduvad enamasti ka lähedased sugu-
lasliigid - eriti, kui need on tekkinud geograafilise isolatsiooniga seo-
tult (allopatriliselt). Nn. liigi probleem on hoopis raskem uurijale, kes
vaatleb liike kogu nende levila ( areaali ) piires ja hõlmab oma uurimisega
kogu ligidaste liikide kompleksi. Need võivad tunduda äärmiselt sarnastena;
kui nad on ka tõepoolest üksteisega lähedastes sugulussidemetes, kasuta-
takse terminit sõsarliigid (sibling species; eesti keeles on kasutatud ka
vähemsobivaid termineid kaksikliigid, teisikliigid). Sageli on need tegeli-
kult teatud meetodeid (mikroskoopilist, etoloogilist vm.) kasutades erista-
tavad, ja nad ei kujuta endast mingit liikide erisorti. Eesti botaanikute
poolt kasutatud kvaasi -termin kriitiline liik näitab ainult uurija emotsio -
naalset suhtumist ; pisiliik on botaanikute juures olnud kasutusel üldtermi-
nina nii sõsarliikide kui ka mikroliikide (vt. allpool) kohta ja seega
ebatäpne.
1.1.3. Liikide tekkimine on uurimisobjektiks evolutsiooniõpetusele selle
mitmetes eri suundades. Süstemaatika kursuses pole eriti oluline, millist
liigitekke viisi peetakse õigeimaks; kogu tänapäevane süstemaatika lähtub
siiski eeldusest, et liigid tekivad, muutuvad (ja kaovad); et liikidel on
ajalugu. Mööndes liikide loomist valmiskujul mistahes jumala poolt välis-
taks vajaduse süstemaatikat (ja üldse bioloogiat) arendada ja õppida.
1.1.3.1. Käesolevas kursuses eeldame, et õppijal on ettekujutus liikide
tekke tunnustatud põhiviisidest:
1) Allopatriline liigiteke , mis seisneb ühe, algse liigi jagunemisel
vähemalt kaheks geograafilise isoleerituse tõttu. Isolatsiooni on põhjusta-
nud algse levila jaotumine geograafiliste tegurite mõjul (mäeahelike teke,
mandrite triiv, jne.), või uue osa-areaali teke eelmisest geograafiliselt
eraldatud alal (seemnete sattumine kaugele ookeanisaarele vms.).
2) Sümpatriline liigiteke, mille puhul liik jaguneb üksteisest ikka enam
eristunud allühikuteks (rassideks) spetsialiseerumisega erinevale ökoloogi-
lisele nishile (kaasa arvatud parasiitide spetsialiseerumine erinevatele
peremeesorganismidele), ristumist vältivate piirangute tekke tõttu (etoloo-
giline sobimatus; erinev õitseaeg taimedel, jne.) vms. Seejuures võivad
tekkinud liikide areaalid olla üldjoontes või tunduvas ulatuses kokkulan-
gevad.
3) Kvant -liigiteke, mille aluseks on põhiareaalist eemalasuvas populat-
sioonis talletatud geneetilise informatsiooni piiratus ja infovahetuse
lakkamine põhiareaali isenditega.
4) Hübriid -liigiteke, mille puhul eri liikide hübriidid on muutunud
iseseisvalt paljunevaiks taksoneiks.
5) Polüploidsuse tekkega seotud liigiteke (peamiselt taimedel).
1.1.3.2. Ristumise puudumisel (ühevanemalise pärilikkuse korral, s.t.
uniparentaalsetel liikidel) jääb ära geneetilise informatsiooni vahetus
isendite vahel; koos päriliku muutlikkusega (mutatsioonid) tekivad ükstei-
sest ikka rohkem erinevad kloonid , mis loodusliku (eelkõige stabiliseeriva)
valiku tõttu moodustavad üksteisest vähe, mõnevõrra või silmatorkavalt
erinevaid mikroliike. (Neid võiks eesti keeles nimetada ka täpses tõlkes
4
pisiliikideks, kuid see termin on Eestis paraku kujunenud mitmetähendusli-
kuks.) Taimedel esineb nn. agaamseid komplekse, kuhu kuuluvad apomiktilised
mikroliigid, neile päritolult väga lähedased seksuaalsed liigid, hübriidid
ning lisaks sellised mikroliigid, mis - kuigi harva - käituvad tavaliste,
seksuaalsete liikidena. Selliseid komplekse erineb taimeperekondades või-
lill (Taraxacum), hunditubakas (Hieracium) jt.
1.1.3.3. Liikide tekkimise ja olemuse kohta tuleks õppijal lugeda Henni
Kallaku raamatuid Adaptatsiogenees ja liigiteke (Tartu, 1986; eriti lk. 47-
86) ja  Bioevolutsioon  (Tallinn, 1990; eriti lk. 66-78).
1.1.4. Küsimusele "mis on liik?" püütakse vastust anda liigikontsept-
sioonide, liigi defineeringute ja liigi praktilise standardi esitamise
kaudu. Suuremas osas teoreetilisestki kirjandusest on need kolm mõistet
sageli segi aetud ; kõneldes liigikontseptsioonist mingis perekonnas pee-
takse silmas hoopis praktilist standardit.
1.1.4.1. Liigikontseptsioon on teoreetiline lähtekoht, mille alusel
liike üldse (põhimõtteliselt) eristada saab. Erinevate kontseptsioonide
piirid pole alati selged, kuid eristada saab nelja põhilist:
1.1.4.1.1. Nominalistlik kontseptsioon  lähtub seisukohast , et liike
polegi reaalselt olemas, et need eksisteerivad ainult inimese jaoks, ini-
mese mõttetegevuse viljana. Olevat ainult isendid või nende rühmad, mille
vahel pole selgeid piire. Niisiis on liik kokkuleppeliselt eristatav isen -
dite kogum. Levini (1979) järgi on liigi mõiste vaid tööriist eluslooduse
mitmekesisuse iseloomustamiseks ja analüüsiks. Liigne tähelepanu vahendile
tõmbavat ära tähelepanu organismidelt enestelt. - Vastavalt Stebbinsile
(1969) olevat olemas vaid populatsioonide ja populatsioonirühmade organi-
seeritud süsteemid, mis moodustavad ebakorrapärase varieeruvusmustri. Seda
mustrit iseloomustavat sarnaste variantide kobarad , mida eraldavat ükstei-
sest suuremad või väiksemad mittepidevused.
1.1.4.1.2. Essentsialistlik ehk morfoloogiline kontseptsioon väidab, et
liigid erinevad üksteisest morfoloogiliste (laias mõttes - siia kuuluvad ka
näit. biokeemilised , füsioloogilised jt.) tunnuste poolest; need olevat nii
vajalikud kui ka piisavad liigi eristamiseks (kuigi ei tarvitse kõigil
ontogeneesi astmeil esineda). Oma äärmuslikul kujul esineb see kontseptsi-
oon tüpoloogilise liigikontseptsioonina: isendid peavad vastama liigi "tüü-
bile"; kõrvalekalded sellest kujutavad ebatüüpilisi isendeid. See vastab
essentsialistliku maailmapildi seisukohtadele: looduslikel objektidel ole-
vat reaalne essents, olemus; kõrvalekalde puhul sellest ei väljendu essents
mingil põhjusel täielikult, on häiritud, tegemist on mingi veaga. Essent-
sialistlik liigikontseptsioon oli valitsev ajal, millal liike peeti muutu-
matuiks ja/või jumala poolt looduks. Selle liikide varieeruvust eirava
vaatekoha järgi on näit. ka Eestis botaanilises kirjanduses kasutatud väl-
jendit liik ja tema vormid / varieteedid / teisendid  - nagu ei kuulukski
need liigi koosseisu...
Morfoloogiline (tüpoloogiline) kontseptsioon tundub olevat kõige operat -
sionaalsem, kuid annab suured võimalused suvaliseks liikide piiritlemiseks
vastavalt süstemaatiku soovile.
1.1.4.1.3.Isolatsionistliku ehk bioloogilise liigikontseptsiooni koha-
5
selt koosneb liik reaalselt või potentsiaalselt ristuvate isendite populat-
sioonidest, mis (E. Mayri hilisema täpsustuse kohaselt) esinevad spetsiifi-
lises ökoloogilises nishis. Isendite kuuluvuse ühte liiki ei määra inimene,
vaid isendid ise üksteist "ära tundes". Selle kontseptsiooni järgi pole
(rohked) ühevanemalise pärilikkusega ehk mitteseksuaalsed taksonid tõelised
liigid.
1.1.4.1.4. Fülogeneetiline kontseptsioon ühendab ühte liiki monofüleeti-
lise isendite rühma, s.t. sama esivanema(te) järglased. Kontseptsioon on
praegu teoreetilise seisukohana üldtunnustatud, kuid on väheoperatiivne.
Täpsustatud formuleeringus on öeldud nii (Mishler, Donoghue jt., 1982,
1987): Liik on väikseim klassifikatsiooniühik, millesse organismid on grup -
peerunud tänu nende monofüülsele päritolule (mistõttu neil esinevad ena-
masti sünapomorfsed tunnused) ja mis seetõttu pälvib formaalset tunnusta-
mist liigina . (Termini sünapomorf tähendust käsitletakse siin edaspidi.) -
Selle kontseptsiooni nõrkuseks on populatsiooni, liigi ja alamliigi erista-
mise võimatus, liigi reaalsuse ebaselgus. Tõepoolest, mitmed autorid (näit.
Raven , 1986) väidavad, et mingit liikide evolutsiooni ei toimugi, selle
asemel on õigem rääkida populatsioonide evolutsioonist.
Et ainult osa organismidest on seksuaalsed, võib ülalkirjeldatud bioloo -
gilist kontseptsiooni pidada ühte erijuhtu käsitlevaks seisukohaks.
Praktilises süstemaatiku töös on tänapäeval veel valitsev morfoloogiline
kontseptsioon - hoolimata sellest, et kõik möönavad selle põhjendamatust ja
anakronistlikku iseloomu.
1.1.4.1.5. Sellega ei piirdu veel kontseptsioonide mitmekesisus . Märki-
gem Templetoni (1989) kohesioonikontseptsiooni. Selle järgi hoiab isendeid
liigina koos mingi tegur: piiratud geenisiire; stabiliseeriv valik; ajaloo-
lised, arengu- või ökoloogilised piirangud. Selline kontseptsioon sobib ka
aseksuaalsete organismide rühmadele. Sarnaseid vaateid (stabiliseerivat
valikut olulisimaks pidades) on avaldanud ka Parmasto (1986).
1.1.4.1.6. Märkigem veel, et Ch. Darwin oma teoses liikide tekkimisest
ei esitanud liigikontseptsiooni: see pole raamat liigist, vaid liikide
muutumisest. Darwini jaoks oli liik vaid muutumise hetkeseis, s.t. peaaegu
et mittereaalne.
1.1.4.2. Liigi definitsioone on ainuüksi taimede jaoks enam kui kolmsa-
da. Selles esitatakse lisaks üldistele printsiipidele ka liigi omadused
ning üksikasjalikult need üldised kriteeriumid, mis võimaldavad liike eris -
tada. Paljudes definitsioonides on esile tõstetud: liik on ajalooliselt
(evolutsiooniliselt) kujunenud ühise päritoluga ( monofüleetiline ) isendite
hulk; liigid on varieeruvad ja ajas muutuvad, samal ajal ka suhteliselt
stabiilsed (püsivad); liigi isendid on omavahel ristuvad ja annavad elujõu-
lisi järglasi, ei ristu aga teiste liikide esindajatega; isendid on oma-
vahel sarnased, teistest liikidest eristab neid hiatus - tunnuste selge,
üleminekuteta erinevus [ideaaljuhus, mida võib reaalselt täheldada peami-
selt mittedimensionaalse liigieristuse puhul, s.t. vähese arvu isendite
puhul]; liigile on iseloomulik teatud areaal (levila), mis võib koosneda
osa-areaalidest, ning teatud ökoloogiliste nõudmiste kompleks. Liike ise-
loomustab ka teatud minimaalne arvukus: üks eksemplar pole veel liik (are-
6
aal puudub!); loomade puhul on arvatud, et alates umbes 500 isendist võiks
rääkida juba liigist. Muuseas, selle nõude vastu on palju patustatud, ja
see on ka üheks põhjuseks, miks paljusid liike pole hiljem leitud, või need
on osutunud varieeruva liigi sünonüümideks. - Toodud liigi omaduste loetelu
pole ammendav.
1.1.4.3. Liigi praktiline standard on nende tunnuste loetelu ja iseloo-
mustus, mis on kasutusel mingis rühmas (tavaliselt perekonnas või sugukon-
nas) liikide eristamiseks. See tugineb uurijate senistel kogemustel ja on
tavaliselt empiiriline, s.t. teooriavaba, sisaldab vaieldavaid subjektiiv-
seid arvamusi ning piirdub sageli lihtsalt kasutatud tunnuste ja nende
varieeruvuse iseloomustamisega ja suhtelise hinnangu andmisega (mis on
antud rühmas 'hea', mis 'halb' tunnus). Paraku on siin sageli jõutud tauto-
loogiani: hea tunnus olevat see, mis võmaldab hästi liike eristada; hea
liik on see, mis kasutatud tunnuste poolest üksteisest erinevad...
1.1.5. Liikide eristamine on paljudel juhtudel küllalt raske; eri tead-
lased võivad samas rühmas (näit. perekonnas) eristada ühe, mõne või palju
liike. Anekdootliku (nominalistlikku seisukohta väljendava) aforismi koha-
selt on liik see, mida hea süstemaatik liigiks peab. Eriti zooloogide seas
varem laialt levinud bioloogilise liigikontseptsiooni kohaselt ei saa lii-
kideks pidada isetolmlevaid taimi, homotallistlikke (ristumiseta paljune-
vaid) seeni jt. arvukaid ühevanemalise (uniparentaalse) pärilikkusega orga-
nisme - kuigi neil on siiani liike eristatud. Ristumisbarjäär on sageli
ainult osaline, tuntakse ka perekondadevahelisi hübriide. Seentel esineb
nn. A-B-C -süsteemi: näit. võivad ühel mandril esinevad taksonid A ja B
olla omavahel mitteristuvad, kuid on seda teisel mandril esineva väga ligi-
dase taksoniga B. Seentel esineb ka nn. intersteriilseid gruppe: sama liigi
(?) eri populatsioonid erinevad omavahel ainult mitteristumise poolest;
kõigi teiste tunnuste (ka molekulaarsete) poolest on nad praktiliselt sa-
mad, erinevused on palju väiksemad kui sama liigi omavahel ristuvatel isen-
ditel. Liikidevahelise erinevuse aste on erineva mastaabiga eri organismi-
rühmades (taimed, linnud , teisseened, jne.).
Nii võimegi liigi reaalsuse probleemi kohta väita: ühise päritoluga
(monofüleetiliste) isendirühmade esinemine looduses on reaalsus , nende
nimetamine liikideks on aga mudel, mille on loonud inimene. Enamusel juhtu-
dest on see mudel ilmselt vastavuses reaalsusega (kuid pole mitte reaalsus
ise). Varasemad (näit. Linné) seisukohad liigi ühemõttelisest reaalsusest
tuginesid eelkõige napile infole liikide varieeruvuse kohta, samuti filo-
soofilis-ideoloogilistest eelarvamustest.
