try ai
科普
编辑
分享
反馈
  • 相关选择与相关响应:相互关联性状的演化

相关选择与相关响应:相互关联性状的演化

SciencePedia玻尔百科
  • 对选择的相关响应(Correlated response to selection)是指,作用于一个性状的选择导致另一个与之有遗传关联的性状发生演化变化。
  • 性状间的遗传关联源于基因多效性(一个基因影响多个性状)或连锁不平衡(不同基因在染色体上物理位置相近)。
  • Lande-Arnold 方程(Δzˉ=Gβ\Delta\bar{\mathbf{z}} = \mathbf{G}\boldsymbol{\beta}Δzˉ=Gβ)提供了一个数学框架,揭示了遗传结构(G\mathbf{G}G)如何筛选选择压力(β\boldsymbol{\beta}β),从而产生演化结果(Δzˉ\Delta\bar{\mathbf{z}}Δzˉ)。
  • 相关选择(Correlational selection)是自然选择的一种形式,它作用于性状的组合,偏好特定的性状配对,这与相关响应不同。
  • 性状间的遗传关联会产生演化限制和权衡,可能使群体对选择的响应发生偏转、减缓甚至停滞。

引言

在宏大的演化剧场中,性状很少单独登台。相反,生物体是整合的系统,是相互关联特征组成的复杂网络,以协同的方式进行演化。认为选择一次只作用于一个性状的简单观点往往是错误的,因为它无法解释演化过程中出现的意想不到的副作用和令人惊讶的新形态。本文旨在填补这一根本性空白,探索将不同性状捆绑在一起、迫使它们共享演化命运的机制。它破除了孤立性状的幻象,揭示出生物体是一个统一的整体,受制于一个更为复杂和微妙的选择过程。

本文将引导您了解多元演化的原理。第一章​​“原理与机制”​​深入探讨了性状演化背后的遗传结构。您将学习遗传相关,区分直接选择和相关响应,并接触到演化生物学家用来预测一整套性状将如何响应选择的优美数学框架。在这一理论基础之上,第二章​​“应用与跨学科联系”​​将展示这些原理的实际应用。从狗的驯化到新物种的诞生,您将看到性状的相互关联性如何塑造生命的多样性,既创造了演化机遇,也带来了深刻的限制。

原理与机制

想象你是一位犬类繁育者。你希望培育出格外友善的狗。于是,你从每一代中挑选最温顺、最善于交际的狗作为下一代的亲本。经过许多代之后,你成功了!你培育的犬系以其甜美的性情而闻名。但你注意到一些奇怪的现象:它们似乎也更容易患上某种耳部感染。你并没有针对耳部感染进行选择,那么它们是从哪里来的呢?你刚刚偶然发现了整个演化论中最基本、也常常最令人沮丧的原则之一:性状很少孤立地演化。

选择的意外后果:相关响应

当对一个性状的选择导致另一个性状发生意想不到的演化变化时,我们称之为​​对选择的相关响应 (correlated response to selection)​​。这并非罕见的奇特现象,而是生命世界中普遍存在的特征。思考一个关于大西洋鲑鱼的真实水产养殖项目。繁育者选择生长最快的鱼以最大化产量。这确实有效——鱼长得更大、更快。但在此过程中,他们发现种群也变得更具攻击性,导致鱼缸内受伤和死亡率上升。对生长的选择无意中将攻击性也一并拖了过来。

为什么会发生这种情况?简单的答案是,这些性状在遗传上被“捆绑”在一起。促进鲑鱼快速生长的基因,出于某种原因,也导致了更具攻击性的行为。因此,当繁育者挑选生长最快的鱼时,他们也在不知不觉中挑选了最具攻击性的鱼。一个性状的演化响应与另一个性状的演化响应被锁链联系在了一起。要理解演化如何真正运作,我们不能只看单个的性状。我们必须将生物体视为一个整合的整体,一个由相互关联的特征组成的网络。

