A szárazföldi növények evolúciója és rendszertana Vezérfonal egy nem is olyan könnyű tárgy tanulásához Podani, János a szárazföldi növények evolúciója és rendszertana: Vezérfonal egy nem is olyan könnyű tárgy tanulásához

A.13. ábra. Az ember és a főemlősök evolúciós kapcsolatának rekonstrukciója DNS parszimónia módszerrel, a mitokondriális LEU tRNS és SER tRNS gének nukleotidszekvenciái alapján. A két kladogram egyes, önkényesen kijelölhető nukleotidváltásokban különbözik csupán.

3.1.3. A. 3.1.3. A hosszú ágak vonzódása

A parszimónia módszerrel kapott kladogramokon elég gyakran figyelhető meg egy, az interpretációt igencsak hátrányosan érintő jelenség: valamely klád taxonjaihoz szokatlanul hosszú élek futnak. Mindezt Felsenstein (1978) „long branch attraction”-nak, vagyis a hosszú ágak vonzódásának nevezte, s magyarázatot is adott rá. A többiektől viszonylag távol eső, azoknál gyorsabban evolválódó taxonoknál nagy az esély arra, hogy a változások egy része véletlenszerű megegyezést okozzon. Különösen igaz ez akkor, amikor a karakterállapotok száma alacsony (pl. nukleoitidok egy pozícióban). E változások persze nem a közös leszármazás tükrözői, de számban akár meg is haladhatják a szünapomorfiákat – azaz a közös eredet valódi jelzőit. A legrövidebb összhosszúságú fa ilyenkor nem az igazi leszármazási mintázatot fogja mutatni.

A.14. ábra. A hosszú ágak vonzódása (magyarázat a szövegben)

A jelenséget az A.14. ábra kladogramjai illusztrálják. Az a diagram a valódi filogenetikai kapcsolatokat ábrázolja. Az A és C taxon egymás testvércsoportja, egy szünapomorf karakterrel (üres kör). Az elválás után azonban A gyorsan evolválódik, C viszont csak egy változást szenved. Az A taxon egyes autapomorfiái (teltjelek) azonban egy másik, távolabbi, ugyancsak gyorsan evolválódó B taxonon is kialakulnak — véletlenszerűen. Ennek a fának az összhosszúsága 28 lépés, és a parszimónia módszer bizony talál ennél rövidebbet is! A b kladogram 26 lépést tartalmaz, mert — a rövidség érdekében — az A és B taxonokat egymás mellé helyezi, a három párhuzamosan kialakult karaktert szünapomorfiának, az eredeti szünapomorfiát pedig parallelizmusnak tekintve.

Ez a probléma nem oldható meg több karakter bevonásával, hiszen ez csak még több parallelizmus megjelenését okozhatja. Egyenletesebb „taxon mintavétel” az A és B közelebbi rokonságából már segíthetne – ha erre mindig lehetőség adódna. A hosszú ágak vonzódása egyébként más módszer esetében is jelentkezhet, de a háttérben rejlő ok ugyanaz.

3.1.4. A. 3.1.4. Kladogramok jellemzése egyszerű indexekkel

A – nem Dollo-típusú – karakter alapon számított kladogramokat néhány egyszerű index segítségével értékelhetjük ki. Kluge és Farris (1969) javaslata szerint például minden egyes karakterre érdemes megvizsgálni, hogy a változások száma hogyan aránylik az elméletileg elképzelhető minimumhoz. Ha az adott fában a j-edik karakter éppen sj változást mutat, holott az adatokra felírható egy olyan fa is, amelyben a minimális számú mj változás következik csak be, akkor a

(A.9)

hányados (konzisztencia index) fejezi ki a keresett arányt. CIj értéke 1, ha a fában a lehetséges minimum fordult elő, melynek jelentése: a karakter nem utal homopláziára. Minden egyéb érték homopláziát jelez, a CIj=0,5 érték pl. azt mutatja, hogy éppen kétszer annyi változás következett be, mint amennyire minimálisan szükség van. A konstans karakterekre, a 0/0 miatt, az index nem értelmezhető.