1.1.6. Elusolendite esinemine liikidena on ilmselt seoses nende ehituse
ja elutegevuse spetsialiseerumisega teatud elu- (kasvu-)tingimustele, nende
seosega nn. 'oma' ökoloogilise nishshiga. Oletatavasti on see kujunenud
evolutsiooni vältel, s.t. evolutsioon (looduslik valik?) on soodustanud
liigilist esinemisvormi. Sellest tulenevalt ei saagi liik ühes organismi-
rühmas olla samasugune kui mõnes teises. Veel enam: isegi samas perekonnas
võib esineda erinevaid liigitüüpe (näit. hetero - ja homotallistlikud, s.t.
ühevanemalise pärilikkusega liigid mõnes seeneperekonnas). Järelikult ei
saa mistahes liigikontseptsioon olla nende eristamise praktiliseks juhi-
7
seks, vaid jääb enam või vähem teoreetiliseks üldistuseks. - Liik on sama-
aegselt nii looduses reaalselt eksisteeriv eluslooduse organiseerituse vorm
kui ka inimese poolt formaliseeritud üldistus.
1.2. Liigisisesed süstemaatika ühikud (alamtaksonid) on formaalse, kok-
kuleppelise ja nomenklatuurikoodeksites fikseeritud käsitluse järgi:
1.2.1. Alamliik  (subspecies) - varem ja paljudel juhtudel ka praegu
peetakse selleks liigi indiviidide kogumit, mis erineb (peam. morfoloogili-
selt) teistest tunduvalt. Õigem on järgida peam. zooloogide käsitust: liik
on (peam. geograafiline) rass , millel on erinev (geograafiline või ökoloo-
giline) levik, pärilikud erisused morfoloogias ja ökoloogias, kuid mis on
(seksuaalselt paljunevate puhul) ristuvad sama liigi teis(t)e alamliigi
esindajatega.
1.2.2. Varieteet (varietas) on morfoloogiliselt (pärilikult) erinevate
isendite rühm, millel pole oma areaali. Zooloogias varieteete ei eristata.
1.2.3. Vorm (forma) on veelgi väiksemate, tõenäoliselt mittepärilike
erinevustega teisend.
Botaaniline nomenklatuur lubab eristada ka alamvarieteeti ja alamvormi.
Paraku on nii varieteet kui ka vorm kindla sisuta mõisted, mida käsitatakse
eri teadlaste poolt üsna subjektiivselt . Nende eristamine ja kirjeldamine
on ainult üks ja mitte parim võimalik viis liigisisese varieeruvuse kirjel-
damiseks.
1.2.4. Varieteet ja vorm on tüpoloogilisest mõtteviisist ja vastavast
liigikontseptsioonist tulenevad ühikud, sageli ebakindlalt eristatavad.
Linné ja tema järglased tähistasid liigisiseseid ühikuid mitte nime, vaid
tähe (A; B; a; b; α; ß jne.) või numbri abil (tänapäeval nimetame neid
taimede ja seente puhul tinglikult varieteetideks). Eristamine ja nimeta-
mine oli lausa moeasjaks möödunud sajandivahetusest peale botaanikas;
praegu on see kombeks näiteks lihheniseerunud seente puhul. Bioloogiliselt
mõtestatud on ainult alamliigi ja populatsiooni eristamine; sisukas on ka
näit. seentel intersteriilsete rühmade ja (parasiitseentel teatud peremees -
taimedele) spetsialiseerunud vormide eristamine. - Populatsiooni mõistet
käsitletakse geneetika ja evolutsiooniõpetuse kursustes, siin ei korrata .
1.2.5. On kasutatud ka poolliigi mõistet: see on kujunev liik, mis pole
veel iseseisva liigini jõudnud. Eriti ornitoloogias on kasutusel olnud ka
ringliigi termin: tsirkumboreaalse levikuga liigi esindajad võivad tänu
klinaalsele muutlikkusele olla areaali"otste" kokkupuutepunktis olla mitte-
ristuvad ja ka morfoloogiliselt erinevad.
1.2.6. Alamliik, varieteet, vorm on hierarhilised kategooriad; kasutatud
on ka mitteformaalseid ühikuid, millega tähistatakse teatud ühiste tunnus-
tega indiviidide rühmi. Gilmour ja Gregor ning Heslop- Harrison tõid sisse
nn. deemi- ( deme ) teriminoloogia. Topodeem ja ökodeem  tähistavad ühes pai-
gas või samades ökoloogilistes tingimustes esinevaid grupeeringuid; gamo-
deem on omavahel ristuvate isendite kogum; autodeem on autogaamsete või
iseviljastuvate isendite ühendus, jne. Sagedamini on kasutatud esimest
kolme mõistet; süstemaatik saab hästi hakkama ka ilma deemi-terminoloogiat
kasutamata.
8
2. Liigist kõrgemad süstemaatika põhiühikud  olid möödunud sajandi kesk-
paigani vähearvukad: vajadus nende arvu suurendamiseks tekkis alles paljude
uute liikide (ja perekondade ) juurdekirjeldamisega. Hõlpsaks orienteerumi-
seks on sobivaim hierarhiliste tasemete arv nii umbes 8... Põhiühikuiks
loetakse praegu (hierarhilises reas) perekond, sugukond , selts, klass,
hõimkond ja riik. Monograafiliste uurimustes eristatakse neil alljaotusi
(sektsioon, alamperekond , triibus, alamsugukond, ülemsugukond (zooloogias),
alamklass...). Linné järgi olid liik ja perekond jumala loodud, kõrgemad
ühikud aga inimese mõttetegevuse produkt . Tänapäeval leidub mõningaid süs-
temaatikuid (feneetilise kooli esindajad), kes peavad perekonda reaalselt
eksisteerivaks; selle aluseks on küllaltki häguse ja liigagi üldise mõiste
reaalsus lai tõlgitsus. Kuna evolutsioon toimub tänapäevaste teadmiste
järgi ainult liikide, mitte aga kõrgemate süstemaatika ühikute muutumise
teel, ei saa ka perekonda (nagu sugukondagi jne.) pidada muuks kui ühise
fülogeneesiga, s.t. monofüleetiliseks liikide ajalooliselt kujunenud rühmi-
tuseks. Kujutades liikide teket piltlikult dihhotoomselt haruneva arengu-
puuna, on süstemaatikute kokkuleppe küsimus, millise harunemisjärgu "oksa"
pidada perekonnaks, millist sugukonnaks jne. Olulisem on siin teatud üht-
luse taotlus . Koos ikka uute liikide kirjeldamisega on näit. perekonna maht
käesoleva sajandi jooksul muutunud ikka väiksemaks ja väiksemaks. Et sel-
lega koos on vähenenud süsteemi ülevaatlikkus, on praegu täheldatav mõnin-
gane vastupidine tendents .
Vaadeldes liike (ja teisi taksoneid) mitte nende ajaloolise kujunemise
produktidena, vaid kui klassifitseerimist vajavaid sõltumatuid objekte,
saame nende suhteid modelleerida kui punkte hulgamõõtmelises tunnusruumis
(sellest tuleb juttu ühes edasises peatükis). Sobiva mudeli puhul võime
näha, et need mudeli punktid (mitte liigid ise!) esineva parvedena, mis
omakorda moodustavad suuremaid parvesid. Sellise käsituse puhul on liigist
suuremail süstemaatika ühikuil mudeli kontekstis ka teatud "reaalsus".
3. Enne järgnevat tuleb defineerida mõni tänapäevase süstemaatika põhi-
mõiste. Mööndes liikide ajaloolist (evolutsioonilist) kujunemist tuleb
eristada monofüleetilisi, parafüleetilisi ja polüfüleetilisi taksoneid
(liigirühmitusi).
3.1. Monofüleetiline on liikide rühm, kuhu kuulub nende ühine esivanem
(liik) ja kõik sellest kujunenud taksonid (vt. joonis 1, A).
3.2. Parafüleetiline on selline 'monofüleetiline' rühm, millest osa
taksoneid (liike) on välja arvatud (joonis 1, B). Selle eristamise aluseks
on tavaliselt üht või mitut liiki (taksonit) teistest hästi eristava tun-
nuse esinemine, mida süstemaatik oma subjektiivse hinnangu alusel (või
feneetilisi kriteeriume kasutades) peab oluliseks.
3.3. Polüfüleetiline on liikide rühm, kuhu on ühendatud erinevaist esi-
vanemaist pärinevad organismid (joon. 7, C). Polüfüleetiline oleks näiteks
rühm, mis ühendaks kalad ja vaala , või linnud ja kärbsed.
3.4. Polüfüleetilistest rühmitustest püüavad hoiduda kõik süstemaatikud ;
fülogeneetilise süstemaatika viljelejad eitavad ka parafüleetiliste rühmade
9
lubatavust süsteemis. Nn. evolutsiooniline süstemaatika möönab parafüleeti-
liste taksonite lubatavust, s.t. võimalust evolutsiooni käiku kujutavat
süsteemi "parandada" subjektiivselt hinnatud sarnasuse arvestamisega. Sel-
lest seisukohast kinni pidades on mistahes meie loodud taksoneid suvaliselt
välja jättev rühm "monofüleetiline" - näiteks perekond, millesse on ühenda-
tud ainult jänes, inimene ja lehm.
4. Tunnused ehk  atribuudid  (filosoofia termin, tähistab olulisi tunnu-
seid) ehk deskriptorid ehk (feneetilise klassifitseerimise algoritmides)
muutujad võimaldavad isendeid ja taksoneid iseloomustada, kirjeldada ja
klassifitseerida. Kuni kaunis hiljutise ajani liigitati tunnuseid süstemaa-
tika õpikuis selle järele, millisest valdkonnast või millist uurimismee-
todit kasutades need on saadud (morfoloogilised, anatoomilised, ultrastruk-
tuuri, biokeemilised jne. tunnused). Tunnuste hindamisel on eelduseks nende
pärilikkus. Kõrgemalt on hinnatud taksoni- (liigi-)siseselt vähevarieeru-
vaid tunnuseid; tegelikult on näit. meetrilised ja ka paljud meristilised
tunnused alati üsnagi muutlikud. (Lineaarsete meetriliste tunnuste liigisi-
sese variatsiooni koefitsient CV on enamasti 100 s /x  = 5-10; pindala
puhul on see umbes 2 ja ruumala ning kaalu puhul 3 korda suurem). - Jättes
kõrvale juhuslikud tunnused (s.t. mitte-atribuudid - näit. mõne eksemplari
kogumise kellaaeg või koguja vanus), on tunnused mistahes süstemaatika
analüüsi eel võrdtähenduslikud, nende "kasutamiskõlblikkus" selgub töö
käigus, tulemustega. Lähtudes analüüsi teostamisest, eristame n.ö. tehni-
lisest seisukohast siiski järgmisi tunnuste tüüpe.
4.1.1. Kvantitatiivsed tunnused - sellised arvtunnused , mille väärtust
võime mõõta või loendada (saba pikkus, kroonlehtede arv, munade koorumise
aeg päevades pärast viljastamist, jne.). Eristatakse meetrilisi (mõõdeta-
vaid) tunnuseid (näit. pikkus sentimeetrites) ja meristilisi ehk diskreet -
seid (neid väljendatakse enamasti ikka täisarvuliselt või kindla interval-
liga). Diskreetsed tunnused on omakorda loendatavad (näit. tedremarana
kroonlehtede või karu jalgade arv) või astakulised ehk intervall -tunnused
(näit. taime õitseaeg juuni 1.; 2.; 3. dekaadil).
4.1.2. Kvalitatiivsed tunnused - sellised, mida me (muundamata) ei saa
arvudes väljendada. Need võivad olla  ordineeritud  ehk järjestatavad (näit.
kerajas --ellipsoidne--silinderjas; väike--keskmine--suur) või ordineerimata
ehk järjestamata (näit. sinine, kollane, pruun, purpurne - neid värvusi ei
saa iseloomustada spektri lainepikkustega; looma liikumisviis võib olla
lendav, ujuv, roomav...).
4.1.3. Loogilised tunnused on erivorm kvalitatiivseist tunnustest: mingi
tunnuse olemasolu organismil saab olla kas tõene või väär, s.t. mingi tun-
nus esineb või puudub. Mitmed meetodid samastavad selle tunnuste tüübi 2-
astmelise ( binaarse ) ordineeritud või ordineerimata tunnusega - algoritmi -
des saab neid kasutada ühtmoodi).
4.1.4. Tunnuseks võib olla näiteks kollane, või hoopis värvus ja selle
tunnuse seisundiks kollane. Inglise keeles on vahe selgem: esimene 'tunnus'
on  character , teine (tunnuse seisund) on  characteristics  ehk character
state. Tarvitades terminit 'tunnuse seisund' eeldame, et ühe tunnuse kõik
10
seisundid on omavahel  homoloogsed  (sellel peatume pikemalt edaspidi). Kasu-
tades tänapäevast, kladistilist metodoloogiat kasutatakse tunnuse seisun -
dite tähistamiseks sageli ka terminit transformatsiooniseeria (transforma-
tion series). Viimane on seotud ideega, et tunnuse seisundid on kujunenud
ajalooliselt, s.t. ühe tunnuse (= tunnuse seisundi, kaasa arvatud selle
puudumine) muutumisel ehk transformeerumisel teiseks.
4.2. Mingi taime-, looma- või seenetaksoni kirjeldus (näit. uue taksoni
kirjeldamisel, või mingis käsiraamatus ) on selle tunnuste ja tunnuste sei-
sundite jutustav loetelu. Jutustuses lisandub küll täiendavat informatsi-
ooni (näit. tunnuse seisundi täpsustav , kommenteeritud kirjeldus), kuid ka
informatsioonilist müra. Sageli väljendatakse sama tunnuseseisundi esine-
mist eri taksonite juures pisut erinevas sõnastuses (näit.: õis on verev /
veripunane; leht on karvane / karvkattega, jne.). Sageli "ununeb" mõni
antud taksoni jaoks autori poolt vähemoluliseks peetud tunnus hoopiski
märkimata; tunnuste järjestus kirjeldustes on sageli ebajärjekindel. Seda
kõike aitab vältida tunnuste kodeerimine ja arvutiprogrammide (näit. DELTA
- seda õpime praktikumis) kasutamine. Veelgi tähtsam on kodeerimine
klassifitseerimisel.
4.2.1. Tunnuste kodeerimine võimaldab nende hõlpsat väljendamist ja
kasutamist arvutiprogrammides. Kui meie loetelus on kolmandaks tunnuseks
värvus ja sellel on neli tunnuse seisundit (1 - valge, 2 - kollane, 3 -
sinine, 4 - punane), võime punase värvuse kui tunnuse kodeerida numbritega
3,4. Kui tunnus on varieeruv , saab ka seda kodeerida (näit.: esineb tunnuse
seisund 5 või 6; 5 kuni 6; 5 ja 6 samaaegselt; konkreetne tähistusviis
sõltub kasutatavast programmist). Saab ka tähistada (- või ? või näit. 999
abil) tunnuse puudumist (näit. tunnust "saba pikkus" sabata loomal), samuti
andmete puudumist.
4.3. Tunnuste transformeerimine on sageli vajalik ühe või teise klassi-
fitseerimisprogrammi kasutamisel , mis nõuab ainult kvalitatiivsete (või
isegi ainult binaarsete), või ainult kvantitatiivsete tunnuste kasutamist.