隐藏的结构:遗传相关

是什么构成了性状之间的这些“捆绑”?这种联系被称为​​遗传相关 (genetic correlation)​​,它主要源于两种深层的生物学机制。

第一种,也是最直接的机制,是​​基因多效性 (pleiotropy)​​。这是一个奇妙高效,但有时又很复杂的现实:单个基因可以影响多个看似不相关的性状。例如,一个基因可能产生一种蛋白质,该蛋白质既在骨骼发育中起作用,又在神经细胞信号传导中起作用。如果选择作用于骨密度,它将不可避免地对神经系统产生某种影响,无论这是否是预期的。基因多效性创造了一种“硬连接”。这种联系并非统计上的偶然,而是基因在体内基本生化作用的结果。

第二种机制是​​连锁不平衡 (linkage disequilibrium, LD)​​。当控制不同性状的基因在同一条染色体上物理位置相近时,就会发生这种情况。想象一下,控制眼睛颜色和头发颜色的两个独立基因并排坐着。在有性生殖过程中发生的基因重组(一个称为复合的过程)期间,这些相邻的基因不太可能被分开。它们倾向于作为一个整体被一同遗传。如果选择偏爱某种眼睛颜色,它可能会无意中增加与之连锁的头发颜色等位基因的频率,这并非因为它们之间有任何直接联系,而仅仅因为它们是同一段DNA上的“旅伴”。

这种区别至关重要。由基因多效性引起的相关响应是稳健和持久的,只要基因的功能不改变。相比之下,由连锁不平衡引起的相关是暂时的。经过几代之后,随机的重组过程最终会打破这些紧密的基因邻里关系,统计上的关联也会消失。如果我们观察到一个相关性状在我们停止对其伙伴性状进行选择后迅速恢复到原始状态,这强烈暗示该联系是基于连锁不平衡的暂时黏合,而非基因多效性的永久焊接。

厘清自然之力

要预测一个性状网络将如何演化,我们需要非常精确地定义“选择”的含义。假设我们观察到个子更高的长颈鹿拥有更多的后代。是选择在偏爱身高本身吗?或者,身高可能与更强的免疫系统相关,而真正受到选择的是免疫系统。

为了解决这个难题,演化生物学家区分了两种选择的度量。

首先是​​选择差 (SSS)​​。这是一个粗略的、包罗万象的度量。它就是成功繁殖的个体平均性状值与选择前整个种群平均值之间的差异。它告诉我们看起来什么受到了偏爱,将直接选择和所有相关的附带效应都混为一谈。

其次,也是功能更强大的,是​​选择梯度 (β\betaβ)​​。可以将其视为一种“外科手术式”的测量。它使用统计方法,在保持所有其他相关性状不变的情况下,分离出单个性状对适应度的直接影响。选择梯度告诉我们,长高本身是否能为长颈鹿带来适应度优势,而这与它的免疫系统或任何其他性状无关。这个 β\betaβ 值代表了作用于一个性状的真实的、直接的定向选择力量。

演化的主方程

有了这些精确的工具,我们可以写下一个异常优美的方程,预测一整套性状的短期演化响应——著名的 Lande-Arnold 方程,其概念形式常被写作 Δzˉ=Gβ\Delta\bar{\mathbf{z}} = \mathbf{G}\boldsymbol{\beta}Δzˉ=Gβ。我们不要被这些符号吓到;其思想非常简单优美。

  • Δzˉ\Delta\bar{\mathbf{z}}Δzˉ 是种群平均性状值从一代到下一代的变化。这是我们想要预测的:我们养殖的鲑鱼攻击性会增加多少? 在传粉者的选择下,一种花的花冠管长度和花蜜量将如何协同演化?

  • β\boldsymbol{\beta}β 是我们刚刚讨论过的选择梯度向量。它代表了作用于每个性状的一组直接选择力量。它是演化的“引擎”。

  • G\mathbf{G}G 是​​加性遗传方差-协方差矩阵 (additive genetic variance-covariance matrix)​​。这是我们这场秀的主角。它代表了生物体的遗传“接线图”。其对角线上的值,即遗传方差,代表了每个性状可用的可遗传变异——演化的“燃料”。关键部分是其非对角线上的值,即​​遗传协方差 (GijG_{ij}Gij​)​​。这些是我们之前讨论的性状间“捆绑”的数值表示。正的协方差意味着一个性状的增加在遗传上与另一个性状的增加相关联;负的协方差则意味着一个增加时另一个减少。