Az A.13. ábra kladogramján mindössze egy karaktert találunk, amire CI értéke nem 1, ez pedig a 4. nukleotidpozíció (CI⁴ = 0.5). Az A.13.a. kladogram szerint itt az A-t az embernél és a csimpánznál egymástól függetlenül C váltotta fel, az A.13.b. fa szerint pedig az A (az ősi állapot) visszafordulással jelent meg újra a gorillánál, mert időközben már C került arra a helyre. (Mindkét eset elképzelhető a szerkesztés során óhatatlanul felmerült önkényes döntések miatt.) A 4. karakter csak egy változást mutatna, ha a gibbon, az orángután és a gorilla ugyanazon az ágon, a csimpánz és az ember pedig egy másik ágon lenne, de mivel ez nem így van, 2 lépésre volt szükség. Mindez persze csak az index alkalmazásának illusztrációja, hiszen a szekvenciaadatok esetében távolról sem olyan valószínűtlen a visszafordulás vagy a parallel előfordulás, mint mondjuk morfológiai bélyegek esetében, vagyis a homoplázia jelensége itt másként értelmezendő.

Az összes karakterre kiszámítható az átlagos konzisztencia index is:

(A.10)

amely a példánkban 0,96 (a 16. pozíciót nem vettük figyelembe a kiesés miatt). Maddison és Maddison (1992) szerint azokat a karaktereket is mellőznünk kell, amelyek autapomorfiát mutatnak, hiszen esetükben CI értéke eleve nem lehet más, mint 1,0. Ezek bevonása csalóka módon felfelé torzítaná az átlagos konzisztencia indexet.

Más szemszögből értékeli a karakter „viselkedését” a Farris-féle (1989) összetartási index, mert ez figyelembe veszi a lehetséges megváltozások maximális számát is, amit Mj jelöl:

(A.11)

Ennek értéke annál magasabb, minél kevesebb a homoplázia részesedése a szünapomorfiák kialakulásában. RI_j = 1, ha egyáltalán nincs homoplázia, és RI_j = 0, ha az összes szünapomorfiát homoplázia okozza. E függvény már nemcsak a konstans karakterekre ad 0/0-t, hanem az autapomorfiát mutató bélyegekre is. Így csak olyan esetekben van értelme kiszámítani, amikor homoplázia egyáltalán kialakulhat, vagyis a minimum és a maximum nem egyezik meg (a nevező nem nulla).

A szekvencia-példánkban 5 karakter jöhet szóba RI kiszámítására. A 4. karakter a maximálisan lehetséges két változást adta (RI₄ = (2 – 2) / (2 – 1) = 0). A 8., 12., 15. és a 18. pozíciók esetén lehetett volna még elképzelni homopláziát, de mindegyik esetben ettől mentes, „valódi” szünapomorfia alakult ki (a leszármaztatott állapot egy-egy kládon „összetartott”), s mindegyikükre RI_j = (2 – 1) / (2 – 1) = 1.

Az alábbi, ún. együttes összetartási indexbe is értelemszerűen csak azok a karakterek vonhatók be, amelyekre M_j > m_j:

(A.12)

Ennek értelmezése hasonló a karakterenkénti RI értelmezéséhez. Az A.13. ábra kladogramjára RI(tau) értéke 4 / 5 = 0,8.

3.2. A. 3.2. A karakterkompatibilitás elemzése

A parszimónia módszerek alternatívája a karakter alapú kladisztikában a LeQuesne (1969, 1972), Estabrook és mtsai. (1976) és mások által kidolgozott kompatibilitás analízis. A feladat itt is az evolúciós fa rekonstruálása, azzal a döntő különbséggel, hogy a homopláziát okozó bélyegeket („hamis” karakterek) teljes mértékben kiszűrjük a vizsgálatból, s csak azokat tartjuk meg, amelyek nem mondanak ellent egymásnak (kompatibilisek). A feladat központi része az ilyen karakterek lehető legnagyobb részhalmazának a kikeresése, amelyen a kladogram szerkesztése alapszik.

