[论文解读] Defensive complexity and the phylogenetic conservation of immune control

Erick Chastain, Rustom Antia+1 more|arXiv (Cornell University)|Nov 13, 2012

Evolution and Genetic Dynamics参考文献 30被引用 4

一句话总结

本文提出，通过在信号处理中引入复杂的逻辑，免疫控制系统中的防御复杂性可通过对难以跨越的深 fitness 值洼地来减缓病原体的进化。利用演化博弈模型，本文表明复杂控制逻辑会引发符号上位性（sign epistasis）和高计算障碍，从而解释尽管病原体进化迅速，免疫调控在系统发育上仍高度保守的原因。

ABSTRACT

One strategy for winning a coevolutionary struggle is to evolve rapidly. Most of the literature on host-pathogen coevolution focuses on this phenomenon, and looks for consequent evidence of coevolutionary arms races. An alternative strategy, less often considered in the literature, is to deter rapid evolutionary change by the opponent. To study how this can be done, we construct an evolutionary game between a controller that must process information, and an adversary that can tamper with this information processing. In this game, a species can foil its antagonist by processing information in a way that is hard for the antagonist to manipulate. We show that the structure of the information processing system induces a fitness landscape on which the adversary population evolves. Complex processing logic can carve long, deep fitness valleys that slow adaptive evolution in the adversary population. We suggest that this type of defensive complexity on the part of the vertebrate adaptive immune system may be an important element of coevolutionary dynamics between pathogens and their vertebrate hosts. Furthermore, we cite evidence that the immune control logic is phylogenetically conserved in mammalian lineages. Thus our model of defensive complexity suggests a new hypothesis for the lower rates of evolution for immune control logic compared to other immune structures.

研究动机与目标

• 研究免疫系统中复杂信息处理如何作为应对快速病原体进化的防御机制。
• 解释尽管面临强烈病原体选择压力，哺乳动物中免疫控制逻辑仍表现出系统发育保守性的原因。
• 建模控制系统复杂性如何通过塑造崎岖 fitness 值景观来延缓对手进化。
• 检验复杂逻辑网络是否能诱导出长而深的 fitness 值洼地，从而阻碍病原体适应。
• 将理论演化博弈动力学与免疫系统保守性的实证免疫学观察联系起来。

提出的方法

• 形式化控制器（宿主免疫系统）与对手（病原体）之间的信号篡改博弈，后者可操纵信号。
• 使用 Kleene 的三值逻辑（真、假、未知）建模控制逻辑，以表示信号状态和扰动。
• 基于条件逻辑门（与、或、异或、非）定义对手的适应度变化，以响应信号扰动。
• 构建特定条件规则的控制逻辑 $L_s$ 和 $L_c$，将信号扰动映射为适应度结果（$+2m$、$+m$、$-2m$、$-m$ 或 $0$）。
• 通过默认值 $d_i(c)$ 将基于扰动的逻辑转换为基于信号的逻辑，利用阈值 $h_i$ 和 $l_i$ 定义信号状态。
• 分析对手的适应度景观，表明复杂逻辑会引发符号上位性和难以跨越的适应度洼地，从而阻碍进化进程。

实验结果

研究问题

• RQ1 免疫系统中的复杂控制逻辑是否能减缓病原体进化适应的速度？
• RQ2 尽管面临强烈的病原体压力，为何免疫控制逻辑在哺乳动物谱系中表现出系统发育保守性？
• RQ3 防御复杂性（定义为信号操控中的计算不可行性）如何影响宿主-病原体协同进化的演化动力学？
• RQ4 复杂逻辑网络在多大程度上产生阻碍病原体适应的 fitness 值洼地？
• RQ5 能否用控制逻辑中的防御复杂性来解释人们在破译免疫系统规则时遇到的困难？

主要发现

• 复杂控制逻辑会诱导出长而深的适应度景观洼地，即使在高突变率和大种群规模下，病原体种群也难以跨越。
• 由于控制逻辑的结构，适应度景观中产生了符号上位性，使得绕过策略的适应路径变得非平凡且罕见。
• 该模型解释了哺乳动物中免疫控制逻辑的系统发育保守性，因为此类复杂性降低了对该系统的进化压力。
• 由于有效种群大小不足以在崎岖景观中采样所有路径，病原体种群无法高效探索所有可能的操纵路径。
• 在建模信号状态时使用三值逻辑（真、假、未知）可真实反映免疫信号中的不确定性与默认状态。
• 对手的适应度结果通过条件逻辑规则被定量定义，基于信号扰动产生 $+2m$、$+m$、$-2m$、$-m$ 或 $0$ 的变化，形成结构清晰且可分析的适应度函数。