提出的协议显示了对化石叶上连续叶片面貌特征的数字测量和分析,以使用数字叶面貌和单位面积的叶质量重建方法重建古气候和古生态学。
气候和环境强烈影响植物叶子的大小、形状和齿状(面貌)。这些关系,特别是在木本非单子叶被子叶植物中,已被用于开发基于叶子的古气候和古生态学代理,这些代理已被应用于重建地球过去 ~ 1.2 亿年的古老陆地生态系统。此外,鉴于这些关系已在活植物中得到记录,它们对于理解植物进化的各个方面以及植物如何响应气候和环境变化非常重要。为了对现代植物和化石植物进行这些类型的分析,必须使用可重复的方法准确测量叶子的面貌。该协议描述了一种基于计算机的方法,用于测量和分析现代叶和化石叶中的各种叶子面貌变量。该方法允许测量叶片面貌特征,特别是与叶锯齿、叶面积、叶解剖和线性相关的变量,这些变量用于重建古气候的数字叶面貌代理,以及叶柄宽度和叶面积,用于重建单位面积的叶质量,古生态代理。因为这种数字叶性状测量方法可以应用于化石和活植物,所以它不仅限于与重建古气候和古生态学相关的应用。它还可用于探索叶片性状,这可能对理解叶片形态的功能、叶片发育、叶片性状的系统发育关系和植物进化提供信息。
叶子是促进植物与其周围环境之间能量(如光、热)和物质(如二氧化碳、水蒸气)交换的基本生产单位 1,2。为了执行这些功能,叶子必须在静止和多风的空气中机械地支撑自身的重量以抵抗重力 3,4。由于这些内在的联系,叶子的大小、形状和齿状(面貌学)的几个方面反映了它们的功能和生物力学的细节,并提供了对它们的环境和生态学的见解。以前的工作已经量化了现代世界叶子地貌、气候和生态之间的关系,以建立可应用于化石叶组合的代理 5,6。这些替代指标为重建古气候和古生态学提供了重要机会,并有助于更好地理解地球历史上各种系统之间的复杂相互作用。本文详细介绍了使用两个代理所需的方法:1) 阐明古生态学的单位区域叶质量重建方法,以及 2) 重建古气候的数字叶面学。
单位面积的叶干质量 (MA) 是新植物学和古植物学中经常测量的植物性状。MA 的主要价值,特别是对于化石重建,是叶经济学谱的一部分,是高度相关的叶性状的协调轴,包括叶子光合速率、叶长和叶营养成分质量7。从化石中重建 MA 的能力为了解这些原本无法接近的代谢和化学过程提供了一个窗口,并最终可以揭示有关植物生态策略和生态系统功能的有用信息。
Royer 等人5 开发了一种方法,根据叶片的面积和叶柄的宽度来估计木本非单子叶(双子叶植物)被子植物化石叶的 MA。理论上,叶柄充当悬臂,将叶子的重量保持在最佳位置 3,4。因此,叶柄的横截面积是光束强度的最重要组成部分,因此,它应该与叶子的质量密切相关。通过将叶柄的形状简化为圆柱形管,叶柄的横截面积可以用叶柄宽度的平方来表示,从而可以从二维化石中估计叶子的质量(有关详细信息,请参见 Royer 等人 5)。叶面积可以直接测量。总之,叶柄宽度的平方除以叶面积(即叶柄公制;表 1)为化石 MA 提供了一个很好的代理,并允许古植物学家步入现代基于性状的生态学。MA 重建方法也已扩展到阔叶和叶柄裸子植物 5,8、草本被子植物8 和蕨类植物9,它们产生的关系与观察到的木本双子叶植物被子植物的关系不同,并且彼此不同。用于在站点水平重建 MA 的方差和平均值的扩展木本双子叶植物数据集和新的回归方程允许推断叶子经济策略的多样性以及哪些策略最普遍,在化石植物区系中的木本双子叶植物被子植物中最普遍10。
一个多世纪以来,人们已经注意到了相貌叶性状与其气候之间的关系11,12。具体来说,木本双子叶植物被子植物叶子的面貌与温度和湿度密切相关13。这种关系构成了陆地古气候的许多单变量14、15、16、17 和多变量6、18、19、20、21、22 叶地貌代理的基础。单变量和多变量叶片地貌古气候方法已广泛应用于地球历史的最后 ~1.2 亿年(白垩纪到现代)各大洲以被子植物为主的化石植物区系23。
叶片地貌古气候代理中使用的两个基本观察结果是 1) 叶大小与年平均降水量 (MAP) 之间的关系,以及 2) 叶齿(即叶缘的向外投影)与年平均温度 (MAT) 之间的关系。具体来说,一个地方所有木本双子叶植物物种的平均叶子大小与 MAP 呈正相关,除了齿的大小和齿数外,一个地方的木本双子叶植物物种的比例与 MAT6、12、13、14、15、16、24 呈负相关。