A kompatibilitás alapelvét az alábbi egyszerű illusztrációval igyekszünk világosabbá tenni. Tételezzük fel, hogy az A és B karakterek összeférhetőségét szeretnénk megállapítani; mindegyiküknek két állapota lehetséges, 0 az ősi és 1 a leszármaztatott. Kezdetben csak a (0,0) kombináció fordult elő a vizsgált taxonok körében (amelyek természetesen más karakterekben többé-kevésbé különböztek egymástól). Az evolúció során először az A karakter változott meg a 0->1 módon, s így megjelent az (1,0) kombináció. A későbbiek során a B karakter is evolválódik, mégpedig vagy a (0,0) ősi kombinációból kialakítva a (0,1) kombinációt, vagy pedig az (1,0)-ból tovább „fejlődve” az (1,1) kombinációt (A.15.a-b. ábra). Az a lényeg, hogy vagy csak a (0,1), vagy az (1,1) kombináció fordulhat elő a vizsgált taxonok között, mindkét kombináció jelenlétéhez ui. az kell, hogy a B karakter 1-es állapota kétszer, egymástól függetlenül jelenjen meg, parallel evolúció révén (A.15.c. ábra), vagy pedig az A karakter visszafordulást mutasson (A.15.d. ábra). Ha ezeket, az evolúciós utak feltárásában zavaró jelenségeket – vagyis a homopláziát – kizárjuk, akkor a négy lehetséges kombináció közül legfeljebb három fordulhat csak elő a vizsgált csoportban. A két karaktert tehát akkor tekinthetjük kompatibilisnek, hogyha nem találtuk meg az összes kombinációt. A kombinációk értékelését minden párosításban elvégezzük, s az eredményt egy kompatibilitási gráfban (A.15.e. ábra) összesítjük. Ebben a gráfban a szögpontok a karaktereknek felelnek meg, s az egymással kompatibilis karaktereket él köti össze. A gráfból kikeressük a legnagyobb teljes részgráfot („clique”, amiben minden pont össze van kötve az összes többivel), s ezeket a karaktereket vesszük csak tekintetbe a fa szerkesztésénél (az A.15.e. ábrán a B, C és D). Ide vehetjük még az – eddigi páros összehasonlításokból nyugodtan kihagyható – autapomorfiát mutató karaktereket, amelyek minden ilyen részgráfnak elemei, mert eleve nem adhatnak négy kombinációt.

A.15. ábra. Két bináris karakter kompatibilis egymással, ha állapotaiknak legfeljebb csak három kombinációja fordul elő a vizsgált taxonok között (a—b), mert a negyedik kombináció megjelenése csak homoplázia révén lehetséges (c—d). A további elemzésre alkalmas karaktereket a kompatibilitási gráf maximálisan összekötött részgráfjának a kikeresésével választjuk ki (e: B,C,D).

A parszimónia algoritmusokkal ellentétben könnyen előfordulhat, hogy a tulajdonságok jelentős részétől meg kell „szabadulnunk”, ami a taxonómusok legfőbb ellenérve a kompatibilitás elemzésével szemben. Meacham és Estabrook (1985) úgy találták, hogy az addig publikált kutatások során általában a tulajdonságok felét kellett kihagyni, de volt, amikor majdnem 90%-át! További problémát jelent az, hogy a módszer csak bináris karakterekre alkalmas, és a kapott fa rendszerint politomikus. Alkalmazásainak száma – a vonzó elméleti megalapozás ellenére – szinte elhanyagolható a parszimónia módszerekéhez képest. A módszer további részletezésétől ezért eltekinthetünk. Az érdeklődők pl. Mayr és Ashlock (1991: 307–313.) könyvében találnak példát a teljes számításmenetre.

4. A.4. Nukleinsavszekvenciák elemzésének egyéb lehetőségei

Mint láttuk, nukleinsavszekvencia adatokra a távolság és a karakter alapon működő módszerek is alkalmasak, és ezzel még távolról sem zártuk le a kipróbálható lehetőségek körét. A teljesség kedvéért röviden megemlítünk két olyan eljárást is, amelyek – a speciális alkalmazási terület és más okok miatt – nem illeszkednek az előző fejezetek tematikájába. A hangsúly is eltolódik: a fa topológiáját optimalizáló algoritmusok helyett a nukleotidátmenetek megfelelő interpretálása, ill. modellezése kerül előtérbe.