See on puht-tehniline küsimus: näiteks võime värvust kirjeldada kas ordi-
neerimata kvalitatiivse tunnusena (sinine; kollane...) või mitme binaarse,
kaheastmelise tunnusena (sinine värvus on olemas või puudub; kollane on
olemas või puudub...). Ordineeritud kvalitatiivsed tunnused võib transfor-
meerida nii binaarseks kui ka aditiivseiks: näiteks võime ühe neljaseisun-
dilise tunnuse kodeerida (transformeerida) kolme kvaasi-tunnuse abil:
                        Aditiivne kodeerimine   Binaarne kodeerimine
       Seisund      Kolm tunnust            Neli binaarset tunnust
             0      0 0 0                   1 0 0 0
             1      1 0 0                   0 1 0 0
             2      1 1 0                   0 0 1 0
             3      1 1 1                   0 0 0 1
Binaarne kodeerimine sobib ka ordineerimata tunnuste jaoks.
Kvantitatiivsed tunnused võime transformeerida kvalitatiivseiks nende
klassideks jagamise teel (näiteks lehe laius 2-4 cm on esimene tunnuse sei-
sund, 4,1-6 cm teine, 6,1-8 on kolmas kvalitatiivse tunnuse "laius" sei-
11
sund, jne.); saame ordineeritud kvalitatiivsed tunnused. Iga lehe suuruse
klassi võime käsitada ka hoopis omaette loogilise (binaarse) tunnusena.
Meristilisi tunnuseid saab väljendada ordineeritud või ordineerimata
kvalitatiivsete tunnustena; näiteks võime tunnuse kroonlehtede arv (4; 5;
või 6) väljendada seisunditena 1; 2; 3, või siis kolme binaarse tunnusena.
4.4. Tunnuste informatiivsus oleneb tunnuse seisundite jaotumusest uuri-
tud OTUdel ja on määratav Shannoni valemi abil. Arusaadavalt on kõigi
uuritavate OTUde juures samas seisundis esineva tunnuse informatiivsus
null; kui igal objektil on tunnuse seisund erinev, on see väga informatiiv-
ne tunnus. Informatiivsuse määr on oluline näit. "määrajate" koostamisel -
informatiivsete tunnuste eeliskasutamine võimaldab koostada lühikesi ja
seega mugavaid määramistabeleid.
Informatsiooni mõõt on sama mis entroopia puhul: korratuse määr suletud
süsteemis (bittides)  H
x
a = -Σ pk ⋅ log2 p2      (log2  = log10 x / log10 2)
kus a on mingi tunnus, millel on mitmed erinevad seisundid k; pk on iga
seisundi tõenäosus (s.t. meie juhul - esinemissagedus uuritud OTUdel).
Valemist selgub, et tunnus on informatiivsem, kui selle eri seisundid on
ühtlaselt jagunenud OTUde vahel; kui tunnusel on rohkem eri seisundeid. See
ei tähenda, nagu oleks tegelikus klassifitseerimises kasulik kasutada pal-
jude seisunditega tunnuseid: see aitab küll eristada OTU-sid, kuid mitte
neid klassifitseerida rühmadesse.
4.5. Fülogeneetilise (kladistilise) analüüsi puhul on suhtumine tunnus-
tesse ja nende eristamine pisut teistsugune ja rangem . Tnnuse seisundeid
vaadeldakse ajalooliselt kujunenutena. Varem esinenud , ürgset, evolutsioo-
niliselt vanemat tunnust (tunnuse seisundit) nimetame plesiomorfseks (tun-
nuseks), sellest kujunenud homoloogset, hilisemat, nooremat aga apomorf-
seks. Praegu kasutatavate algoritmide kohaselt võivad tunnused olla ainult
kvalitatiivsed, mitte aga kvantitatiivsed; viimased tuleb transformeerida
kvalitatiivseiks. Analüüsi alguses ei tarvitse me veel teada, milline tun-
nus on just apomorfne; see selgub analüüsi tulemusena. Olulisim on seejuu -
res, et tunnused (tunnuse seisundid) oleks tõepoolest homoloogsed, omavahel
võrreldavad.
5. Homoloogia  on algselt võrdlev -anatoomiline ja -morfoloogiline mõiste,
samal ajal ka " morfoloogia keskne kontseptsioon" (J. Huxley, 1928), mis on
äärmiselt oluline nii organismide evolutsiooni käsitluses kui ka süstemaa-
tikas (eriti fülogeneetilises süstemaatikas). Terminit kasutatakse alates
R. Oweni tööst selgrootute kohta (1843), käsitus on muidugi vanem ja esineb
näiteks ka Goethe uurimuses metamorfooside kohta taimedel (1790). Owen de-
fineeris homollogi kui "sama organ erinevatel loomadel mistahes vormi ja
funktsiooni teisendis". Kõneldes tunnuste (tunnuse seisundite, transformat-
sioonirea liikmete) homoloogsusest peame silmas nende evolutsiooniliselt
sama päritolu, nende kujunemist üksteisest või tunnusest, mis esines nende
eellastel. Süstemaaatikas mingi organismirühma uurimisel on üks esimesi ja
tähtsamaid ülesandeid kasutatavate tunnuste (ja tunnuse seisundite) loetelu
koostamine. Pealiskaudse suhtumise korral (või ükskõiksuse puhul - et olgu
12
me süsteem kasvõi kunstlik) on see lihtne ja seisneb peamiselt teiste tead-
laste poolt taksoneid kirjeldades kasutatud tunnuste koondamises. Korrektse
uurimistöö puhul on tegemist teaduslike hüpoteeside püstitamisega selle
kohta, millised eri organismide juures esinevad tunnused on homoloogsed ja
millised mitte (vaid näiteks analoogsed, konvergentsi teel tekkinud).
Lisaks konvergentsile võib mittehomoloogsete tunnuste sarnasus olla tin-
gitd  parallelismist - sama tunnuse tekkest tavaliselt suguluses olevates
rühmades (Vavilovi paralleelse muutlikkuse fenomen !), mimikrist, ka  juhus -
likust  sarnasusest . Analoogilised tunnused võivad endast kujutada ka näivat
sarnasust , mis täpsemal uurimisel 'kaob'.
5.1. Homoloogia kriteeriume pole kuigi palju ja nad on sageli ebakind-
lad. Esimeseks on muidugi morfoloogiline (anatoomiline, jne.) sarnasus ehi-
tuses ja struktuuris; see esineb ka analoogia puhul, kuid struktuuri hool-
sal uurimisel võib neid sageli eristada. Oluline on homoloogse organi või
struktuuri erinevatel organismidel eri kujul esinemisel üleminekuvormide
olemasolul. Teiseks on homoloogsete organite sarnane (suhteline) asend eri
organismide juures. Reeglina ei esine ühel organismil mitut homoloogset
organit (näiteks ei saaks inglitel korraga esineda tiibu ja käsi - juhul,
kui tiib on esijäseme homoloog ). Erandiks on metameersed organismid (taime-
lehed!), aga ka näit. hümeeniumielementide esinemine 'kõrgematel' seentel.
Homoloogsed organid on sama või sarnase ontogeneesiga. Tuleb aga arvestada,
et evolutsioonis võib ontogenees muutuda mitmel viisil: mitte ainult tun-
nuste lisandumise teel (Haeckel), vaid ka mitteterminaalse lisandumisega,
teatud ontogeneesi etappide kadumisega, asendumisega. Homoloogia kaudseks,
kuid heaks kriteeriumiks on konvergentsitest: kui kahel võrreldaval takso -
nil esineb mitmeid homoloogseid tunnuseid, võime ka kahtlusaluse homoloogia
puhul eeldada homoloogia tõesust.
Tõsiseks komistuskiviks süstemaatikule on  latentne homoloogia: mõni tun-
nus võib olla fülogeneesis mitte kadunud (reversioon), vaid olla mingil
geneetilisel põhjusel maha surutud ja võib hiljem kergesti taastuda .
5.2. Tunnuste homoloogia pole nii oluline siis, kui meie ülesanne piir-
dub "määrajate" koostamisega: näiteks on taime õie värvus hea diagnostiline
tunnus sõltumata sellest, et see võib olla põhjustatud erinevatest pigmen-
tidest. Ka feneetikas (üldisest sarnasusest lähtuvas klassifitseerimises)
pole homoloogiate leidmine nii otsustava tähtsusega kui fülogeneetilises
süstemaatikas, kus eksimus tunnuste homologiseerimisel annab suure vea.
5.3. Tavalisemaks veaks tunnuste nimekirja koostamisel süstemaatiku
poolt on mitme tunnuse n.ö. segamini kasutamine: ühe tunnusena püütakse
näidata mitut erineva tunnust või nende kompleksi.
6. Klassifitseerimine on üks loogika osa: ühikute või nähtuste rühmita-
mine ja rühmadele nime andmine. Klassifitseerimine lähtub suhete olemas-
olust objektide vahel. Klassifitseerimine on kommunikatsiooni-, suhtlemis-
vahend inimeste vahel: tohutu arvu üksiknähtuste liigitamine väiksemaks
arvuks klassideks võimaldab nendest ülevaadet saada, neis orienteeruda. Nii
on klassifitseerimise aluseks teatud paradigma olemasolu ja inimeste prak-
tiline vajadus.
13
6.1. (Aristotelese; 384-322 e.m.a.) loogika järgi on liigitamine mõiste
(= esemete või nähtuste klassi) mahu avamine nende jaotamise teel
(alam)klassideks. Liigitamise aluseks on tunnus ehk atribuut, liigitamise
tulemuseks on liikmed). Loogiliselt korrektse liigitamise puhul peab sellel
olema üks alus; mõiste maht peab hõlmama kõik liikmete mahud; liikmed pea-
vad üksteist välistama.
Loogikas on klassifitseerimine liigitamise erijuht: klassid jagatakse
alamklassideks, need omakorda alam-alamklassideks jne. Igal liikmel on oma
üks ja kindel koht selles hierarhilises süsteemis. Selline klassifikatsioon
on informatsioonirikkam kui mittehierarhiline, kus samaväärseina erista-
takse suur hulk klasse.
Märkigem, et loogiline klassifitseerimine on hulga jagamine alamhulka-
deks , niisiis üks divisiivne meetod. Bioloogilises klassifitseerimises on
tänapäeval esikohal liikide ja teiste taksonite ühendamine (loogika) klas -
sideks selliselt , et tulemusena on kõigil elusolenditel oma koht süsteemis
(klassifikatsioonis): meetod on aglomeratiivne ehk kuhjav .
Loomulikus süsteemis on aluseks oluline tunnus (tunnused). Kunstlikus
süsteemis on liigitamise (klassifitseerimise) alus kokkuleppeline - näiteks
tähestikuline, või formaadijärgne raamatute paigutus raamatukogus (nagu
seda on raamatud ELUS-is või Morton Arboretum'i raamatukogus USA-s).
6.2. Elusolendite süstematiseerimine algas (teaduslikul alusel) ilmselt
Aristotelesega, kes jagas loomad verega ja vereta loomadeks, need edasi
'perekondadeks' - näit. kalad, linnud, imetajad . Theophrastos (371-268
e.m.a.) eristas puud, põõsad , rohttaimed ja nendel 'loomulikud sugukonnad',
mis näiteks vastavad tänapäevastele liilialistele, sarikõielistele. Clusius
eristas 1698. a. kaks rühma seeni: söödavad ja mürkseened. See on tüüpiline
kunstliku süsteemi näide: klassifitseerimise aluseks pole organismide
eneste olulised tunnused, vaid inimese suhtumine seente kasutamisse. Täna-
päevasele süstemaatikale pani aluse Linné, kes lähtus hulgast läbimõeldud
printsiipidest ja võttis kasutusele binaarse nomenklatuuri - igal liigil on
kahest sõnast koosnev ladinakeelne nimetus, millest esimene on perekonna
nimi. Nii loetaksegi taimede (incl. seente) süstemaatika formaalseks algus-
punktiks tema tööd 1753. aastast ja loomade osas 1758 . aastast. - Linné
süsteem oli tüüpiline kunstlik süsteem; hiljem jõudis ta loomulike süsteemi
kujundamise alguseni . Tänapäeval on bioloogias ainuvaldav taotlus luua loo-
mulikku süsteemi. Selleks on mitu teed sõltuvalt süstemaatiku poolt raken-
datavast paradigmast (teooriate ja vaadete, tõekspidamiste kogumist). Vaat-
leme neist nelja.
6.2.1. Empiiriline ( artistlik -intuitiivne) ehk kogemuslik süstemaatika,
mis on enam kunst kui teadus, oli veel hiljuti ainuvalitsev. See tugineb
enam või vähem subjektiivselt hinnatud ja tõlgendatud sarnasusel ja (osal
süstemaatikuist) oletataval evolutsioonil. Tegelikult on enam või vähem
ebateadlikult kasutatud feneetilist metodoloogiat. Tulemuseks on püüde
puhul ka võimalikku evolutsiooni näidata narratiivne-jutustav hüpotees
antud rühma oletatava evolutsiooni kohta, tavaliselt parafüleetilised,
osalt ka monofüleetilised ja polüfüleetilised alljaotused (taksonid), ja
võimatus hüpoteesi reaalsusele vastavust kontrollida (falsifitseerida).
14
6.2.2. Feneetiline süstemaatika põhineb oletusel, nagu kajastaks üldine
sarnasus küllalt hästi uuritavate organismide seoseid . See tähendab konver-
gentsi mittearvestamist. See suund on leidnud arendamist alates nn. numbri-
lise taksonoomia meetodite väljatöötamisest käesoleva sajandi kuuekümnen-
dail aastail, õitseaeg oli kuni kaheksakümnendate aastate alguseni.
Metoodiliselt seisneb feneetiline klassifitseerimine liikide (või teiste
taksonite - lühidalt nimetatakse neid OTU-deks lühendina ingliskeelsest
terminist operational taxonomic unit ) summaarse erinevuse mõõtmises kasu-
tatud tunnuste erinevuste alusel; kõigi OTUde omavahelise erinevuse (kau-
guse ) alusel on neid võimalik rühmitada - moodustada klastreid. OTUsid võib
kujutada punktidena ja punktiparvedena hulgamõõtmelises tunnusruumis, mille
vektoreiks on kasutatud tunnused; võib kasutada ka teisi ordinatsioonimee-
todeid. OTUde rühmitamise aluseks on üldine sarnasus (või erinevus - need
on sama mündi kaks poolt), mitte sarnasus või erinevus mingi konkreetse
tunnuse poolest.
Saadud feneetiline klassifikatsioon pole ei tõene ega väär; ta ei ole
teaduslik hüpotees, mida oleks võimalik kinnitada või ümber lükata. Tege-
mist on ainult algandmete (OTUde tunnuste ja tunnuse seisundite) ülevaat-
liku korrastamisega.
6.2.3. Fülogeneetilise süstemaatika (kladistika) eesmärgiks on klassi-
fitseerida taksoneid nende ajaloolise kujunemise, nende fülogeneesi alusel.
See põhineb ainult monofüleetiliste (mitte aga parafüleetiliste) rühmade
tunnustamisel; tunnuste polariseerimisel (plesiomorfsete ja apomorfsete
tunnuste eristamisvõimaluse möönmisel); võimalike evolutsioonipuude (klado-
grammide) " joonistamisel " ja nendest säästuprintsiibi (parsimony) alusel
kõige lühema, kõige väiksema tunnuste muutumise arvuga puu väljavalimisel.
Saadud fülogeneesipuu on teaduslik hüpotees, mida on võimalik falsifitsee-
rida ja/või kinnitada. Iga OTUde rühma (fülogeneesipuu haru ehk oksa) eris-
tamise aluseks on teatud kindla tunnuse (tunnuste) kindlasuunaline muutus.
