Taxonomie: de wetenschap van het ordenen van het leven op aarde
Stel je een enorme bibliotheek voor zonder catalogus: miljoenen boeken liggen kriskras door elkaar, niemand weet welke al gelezen zijn en welke nog nooit zijn geopend. Zoiets is de natuur zonder taxonomie. Taxonomie is de wetenschap die alle levende organismen — planten, dieren, schimmels, bacteriën — indeelt in een logisch systeem van soorten, geslachten en families, zodat wetenschappers wereldwijd over hetzelfde organisme kunnen praten zonder verwarring.
De basis werd in de achttiende eeuw gelegd door de Zweedse bioloog Carl Linnaeus, die elk organisme een tweeledige Latijnse naam gaf, zoals Homo sapiens voor de mens. Dat systeem gebruiken we nog steeds, maar de manier waarop we soorten herkennen en indelen is de afgelopen twintig jaar radicaal veranderd. Waar taxonomen ooit alleen naar vorm en kleur keken, gebruiken ze nu DNA-analyse, satellietbeelden en kunstmatige intelligentie om het leven op aarde in kaart te brengen — een race tegen de klok, want soorten verdwijnen sneller dan we ze kunnen beschrijven.
Wat is het precies?
Klassieke taxonomie werkt met uiterlijke kenmerken: de vorm van een blad, het patroon op een vleugel, de bouw van een schedel. Een taxonoom vergelijkt een nieuw gevonden exemplaar met bestaande beschrijvingen en bepaalt zo of het om een bekende of een nieuwe soort gaat. Dat proces kost tijd en vereist decennia aan ervaring en toegang tot museumcollecties.
Sinds de jaren negentig is daar een tweede laag bijgekomen: moleculaire taxonomie. Met DNA-barcoding wordt een kort, standaard stukje DNA (meestal een gen genaamd COI bij dieren) uit een organisme gehaald en vergeleken met een database van al bekende barcodes. Twee organismen die op elkaar lijken, kunnen zo toch als twee verschillende soorten worden ontmaskerd — en omgekeerd blijken sommige 'verschillende' soorten genetisch identiek.
Een volgende stap is eDNA (environmental DNA, omgevings-DNA): in plaats van een dier te vangen, neem je een emmer water uit een meer of een handvol bodem, en filter je daaruit de sporen van DNA die dieren achterlaten via huidcellen, speeksel of uitwerpselen. Zo kun je aantonen welke soorten ergens leven zonder ze ooit te zien.
Daar bovenop komt kunstmatige intelligentie. Beeldherkenningsmodellen, getraind op miljoenen foto's, kunnen tegenwoordig op basis van een simpele smartphonefoto een plant of insect op soortniveau herkennen, vaak sneller en consistenter dan een gemiddelde amateur. Combineer dat met locatiegegevens en tijdstip, en een algoritme kan zelfs meewegen welke soorten in die omgeving en dat seizoen waarschijnlijk zijn.
Wat wil men ermee bereiken?
Het uiteindelijke doel is ambitieus: een volledig, doorzoekbaar overzicht van al het leven op aarde. Dat klinkt misschien als een puur academische exercitie, maar de praktische belangen zijn groot. Je kunt pas beschermingsmaatregelen nemen voor een bedreigde soort als je weet dat die soort bestaat en waar hij voorkomt. Landbouw en visserij hebben betrouwbare soortherkenning nodig om ziektes, plagen en overbevissing te bestrijden. Medicijnontwikkeling leunt soms op stoffen uit specifieke planten of schimmels, die zonder correcte naamgeving niet terug te vinden zijn in de wetenschappelijke literatuur.
Er is ook een tijdsdruk-argument. Door ontbossing, klimaatverandering en habitatverlies verdwijnen naar schatting soorten sneller dan wetenschappers ze kunnen beschrijven. Onderzoekers spreken over een race om zoveel mogelijk soorten te documenteren voordat ze uitsterven — soms wordt een soort pas beschreven op basis van museummateriaal, jaren nadat hij in het wild al verdwenen is.
Daarnaast is er een informatica-doel: al die data bruikbaar maken voor machines. Een consistente, digitale taxonomie is de ruggengraat waarop biodiversiteitsdatabases, natuurbeheer-apps en klimaatmodellen draaien. Zonder eenduidige naamgeving zou elk systeem zijn eigen, onvergelijkbare lijst van soorten hanteren.