4.1. A. 4.1. Az invariánsok módszere

A transzverziók és tranzíciók problémáját már röviden említettük az A.3.1.2. rész végén is, a mitokondriális tRNS gének példájával kapcsolatban. Míg a parszimónia algoritmusok nem tesznek különbséget az egyes átmenetek között⁸, az invariánsok módszere (Lake 1987) a leszármazási viszonyok feltárásában kizárólag a transzverziókra épít. Sőt még ennél is tovább megy: egyidejűleg csupán négy szekvenciát tud értékelni, s csak azokat a pozíciókat veszi tekintetbe, amelyeken két szekvenciában purin-, a másik kettőben pedig pirimidinvázú nukleinsav található. A fa végágaira összpontosít, s a rajtuk végbemenő transzverziókat negatív előjellel veszi figyelembe. A négy szekvenciára felírható három lehetséges gyökér nélküli fát alaposan megvizsgálja minden egyes értékelhető pozícióra, és egy speciális pontrendszer segítségével választja ki közülük a legmegfelelőbbet. Anélkül, hogy a módszer teljes bemutatására törekednénk, érdemes a pontozási szisztémát röviden illusztrálni. Tegyük fel, hogy az éppen értékelt fában az 1. és a 2. taxon van egy ágon, ill. a 3. és a 4. a másikon! Ha az első két taxonnak azonos purinbázisa van, s emellett a 3. és 4. taxonnak pedig azonos a pirimidinbázisa, akkor ez a pozíció támogatja a kérdéses fát (A.16.a. ábra). Az 1. és 2. taxon közös leszármazása ugyanis igen valószínű, mert bármely más topológiára két végágon azonos jellegű transzverziót kellene feltételeznünk, s ez már jóval valószínűtlenebb (tévedés forrása, ha mégis ez történt, de ez a hibalehetőség elkerülhetetlen). Hasonló a helyzet akkor is, ha az 1. és 2. szekvencia különböző purinnal, a 3. és 4. pedig különböző pirimidinnel rendelkezik (ui. csak tranzíciókat kell két végágon feltételeznünk, A.16.b. ábra). Ha azonban az első két szekvenciában eltérő purinbázis van, míg a második két szekvenciában azonos pirimidinbázis található, akkor az illető pozíció „ellene van” a kérdéses topológiának, hiszen ennek kialakulásához két, parallel (bár nem azonos) transzverzióra lenne szükség (A.16.c.). A fordított eset (A.16.d. ábra) ugyanez okból szintén ellenszavazatnak tekinthető. A negatív és pozitív „szavazatok” pozíciók szerinti összegzése után kiderül, hogy melyik fát támogatja a pozíciók többsége. Jelentős hátrány azonban, hogy négynél több szekvenciára nincs még megfelelő algoritmus (Swofford és Olsen 1990:474.).

A.16. ábra. A Lake-féle módszer annak eldöntésére, hogy egy adott pozíció támogatja-e (a—b) vagy ellenzi (c—d) az 1-4 szekvenciák itt ábrázolt leszármazási viszonyait

4.2. A. 4.2. A maximum likelihood módszer

Ennek az eljárásnak az alkalmazása már egy konkrét evolúciós modell alkalmazását igényli: az evolúciós mintázat feltárásához pontosan meg kell adnunk, hogy miképpen alakulhat át az egyik szekvencia a másikba (morfológiai karakterekre ilyen célra használható általános modellről még nem tudunk). A maximum likelihood módszer a modell ismeretében megadja, hogy a sok lehetőség közül melyik fa kialakulása a leginkább valószínű (a fa megváltoztatása nem része a modellnek, ez az A.3.1.2. részben ismertetett módokon történhet). A legegyszerűbb az ún. Jukes és Cantor modell (Felsenstein 1981), miszerint a bázisok gyakorisága azonos, és minden nukleotidcsere egyformán valószínű. A Kimura-féle kétparaméteres modell a k tranzíció/transzverzió hányados bevezetésével már különbséget tesz a behelyettesítések kétféle alaptípusa között. Ennek általánosított változata a nukleotidgyakoriságok eltérését is megengedi (Kishino és Hasegawa 1989). A számítások során a teljes szekvenciát figyelembe kell vennünk, nem csak az eltéréseket okozó pozíciókat (ahogy a parszimónia esetben tettük). A gyakoriságokból és k-ból meghatározható a modell „szíve”, egy 4x4-es mátrix, amely a nukleotidcserék rátáit tartalmazza az evolúciós időegységre vonatkoztatva. A mutációs ráták segítségével kiszámítható annak az eseménynek a valószínűsége, hogy t idő elteltével mondjuk az A bázis helyére a G bázis kerül (a részleteket lásd pl. Swofford és Olsen 1990: 477–478.). Jelöljük ezt a valószínűséget P_AG(t)-vel! Annak az esélye (L=likelihood!), hogy adott szekvencia valamely pozíciójában az A nukleotid van, s ezt t idő elteltével G váltja fel, a következő:

(A.13)

ahol fA az A nukleotid relatív gyakorisága a kezdeti szekvenciában. Ha feltételezzük, hogy a szekvencia minden egyes pozíciója függetlenül változik a többitől az evolúció során (bár ez a valóságban nem így van, vö. Weir 1990), akkor annak az esélye, hogy az X szekvenciából t idő elteltével éppen az Y szekvenciát kapjuk, a következő likelihood-függvénnyel kapható meg:

(A.14)

ahol s a két lánc hosszúsága (ezek tehát egyformák; helyesebben: az esetleges nukleotidkieséseket a modell nem kezeli), x és y pedig az i-edik pozícióban található nukleotid az X, ill. az Y szekvenciában [vagyis A, G, C vagy T (U)]. Miután ez rendszerint igen kicsiny szám, célszerű az ln L’ll(t) átalakítás, így a számítások is jelentékenyen leegyszerűsödnek.

Az A.14. függvény voltaképpen az X és Y molekulák hasonlóságának tekinthető, minél nagyobb a likelihood, annál közelebb áll a két szekvencia egymáshoz. Most már „csupán” az a kérdés, hogy miképpen térünk át a kettőnél több szekvencia rokonságát kifejező kladogram megvalósulási esélyének a kiszámítására. Anélkül, hogy a komplikált számításmenetet részleteznénk, megemlítjük, hogy a fa egy-egy taxon hozzáadásával épül fel, minden pozícióra külön-külön ki kell számítani az átmenet valószínűségét a már meglévő részfák között, s az utolsó szorzat adja teljes fa likelihood értékét. A feladat egy olyan fa megtalálása, amelyre a szorzat maximális. Ez a fa mutatja a legvalószínűbb leszármazási mintázatot, feltéve, hogy a modell kiindulási feltételei helyesek voltak. A belső szögpontok meghatározását és a részletes számításmenetet lásd pl. Felsenstein (1981), Weir (1990:276–286.) és Swofford és Olsen (1990:478–482.) munkáiban.

A.17. ábra. Az ember és egyes főemlősök evolúciós kapcsolatának rekonstrukciója a maximum likelihood módszerrel, a mitokondriális LEU tRNS és SER tRNS gének teljes nukleotidszekvenciái alapján

A LEU és SER tRNS gének teljes szekvenciáira (vö. A.3.1.2. rész) végrehajtott maximum likelihood elemzés eredményét mutatja az A.17. ábra. A számításokat a PHYLIP programcsomag DNAML rutinja végezte, az adatokból számított nukleotidgyakoriságok és az általunk becsült h3,0 paraméter (várható tranzíció/transzverzió hányados) figyelembevételével. Mivel az összes lehetséges — gyökér nélküli — fák száma 5 taxonra csupán 15, bizonyosak lehetünk abban, hogy megtaláltuk a legoptimálisabb fát. Az élek hossza az egy pozícióban átlagosan várható változások száma a két valós vagy hipotetikus szekvencia között (kizárva persze egy bázis önmagával történő helyettesítését, ami nem számít mutációnak). Ez nem jelenti azt, hogy a 0,05-ös élhossz esetén éppen 5%-ban különböznek a kérdéses szekvenciák, hiszen mindig van olyan pozíció, ahol több mutáció is előfordul, s ez a „végeredményen” nem látszik. A tényleges eltérések tehát mindig kisebb mérvűek az élhosszaknál. Az ábrán bemutatott fa gyökér nélküli, de a gibbont külcsoportnak véve a topológia megegyezik a parszimónia módszerrel kapott kladograméval. A hasonlatosság nem véletlen, mivel a karakter alapon, ill. a maximum likelihood alapján működő eljárások sok szempontból analógnak tekinthetők egymással (Swofford és Olsen 1990).