6.2.4. Evolutsiooniline süstemaatika taotleb kahe teineteist välistava,
feneetilise ja fülogeneetilise metodoloogia sünteesi. Aluseks on püüd sel-
gita uuritava rühma liikide (ja teiste taksonite) fülogenees ja saadud
pilti "parandada" sarnasuse arvestamise teel, s.t. lähtudes feneetilisest
metodoloogiast. Vastavalt sellele aktsepteeritakse parafüleetilisi rühmi;
mööndakse võimalust rühmi eristada plesiomorfsete tunnuste alusel. Tulemu-
sena kujutatakse fülogeneesi narratiivselt; et sarnasuse hindamiseks puudub
objektiivne mõõdupuu, sõltuvad saadud klassifikatsioonid süstemaatiku su-
vast.
7. Feneetiline süstemaatika.
7.1. OTUde (näit. liikide) vahelise sarnasuse (erinevuse, distantsi )
mõõtmine. - Sarnasus ja erinevus on teineteisest sõltuvad parameetrid. Kui
sarnasust ja erinevust väljendada mingi koefitsiendiga, mis täieliku sama-
suse puhul saavutab väärtuse 1, on on mingi uuritud OTUpaari erinevus üks
miinus sarnasus; analoogiliselt on sarnasus üks miinus erinevus.
7.1.1. Binaarsete kvalitatiivsete tunnuste kasutamine. - Tähistagem
mingi tunnuse esinemist mõlemal võrreldaval OTU-l (i; j)  tähega  a, puudu-
15
mist d-ga, esinemist ainult esimesel OTUl b-ga ja ainult teisel c-ga. Olgu
võrreldud tunnuste üldarv p. Kasutades andmeid kõigi tunnuste kohta, võime
arvutada liht-sarnasuskoefitsiendi (Sokali ja Micheneri, 1958 järele):
sij = (a + d) / p.
Jaccard'i sarnasuskoefitsient on sij = a / (a + b + c). On ka teisi, vähem
kasutatavaid koeffitsiente; ainuüksi personaalarvuti-programm NTSYS-pc
pakub neid üksteist. Kõigil puhkudel on kahe OTU sarnasus väljendatud arvu-
ga, mille väärtus on alla ühe.
7.1.2. Mitme tunnuseseisundiga kvalitatiivsete tunnuste puhul võib need
muundada binaarseteks tunnusteks (teatud seisund puudub või esineb) või
arvestada ainult ühise tunnuseseisundi puudumist või esinemist.
7.1.3. Kvantitatiivsete tunnuste puhul on otstarbekas OTUde erinevust
väljendada kaugusena üksteisest hüpoteetilises hulgamõõtmelises ehk hüper -
ruumis (tunnusruumis), mille üksteisega mudelis risti olevateks vektoriteks
on eri tunnused. Nagu juba märkisime, moodustavad OTUd selles punktide
parvi.
7.1.3.1. Eukleidiline kaugus arvutatakse Pythagorase teoreemi alusel:
liidetakse iga tunnuse kohta käiva kahe OTU erinevuse ruudud: Σ (xki - xkj)2
(kus k tähistab mistahes tunnust, x selle mõõtmistulemust, i ja j aga võr -
reldavaid taksoneid), ja võetakse saadud summast ruutjuur . See algoritm on
sama nii kahe tunnuse kui ka kuitahes paljude tunnuste puhul.
Kasutatakse ka eukleidilise kauguse asemel selle ruutu.
7.1.3.2. Kui enne juurimist jagame summa kasutatud tunnuste arvuga n,
saame keskmise taksonoomilise kauguse.
7.1.3.3. Manhattani kvartalikaugus arvutatakse valemiga
   M
│ / n 
ij = Σ │xki - xkj
Lähtudes oletusest, et muutuste aluseks on iga tunnuse osas eraldi toi-
munud mutatsioon(id), on Manhattani kvartalikaugus bioloogiliselt ja loo-
giliselt mõneti ehk põhjendatum kui teised mõõtmisviisid. Tegelikult on
selline käsitus muidugi üsnagi vedel: enamus tunnustest on ju  polügeensed ,
s.t. nende ilmnemine on tingitud mitme geeni koosmõjust.
7.1.3.4. Kasutusel on veel vähemalt 18-20 muudki koefitsienti, kaasa
arvatud vektoritevahelise nurga (koosinuse) kasutamisega. Kaks neist väärib
märkimist:
Smirnoffi koefitsient kaalub tunnuseid: tunnus(e seisund), mis on harva-
esinev, muutub väga oluliseks - seda enam, mida OTU- (liigi-)rohkem on
uuritav kogum. Kaalumine on süstemaatikas väga vaieldava õigustusega; Smir-
noffi koeffitsient võimaldab aga leida liikide kogumist teistest väga eri-
nevaid, omapäraseid liike, mis väärivad erilist tähelepanu. - See meetod
leidub programmipaketis TYTAN.
Canberra meetrikat kasutav algoritm võimaldab 'head' rühmade eristamist
uuritavas kogumis: üksteisele 'liiga' ligidal asuvad OTUd eristatakse pare-
mini, teistest 'liiga' kauged (erinevad) tuuakse ligemale:
d
│ / 
ij = 1/n Σ (│xki - xkj
Σ (xki - xkj))
7.1.3.5. Kasutades OTUde vahelise erinevuse (distantsi) määramiseks eri-
nevaid kvantitatiivseid tunnuseid koos, tuleb neid kuidagi ühtlustada: ei
16
saa ju võrreldavana kokku panna elevandi pikkust millimeetrites ja raku
läbimõõtu samas mõõtühikus. Kooskõlastamiseks on tavaliselt kasutusel kaks
viisi: tunnuse väärtuste  standardiseerimine  ja ranzheerimine.
7.1.3.5.1. Standardiseerimisel muundame distantsi (erinevuse) iga tun-
nuse puhul eraldi, arvestades antud tunnuse varieerumist kõigi OTUde juu-
res. Selleks arvutame iga tunnuse kohta selle aritmeetilise keskmisex  ja
standardhälbe s. Uus erinevuse väärtus x' = (x -x ) / s
7.1.3.5.2. Mastaapimisel ehk ranzheerimisel (Goweri meetod) muundatakse
distantsi väärtus arvestades antud tunnuse piirväärtusi uuritud OTUde juu-
res:
x' = (x - xmin ) / (xmax - xmin)   kus x' on distantsi uus, transformeeritud
väärtus.
7.1.3.6. Mistahes OTUde paaride erinevust (distantsi) mõõtvat meetodit
kasutades saame andmed, mis võimaldab koostada andmete tabeli (vt. näide:
joon. 1) ja andmemaatriksi (näide: joon. 2); selle tulpades ja ridades on
eri OTUd (näit. liigid), nende ristumiskohal OTUde vaheline kaugus (erine-
vus, distants ). Seda saame kasutada kas OTUde klasterdamiseks või paljude
ordinatsioonimeetodite kasutamiseks.
7.2. Teades iga kahe OTU-paari omavahelist kaugust (= summaarset erine-
vust kõiki kasutatud tunnuseid arvestades) saame modellerides luua uuritud
OTUde (taksonite) geomeetrilise (graafilise) mudeli. [Meenutagem, et  graaf
on punktide hulk, milles vähemalt osa punkte on ühendatud joontega.] Sel-
leks on mitu võimalust, mida võime realiseerida ordinatsioonimeetodeid või
klasteranalüüsi kasutades. Allpool vaatleme klasteranalüüsi teostamist.
7.2.1. Enim kasutatud vorm on  klasteranalüüs , mille tulemuseks on haru-
nev, sarnasust kujutav  fenogramm . Sarnased OTUd on selles ühendatud hierar-
hiliselt harunenud ühise "juurega" puu harudeks , kobaraiks, klastreiks.
Klasterdamismeetodeid on rohkelt, neist levinumad on lähimnaabri meetod
( simple - linkage clustering), aritmeetilisi keskmisi kasutav kaalumata paa-
ride meetod (UPGMA - unweighted pair -group method using averages) ja täis-
sideme-klasterdus ( complete -linkage clustering).
7.2.1.1. Lähimnaabri meetodi puhul leitakse kaks OTUt, mille erinevus on
minimaalne, ja ühendatakse need arvestades OTUDe distantsi teineteisest
(joon. 2). Edasi arvutatakse distants selle klastri ja ülejäänud OTUde va-
hel; järgmisena ühendatakse klastrisse OTUd (või üks OTU ja juba olemasolev
klaster), mille distants on väikseim. Nii jätkates saadakse fenogramm, mil-
les üksteisele kõige sarnasemad taksonid on rühmitunud. Teisiti öeldes: OTU
kuulub ühte klastrisse siis, kui tal on teatud läve ületav sarnasus vähe-
malt ühe antud klastri liikmega (Estabrook, 1986). (Kuidas seda teha, selle
kohta on näide toodud konspekti lisas nr. 1).
7.2.1.2. Täissideme-klasterduse puhul ühendatakse OTU olemasoleva klast-
ri juurde mitte juba klastris olevat kõige sarnasemat, vaid kõige vähemsar-
nast OTUt erinevuse mõõtmisel arvestades.
7.2.1.3. UPGMA-klasterduse  puhul ühendatakse osaklastrid omavahel mitte
arvestades kumbagi klastri kõige sarnasemaid liike, vaid sarnasuse (erine-
vuse) keskmisi. Lisatakse OTU (või teine juba konstrueeritud klaster),
mille keskmine kaugus kõigist klastri OTUdest on minimaalne.
17
7.3. Eri klasterdusmeetodid annavad tavaliselt isegi samu distantsiand-
meid kasutades erineva fenogrammi, s.t. erineva klassifikatsiooniskeemi.
Kui arvestada ka taksonite erinevuse / sarnasuse mõõtmise erinevaid meeto -
deid, võime vastavat arvutiprogrammi kasutades samadest algandmetest saada
vähem kui tunni jooksul 60-100 erinevat fenogrammi. Neist ükski pole õige
ega ükski pole väär: oleme lihtsalt oma algandmeid mitmesugusel viisil kor-
rastanud, ordineerinud. Iga fenogramm on nagu uuritavate taksonite tunnuste
erineva vaatenurga alt nähtud pilt.
Ometi on süstemaatika praktikas mõned meetodid eelistatumad. Lähimnaabri
meetod võimaldab eelkõige näha seost, "üleminekuid" erinevate taksonite
vahel. UPGMA on kasutatavaim, n.ö. standardne meetod, ja võimaldab seetõttu
eri teadustöödes ilmunu võrdlemist. Kui kasutatakse seejuures, või täissi-
deme-klasterduse puhul ka Canberra meetrikas avaldatud distantse, saame
enamasti uuritud OTUde selge rühmitumise ilusateks klastriteks. See kõlbab
siis, kui tahame näiteks mõnda perekonda jagada alamperekondadeks või sekt-
sioonideks.
7.3.1. Erinevatel meetoditel saadud fenogramme võime hinnata nende vas-
tavuse alusel algandmestikule. Leiame korrelatsiooni kõigi OTUpaaride vahe-
liste kauguste vahel fenogrammis ja algses andmemaatriksis; vastav kofenee-
tilise korrelatsiooni koefitsient (cophenetic correlation coefficient) on
seda suurem (teoreetiliselt kuni 1,0), mida vähem on klasterdamine moonuta-
nud liikidevahelisi sarnasussuhteid.
7.3.2. Erinevatel meetoditel samade OTUde kohta saadud erineva informat-
siooniga fenogramme võime liita üheks, konsensuspuuks (vt. joon. 3). Selles
on omaette klastritena näidatud need harud (klastrid), mis on ühised kõi-
gile eri fenogrammidele. Võime genereerida ka sellise konsensuspuu, kus on
esitatud 50 %, 90 % jne. fenogrammidest esinevad klastrid. Selline konsen-
sus näitab sarnasust OTUde vahel, mis ei olene kasutatud meetodite iseära-
sustest. Väga sageli kaob aga konsensuspuus suur hulk klastreid: resolutsi-
oon on sellisel juhul madal.
7.3.3. Fenogramm on nn. juurega puu (suunatud ehk orienteeritud graaf) -
ta aheneb alusel ainsaks tüveks. Tüve asend ja harunemise viis ei sisalda
aga informatsiooni kasvõi hüpoteetilise fülogeneesi kohta uuritavas rühmas:
puu näitab selgelt arusaadaval viisil üleüldist sarnasust, mitte midagi
muud.
7.3.4. Fenogrammide kasutamine uuritud organismide süsteemi (klassifi-
katsiooni) loomiseks on arutusel olnud peamiselt 1950-1960-ndail aastail.
Väideti, nagu võiks fenogrammi harunemise tasemete (sarnasuse / erinevuse
nivoode) järgi eristada alamperekondi, perekondi jne. Veel 1990 arvas evo-
lutsioonilise süstemaatika pooldaja (ja tuntud taimesüstemaatika õpiku au-
tor) T.S. Stuessy, et selline hierarhia standardiseerimine pole võimalik
eri organismirühmade puhul, küll aga saaks tulevikus sellise võtte kasuta-
mist kokku leppida ligidaste rühmade uurimisel. - Et fenogrammis ei avaldu
kindlate tunnuste muutumine, vaid sarnasus paljude tunnuste "segu" puhul,
oleks nii eristatavad taksonid sageli küll halvasti iseloomustatavad.
7.4. Ordinatsioonimeetodeist kitsamas mõttes (s.o. välja jättes klaster-
damise) on süstemaatikas levinuim peakomponentanalüüs.
18
7.4.1. Peakomponentanalüüs (principal component analysis ) seisneb hulga-
mõõtmelises tunnusruumis endiste vektorite (kasutatud tunnustega määratud
telgede ) asendamises uutega, mis täielikumalt hõlmavad koguvarieeruvust.
Esimese telje (vektori, komponendi) asend valitakse selline, et ta (oma
pikkuses ) haaraks maksimaalse osa üldvarieeruvusest (oleks OTUde ellips-
oidse pilve pikiteljeks). Selleks kasutatakse vähimruutude meetodit: OTU-
punktide teljest kauguse ruutude summa peab olema minimaalne. Teine, eelmi-
sega risti asetsev telg hõlmab jällegi maksimaalselt võimaliku varieeru -
vuste summa, jne. (Vt. joon. 4.) Iga uus telg väljendab nüüd mitte variee-
ruvust ühe tunnuse piires, vaid kombineerib mitme (paljude) tunnuste vari-
eeruvuse. Kui meil hästi läheb, on esimese kolme vektoriga hõlvatud näit.
75 või isegi 85 % koguvarieeruvusest.
Edasi on juba lihtne kujutada OTUsid punktidena tasapinnal, millel koor-
dinaatideks (telgedeks) on 1. ja 2. komponent , 2. ja 3. komponent, 1. ja 3.
komponent. Näeme (kui näeme), et OTUd on grupeerunud (vt. joon. 5); punktid
ei asetu ühtlaselt-juhuslikult, vaid rühmadena. Nende rühmade alusel võime
teha järeldusi taksonite omavaheliste suhete kohta.
Peakomponentanalüüsi saab teha vaid kvantitatiivseid tunnuseid kasuta-
des, soovitatavalt eukleidilist OTUdevahelist erinevust kasutades. Saadud
graafilisel kujutisel on OTUpunktide vaheline kaugus (teatud) vastavuses
selle erinevusega (vt. joon. 3). Kasutatud on ka binaarsete tunnuste kasu-
tamisele tuginevat peakomponentanalüüsi, kuid selle "interpreteerimine võib
tekitada raskusi" ( Dunn & Everitt, 1982).