Voorbeelden uit de praktijk
GBIF (Global Biodiversity Information Facility), opgericht in 2001 met een secretariaat in Kopenhagen, is een internationaal netwerk dat honderden miljoenen waarnemingen van musea, onderzoeksinstituten en burgerwetenschappers samenbrengt in één doorzoekbare database.
iNaturalist, een burgerwetenschapsplatform gelanceerd in 2008 (later mede gedragen door de California Academy of Sciences en National Geographic), laat gebruikers foto's van planten en dieren uploaden. Een ingebouwd AI-model doet een suggestie voor de soort, waarna andere gebruikers die identificatie kunnen bevestigen of corrigeren. De miljoenen zo verzamelde, door mensen gecontroleerde waarnemingen worden ook gebruikt om de AI-modellen zelf verder te trainen.
BOLD Systems en het bijbehorende International Barcode of Life (iBOL)-consortium bouwen sinds het midden van de jaren 2000 een wereldwijde bibliotheek van DNA-barcodes op. Het vervolgproject BIOSCAN probeert in de tweede helft van de jaren 2020 miljoenen nieuwe barcodes toe te voegen, met als doel de meeste diersoorten op aarde ooit genetisch 'gelabeld' te hebben.
Naturalis Biodiversity Center in Leiden, Nederland, combineert een van de grootste natuurhistorische collecties ter wereld met moderne genomica en digitalisering, en werkt mee aan internationale barcoding- en genoomprojecten.
Het Darwin Tree of Life-project van het Wellcome Sanger Institute in het Verenigd Koninkrijk, onderdeel van het bredere internationale Earth BioGenome Project, heeft als doel het complete genoom van alle bekende eukaryote soorten (organismen met een celkern) in Groot-Brittannië en Ierland in kaart te brengen, als opstap naar een vergelijkbaar streven voor de hele planeet.
Hoe ver is de techniek?
De voortgang is aanzienlijk, maar het einddoel ligt nog ver weg. Er zijn tot nu toe ruim twee miljoen soorten wetenschappelijk beschreven, terwijl schattingen van het werkelijke totaal sterk uiteenlopen: voor meercellige organismen wordt vaak gerekend op zo'n acht tot tien miljoen soorten, en als je micro-organismen zoals bacteriën meetelt, lopen sommige schattingen op tot vele miljoenen of zelfs veel hoger — de onzekerheid hierover is groot en onderwerp van wetenschappelijk debat.
DNA-barcoding en eDNA worden inmiddels routinematig gebruikt in natuurbeheer, douanecontroles (bijvoorbeeld om illegale houtsoorten of vis te herkennen) en wetenschappelijk onderzoek. AI-beeldherkenning is sterk verbeterd voor goed gefotografeerde, veelvoorkomende groepen zoals vogels, planten en vlinders, maar presteert nog veel minder betrouwbaar bij lastig te onderscheiden groepen zoals insecten, schimmels of micro-organismen, waar visuele kenmerken vaak niet genoeg informatie geven.
Een hardnekkig obstakel is wat onderzoekers het 'taxonomic impediment' noemen: er zijn wereldwijd te weinig opgeleide taxonomen om alle verzamelde data te controleren en formeel te beschrijven. Nieuwe technologie produceert dus sneller ruwe data dan er mensen zijn om die data om te zetten in officieel erkende soortbeschrijvingen, die volgens vaste wetenschappelijke regels moeten worden gepubliceerd en getoetst.
Wie werken eraan?
Het veld is sterk internationaal en combineert klassieke natuurhistorische musea met nieuwe datawetenschap. Belangrijke spelers zijn onder meer GBIF (met deelnemende landen wereldwijd, secretariaat in Denemarken), het Wellcome Sanger Institute en Natural History Museum in het Verenigd Koninkrijk, de Smithsonian Institution in de Verenigde Staten, en in Nederland Naturalis Biodiversity Center in Leiden, dat nauw samenwerkt met Nederlandse universiteiten en internationale barcoding-netwerken.
Techbedrijven spelen een groeiende rol via AI-onderzoek: modellen achter platforms als iNaturalist zijn mede ontwikkeld met bijdragen van onderzoeksgroepen die machine learning toepassen op grootschalige beeldherkenning. Daarnaast financieren internationale organisaties als de IUCN (International Union for Conservation of Nature) en nationale onderzoeksfondsen projecten die taxonomie koppelen aan natuurbescherming.