5. A.5. Kladisztikus biogeográfia

A mikrovilágból most egy hirtelen ugrással a kladisztika legnagyobb léptékű alkalmazási területére érkezünk. Az állatés növényföldrajz egyik ága, a történeti biogeográfia kifejezetten azt célozza, hogy múltbéli események rekonstruálásával magyarázza meg az élővilág mostani elterjedését. Miután elsősorban a mai állapotról vannak ismereteink, magától értetődőnek tűnik, hogy a probléma a kladisztika módszereivel is megközelíthető. Az irányzat Nelson (1975), Nelson és Rosen (1981) és Parenti (1981) munkásságával kezdődött (ichtiológiai témában), és kladisztikus vagy vikariancia biogeográfia néven ismert. Bár az ilyen kutatások léptéke bizonyosan nagyobb, mint amit Magyarországon belül egyáltalán megtehetünk, és a tárgykör csak távolról kapcsolódik könyvünk témájához, mégis érdemes néhány szót szólni róla.

A biogeográfiai mintázat feltárásának az alapja számos, erőteljes endemizmust mutató rendszertani csoport kladisztikus elemzése. Feltételezzük, hogy az egyes csoportokon belüli leszármazási viszonyok egyúttal az előfordulási helyek közötti kapcsolatrendszerről is informálnak bennünket. Logikusnak tetszik, hogy két, közeli rokonságban álló taxon biogeográfiailag is közel áll egymáshoz, míg a nagyobb mérvű rendszertani eltérés már jelentősebb földrajzi távolságra utal. Mindez csak akkor igaz persze, ha a vikarianciát tekintjük minden eltérés magyarázatának, a migrációval szemben: vagyis a közös ős mindenütt jelen volt a speciációt megelőzően, s a fajok nem vándorlással sugároztak szét. (Ez bizony nem általános érvényű, mutatva a kladisztikus biogeográfia korlátait.) A módszer lényege röviden az, hogy a – kettő vagy több monofiletikus rendszertani csoportra vonatkozó – kladogramokon a taxonok helyére az egyes területeket írjuk be, és az így kapott área-kladogramok összevetéséből vonjuk le a biogeográfiai következtetésket. A taxon-kladogramokat a fentebb leírt kladisztikai módszerek valamelyikével hozzuk létre, módszertani újdonság tehát az alternatív kladogramok értékelésében van. „Tökéletes” egyezés ugyanis ritkán áll fenn az área-kladogramok között: az egyes rendszertani csoportok múltja nem feltétlenül utal hasonló biogeográfiai kapcsolatra. Az egyes taxonok vándorlása vagy a kihalás csupán két lehetőség az eltérések magyarázatául.

Rosen (1978) módszerének lényege, hogy az área-kladogramokból csak az egyezéseket hangsúlyozzuk, ami sokszor a kladogram méretének csökkenésével jár (“reduced area cladograms”). Példaként vizsgáljuk meg az A.18. ábrát, amely két rendszertani csoport kladogramját tünteti fel, a taxonok fölött bejelölve az előfordulási helyeket is. Az a–f taxonok alkotta rendszertani csoport mind az öt területről informál bennünket, a másik csoport egyetlen tagja sem fordult elő viszont a C-n, így ez az área eleve kiesik. Az E területre nézve a két kladogram rendkívül eltérő interpretációt sugall, ezért ezt is mellőznünk kell. Marad az A, B és D áreákra vonatkozó viszonylag jelentős egybeesés, így az A.18.c. redukált konszenzus kladogram lesz az, ami maximálisan adódhat az elemzésből: az A és B régiók biogeográfiailag hasonló múlttal rendelkeznek, s a D régió történetileg távolabb áll tőlük. A konszenzus elv tehát már kezdettől fogva lényeges alkotóeleme a kladisztikus biogeográfiának.

Amennyiben több área-kladogram is rendelkezésünkre áll, de ezek között ugyanúgy eltérések, sőt ellentmondások vannak, mint az A.18. ábra példáján, akkor Nelson és Platnick (1981) eljárása alkalmazható a közös információ „kihámozására”. Előnye, hogy nem kell egyetlen áreát sem kihagyni az elemzésből, bár a hiányos információ megmutatkozik a végeredményben. A szerzők az área-kladogram részfáit komponenseknek nevezik, magát a módszert pedig „komponens”-elemzésnek. A komponenseket minden egyes kladogramon meghatározzuk, meg is számozzuk, majd ezek összesítő értékelése adja a keresett végeredményt. A komponensek azonosításának alapesetei a következők: