[论文解读] Adaptation in simple and complex fitness landscapes

Kavita Jain, Joachim Krug|ArXiv.org|Aug 5, 2005

Evolution and Genetic Dynamics参考文献 7被引用 5

一句话总结

本文提出了一种遗传序列空间中适应性的确定性模型，分析了突变与选择如何在简单和复杂适应度景观中驱动进化动态。它将突变率增加导致种群从适应度峰上突然脱域的‘错误阈值’现象识别为一种类似相变的关键转变，对病毒进化和突变鲁棒性具有重要意义。

ABSTRACT

This is an introductory review of deterministic mutation-selection models for asexual populations (i.e., quasispecies theory) and related topics. First, the basic concepts of fitness, mutations, and sequence space are introduced. Different types of mutation-selection dynamics are defined and their relation to problems of statistical physics are outlined. Then the stationary population distribution in simple, single peak fitness landscapes is discussed at length, with particular emphasis on the error threshold phenomenon. Extensions of the theory covering e.g. epistatic interactions, diploid organisms, semiconservative replication and time-dependent fitness peaks are briefly described. A further section is devoted to randomly rugged fitness landscapes, which may display fitness correlations of various degree as well as extended neutral networks. The final two sections address evolutionary dynamics in both rugged and smooth fitness landscapes, and provide a brief overview of pertinent experiments.

研究动机与目标

• 理解突变与选择如何塑造序列空间中的进化轨迹，特别是在分子进化背景下的作用。
• 研究简单适应度景观中的错误阈值现象，其中高突变率导致种群从适应度峰上脱域。
• 将分析扩展至具有多个峰谷的复杂、崎岖适应度景观，采用统计物理中的随机能量模型。
• 探讨种群大小以及遗传漂变和穆勒 ratchet 等随机效应在有限种群中的作用。
• 将理论模型与微生物进化实验的实验数据相联系，包括长期进化研究和病毒适应度恢复实验。

提出的方法

• 模拟无性、单倍体个体种群在固定长度基因型的序列空间中演化，使用离散字母表（例如 4 种核苷酸或 20 种氨基酸）。
• 为每个基因型 σ 分配一个适应度值 W(σ)，代表繁殖成功，并假设确定性动力学，忽略遗传漂变。
• 使用平均场近似和主方程分析突变-选择动态，以描述基因型频率的时间演化。
• 应用统计物理中的工具，如随机能量模型和相变分析，研究具有众多峰谷的崎岖适应度景观。
• 通过引入上位性、二倍体、半保留复制和时变景观等修改，推广基本模型。
• 在低突变率范围内将确定性预测与随机模型进行比较，此时稀有突变和固定事件占主导地位。

实验结果

研究问题

• RQ1 是什么决定了种群从适应度峰脱域的临界突变率——即所谓的错误阈值？
• RQ2 位点间的上位性相互作用如何影响适应度峰的稳定性以及适应的动态过程？
• RQ3 种群大小如何影响错误阈值以及通过穆勒 ratchet 导致的遗传退化速率？
• RQ4 在有限种群中，稀有、高适应度突变体在跨越崎岖适应度景观实现峰跃中起什么作用？
• RQ5 微生物进化实验中的实验适应度轨迹与确定性序列空间模型的预测相比如何？

主要发现

• 当突变率超过临界值时，错误阈值出现，导致种群从最高适应度峰脱域，类似于相变过程。
• 在简单景观中，可通过平均场方法解析推导出错误阈值的临界突变率，显示出在明确阈值处的急剧转变。
• 有限种群大小会降低错误阈值，因为穆勒 ratchet 的不可逆作用会随时间逐渐降低最适基因型的适应度。
• 在复杂景观中，远距离适应度峰之间的通信依赖于稀有且高适应度的突变体，其可得性受种群大小和突变率的限制。
• 微生物进化实验中的适应度轨迹通常表现为阶梯式上升，与少数大效应突变的固定一致，而非大量小效应突变。
• 时变景观可导致随时间的线性适应度变化，如某些病毒进化实验中所见，且可在时变突变-选择动力学框架内进行分析。