方程 Δzˉ=Gβ\Delta\bar{\mathbf{z}} = \mathbf{G}\boldsymbol{\beta}Δzˉ=Gβ 告诉我们,演化响应 (Δzˉ\Delta\bar{\mathbf{z}}Δzˉ) 并不等于选择压力 (β\boldsymbol{\beta}β)。相反,遗传结构 (G\mathbf{G}G) 充当了一个转换器、一个过滤器,将选择的力量转化为演化的结果。

这正是相关响应发生的精确方式。考虑一个性状,我们称之为 yyy,它根本不受任何直接选择,所以它的选择梯度为零,即 βy=0\beta_y = 0βy​=0。它会演化吗?旧的、单性状的观点会说不会。但多变量方程揭示了真相。性状 yyy 的变化取决于 G\mathbf{G}G 矩阵中对应于它的整行。如果性状 yyy 与另一个受到选择的性状 xxx (βx≠0\beta_x \ne 0βx​=0) 存在遗传协方差,那么性状 yyy 就会被拖着走。即使 βy=0\beta_y = 0βy​=0,只要这些间接效应的总和(如 GyxβxG_{yx}\beta_xGyx​βx​)不为零,性状 yyy 仍会演化。这就是相关响应的数学灵魂。

这个框架也使我们能够清楚地区分​​对选择的相关响应 (correlated response to selection)​​ 和​​相关选择 (correlational selection)​​。正如我们所见,相关响应是由 G\mathbf{G}G 矩阵中的遗传协方差引起的演化结果。而相关选择则是适应度景观(β\boldsymbol{\beta}β 及其高阶项)本身的一个属性。它发生在特定的性状组合受到偏爱时。例如,选择可能偏爱既有攻击性行为又有隐蔽色的蛇,或者偏爱温顺行为和警戒色的蛇,但不利于那些既有攻击性又颜色鲜艳的蛇。一个是关于响应,另一个是关于选择压力的性质。

当演化撞上南墙:限制与权衡

由 G\mathbf{G}G 矩阵体现的相互关联性并不仅仅是一种奇特现象;它是对演化可能性构成深刻​​限制 (constraints)​​ 的根源。

由于非对角线上的遗传协方差,演化的方向 (Δzˉ\Delta\bar{\mathbf{z}}Δzˉ) 通常与选择的“最优”路径 (β\boldsymbol{\beta}β) 方向不同。遗传结构可能导致演化轨迹发生​​偏转 (deflected)​​。种群可能想要向“北”演化以达到适应度景观的顶峰,但其遗传线路迫使其向“东北”移动。它最终可能到达那里,但必须走一条由其遗传构造决定的间接路径。

有时,这种偏转会导致演化走入死胡同。这是一种​​遗传权衡 (genetic trade-off)​​。想象一个对微藻进行的人工选择实验,以提高它们朝光移动的能力——这对生物燃料生产来说是一个有价值的性状。研究人员施加了强烈的选择,在一段时间内,藻类变得越来越好。但随后,改进停止了。种群达到了一个​​选择平台期 (selection plateau)​​,尽管该性状仍然是可遗传的。为什么?分析揭示,高趋光效率的基因与低细胞活力的基因存在遗传相关。追求更强趋光性的人工选择,被惩罚相关存活率下降的自然选择完美地抵消了。种群被困在一个平衡点,无法进一步改进。

最绝对的限制形式发生在多维性状空间中存在一个方向,其中遗传变异完全为零。这对应于性状空间中的一个方向,我们称之为 c\mathbf{c}c,它位于 G\mathbf{G}G 矩阵的“零空间”中。对于沿此方向的任何性状组合,都没有可供选择作用的遗传原材料。种群在遗传上对这条路径是“盲目”的。无论这个方向上的选择有多强烈,种群都无法做出响应。垂直于这个方向的演化响应始终精确为零。演化远非一个全能的优化者,它是一个修补匠,从根本上受到手头材料的限制——这些可遗传的遗传变异将性状联系成一个复杂且往往固执的整体。