7.4.2. Peakoordinaatanalüüs (principal coordinates analysis) võimaldab
kasutada ka mitte-eukleidilisi distantse (erinevusi), kusjuures hulgamõõt-
melise ruumi distantside moonutamist püütakse minimeerida. Ka siin saame
tasapinnalise, OTUpunktide rühmadega pildi.
Ordinatsioonimeetodeid on teisigi, kuid tänapäevases fülogeneetilises
süstemaatikas nad eriti kasutamist ei leia. Vajadusel saab neid hõlpsalt
genereerida arvutiprogrammidega NTSYS-pc ja SYSTAT; kasutatavate algorit-
mide lühikirjelduse võib leida näit. raamatus G. Dunn & B.S. Everitt, An
introduction to mathematical taxonomy. Cambridge University Press, Cam-
bridge et al., 1982.
7.4.2.1. Minimaalkauguste puu (minimum spanning tree) on niisugune
graaf, milles OTUpunktid (juba olemasoleval, näit. peakoordinaatanalüüsiga
saadud tasapinnalisel kujutisel) on omavahel joontega ühendatud vastavalt
nende ( algsele , mitte kujutisel mõneti moondunud) omavahelistele distantsi-
dele (erinevustele). See on tüüpiline matemaatilises topoloogias tuntud
rändkaupmehe ülesande lahendus: joontega seotakse OTUpunktid nii, et joonte
kogupikkus oleks minimaalne. Piiravateks tingimusteks on, et 1) ei või esi-
neda suletud, kinniseid "silmuseid"; 2) igasse punkti viiks vähemalt üks
joon; 3) kõik punktid peavad olema joon(t)ega ühendatud. Sellise puu näide
on toodud joonisel 6. Saadud graaf (koos peakoordinaat- või muu analüüsi
tulemuste kujutisega) esitab meile informatsiooni OTUde sarnasusseoste
kohta. Kuivõrd see klassifitseerimises kasulik on, see on iseküsimus; igal
juhul jätab (jättis) ta teadustöö illustratsioonina mulje sügavast teadus-
likust analüüsist ja matemaatiliste meetodite valdamisest.
19
7.4. Feneetiliste meetodite kasutamist saab õigeks lugeda siis, kui süs-
temaatik täie arusaamisega ja läbimõeldult soovib lähtuda ainult sarnasu-
sest, ja ei taotle seejuures või peab millegipoolest ebaõigeks fülogeneeti-
list lähenemist. See on sama võimalik kui teadlikult kunstliku süsteemi
loomine.
Teatud erandjuhtudel on feneetiliste meetodite kasutamine siiski häda-
abinõuna mõistetav. Väga sarnaste liikide puhul, kui uurijal pole võimalik
leida kladistiliseks analüüsiks sobivaid tunnuseid (vaid need on näit. pea-
miselt arvtunnused), on mõeldav esimese lähendusena teostada feneetiline
klassifikatsioon, mis võimaldaks liigirikkas perekonnas esialgselt orien-
teeruda. Teatud molekulaarsüstemaatiliste tunnuste puhul on samuti feneeti-
line metoodika praktiliselt möödapääsmatu; et sel juhul tunnused on geno -
tüüpi iseloomustavad, on tulemus palju enam genealoogilisi seoseid väljen-
dav kui fenotüüpi iseloomustavate "morfoloogiliste" tunnuste puhul.
8. Fülogeneetilise süstemaatika eesmärgiks on klassifitseerimine takso-
nite  genealoogia, nende ajaloolise kujunemise, s.t. nende evolutsiooni alu-
sel. Lähtutakse järgmistest põhiprintsiipidest:
8.1.1. Klassifitseerimisühikuteks, s.t. taksoneiks saavad ja tohivad
olla ainult monofüleetilised rühmad selle termini täpses (kitsamas tähendu-
ses). Parafüleetiliste rühmade mõistet vt. 3.2. ja joon. 7.
8.1.2.  Tunnustel tuleb eristada sellised tunnuse seisundid (tunnused
transformatsiooniseerias), mis on omavahel diskreetselt erinevad (kvalita-
tiivsed ordineeritud või ordineerimata tunnused), ja mille seas saaks eris-
tada plesiomorfset (-eid) ja apomorfset (-eid) (vt. 4.5).
8.1.3. Taksonite rühmitamise aluseks saavad olla ainult neile ühised
apomorfsed tunnused (sünapomorfid), mitte aga ühised plesiomorfsed tunnused
(sümplesiomorfid).
8.1.3. Süsteemi (klassifikatsiooni) aluseks on  hüpoteetiline fülogenee-
sipuu (kladogramm), mis näitab tunnuste muutumist oletatavas evolutsioonis,
mille tulemusena kujunes uuritavatel taksonitel praegu olemasolev tunnuste
komplekt.
8.1.4. Paljudest võimalikest hüpoteetilistest fülogeneesipuudest tuleb
välja valida - vastavalt säästuprintsiibile - kõige lühem, s.t. selline,
kus on kõige väiksem arv tunnuste muutumise samme . Kui selliseid puid saa-
dakse mitu, on tegemist võrdvõimalike hüpoteesidega, mille vahel on küll
võimalik valikut teha muudest printsiipidest lähtudes.
Lühima fülogeneesipuu eelistamine ei tähenda, nagu eeldaks me evolutsi-
ooni käiku lihtsana ja väheste muutussammude produktina. Säästuprintsiipi
rakendatakse hüpoteeside võrdleval hindamisel.
8.2. Monofüleetilisus on kriitiline nõue mingi rühma kladistiliseks
uurimiseks. Selle kohta otsustuse tegemine on mõnikord küllalt raske ja
nõuab kindlasti küllaldasi eelteadmisi rühma liikide kohta, nende senise
klassifitseerimise ajaloo tundmist. Paraku eristatakse uuritav rühm sageli
feneetiliste (eelkõige sarnasust arvestavate) kriteeriumide alusel.
Kahtluse korral (ja hea analüüsi jaoks üleüldse) on soovitatav uurimise
alla võtta mitte ainult põhiobjekt, vaid sellega koos ka oletatavasti kõige
20
lähedasemad naaberrühmad.
8.3. Tunnused. Et kladistikas vaadeldakse tunnuse seisundeid kui homo-
loogseid, muutumisseeriana seotud transformatsiooniseeria (TS) liikmeid
(tunnuseid), loobume edasises tunnuse seisundi terminist.
TS võib olla kahetunnuseline (binaarne) või paljutunnuseline. Viimane
võib olla ordineerimata või ordineeritud. Ordineeritud tunnuste puhul eel-
dame, et muutumine ( transformatsioon ) on toimunud üle vaheastmete: seeria
puhul A--B--C saab A muutumine C-ks (või vastupidi) toimuda ainult kahe
muutussammuna, s.t. üle B. Apomorfsus ja plesiomorfsus on siin suhtelised:
kui areng on läinud suunas A-st C poole, on A plesiomorfne tunnus; B on A
suhtes apomorfne, kuid C suhtes plesiomorfne; C on igal juhul apomorfne.
8.3.1. Tunnuste polariseerimine. Selle kindlakstegemist, milline tunnus
on plesiomorfne ja milline apomorfne, nimetatakse tunnuste polariseerimi-
seks ehk tunnuse argumenteerimiseks. See on otsustava tähtsusega kladisti-
lises analüüsis .
Mingi tunnuse (organi, selle osa, vms.) puudumist võiks pidada plesio-
morfseks, olemasolu - apomorfseks. Kuid me teame paljude organite ja struk-
tuuride taandarengut või kadumist evolutsiooni käigus; seda nimetame tun-
nuse reversiooniks. Polariseerimist võime teostada n.ö. oletuse korras,
lähtudes varem esitatud hüpoteesidest, oletustest; see on kahtlase väärtu-
sega argumenteerimine.
On oletatud, et sageli esinev tunnus peaks olema plesiomorfne, harulda-
sem aga apomorfne. Teatakse aga hulgimalt vastupidiseid näiteid.
Paleontoloogilise andmestiku olemasolul võib polariseerimine olla kül-
lalt lihtne; paljude organismi(rühma)de kohta aga see puudub.
Kasulikuks on peetud ontogeneetilist meetodit, mis lähtub Haeckel'likust
rekapitulatsioonireeglist: evolutsiooniliselt vanemad tunnused ilmnevat
varem kui hilistekkelised (s.t. apomorfsed). Tegelikult on see rekapitualt-
sioon ainult üks erijuhus ontogeneesis. Ontogeneesi muutumises evolutsiooni
käigus võivad esineda ka  deletsioon  (mõne vahepealse arenguastme eliminee-
rumine), ontogeneesis mõne vahelmise etapi lisandumine, jne.
8.2.1.1. Välisrühma meetod. Alates 1980-ndate aastate algusest on ain-
saks objektiivseks polariseerimise meetodiks peetud seda.
Siserühmaks (ingroup) nimetatakse uuritavate taksonite (näit. liikide)
hulka. Välisrühm (outgroup) on sellele evolutsiooniliselt lähedane sugulus-
organismide rühm (näiteks ligidaseks peetava teise perekonna liigid, või
see perekond ühise tunnuste kirjeldusega iseloomustatuna). Kui välisrühm
kujutab endast kõige lähedasemat taksonit (välis- ja siserühm on kujunenud
otseselt ühiseellasest), nimetame seda sõsarrühmaks ( sister group).
Kui mingi tunnus esineb nii välis- kui ka siserühmas, võime oletada
selle pärinemist nende ühiselt (hüpoteetiliselt) eellaselt. Kui homoloogne
tunnus, sama TS liige esineb ainult siserühmas, on see ilmselt hilisema
tekkega ja on järelikult apomorfne (ning välis- ja siserühmale ühine tunnus
on plesiomorfne).
Kasutades ainul ühte välisrühma võib meetodi kasutamisel tekkida eksi-
tus: võib-olla oli tunnus ka ühiseellasel olemas, kuid välisrühma kujunemi-
sel taandarenes? Järelikult on parem kasutada kahte või kolme välisrühma,
21
et jälgida TS tunnuste võimalikku muutumist pikema evolutsiooniaja jooksul.
8.3. Vastavalt kladistika metodoloogiale ei iseloomusta monofüleetilist
taksonit mitte nende liikidele ühised plesiomorfsed, vaid sünapomorfsed
tunnused. Tõepoolest, me võime leida väga suure hulga tunnuseid, mis puu-
duvad nii inimesel kui ka küülikul. Kui suur see arv ka ei oleks, nende
liikide kuulumist ühisesse taksonisse (ühte perekonda) need kinnitada ei
saa. Teiselt poolt on inimesel ja shimpansil hulk ühiseid tunnuseid, mis
õigustavad nende asetamise samasse (kõrgemasse kui perekond) taksonisse.
Ühised plesiomorfsed tunnused ühendavad varem süstemaatikas kasutatud
taksoneid  selgrootud , taimed (kaasa arvatud kõik vetikad ), seened (kus
nende hulka loeti ka munasseened, Oomycetes ja sageli ka limaseened). Need
on parafüleetilised rühmitused.
Tuleb eristada autapomorfseid tunnuseid, mis iseloomustavad ainult ühte
taksonit, s.t. ei ühenda mitut taksonit neil kõigil esinemisega. Autapo-
morfne tunnus võimaldab küll ühte taksonit tema sõsartaksonist eristada,
kuid mitte neid süstematiseerida, s.t. sugulustaksoneid ühendada. Järeli-
kult on autapomorfsed tunnused kladistilisel analüüsil kasutud, ja kui me
programmile vastava käsu anname, neid lihtsalt ignoreeritakse. See lihtsus-
tab ja ka kiirendab analüüsi.
8.4. Kladogrammide koostamisel "joonistatakse" tunnuste ajas muutumist
rekonstrueerides selline puu, mille harutippudeks on uuritavad taksonid ja
mille tüve alusel (juuritud puu puhul) on hüpoteetiline ühiseellane - liik.
Ühise päritoluga (sünapomorfidega iseloomustatud) liigirühmad moodustavad
puu ühe "oksa" ehk klaadi. Iga tunnusemuutust (üleminekut plesiomorfsest
tunnusest apomorfseks, reversiooni ehk taandarengut tagasi plesiomorfseks,
sama tunnuse paralleelset teket arengupuu eri harudes (parallelismi) loen -
dame ühe sammuna; sammude koguarv näitab kladogrammi (puu) pikkust.
8.4.1. Olenevalt uuritavate taksonite (harutippude) arvust võime konst-
rueerida suure hulga erineva harunemisega puid. Kui kasutame binaarseid
(kaheastmelisi) tunnuseid, on võimalike puude arv:
   taksonite arv - puude arv
2
2
3
9
5
62
20
5.24 ⋅ 1024
100
1.0 ⋅ 10198
Märkigem siinjuures, et tänapäevase arvutustehnika kasutamisega nõuaks
100-taksoniliste kõigi võimalike puude kuju väljaarvutamine aega 6 ⋅ 10179
aastat, universumi vanus on aga alles ligikaudu 2 ⋅  1010  aastat.
Ilmselt vajab lahendamist kaks praktilist küsimust: kuidas paljude puude
seast välja valida üks või piiratud hulk, mis oleksid mingite objektiivsete
kriteeriumide alusel sobivad fülogeneesihüpoteesidena; kuidas piirata kõik-
võimalike puude arvu juba nende genereerimisel mingite piirangute panemi-
sega.
Esimesele küsimusele annab lahenduse säästuprintsiip, millel juba peatu-
sime: kõikvõimalikest puudest valime välja ainult selle (need), mis on
22
kõige lühem(ad) - kõige väiksema tunnuste muutumissammude arvuga. Teise
küsimuse lahendus tuleneb esimesest: tuleb kasutada heuristilisi algoritme,
mis kõikvõimalike puude konstrueerimisel väldiksid juba leitud puust (puu-
dest) pikemate genereerimise - ja seda soovitavalt ennetavalt.
8.5. Puude genereerimiseks (vt. joon. 8) on paar head personaalarvuti
programmi; neist tuntumad, kättesaadavamad ja küllalt kiired suhteliselt
suuremate andmemaatriksite (taksonite ja tunnuste hulga) jaoks on kaks.
PAUP versioon 3.1.1 on määratud kasutamiseks  Apple Macintosh-tüüpi per-
sonaalarvutitel (mida hinna tõttu on Eestis veel suhteliselt vähe). Pro-
grammil on hulk võimalusi kasutada erinevaid meetodeid, kaasa arvatud mole -
kulaarsüstemaatika tunnuseid kasutavad. Versioon 2.4 on määratud kasutami-
seks meil tavalistel IBM PC-tüüpi, matemaatilise koprotsessoriga varustatud
personaalarvutitel, kuid on juba moraalselt vananenud ja palju väiksemate
võimalustega. Selle uus versioon on tulekul, kuid saabumine võib võtta veel
palju aega.
HENNIG86 on määratud kasutamiseks IBM PC tüüpi arvutitele ja ei nõua
koprotsessori olemasolu. Programmi on palju kasutatud Skandinaaviamaades;
piiranguks on väiksem kasutamisvariantide hulk (PAUP 3.1.1-ga võrreldes),
ka eelistatakse PAUP-i seetõttu, et selles kasutatavad algoritmid on vähe-
malt põhijoontes avaldatud, HENNIG86 omad aga teadmata.
