生物多样性测量在解决我国环境问题的工作中受到了越来越多的关注，例如对具有丰富及特有生物多样性的地区进行调查和监测、病害虫及环境污染的监控、生态保护项目(如人工橡胶林种植)的管理与监督等。然而，传统的生物多样性测量既耗时又费钱，尤其需要很多分类学家的加入。不同于普通的管理问题， “分类学障碍”已成为了人们对生物多样性研究的绊脚石。
近期，中科院昆明动物研究所生态学与环境保护中心(ECEC)的研究人员结合metabarcoding、生态学、生物信息学和统计学方法，建立了一套环境科学研究的“生态-信息学(eco-informatic)”全新模式。Douglas研究员及其团队利用马氏网诱捕节肢动物，对整个混合样本DNA的COI基因扩增后进行高通量测序，并结合生物信息学手段进行分析，整个过程被称为metabarcoding。该团队人为建立了7个节肢动物的群落(主要为昆虫)，并证明了metabarcoding方法对群落组成成分的还原能力。
该研究首次展示了metabarcoding方法对成对群落差异度(beta多样性)以及群落内系统发育多样性(alpha多样性)的准确估测能力。Alpha和Beta多样性数据是生态学及环境科学研究中的重要材料，它们可以促进人们对环境的深入了解，在更广的尺度更有效地测量生物多样性。
该成果近期在线发表于国际期刊Methods in Ecology & Evolution上。
Metabarcoding监测法目前已被该研究团队应用于马来西亚Sabah州的Lahad Datu、越南的Cuc Phuong和Vu Quang、英国的Thetford森林、中国的海南和西双版纳等多个国家和地区开展生物多样性监测。
Metabarcoding方法将促进生物多样性评估的大众化，让更多的科研人员和项目管理者能够轻松进行生物多样性评估。 Metabarcoding的快速、可重复、高效及综合性强等特点将有助于很多环境问题的研究，如对具有丰富及独特生物多样性的地区进行调查及监测、病虫害及环境污染的监控、生态保护项目(如人工橡胶林种植)的管理与监督等。生物多样性也将因此由一个学术理念转变为实用的工具和资源。
该项研究得到了国家科学基金委、云南省和中国科学院的资助。