应用与跨学科联系

我们刚刚探讨的原理并非纯粹的理论抽象;它们是演化的语法,被写入每一个生物体的组织结构中。要真正领会其力量,就要看到它们在行动,以微妙而深刻的方式塑造我们周围的世界。我们看到,自然并非从一个独立部件的目录中构建生物体。相反,生命是一曲由相互关联的性状组成的、令人惊叹的复杂交响乐,而选择作用于整个演奏,而不仅仅是单个音符。

从狼到狗的历程是这一原则的一个绝佳且熟悉的例证。数千年来,人类进行了一场宏大的演化实验。我们选择的主要性状是温顺——即减少恐惧和攻击性。但看看随之而来的变化:下垂的耳朵、更短的口鼻、斑驳的皮毛和更小的牙齿。为什么选择一个行为性状会改变动物脸部的形状?答案在于共同的发育起源。一组被称为神经嵴细胞的胚胎干细胞是多种惊人组织的共同祖先。它们形成脸部的软骨、牙齿的牙本质、皮肤的色素细胞,以及至关重要的、控制“战或逃”反应的肾上腺。通过选择温和的性情,我们无意中选择了那些能产生较温和肾上腺的遗传变异。又因为所有这些其他结构都使用了相同的发育工具包,它们都作为一种相关的、基因多效性的副作用被改变了。你看,生物体是一个统一的整体。

这种性状的深度整合给生物学家带来了极具吸引力的挑战。当我们看到两种相关的性状——比如一种植物既有密集的刺又有高含量的化学毒素——原因何在?是因为同一组基因构建了两者,就像我们举的狗的例子一样吗?还是因为食草动物施加了如此强烈的压力,以至于只有具备这种“高-高”防御组合的植物才能生存?后一种情况就是我们所说的相关选择。前者则是一个遗传结构的问题。厘清这两种可能性是现代演化生物学的中心任务之一。这需要极大的巧思。想象你就是那位生物学家。你会如何解决这个难题?黄金标准涉及多管齐下的攻击。首先,你会将来自许多种群的植物带到一个“同质园”(一个统一的环境)中,并使用精心的育种程序来绘制性状之间的遗传相关图。这告诉你植物固有的“蓝图”。同时,在野外,你会设立实验,让一些植物免受食草动物的侵害,而另一些则不然,然后测量在每种情境下哪种性状组合能带来最高的适应度。通过比较这些结果,你最终可以区分内在遗传设计师和外在演化雕塑家的作用。

现在,我们必须暂停片刻,澄清一个微妙但至关重要的点。当两个性状在遗传上相关联,并且选择作用于其中一个以改变它时,另一个性状会被“拖着走”。这被称为​​对选择的相关响应​​。它与相关选择不同,尽管两者常被混淆。一个引人注目的例子来自两性存在冲突的物种。例如,在某些海龙中,雄性拥有较长的饰物会受到青睐,但这在雌性中代价高昂且不受欢迎。如果同一组基因控制两性的饰物——即存在较高的跨性别遗传相关 rmfr_{mf}rmf​——那么作用于雌性以缩小饰物的选择将与作用于雄性以增长饰物的选择相抗衡,反之亦然。这种遗传上的“拔河”可以减缓甚至阻止演化。类似的逻辑也适用于权衡。如果创造更优美鸟鸣的基因也导致其产生活力较低的精子,那么即使雌性对复杂鸣唱有非常强烈的偏好,也可能无法推动鸣唱向更复杂的方向演化,因为它不断地被对受精成功的相关负面效应所抵消 [@problem-id:1916355]。这些都是相关的响应。相比之下,相关选择是指性状 A 的特定值所带来的适应度取决于性状 B 的值。它关乎性状在选择眼中如何相互作用。

有了这一明确的区分,我们就能在自然界复杂的因果网络中看到真正相关选择之美。思考一下花与其传粉者之间错综复杂的舞蹈。一朵花有多种性状:它的颜色、形状、气味以及提供的花蜜。一只蜜蜂最初可能被鲜艳的颜色吸引,但它是否再次光顾的决定——从而决定了花最终的繁殖成功——可能取决于它找到的花蜜奖励的质量。如果颜色和花蜜量在遗传上相关(也许是由于资源分配),我们就无法单独理解颜色的演化。通径分析使我们能够发现,对颜色的总选择是多个部分的总和:一个直接效应(颜色本身有多重要),以及一个来自其与花蜜(另一个也受选择的性状)相关的间接效应。选择正在驾驭一个性状组合,其中一项资产的价值取决于其他资产。

同样的逻辑也延伸到动物行为的复杂性中。在许多鸟类中,雄性拥有显眼的饰物,同时还提供亲代抚育。这两个性状通常是相关的;通常,饰物最华丽的雄性恰好也是“质量”最高的个体,有能力同时投资于外表和育儿。但如果存在权衡呢?如果饰物代价高昂,这是否会减少用于亲代抚ucating的资源?要弄清楚选择究竟是如何单独作用于亲代抚育的,我们需要打破它与饰物的相关性。巧妙的实验可以做到这一点。通过操纵雄性对其父权(paternity)的感知(例如,诱使它认为其配偶不忠),生物学家可以使其在不改变其饰物的情况下改变其亲代抚育的水平。通过将此作为工具,他们可以解开对成为一个好父亲的直接选择,与仅仅因为好父亲往往也英俊而产生的相关选择。

当我们放眼宏观,会发现这些性状间的微妙互动对生命史产生了宏大而深远的影响。一个生物体的整个结构可以被看作是“模块”的集合——即一些性状集合,它们彼此之间的整合程度高于与其他集合的整合程度。一些模块是结构性的,比如手部的骨骼,它们物理相连且必须协同工作。另一些则是统计性的,比如遍布全身、对单一激素作出反应的性状网络。相关选择是塑造这些模块的主导力量,它加强模块内部的联系并促进它们与其他模块的独立性。

或许,相关选择最引人注目的后果是其作为物种形成引擎的作用。想象一种昆虫生活在两种不同类型的溪流中:水流湍急的和水流缓慢的。像鳃的形状这样的生态性状正受到趋异选择——一种形状最适合急流,另一种最适合缓流。现在,假设由于基因多效性,控制鳃形状的基因也与控制雄性翅膀颜色图案(一种求偶信号)的基因相关。当自然选择偏爱两种生境中不同的鳃形时,它将无意中将翅膀图案作为相关响应一并拖动。很快,急流中的雄性将拥有一种翅膀图案,而缓流中的雄性将拥有另一种。如果雌性对其本地雄性的图案产生了偏好,这两个种群可能完全停止杂交。一个新物种就此诞生。在这里,一个生态性状和一个求偶性状之间的遗传相关为生殖隔离提供了一条强大的捷径,这种现象有时被称为“魔术性状”效应。

这把我们带到了现代前沿。一个世纪以来,我们通过观察表型来推断这些过程。今天,我们可以直接在基因组中解读这场演化大戏。想象一下,两种密切相关的植物物种在山中杂交。来自高海拔物种的基因流入了低海拔物种。我们如何判断一个渗入的基因是否有益?单个基因可能影响数十个性状——这里多一点叶片厚度,那里少一点气孔密度。它对适应度的整体影响取决于其整个多效性效应的“组合”。现代的方法,是定量遗传学与基因组学的完美结合,将这个“组合”表示为一个效应向量 β\boldsymbol{\beta}β。我们还可以将选择本身的方向估计为另一个向量 s\mathbf{s}s,它代表了适应新环境所需的理想性状变化组合。如果一个渗入基因的效应向量 β\boldsymbol{\beta}β 与选择向量 s\mathbf{s}s 指向大致相同的方向,那么它就是适应性的。这种对齐的数学度量是投影 s⊤β\mathbf{s}^\top\boldsymbol{\beta}s⊤β。通过扫描基因组并为每个渗入的等位基因计算这个值,我们可以识别出驱动适应的特定基因。我们实际上是在DNA层面上观察相关选择的发生,以一种前所未有的清晰度,欣赏着这场壮丽、复杂的演化交响乐。