Lisaks pakub palju erinevaid meetodeid programm PHYLIP, mis pealegi on
erinevalt eelmistest, kuigi üsna odavatest, kätte saadav tasuta. Vähegi
suuremate andmemaatriksite jaoks on see programm aga (praeguses versioonis)
väga aeglane.
Kui oleme (näiteks PAUP-i abil) saanud mingi kladogrammi - hüpoteetilise
fülogeneesipuu, võime programmi MacClade abil otse ekraanil jälgida tun-
nuste muutumist puu harudes; võime oma suva järgi ümber tõsta puu harusid
või üksikuid taksoneid teise kohta ja vaadata, kuidas see mõjustab puu ko-
gupikkust.
8.6. Puude " ehitamisel " võime iga TS (tunnuste) kohta ette määrata, kui-
das see tohib muutuda. Tähistame järgnevaks seletuseks (binaarse transfor-
matsiooniseeria) tunnused kui 0 ja 1.
Dollo parsimoonia (kasutusel aastast 1974) puhul tähistame plesiomorfse
seisundi 0-ga. Võimalik on tunnuse ainult ühekordne muutumine 0 → 1  ja
mingit paralleelset sedapidi muutumist rohkem ei lubata. Tunnus võib tagasi
pöörduda (→ 0), kuid selliste muutuste arv on minimeeritud.
Camin-Sokali parsimoonia (1965) puhul lähtutakse evolutsiooni pöörduma -
tuse printsiibist: tunnuse reversioon (0 ← 1) on lubamatu; tunnuse paral-
leelne teke puu eri harudes on lubatav, kuid selle hulk on minimeeritud.
Sellist tunnuse iseloomustamist saab kasutada ainult siis, kui ehitame juu-
rega puud.
Fitchi parsimoonia ( 1971 ) puhul võib (alati ordineerimata!) tunnus igas
suunas vabalt muutuda (0 → 1 ja 1 → 0); minimeeritud on muutuste koguarv.
See mudel on universaalne ja üldkasutatav.
Wagneri parsimoonia (selle põhimõte formuleeriti 1969) on eelmisega sar-
nane, kuid seda kasutatakse, kui esineb ka ordineeritud tunnuseid, mis
23
tuleb aditiivselt kodeerida. (Mis on aditiivne kodeerimine, sada vt. 4.3.)
8.7. Tundub olevat ükskõik, kas me oma analüüsis kasutame sama tunnuste-
komplekti (ühe tunnuse eri seisundeid) ordineerimata või ordineeritud tun-
nustena. Veel enam; võiks arvata, et ordineeritud tunnused peavad oma muu-
tumises kindlasti läbima teatud vaheastmeid.
Tegelikult on iga tunnusteseeria ordineerimine (tunnuste järjestamine)
üks täiendav, uurija poolt juurde toodud lisahüpotees: et muutused just
nimelt nii, üle selliste vaheastmete peaks käima. Seda võib ja isegi peab
rakendama ainult siis, kui see on kladistilisele analüüsile eelnevate uuri-
mistega kinnitatud. Kui see nii pole, on parem ordineerimisest hoiduda.
Veel enam: kui me analüüsi alustades ordineerimisega väidame, et näit. tun-
nus A peab tunnuseni C muutumiseks kindlasti läbima vaheastme B, siis on
sellise muutumise "hind" kaks muutumissammu. Programm hoidub sellist puud
kahe sammu võrra pikendava muutuse kasutamisest. Kui A-st C-ni on ainult
üks samm, on selline muutus võrdväärne mõne teise muutusega (näiteks F →
G), mida programm esimesel juhul eelistaks.
8.8. Ometi on juhuseid, millal me päris hästi teame, kuidas tunnuste
transformatsiooniseerias tunnuste muutumine peab olema toimunud; mingi tun-
nuse muutuste puu (character state tree) võib isegi olla harunenud; me
võime mõnda muutust (või selle suunda) pidada tõenäolisemaks kui mingit
teist. Sellisel juhul on meil võimalik arvutiprogrammi sisestada meie poolt
ette antud piirangud - meie poolt õigeks peetavate muutuste mudeli, mida
programm on sunnitud järgima. (Vt. joon. 9.) Näiteks teame, et molekulaar -
süstemaatikas kasutatavate nukleotiidide sekventsi tunnuste puhul transver-
sioon toimub harvemini kui transitsioon . Võime analüüsi eel ette anda seda
arvestava tunnuse muudatuste puu (vt. joon. 10).
8.9. Puude ehitamisele asudes võime lähtuda meie poolt ette antud hüpo -
teetilisest eellasest , mille puhul kõigile tunnustele on meie poolt juba
antud nende seisund (näit. 0). Nii oli see kombeks veel kümme-neliteist
aastat tagasi, kui ei tuntud välisrühma-meetodit. Selline lähenemine sisal-
dab suurt subjektiivse vea ohtu ja seda välditakse. Mõeldav on küll anda
hüpoteetilise ühiseellase selline iseloomustus, milles osa tunnuste puhul 
on antud põhjendatult eeldatavseisund, teiste puhul aga ainult küsimärk.
   Enamuse teiste parsimooniameetodite puhul ehitab programm alguses juu-
reta puu ("kerakujulise" kladogrammi, nn. Wagneri võrgu -  Wagner network ),
ja alles lõpuks juuritakse see meie poolt näidatud välisrühma ja siserühma
vahelt. Kui me kuidagi ei oska välisrühma analüüsi jaoks eristada, võib puu
lõpuks juurida keskpunktist; sellest mistahes taksonini (harutipuni) on
sama palju muutussamme.
8.10. Juurega puu puhul võime PAUPi kasutades anda käsud, mis võrdselt
lühimate puude saamisel paneb kladogrammide genereerimisel programmi eelis-
tama tunnuste paralleelset teket reversioonile (DELTRAN), või tagasipöördu-
mist (reversiooni) paralleeltekkele (ALLTRAN).
8.11. Arvutiprogrammile võib "ette kirjutada" ka mitmesuguseid piiran-
guid ja "sundkäike". Võime nõuda, et teatud liigid või liigirühmad peavad
olema ühes harus (klaadis) koos; et teatud rühmad peavad olema kõrvutistes
sõsarokstes (harudes). Sellised "sundused" ( constraints ) on tavaliselt õi-
24
gustatud ainult siis, kui need tuginevad mõnel eelnenud kladistilisel ana-
lüüsil uuritava liigikogumi osahulga kohta.
8.12. Puu ehitamise mistahes algoritm (programm) püüab minimeerida puu
pikkust, s.t. vältida homoplaasiat - paralleelsust ja tagasipöördumist . Iga
saadud puu puhul arvutab programm iga tunnuse kohta selle püsivusindeksi
(consistency index); kui tunnus on muutunud ainult üks kord, on selle väär-
tus 1. Mida rohkem on reversioone ja paralleelsust, seda väiksem on indeksi
väärtus; seda pikem sammudes tuleb ka puu. Kõigi tunnuste peale kokku ise-
loomustatakse kogu puud selle püsivusindeksiga.
Üldise seaduspärasusena sõltub püsivusindeks taksonite ja (vähem) tun-
nuste arvust, ja väheneb koos nende suurenemisega.
8.13. Kui meil on head tunnused (s.t. sellised, mille püsivusindeks on
1), saame ühe või väikese arvu kladogramme. "Halbade" tunnuste puhul saame
neid sageli mitu või isegi palju. Programmil PAUP 2.4 on maksimaalseks
puude arvuks, mida programm suudab oma mällu jätta, 100; PAUP 3.1 puhul on
see üle 32 000. Sellise kladogrammide hulga puhul tekib uurijal kiusatus
mõned "halvad" tunnused välja jätta või tunnuseid kaaluda: anda parematele
tunnustele suurem kaal, suurem sisuline väärtus.
Igasugune tunnuste kaalumine on subjektiivse hinnangu andmine. Sisuli-
selt võiks see ju igati põhjendatud olla: kõik tunnused ilmselt pole süste-
maatika jaoks samaväärsed. Puudub aga objektiivne kriteerium, mõõdupuu,
mille abil "õiglaselt" kaaluda.
Kladistikas on kasutusel Farrise poolt pakutud kaalumisviis. Vastavalt
esimesele kladistilisele analüüsile leitakse iga tunnuse püsivusindeks;
tunnusele antakse kaal, mis vastab selle väärtusele. Nüüd teostatakse teine
analüüs ja uus kaalumine, kolmas, vajadusel neljaski taasanalüüs, kuni pü-
sivusindeksi väärtus (ja vastavalt ka saadud puude pikkus) jääb püsima.
Tavaliselt väheneb sellise ülekaalumise tagajärjel leitud ühepikkuste puude
arv umbes kümme korda või enamgi . Paraku on saadud "kaalutud" puud mõnigi
kord algsetest puudest märgatavalt pikemad . (Selle nägemiseks tuleb kasu-
tada programmis erivõtteid!) Ka võib tunnuste kaalumiste järel saadud kla-
dogrammides mõni takson "nihkuda" täiesti ootamatusse ja ilmselt ebaõigesse
paika.
8.14. Suure andmemaatriksi (palju liike, palju tunnuseid) ja tunnuste
madala püsivusindeksi puhul võime kladistilise analüüsiga saada mitu või
terve hulga sama pikki puid, s.t. võrdväärseid hüpoteese. Enne nende vahel
valiku tegemist (või tegemata jätmist) on otstarbekas programmi abil teha
üksikkladogramme võrdlev ja üldistav  konsensuspuu.
8.14.1. Ranges konsensuspuus (strict consensus tree) on näidatud kõik
need klaadid (harud, harunemiskohad), mis on ühised kõigile saadud üksik-
kladogrammidele. Sageli juhtub, et erinevused eri kladogrammide vahel puu-
dutavad ainult üksikuid selle osi, ainult detaile. Need konsensuspuu osad,
kus eri kladogrammides on fülogenees kujutatud erinevalt, on polütoomse
harunemisega, s.t. lahendamata .
Konsensuspuu pole mingi fülogeneesi hüpotees, selle järgi ei tohi kuju-
tada võimalikku, hüpoteetilist evolutsiooni - välja arvatud neil haruldas-
tel juhtudel, kui mõni üksik kladogramm on täpselt sama ehitusega (topoloo-
25
giaga). Viimasel juhul leiab see üks kladogramm konsensuspuu poolt kinni-
tust (mitte vastupidi). Konsensuspuu näitab ainult uuritava taksonitehulga
vastastikuste suhete topoloogiat; sama topoloogia võib olla saavutatud mit-
mete erinevate tunnuste muutumise skeemidega. Muuseas, kui käsitleme kon-
sensuspuud kladogrammina ja mõõdame ta pikkuse, osutub ta tavaliselt alu-
seks olnud kladogrammidest pikemaks; niisiis on ta säästuprintsiibist läh-
tudes nendest "halvem".
Ühte ja väga olulist näitab range konsensuspuu ometi: kõik konsensuspuu
harud ( oksad ) ühendavad taksoneid (liike), mis kõigi kladogrammide põhjal
moodustavad monofüleetilise rühma. Niisiis on konsensuspuu hea abinõu mono -
füleetiliste rühmade väljaselgitamisel.
8.14.2. Lisaks rangele konsensuspuule kasutatakse ka teisi. Kujutleme,
et paljudes kladogrammides on mingi klaad (haru, seega oletatavalt monofü-
leetilise rühma sisese fülogeneesi hüpotees) sama topoloogiaga, ainult ühes
kladogrammis tuhandest on see detail erinevana kujutatud. Ranges konsensus -
puus loetakse see klaad lahendamata alljaotuseks. Ilmselt oleks õigem ar-
vestada ka kladogrammidevaheliste erinevuste esinemissagedust.
PAUP pakub võimalust konstrueerida 50 %-enamusreegli konsensuspuud. Sel-
les näidatakse neid klaade (harusid), mis esinevad vähemalt 50 % puudes, ja
iga klaadiharu juures on märgitud esinemissageduse protsent. Programmile
võib anda ka käsu 50 % asemel piiriks võtta 95 %, mis tundub mõistlikult
range piiranguna.
8.15. Kladistilise analüüsi tulemusena saame parimal juhul üheainsa kla-
dogrammi, enamasti aga mitu võrdse pikkusega puud ja konsensuspuu(d). Pal-
jud süstemaatikud on sel juhul piirdunud konsensuspuu kasutamisega. On ju
klassifikatsiooni jaoks oluline saada ülevaade monofüleetiliste rühmade ja
allrühmade olemasolust, ja ainuüksi seegi tulemus õigustab analüüsi teosta-
mist.
Teistel juhtudel soovime ikkagi esitada taksonite tõenäolise evolutsi-
ooni skeemi. Selleks tuleb läbi uurida kõik saadud kladogrammid ja jälgida
iga tunnuse muutumist nendes (kas uurides arvuti poolt koostatud muutuste
tabelit või kasutades programmi MacClade). Lähtudes kõigist varasematest
teadmistest antud organismirühma kohta ja püüdes rakendada loogilist mõtle-
mist võime välja praakida need puud (kladogrammid), mis on selgelt vastu-
olus seniste teadmistega. Näiteks saab vähetõenäolisteks pidada arengupuid,
milles mingi komplitseeritud struktuuriga organ tekib paralleelselt mitmes
või isegi paljudes klaadides.
8.16. Leides või valides mingi juuritud kladogrammi (puu, fülogeneesihü-
poteesi), ei tohi piirduda ainult puu topoloogia, selle struktuuri teadmi-
seks võtmisega. Iga kladogrammi sõlmevahe (kahe harunemispunkti või harune-
mispunkti ja terminaalse taksoni, s.t. harutipu vahe, mida kujutab sirg-
joon) tähendab teatud tunnuste teatud muutusi, transformatsioone. Me üt-
leme, et need muutused toetavad ( support ) muutuskohast ülalpool olevat
klaadi ehk haru. Need tunnuste muutused kantakse kladogrammile (enamasti)
nii: sõlmevahet märkivale joonele tõmmatakse lühike ristkriips ja selle
juurde märgitakse muutunud tunnuse number. Kui tegemist on sama tunnuse
paralleelse tekkega mitmes kladogrammi harus, on tunnuseks kaks kõrvuti-
26
olevat kriipsukest (võrdusmärk üle sõlmevahejoone). Reversiooni (tagasi-
pöördumine plesiomorfse tunnuseni) puhul kasutatakse joonele paigutatud
ristikest. (Vt. joon. 11.)
8.17. Uurides iga klaadi toetavaid tunnuseid, võime mõnikord näha, et
klaad on tugevasti toetatud mitme "olulise" tunnusega. Teistel juhtudel
võime üllatusega leida, et suurt klaadi (näiteks uuritava liigikogumiku
kaheks jaotumisel) toetab ainult üks tunnus, seegi mõnikord suhteliselt
väheveenev (näiteks mingi organi mõõtme suurenemine). Paljude kladogrammide
võrdleval uurimisel neist " kahtlaste " väljapraakimiseks on selline klaadi-
toetuste  erinevus meile oluline.
8.18. Kladistikaprogrammid võimaldavad klaadide toetuse kvantitatiivset
hindamist. Laialt kasutatakse nn. bootstrap-meetodit (mõistlikku eestikeel -
set nime sellel veel pole). Teostame sama andmemaatriksit kasutades (näi-
teks) sada kladistilist analüüsi, jättes iga kord välja ühe juhuslikult
võetud tunnuse. Saadud kladogrammidest konsensuspuu moodustades võime näha,
mitmes protsendis kladogrammidest on selle või teise klaadi olemasolu toe-
tatud. Paraku on selline analüüs väga aeganõudev (kestab mõnikord näda-
laid).
8.19. Kladistilise analüüsi edukuse peamiseks takistajaks on vasturääki-
vused erinevate tunnuste muutumises. Tunnuste muutumise suund tundub olevat
vastupidine; nad ei toeta üksteist, vaid "segavad": üksiktunnuste muutumise
puud (kõiki taksoneid arvestades) ei anna ennast kokku panna üheks. Selle
tulemusena tekib mitmeid võrdse pikkusega lühimaid puid; selle tulemusena
on tunnustel madal püsivusindeks (s.t. esineb rohkelt parallelismi ja re-
versiooni).
Nendest vasturääkivustest on püütud lahti saada klikimeetodi (clique
method) abil (G.F. Estabrook jt.). Selles kasutatakse ainult neid tunnu-
seid, mis moodustavad  kliki , mis on oma muutumiste poolest omavahel koos-
kõlas; teised jäetakse analüüsis kasutamata. Sellisel viisil saadakse ana-
lüüsi tulemusena küll ainult üks kladogramm, kuid suur hulk informatsiooni
jääb kasutamata, ja iga väljajätmise põhjenduseks on ju ad hoc hüpotees,
mis on vastuolus säästuprintsiibiga. Et meetod on liiga jäik, on analüüsi
tehtud mitmes osas. Esialgsel analüüsil saadud klaade on edasi analüüsitud
ükshaaval, alustades jälle kõigi tunnuste hõlmamisega ja neist antud klaa -
dile  kohase kliki väljaselgitamisega.
Meetodit arendas J. Felsenstein (1978), kasutades lävemeetodit (thres-
hold ): mistahes tunnusel võib sellises analüüsis olla teatud, üldisena
kõigi tunnuste jaoks ette antud arv homoplaasiat (paralleelsust ja reversi -
ooni); alles selle ületamisel jäetakse tunnus kasutamisest välja.
Klikimeetodid mitmetes oma teisendustes on rakendatavad juba mainitud
programmiga PHYLIP; nagu märgitud, on need kasutatavad eelkõige väikese
taksonite arvu puhul, ja analüüs on aeganõudev.
8.20. Nagu kõigi meetodite puhul, nii ka kladistikas tuleb nende kasuta-
misel arvestada (hinnata) meetodi robustsust. Robustne meetod on selline,
mis on vähetundlik võimalike üksikute vigade, häirete, andmestiku mittekül-
laldase hulga või ebapiisava täpsuse suhtes.
Kladistilise analüüsi tulemus sõltub tunnuste arvust; liiga väike arv
27
annab küll vähem homoplaasiat, kuid tulemus ei tarvitse olla küllalt usal-
datav. Üldreeglina on soovitatud kasutada vähemalt sama palju tunnuseid,
kui on taksoneid. Sellel soovitusel on aga täiesti empiiriline iseloom,
selle toetuseks pole mingeid teoreetilisi põhjendusi. On edukalt teostatud
analüüse, kus taksonite arv on tunnuste omast 2 - 3 korda suurem.
Analüüsi tulemus sõltub hõlmatud taksonite arvust. Uurides ühte monofü-
leetilist rühma tuleks analüüsi võtta kõik teadaolevad liigid. Kui jagak-
sime nende kogumi pooleks ja teostaksime kaks analüüsi, saame kaks mõneti
erinevat kladogrammi. Kasutades näit. ainult Eestis esinevaid liike, saame
erineva kladogrammi, kui kogu maakera liike hõlmates. Püüdes analüüsida
mingi sugukonna evolutsiooni ja võttes selleks igast perekonnast ühe liigi,
sõltub tulemus mõnevõrra sellest, millise liigi just valime. Paraku on 
praktilises töös piiravaiks tegureiks ebapiisav info paljude taksonite koh-
ta, mida sooviksime analüüsida, ja arvutite (ning programmide) võimsus.
Maksimaalseks taksonite arvuks, mille puhul analüüs enam-vähem korralikult
välja tuleb, on praegu (1994) umbes 100.
Paraku pole ka teised teadaolevad meetodid robustsemad. Kõnelemata meto-
doloogilisest nõrkusest, on feneetilised meetodid sama tundlikud, vähero-
bustsed. Veel enam, fenogramm on veelgi tundlikum tunnuste arvu suhtes;
täiendavate tunnuste lisamine analüüsile võib selle tulemusi ühel juhul
parandada, teisel puhul aga moonutada.
8.21. Fülogeneetilises süstemaatikas on kladistilise analüüsi tulemuseks
(hüpoteetiline) fülogeneesipuu, mille harud dihhotoomselt harunevad. Kuidas
sellist skeemi üle viia hierarhiliseks klassifikatsiooniks, mis meie kõigi
juures kujunenud veendumuste kohaselt peaks olema kooskõlas Linné poolt
algatatud jaotusega (liigid - perekonnad - sugukonnad - seltsid - klassid,
jne.)?
Kladistilise metodoloogia kohaselt annab iga fülogeneetilise puu harune-
miskoht kaks sõsarklaadi - kaks monofüleetilist rühmitust, mis peavad järe-
likult kuuluma samasse süstemaatika kategooriasse (mõlemad on sugukonnad,
alamsugukonnad, triibused, perekonnad või midagi muud). Üksteise järel pai-
gutunud harunemispunkte on aga nii palju, et linneeliku hierarhia kategoo-
riaid lihtsalt ei jätku . Algul püüti sellest üle saada kategoorianimetus-
test hoopiski loobumisega, asendades need numbritega. See süsteem ei saa-
nudki aga pooldamist leida. Praegu kasutatakse teist, linneeliku süsteemiga
kompromissi taotlevat võimalust. Kujutleme ühte fülogeneesipuu haru (klaa-
di), mida peame vastavaks ühele seni sugukonnaks peetud taksonile. Selle
klaadi kammipiidena üksteise järel asuvad külgharud võime kõik tinglikult
nimetada alamsugukondadeks, loetledes neid klaadi alusest tipu poole mine-
vas järjestuses (vt. joon. 4; sellel kujutatud sugukonna alamsugukonnad A -
E tuleks loendades esitada nii:
Sugukond X
   Alamsugukond A
   Alamsugukond B
   ...  ...
   Alamsugukond E.
Raskused fülogeneetilistel puudel kujutatu üleviimisel tavapärasesse
klassifikatsiooni ei tulene kladistilise meetodi puudustest, vaid meil
28
kasutusel olevast, "kivistunud" linneelikust mõtteviisist, õigemini selle
mittevastavusest eluslooduse kujunemise mehhanismidele. Väheste kategoo-
riate arvuga nimetamismoodus on abinõu looduse mitmekesisuses orienteerumi-
seks, mitte aga looduses esinev reaalsus. Seda näitab ka kategooriate arvu
kasv koos ikka uute liikide kirjeldamisega viimase 250 aasta jooksul; Linné
sai taimede juures hakkama 4 - 5 kategooriaga. Piirav on ka inimese mälu ja
mõtteviisi iseärasus : me ei suuda hästi orienteeruda hierarhilises klassi-
fikatsioonis, kus kategooriaid tuleb meeles pidada üle 7-8.
8.22. Käesolevas kursuses ei käsitleta kladistilist analüüsi molekulaar-
süstemaatiliste tunnuste kasutamisel. Põhilised printsiibid on muidugi sa-
mad. Tuleb aga mainida raskusi ja hüvesid sama uuritava liigikogumi juures
"morfoloogilisi" ja molekulaarseid tunnuseid kasutades saadud kladogrammide
ja fülogeneetiliste puude võrdlemisel.
Katsed ühendada ühte andmemaatriksisse mõlemat tüüpi tunnused on seotud
ületamatute metoodiliste raskustega ja pole ennast õigustanud, samuti mitte
nende alusel konsensuspuu koostamine. See nõuaks ühtede või teiste tunnuste
kaalumist, millele aga objektiivset alust pole. Ilmselt on kõige perspek-
tiivikam kasutada eri andmestiku alusel saadud fülogeneesipuid nende kui
evolutsioonihüpoteeside vastastikuseks kinnitamiseks / falsifitseerimiseks.
Senised kogemused on näidanud, et paljudel juhtudel on molekulaarse ja
"mittemolekulaarse" analüüsi tulemused omavahel üldjoontes kooskõlas - kuid
mitte alati. - Molekulaarseid tunnuseid kasutav süstemaatika areneb täna-
päeval äärmiselt kiiresti ja on muutumas lähiaastail põhimiseks.
8.23. Kladistiline analüüs võib sageli anda mitu või palju võrdlühikesi
puid, kusjuures neid uurides ei leia me põhjendust neist ühegi kõrvalejät-
miseks. See tähendab, et meil (praegu) olemasolev  andmestik ei võimaldagi
ainsa, ainuõige fülogeneesihüpoteesi eelistamist.
Fülogeneetiline süstemaatika taotleb klassifitseerimiseks fülogeneesi
rekonstrueerimist alati ebapiisavate andmete alusel. Nagu nägime, on metoo -
diliselt piiravaks teguriks asjaolu, et paljud esinevad liigid on veel
leidmata ja kirjeldamata; arvata äle 95 % kui mitte enam on välja surnud,
jätmata meile fossiile . Süsteemi loomine isegi parimate meetodite alusel on
aproksimatsioon, lähendus; meie võimuses on ainult suurendada selle tõenäo-
list vastavust reaalsele eluslooduse ajaloole. Olulisim on seda teha elus-
olendite süsteemi suurjaotuste osas. Konspekti autori arvates on seetõttu
lubatav süsteemi detailide puhul hädavajaduse sunnil  ajutiselt  kasutada ka
feneetilisi meetodeid või isegi kunstlikku süsteemi, kui see on süstemaa-
tiku poolt selgelt koos põhjustega esile toodud.
9. Kladistilise metodoloogia seisukohti tunnustades tuleb meil ümber
hinnata mitmeid justkui endastmõistetavaks peetud termineid ja tava"tõ-
desid".
Süstemaatikute kõnekeeles, aga ka õpikuis on sageli räägitud sellest,
nagu oleks üks organismirühm kujunenud, põlvnenud mõnest teisest, praegu
veel eksisteerivast. Vastavalt kladistikale (ja ka meie teadmistele makro-
evolutsioonist) saavad liigist kõrgemad taksonid tekkida ainult liigitekke
teel. Edasise divergentsi teel võib lähteliigist kujuneda perekond või suu-
29
remgi takson. Algesivanema tekkel kujunes (piltlikult öeldes) omaette
klaad, sellega koos - teine klaad, kujunenud taksoni sõsarrühm. Mõlemad
sõsarrühmad on sama vanusega, sama tekkeajaga, ja mõlemad on monofüleetili-
sed rühmad.
On võimalik, et lähedased (näit. samasse perekonda kuuluvad) liigid või-
vad oma genotüübi sarnasuse tõttu olla kalduvad samasuguste mutantide tek-
kele. Seda ei saa aga tõlgendada ühest perekonnast teise perekonna tekita-
misena.
Pole olemas primitiivseid, ürgseid praegu elavaid liike ega perekondi.
Esiteks on primitiivsuse mõiste antud juhul ebasobiv: liigid, mis pole kül-
laldasel määral sobivad, kohastunud, surevad kiiresti välja. "Primitiivne"
ehitus on selline ehk ainult inimese kummalisi mõõdupuid kasutades; tegeli-
kult on see üks võimalikest ehituse või struktuuri tüüpidest, mis ilmselt
on enam või vähem täiuslikult vastav organismi ökoloogilisele nishile ja
ajalooliselt kujunenud elustrateegiale. Teiseks saavad ürgsed, vanad oma
päritolult olla ikkagi vaid plesiomorfsed tunnused, mitte aga neid "kand-
vad" taksonid.
Süstemaatikud on kõnelenud heterobatmiast: igal taksonil (näit. liigil)
esinevat kõrvuti koos "kõrgeltarenenud", suhteliselt uudsete tunnustega ka
primitiivseid, mis näitavat tema sugulusele mingi teise organismiderühmaga.
Fülogeneetilise süstemaatika keelt kasutades tähendab heterobatmia nii ple-
siomorfsete kui ka apomorfsete tunnuste samaaegset esinemist antud organis-
mil. See on täiesti normaalne ja tavaline nähtus, mis ei vaja omaette ter-
minit. "Vana kooli" süstemaatikud osutavad suurt tähelepanu plesiomorfse-
tele tunnustele, need näitavat uuritava taksoni asendit süsteemis. Vasta-
valt fülogeneetilise süstemaatika seisukohtadele näitavad ainult apomorfsed
tunnused evolutsiooni toimumist , plesiomorfsed tunnused on selleks kõlbma-
tud.
10. Kladistika ühe suhteliselt uue vooluna on mitmete süstemaatikute
poolt arendatud nn. transformeeritud kladismi ehk mustrikladismi (trans-
formed cladistics, pattern cladistics). Selle pooldajad on püüdnud luua
teooriavaba kladistlikku metodoloogiat, milles eitatakse evolutsiooni ole-
masolu, või õigemini väidetakse evolutsiooniideede ebaolulisust kladisti-
lise analüüsi teostamisel. Ei eristata plesiomorfseid ega apomorfseid tun-
nuseid (tunnuse seisundeid), vaid lihtsalt tunnuse seisundeid (või tunnu-
seid). Transformeeritud kladismi võib käsitada kui kladismi ilam ajalise
dimensioonita. Tegelike süstemaatikute juures see suund märgatavat poole-
hoidu võitnud pole.
11. Evolutsiooniline süstemaatika. Feneetiline ja fülogeneetiline süste-
maatika taotlevad klassifitseerimist (süsteemi loomist) lähtudes kahest
erinevast ja mitteühilduvast seisukohast: (üldisest) sarnasusest ja takso-
nite genealoogiast (põlvnemisest). Süstemaatikute üldiseks ideaaliks on
ikka olnud ühe, kõikearvestava ja universaalse süsteemi loomine, mis talle-
taks endas informatsiooni nii sarnasuse kui ka suguluse kohta. Sageli tsi-
teeriti varem Gilmoure'i ja Waltersi poolt ideaalile viitavat väljendit
30
«üldotstarbeline klassifikatsioon» (general-purpose classification ), mille
aluseks temal oli küll feneetiline lähenemisviis . Sageli on viidatud ka
tuntud evolutsionisti ja zooloogi-süstemaatiku Simpsoni kladistikaeelsel
ajal öeldud aforismile: süsteem ei saa kujutada fülogeneesi, küll aga ar-
vestada seda.
Teoreetiliselt oleks võimalik luua evolutsioonilise süstemaatika
nõuetele vastav süsteem, mis sisaldab informatsiooni summeerituna nii sar-
nasuse kui ka fülogeneesi kohta. Klassifikatsiooni on nimetatud informatsi-
ooni talletamise ja kättesaamise süsteemiks, sellega tuleb nõustuda. Igasu-
gune informatsiooni talletamine on aga mõttekas ainult siis, kui seda on
võimalik ka taas kätte saada. Mingist "summaarse informatsiooniga" süstee -
mist välja lugeda eraldi infot sarnasuste ja fülogeneesi kohta on nii põ-
himõtteliselt kui ka praktiliselt võimatu.
Evolutsioonilist süstemaatikat pole reaalselt arendatud seetõttu, et
sellel puuduvad oma meetodid. Üksikud katsed mingeid algoritme luua pole
viinud praktiliselt rakendatavate tlemusteni. Nii piirdubki evolutsiooni-
line süstemaatika siiani teoreetiliste arutlustega, praktikas aga kas fe-
neetilise süsteemi juurde narratiivse (jutustava) ebakonkreetse evolutsioo-
niteemalise kommentaariumi lisamisega, või (sagedamini) parafüleetiliste
rühmade loomisega . Viimane toimub fülogeneetilise süsteemi "parandamise"
teel, eristades autapomorfsete tunnuste poolest teistest erinevaid takso-
neid. Kui joonistaksime sellise eristamise tulemuse "kladistika graafiliste
vahenditega", võiksime näha näiteks klaadi (endist monofüleetilist pere-
konda), mille üheks terminaalseks taksoniks (harutipuks, niisiis eeldata-
vasti liigiks) on teine perekond või isegi sugukond.
Evolutsiooniline süstemaatika peab klassifitseerimisel, taksonite ühen-
damisel tähtsaks ka sümplesiomorfseid tunnuseid (vrd. joon. 12).
Lisaks metodoloogilistele vasturääkivustele ja eksimustele loogika vastu
(sugukond mingi perekonna liikmena) on evolutsioonilise süstemaatika põhi-
hädaks subjektiivsus - ainult uurija suva otsustab, kui suur erinevus on
küllaldane , et mõnest monofüleetilisest rühmast (klaadist) üks või teine
liige välja eraldada.
Evolutsioonilise süstemaatika pooldajate peamiseks teeneks on kladisti-
liste meetodite nõrkade külgede leidmine ja kritiseerimine , eriti füloge-
neesipuudest hierarhilise klassifikatsiooni tuletamise osas.
12. Identifitseerimine. Süstemaatika üheks allosaks on identifitseeri-
mine - üksikisendite mõnda juba teadaolevasse (kirjeldatud) liiki kuuluvuse
kindlaksmääramine. Seda teostatakse võrdlemise teel, kusjuures meil peab
(peaks) eelnevalt teada olema oletatavalt sarnaste liikide varieeruvus
kõigi identifitseerimisel kasutatavate tunnuste osas.
Feneetilisi meetodeid kasutades on meil kahtlastel juhtudel võimalik
kasutada diskriminantanalüüsi (mida siin ei käsitleta). Tavapraktikas kasu-
tame nn. määramistabeleid ja arvutiprogrammide kasutamisega töötavat dia-
loogrezhiimis (on-line) identifitseerimist.
Bioloogide üheks ülesandeks on selliste määrajate koostamine. Määramis-
tabelite koostamise idee on pea muutumatult pärit Lamarckilt, kes koostas
31
esimese (1778). [Esimene arvutil dialoogrezhiimis kasutatav valmis Borghey
jt. poolt 1968; mustvalged joonised lisati sellistele 1985, värvilised il-
lustratsioonid - 1988.]
Hea määramistabeli puhul, mis on dihhotoomse ülesehitusega (igas punktis
on üks küsimus ehk tees ja antitees), on küsimuste arv üldjuhul Q = T - 1,
kus T on taksonite arv. Parimad on need tunnused, mis on kõige informatiiv-
semad (selle määramist vt. punkt 4.4); need jagavad käsitleda jäänud lii-
kide hulga kaheks võrdseks osaks. Ideaalses määramistabelis tuleb liigi
nimeni jõudmiseks vastata küsimustele, mille arv L >= log2 T. Arvutades
mingi olemasoleva määramistabeli juures keskmise küsimuste arvu, millele
tuleb vastata kõigi liikideni jõudmiseks, ja võrreldes seda ülalesitatud
algoritmi järele leitud L väärtusega, saame hinnata tabeli koostamise edu-
kust.
Määraja koostamisele asudes tuleb küsimusi kaaluda: selgeid, kindlamaid,
kasutajale mugavamaid küsimusi tuleb kasutada tabeli algusosas.
Sellistele nõuetele vastavaid, Boole'i loogika operaatoreid kasutavaid
määramistabeleid, milles pealegi on garanteeritud teesi ja antiteesi tege-
lik teineteise välistamine, on võimalik koostada kasutades programmi DELTA
(seda teeme praktilistes töödes). Esimeseks tööks on seejuures tunnuste
loetelu koostamine; iga liigi kodeeritult kirjeldamine tunnuste loetelu
järgides, kusjuures on lubatav tunnuse kahe või mitme seisundi puhul kasu-
tada kodeeritud sõnu või; ja; kuni; tunnus puudub; tunnuse seisund on tead-
mata. Tunnustele antakse subjektiivne kasutusheaduse hinnang (mida korduval
katsetamisel on lihtne muuta); märgitakse, mitu korda sama (varieeruv) liik
võib määramistabelis korduda. Programm genereerib trükivalmis määramista-
beli, mida võib toimetamisega muuta, üksikuid osi uuesti teha, jne.
Sama andmebaasi abil saab genereerida dialoogrezhiimis määramistabeli,
mille kasutamisel võib tunnuseid kasutada mistahes järjestuses, või pro-
grammi poolt soovitatud parimate tunnuste seast suvalise väljavalimisega.
Sellisele arvutimäärajale võib sisse skaneerida jooniseid või fotosid. Ikka
suurema levikuga on maailmas (teiste programmide abil koostatud) CD ROM-
idele (s.t. mahukaile diskettidele) kantud määramisvahendid.
13. Süstemaatiku töö korraldus. Siinkohal käsitletakse ainult neid süs-
temaatiku igapäevase töö külgi, mis on vähemtraditsioonilised ja ei olene
kuigivõrd mingi kindla rühma käsitlemisest.
13.1. Välitöödel uue materjali kogumine on Eesti süstemaatikuile tradit-
siooniline, kuid mitte hädavajalik tegevus. Õigemini on see vajalik eel-
kõige selleks, et saavutada looduse kui terviku, liikide kui terviklike,
kuid varieeruvate olendite ja koosluste kui liikidest erinevate reaalsuste
olemasolu "tunnetamist". Et välitöödega sageli kaasneb ka teatud biogeo-
graafilise andmestiku kogumine, peaks nende teostaja olema tuttav leviku-
kaartide koostamise tänapäevaste meetoditega (grid-süsteemid. eriti UTM-
võrgustik; levikukaartide koostamine arvutiprogrammide abil; oma asukoha =
leiukoha koordinaatide määramine kaasaskantava suhteliselt odava ja kerge
aparatuuri abil).
13.2. Kollektsioonide kasutamine, asugu need kustahes, on süstemaatiku
32
töös endastmõistetav. Selleks peab omama neist mingi ülevaate (botaanikutel
on vastavaks käsiraamatuks P.K. Holmgren et al. (eds.), Index Herbariorum;
viimane, 8. trükk ilmus 1990. a.). Enamus kollektsioone saadab eksemplare
laenuna tunnustatud teadusasutustele ajutiseks kasutamiseks. Nende kasuta-
misel tuleb piinliku täpsusega kinni pidada laenutamisel kehtestatud reeg-
leist, mis tagavad eksemplaride säiluvuse ja õigeaegse tagastamise.
13.3. Standardeid ja hea süstemaatiku poolt peaaegu sunduslikult kasuta-
tavaid käsiraamatuid pole teabkuipalju. Paraku oskan siin tutvustada peami-
selt vaid botaanilisi ja mükoloogilisi. Taksoneid nimetades, eriti aga uusi
kirjeldades on kohustuslik jälgida nomenklatuurikoodeksites (vt. 14.) esi-
tatud nõudeid. Taime- ja seenetaksonite autorinimede standardiseeritud lü-
hendid (mille kasutamist nõuavad kõigi soliidsemate ajakirjade toimetused)
on toodud teoses R.K. Brummitt & C.E. Powell (ed.), Authors of plant names .
Kew, 1992. Botaanilise (aga rohkelt ka muu bioloogilise ja rakendusteaduste
alase) perioodika standardlühendid on raamatus G.D.R. Bridson (comp. &
ed.), E.R. Smith (ed. ass.), B-P-H/S. Botanico-Periodicum-Huntianum/Supple-
mentum. Pittsburgh, 1991. Suurim botaaniline bibliograafia ( autorite kaupa)
koos teoste standardsete lühenditega on paljuköitelises teoses F.A. Stafleu
(& E.A. Mennega), Taxonomic literature. Königstein. Selle 2. trükile on
lisaks ilmunud 2 täiendusköidet, neist viimane 1993. Kasutusel olevad tai-
mede , seente ja limaseente perekondade korrektsed nimed koos kommentaari-
dega on toodud teoses W. Greuter et al., NCU-3. Names in current use for
extant plant genera. Königstein, 1993. Taimede geograafilise leviku regioo-
nide, nende nimetuste ja nimelühendite standard on avaldatud broshüüris S.
Hollis & R.K. Brummitt, World geographical scheme for recording plant dis-
tributions. Pittsburgh, 1992. Liigikirjelduste koostamise standardprogram-
miks on botaaniliste andmebaaside rahvusvahelise töörühma poolt kinnitatud
juba mainitud DELTA.
13.4. Andmebaasid  tuleb tavaliselt igal süstemaatikul endal vastavalt
vajadusele luua. Personaalarvuteile sobivaimad süsteemid on praegu FoxPro
ja (paremate arvutite puhul) ACCESS . Taksonoomiliste andmebaaside tegemisel
tuleks kohe ette näha nende polüfunktsionaalsus: sama eksemplaride kohta
koostatud andmebaas peaks võimaldama etikettide printimist, tunnuste kodee-
ritud või kodeerimata sisestamist, levikukaartide koostamist arvuti abil,
jne.
13.5. Internet  on praegu levinuim elektroonilise kommunikatsiooni süs-
teem, mis võimaldab pidada kiiret kirjavahetust teiste süstemaatikutega ja
saada erialastesse listidesse registreerumisel jooksvat infot ning osaleda
diskussioonides. Süstemaatikule võiks huvi pakkuda neist vähemalt kolm:
...
...
Kasutades FTP ja GOPHER -võimalusi saab oma arvutiise üle kopeerida mitmeid
kasulikke programme (näit. ka DELTA't) ja faile kasuliku infoga . Nende abil
saab teha ka päringuid mitmetest üldvajalikest andmebaasidest. Esialgset-
sissejuhatavat informatsiooni bioloogide võimaluste kohta saab, kui FTP-d
kasutades ...
33
Joon. 1. Algandmete tabeli näidis . Tulpades on tunnuste (A - B) väärtused
LIIK / TUNNUS
         A     B
Liik1      1.0   1.0
Liik2      1.0   2.0
Liik3      6.0   3.0
Liik4      8.0   2.0
Liik5      8.0   0.0
 
Joon. 2. Liikidevaheliste erinevuste maatriks (Eukleidiline kaugus)
LIIK   Liik1  Liik2  Liik3  Liik4  Liik5
Liik1   0.0
Liik2   1.0    0.0
Liik3   5.39   5.10   0
Liik4   7.07   7.00   2.24   0
Liik5   7.07   7.28   3.61   2.0   0
Joonis 3. Kaks fenogrammi ja nende konsensuspuu.
  FENOGRAMM 1      ┌──── A 
                ┌──┤              
                │  └──── B
       ┌────────┤  ┌──── C
       │        └──┤
       │           └──── D
 ┌─────┤         ┌────── E
 │     │     ┌───┤
 │     └─────┤   └────── F
 │           └────────── G
 │              ┌─────── H
 └──────────────┤
                └─────── I
  FENOGRAMM 2     ┌───── A
                  │  ┌── D      
                ┌─┤  │
       ┌────────┤ └──┴── B      
       │        └─────── C
 ┌─────┤         ┌────── E
 │     │     ┌───┤
 │     └─────┤   └────── F
 │           └────────── G
 │              ┌─────── H
 └──────────────┤
                └─────── I
  KONSENSUSPUU             
                ┌─────── A       
                ├─────── B         Liikide A; B; C; D klaster on esimeses
       ┌────────│                  ja teises puus erineva topoloogiaga;
       │        ├─────── C         konsensuspuus pole seetõttu näidata
       │        └─────── D         mingeid ühisjooni, ja see klaster on
 ┌─────┤         ┌────── E         lahendamata (unresolved).
 │     │     ┌───┤
 │     └─────┤   └────── F
 │           └────────── G
 │              ┌─────── H
 └──────────────┤
                └─────── I
34
Joonis 7. Mono-, para- ja polüfüleetilised rühmad.
35
Lisa 1.
Näide klasterdamise kohta: lähimnaabri- (üksiksideme-) klaster
dus
Andmemaatriks (erinevus OTU-de vahel, standardiseerimata):
OTU   A     B     C     D     E
A     0
B     2     0
C     6     5     0
D    10     9     4     0
E     9     8     5     3     0
Kõige sarnasemad (vähemerinevad) üksteisele on A ja B. Ühendame
need:                                                         
 
                                ┌───────── B
                                │
                                └───────── A
                                                              
  ────┴───┴───┴───┴───┴───┴───┴───┴───┴───┴─
        8       6       4       2       0  Erinevus (distants)
Nüüd arvutame selle 2-liikmelise klastri erinevused ülejäänud
OTU-dest:
d
  = d  = 5
(AB)C
AC
BC
BC
d
  = d  = 9
(AB)D
AD
BD
BD
d
  = d  = 8
(AB)E
AE
BE
BE
Teeme uue tabeli:
OTU   (AB)   C   D   E
(AB)    0
C       5    0
D       9    4   0
E       8    5   3   0
Järgmine väikseima erinevusega paar on D ja E (distants on 3):
                            ┌───────────── E
                            └───────────── D
────┴───┴───┴───┴───┴───┴───┴───┴───┴───┴─
        8       6       4       2       0  Erinevus (distants)
36
Millised on nüüd erinevused kahe klastri vahel ning nende ja
ülejäänud OTU C vahel?
d
   juba on arvutatud:  5
(AB)C
d
  = 8
(AB)(DE)
AD
AE
BD
BE
d
  = 4
(DE)C
CD
CE
37
Paneme need distantsid (erinevused) uude maatriksisse:
OTU   (AB)   C   (DE)
(AB)    0
C       5    0
(DE)    8    4    0
Kõige väiksem vahe (suurim sarnasus) on klastri (DE) ja C va-
hel, nimelt 4:
                             ┌──────────── E
                        ┌────┤
                        │    └──────────── D
                        │
                        └───────────────── C
────┴───┴───┴───┴───┴───┴───┴───┴───┴───┴─
        8       6       4       2       0  Erinevus (distants)
Jääb liita klastrid (AB), (CDE). Nende minimaalne distants:
d
  = 5
(AB)(CDE)
AC
AD
AE
EC
BD
BE
Järelikult tuleb klastrid ühendada erinevuse tasemel 5:
                             ┌──────────── E
                        ┌────┤
                    ┌───┤    └──────────── D
                    │   └───────────────── C
                    │           ┌───────── B
                    └───────────┤
                                └───────── A
────┴───┴───┴───┴───┴───┴───┴───┴───┴───┴─
        8       6       4       2       0  Erinevus (distants)
See on üks lihtsamaid klasterdusmeetodeid. Neid on mitmeid. 
Näiteks täissideme-klasterdusel leiame mitte minimaalse,
vaid maksimaalse erinevuse iga klastri vahel. Näiteks (meie
andmemaatriksi puhul):
d
  = 6      jne.
(AB)C
AC
BC
Saadav dendrogramm on eelmisest erinev.
Üsna häid tulemusi saab grupikeskset klasterdust (UPGMA)
kasutades:
d
 = 1/2 (d  + d ) = 5,5   jne.
(AB)C
AC
BC
38