这些叶子地貌-气候关系之间的功能联系得到了理论和观察的有力支持1,2,25。例如,尽管较大的叶子提供更大的光合表面积,但它们需要更大的支撑,通过蒸腾作用损失更多的水,并且由于边界层更厚而保留了更多的显热 1,26,27。因此,较大的叶子在更潮湿、更热的环境中更常见,因为通过增加蒸腾作用流失的水可以有效地冷却叶子并且问题较小。相比之下,在干燥炎热的气候中,较小的叶子通过增加显热损失来减少水分流失并避免过热28,29。哪些因素或因素组合对解释功能联系最有贡献的细节对于其他叶片性状来说仍然是个谜。例如,已经提出了几个假说来解释叶齿-MAT 关系,包括叶冷却、高效的芽包装、加强对薄叶的支持和供应、通过水腈的内脏以及提高早期生产力 30,31,32,33。
大多数叶片地貌古气候代理依赖于叶片性状的分类划分,而不是连续变量的定量测量,这导致了几个潜在的缺点。分类方法排除了通过与气候密切相关的连续测量捕获的更详细的信息(例如,齿数、叶片线性度)所捕获的更详细信息,这可能会降低古气候估计的准确性 6,20,34。此外,在一些叶子性状评分方法中,被分类评分的性状可能是模棱两可的,从而导致可重复性问题,并且一些性状的实证有限,无法支持它们与气候 6,15,16,35,36 的功能联系。
为了解决这些缺点,Huff 等人20 提出了一种称为数字叶面学 (DiLP) 的方法,以数字测量连续叶性状。与以前的方法相比,DiLP 的一个关键优势是它依赖于以下性状:1) 可以在用户之间进行可靠测量,2) 本质上是连续的,3) 在功能上与气候相关,以及 4) 在生长季节之间显示表型可塑性 6,37。这导致了比以前的叶子地貌古气候方法更准确的 MAT 和 MAP估计 6。此外,该方法通过提供解释受损和不完整的叶子的步骤来适应化石记录的不完美性质。DiLP 方法已成功应用于来自多个大陆的一系列化石植物区系,跨越了大范围的地质时间6、38、39、40、41、42。
以下协议是早期工作 5,6,20,34 中描述的协议的扩展。它将解释使用 DiLP 和 MA 重建方法从木本双子叶叶植物被子植物化石叶中重建古气候和古生态学的必要程序(有关通过使用本协议测量和计算的变量的解释,请参见表 1)。此外,该协议提供了记录和计算叶性状的步骤,这些性状不包括在 DiLP 或 MA 分析中,但易于实施并提供有用的叶面貌特征(表 1)。该协议遵循以下格式:1) 对化石叶进行成像;2) 叶子数字制备,分为五种可能的制备场景;3) 叶子数字测量,分为相同的五种可能的准备场景;4) DiLP 和 MA 分析,使用 R 包 dilp10。
MA 重建协议嵌入在 DiLP 协议中,因为两者都便于准备和相互测量。如果用户只对 MA 分析感兴趣,他们应该遵循 DiLP 准备场景 2 中描述的准备步骤,无论叶缘是否是齿状的,以及仅描述叶柄宽度、叶柄面积和叶面积测量的测量步骤。然后,用户可以在执行 MA 重建的 dilp R 包中运行相应的函数。
1. 化石叶成像
2. 数字化准备
注意: 图 1 提供了这些协议中使用的叶架构术语的图示。使用决策树(图 2)和提供的示例(图 3)来确定哪种准备方案适用于要测量的化石叶,然后继续该适当的部分。有关准备步骤中的其他注意事项,请参阅 表 2 。如果叶子属于情况 1 或 5,则无法为定量叶面貌测量准备叶子。
3. 数字测量
注意:数据输入模板电子表格作为 补充文件 1 提供。有关测量步骤中的其他注意事项,请参阅 表 3 。在场景 1 和 5 中,唯一需要的步骤是在数据输入电子表格中记录叶边距状态(步骤 3.5)。
4. 在 R 软件中运行分析
注意:以下步骤需要 R 包 dilp11。数据输入电子表格将读入 R 并由包使用。请参阅数据输入电子表格(补充文件 2)中的 Additional Instructions 选项卡。R 脚本可以同时容纳多个站点或单个站点的分析。
先前发布的不列颠哥伦比亚省中南部始新世早期 McAbee 化石遗址的叶片面貌测量数据集用于提供使用数字叶片面貌 (DiLP) 和单位面积叶质量(MA) 重建方法的代表性结果示例(Lowe 等人38;数据在补充文件 2 中提供).该遗址为在新生代(早始新世气候最佳时期)最温暖时期的高地和火山景观中重建古气候和古生态学提供了机会 38,45,46,47。化石组合是从湖相序列中的两个独立层位中取样的,命名为 H1(28 厘米厚)和 H2(27 厘米厚),使用普查技术在狭窄的地层范围内汇集,从而收集或计数所有能够被分配形态型的标本38,48。
McAbee 叶面相数据通过了 dilp_errors() 标记的错误检查,并仔细检查了 dilp_outliers() 标记的 7 个异常值,以确保这些值代表数据的真实变化,而不是方法错误。随后通过 dilp() 函数运行数据以生成古气候,并通过 lma() 函数进行单位面积叶质量重建。
MA 重建及其 95% 预测区间的下限和上限在表 4 中报告了物种和地点水平,使用 Royer 等人 5 和 Butrim 等人 10 中提出的方程。重建值在现代陆地物种的典型 MA 范围内 (30-330 g/m2)49。使用 Royer 等人 5 中讨论的阈值,大多数物种都有重建的 MA,它与 <1 年 (≤87 g/m2) 的叶片寿命一致,一些 ~1 年 (88-128 g/m2),而没有一个是典型的 >1 年 (≥129 g/m2)。站点 MA 平均值的重建和 McAbee 的方差反映了站点10,50 叶片经济策略的普遍性和多样性。H1 和 H2 之间的位点均值和方差之间没有显著差异,因此,没有证据表明叶经济策略的组成和多样性在两个时间点之间有所不同。此外,使用 Royer 等人 5 和 Butrim 等人 10 的方程进行的位点平均重建非常相似。
表 5 显示了使用 Peppe 等人 6 中提出的多元线性回归 (DiLP) 和单线性回归(叶缘和叶面积分析)方程重建平均年温度 (MAT) 和平均年降水量 (MAP)。如果化石叶组合的叶子地貌发生在校准数据集的地貌空间内,则可以最可靠地推断出古气候估计。这是通过函数 dilp_cca() 执行的规范对应分析 (CCA) 分析步骤来评估的。McAbee H1 和 H 2 都属于校准数据集中观察到的叶面貌范围(图 7A)。如果站点的重建值超出校准空间,则应谨慎解释古气候重建(例如,通过与独立证据线的比较;进一步讨论见 Peppe 等人 6)。H1 和 H2 的重建 MAT 和 MAP 与温带季节性生物群落一致(图 7B、C),这与独立证据线非常吻合,包括基于 McAbee45 化石花卉和昆虫群落的最近现存亲属的推断。
图 1:本文中的叶子面貌和结构术语。 (A) 羽状脉、无裂片和全边缘的叶子,(B) 有掌状脉、无裂片和齿状的叶子,(C) 羽状脉、裂片和全边缘的叶子,(D) 有掌状脉、裂片和齿状的叶子。 请单击此处查看此图的较大版本。
图 2:该方法的流程图。 一个流程图,展示了不同的叶子保存条件和叶子类型如何决定哪些一般类型的叶子性状可以可靠地测量(黄框)。这决定了方案中将遵循哪些准备方案,以及将在数据输入电子表格中输入哪些列数据(要点)。 请单击此处查看此图的较大版本。
图 3:不同的准备场景。 不同的准备场景,展示了为测量阶段准备的已完成数字准备图像的示例。(A) 情景 1,面积或半面积无法重建的整个边缘叶,(B) 情景 5,面积或半面积无法重建且没有 ≥2 个连续齿和/或保留 ≥25% 的叶子,(C) 情景 2,面积或半面积保留或可以重建的整个边缘叶, (D) 情景 3,其面积或一半面积无法重建但具有 ≥2 个连续齿和 ≥25% 的叶子保留的齿状叶,(E) 情景 4,其面积或一半面积被保留或可以重建的齿状叶。 请单击此处查看此图的较大版本。
图 4:损伤去除图示。 说明如何剪掉受损的 margin 以及与该受损 margin 相邻的叶区域。红色虚线表示如何使用套索工具进行选区。请注意,损伤范围是故意从乳牙的鼻窦开始的(参见 补充图 2 以帮助区分乳牙和辅助牙)。(A) 羽状叶脉,其选择延伸到中脉。(B) 掌状脉状叶子,其选择延伸到最近的初级叶脉。 请单击此处查看此图的较大版本。
图 5:说明如何切割牙齿的示例。 (A) 红色虚线展示了如何使用套索工具进行选区。请注意,在这种情况下,牙齿是复合的,因此仅在主鼻窦之间进行选择(参见 补充图 2 以帮助区分主牙和子牙),(B) 如何选择牙齿的放大视角,红点代表选择过程中点击鼠标的位置,(C) 拔牙时叶子的副本。 请单击此处查看此图的较大版本。
图 6:准备场景 4 的插图。 在场景 4 中准备的示例叶的准备决策和测量步骤的图示。(A) 一个准备场景,其中决定半叶提供最可靠的叶形和面积测量,并且包括内侧两半保留的边缘用于牙齿测量。(B) 一个示例,展示了在准备好的叶子的各种成分上测量了哪些变量。粗体文本突出显示了 DiLP 和 MA 分析所需的测量值,而非粗体文本(叶片周长、最小 Feret 和人工中间周长)突出显示了不需要但对其他地貌特征有用的测量值(例如,形状因子和紧凑度; 表 1)。 请单击此处查看此图的较大版本。
图 7:代表性结果。 Lowe 等人在始新世早期 McAbee 化石床采样的两个化石层(H1 和 H2)的结果38。(A) 典型对应分析,显示校准数据集中多变量叶面貌的表示。校准数据来自 Peppe 等人 6。两个 McAbee 层位的叶面貌是重叠的,并发生在校准空间内。(B 和 C) 温度和降水估计值及其相关的不确定性(模型的标准误差),使用 Peppe 等人 6 中提出的两个 McAbee 层位叠加在 Whittaker 生物群落图上的方程。(B) 使用数字叶面学 (DiLP) 多元线性回归模型 (MLR) 重建的估计值,(C) 使用叶面积分析 (LAA) 和叶缘分析 (LMA) 单线性回归 (SLR) 方程重建的两个 McAbee 层位叠加在 Whittaker 生物群落图上。 请单击此处查看此图的较大版本。
表 1:叶子面貌变量。 使用此协议在预测模型中测量和/或计算和应用的变量,以重建单位面积的叶片干质量(MA)、平均年温度 (MAT) 和平均年降水量 (MAP)。MAT 和 MAP 使用 Peppe 等人 6 中提出的方程重建,使用数字 叶面学 (DiLP) 的多变量方法和叶缘分析 (LMA) 和叶面积分析 (LAA) 的单变量方法。列为“其他”的变量不用于 MA、DiLP、LMA 和 LAA 分析,但仍使用该协议进行测量和计算,因为它们易于实施并提供有用的叶片面貌特征。 请点击此处下载此表格。
表 2: 准备步骤的其他注意事项和说明。 请点击此处下载此表格。
表 3: 测量步骤的其他注意事项和说明。 请点击此处下载此表格。
表 4: Lowe 等人对 McAbee 化石床单位面积的叶干质量(MA) 和相关 95% 预测区间的相关上下限的重建38。对形态型平均值5、位点平均值5、10 和位点方差10 进行重建。 请点击此处下载此表格。
表 5:使用数字叶面学 (DiLP) 的多元线性回归 (MLR) 和 Peppe 等人提出的叶缘分析 (LMA) 和叶面积分析 (LAA) 的单一线性回归 (SLR) 重建始新世早期 McAbee 化石床的年平均温度 (MAT) 和平均年降水量 (MAP) 6。请点击此处下载此表格。
补充图 1:来自哈佛森林的 Quercus rubra 叶子说明了叶与齿的规则。 线段 p 和 d 在文本中定义。比例尺 = 1 厘米。 请点击此处下载此文件。
补充图 2:来自哈佛森林的 黄桦 叶说明了区分副牙和乳牙的规则。 分离的叶段被放大了 2 倍。蓝线连接切口程度最大的鼻窦(即原发窦),与这些鼻窦相关的牙齿被认为是原发性(蓝色箭头)。红点标记可以作为附属部分区分的牙齿,因为它们的根尖窦被切开的程度较小。用红色箭头表示的牙齿与乳牙相比具有相似的切口度,但与乳牙相比,可以通过相对较细的主静脉来识别为附属牙齿。比例尺 = 1 厘米。 请点击此处下载此文件。
补充图 3:牙齿选择、羽状叶规则和叶优先规则的插图。 (A) 来自 Huyck Preserve 的 金缕梅 叶的牙齿选择。变暗的区域对应于包含在总牙齿选择中的叶组织,因为辅助牙齿与乳牙不同。(B) 来自 IES 的 Quercus alba 叶说明了叶优先规则。变暗的区域被测量为叶,未变暗的区域被测量为齿,但所有投影都通过叶优先级规则被视为叶。比例尺 = 1 厘米。 请点击此处下载此文件。
补充图 4:来自阿勒格尼国家森林的 Acer saccharum 叶子说明了伸展和单齿规则。 虚线描绘牙齿选择。实线描绘了相关牙齿的对称轴。黑色区域是用于压平叶子以进行摄影的重量。比例尺 = 1 厘米。 请点击此处下载此文件。
补充图 5:说明了切出位于花序基部顶部的叶柄的理想方法。请点击此处下载此文件。
补充文件 1:所有测量的数字叶面相变量的数据输入模板。 不应修改此文件,因为它将用作 R 包的输入文件。 请点击此处下载此文件。
补充文件 2:来自 Lowe 等人的 McAbee 化石床的示例数据38。 这些数据用于生成 图 7 和讨论代表性结果。 请点击此处下载此文件。
补充文件 3:化石数字叶面学的规则文件。请点击此处下载此文件。
本文介绍了如何在木本双子叶植物被子植物化石叶子上测量叶子面貌的连续性状,并随后应用于从现代校准数据开发的代理,以重建古气候和古生态学。这需要注意使方法步骤与代理校准数据集 5,6,10 中表示的方法步骤保持一致。这种考虑在化石叶收集期间应用该方案之前开始,特别是关于样本量。建议将化石叶组合汇集到尽可能窄的地层范围内,以获得适当数量的可测量标本和形态类型,以最大限度地减少时间平均。还建议将古气候重建限制在至少有 350 个可识别标本和至少 15-20 个木本双子叶植物被子植物形态型的地点 19,51,52。此外,在选择叶子进行分析时,建议尽可能多地测量每种形态型的叶子,并且至少选择代表形态类型内叶子面貌变化的标本。
在实施制备和测量部分时必须进一步小心,以保持与校准数据集的一致性。在准备阶段执行的步骤最有可能产生主观性,并且用户之间的结果各不相同。然而,如果故意遵循协议并经常引用附加考虑表(表 2、表 3)和规则文件(补充文件 3),则该方法会导致叶面貌的客观和可重复的测量。对于该方法的新手,建议与具有更多经验的人确认叶子已正确准备。在测量 MA 重建的叶柄宽度时需要特别小心。由于这些值是平方的,因此测量值的不准确性会变得夸大。保存不完全和损坏会改变叶柄的尺寸,应小心避免。
这些方法存在一些值得注意的限制。最重要的是,dilp R 包中包含的代理重建仅适用于木本双子叶植物被子植物,因此可能排除了作为古代群落重要组成部分的其他植物群。然而,已经为叶柄和阔叶裸子植物 5,8、草本被子植物8 和蕨类植物9 发布了物种水平 MA 的基于叶柄的替代物,用户可以根据需要单独合并。在木本双子叶植物被子植物以外的群落中排除突出的植物群落可能对重建站点水平的 MA 平均值和方差影响最大,因为它们将提供整个群落内经济策略的不完整视角。系统发育历史影响叶齿的出现23,引入了一种可能性,即分析具有新分类学组成的化石群落可能会给结果估计带来不确定性,尽管这种潜在影响的实现尚未得到测试和证明。
化石叶子也需要得到充分保存,以纳入边缘状态之外叶子面貌的定量测量。对于 DiLP 来说,对于全边缘叶子尤其如此,因为只有在保留或重建整片叶子或半叶子的情况下,它们才能提供超出边缘状态的信息。同样,只有在以下情况下,叶子才能被纳入 MA 重建中:(1) 叶柄在插入叶叶片时都被保留,或者在特定情况下,如果叶子的基部和中脉的最基部被保留(见步骤 3.6 中的注释),并且 (2) 如果叶子的大小可以估计, 通过全叶测量或半叶重建。这意味着一些形态型可能被完全排除在位点水平的 MA 分析之外。最后,时间是该协议的一个限制,因为古气候重建的单变量替代方案需要相对较少的时间来产生。
尽管存在这些限制,但与其他方法相比,使用 DiLP 和 MA 重建方法仍然具有几个优势。MA 重建是化石记录中重建叶子经济策略的唯一方法之一,使用二维叶柄宽度和叶面积测量允许使用常见的印记/压缩叶化石进行重建。对于 DiLP 来说,结合与气候功能相关的多个连续测量可以提高测量的可重复性和由此产生的气候重建的准确性 6,13。该协议旨在通过允许使用叶子碎片进行叶子齿度测量来适应化石记录的不完整性质。尽管叶面积的连续测量提供了有关叶子大小的更多信息,但 DiLP MAP 估计可以通过使用叶大小类别来补充,以增加样本量16,53 或通过结合叶面积的叶脉缩放估计 42,54,55.与大多数涉及的方法一样,随着用户变得更有经验和信心,尤其是在准备步骤中,该协议的时间效率将提高。迄今为止,已按照此协议对 >150 现代6、10、56 和至少 22 个化石组合进行了现场级 DiLP 测量,这一事实证明了其可行性 6,38,39,40,41,42 .最后,叶面貌的综合测量具有超出此处讨论的应用范围,可能有助于描述植物生态学、生理学、进化和发育的其他方面,适用于现代56 和古生物学40。
总之,本文中详述的实现允许用户使用稳健且可重复的方法重建古气候和古生态学。这些方法提供了一个重要的机会,可以展示气候和生态系统对环境扰动的响应的过去例子,并进一步了解地球自然系统的复杂相互作用。
没有。
AJL 感谢华盛顿大学 2020-2022 年本科生 Team Leaf 为制作 DiLP 制作有效培训材料的动力和建议。AGF、AB、DJP 和 DLR 感谢卫斯理大学和贝勒大学的许多本科生,他们测量了现代叶子和化石叶子,他们的意见在修改和更新该协议方面非常宝贵。作者感谢 PBot 定量性状工作组和 PBOT 团队鼓励将该协议正式化,使其更容易为更广泛的社区所接受。这项工作得到了美国国家科学基金会(向 DLR 授予 EAR-0742363,向 DJP 授予 EAR-132552)和贝勒大学(向 DJP 授予青年研究员发展计划)的支持。我们感谢两位匿名审稿人和综述编辑的反馈,这些反馈有助于提高本协议的清晰度和全面性。
Name | Company | Catalog Number | Comments |
Copy stand or tripod | For fossil photography | ||
Digital camera | For fossil photography, high resolution camera preferred | ||
Image editing software | For digital preperation. Examples include Adobe Photoshop and GIMP, the latter of which is free (https://www.gimp.org/) | ||
ImageJ software | IJ1.46pr | For making digital measurments, free software (https://imagej.net/ij/index.html) | |
Microsoft Excel | Microsoft | Or similar software for data entry | |
R software | The R foundation | For running provided R script (https://www.r-project.org/). R studio offers a user friendly R enviornment (https://posit.co/download/rstudio-desktop/). Both are free. | |
dilp R Package | Can be installed following instructions here: https://github.com/mjbutrim/dilp |
请求许可使用此 JoVE 文章的文本或图形
请求许可This article has been published
Video Coming Soon
版权所属 © 2025 MyJoVE 公司版权所有,本公司不涉及任何医疗业务和医疗服务。