[论文解读] Eco-evolution from deep time to contemporary dynamics: the role of timescales and rate modulators

Emanuel A. Fronhofer, Dov Corenblit+6 more|arXiv (Cornell University)|Oct 21, 2022

Evolution and Genetic Dynamics被引用 4

一句话总结

本文通过整合从深时到当代过程的所有时间尺度的生态学与进化论，重新定义了生态—进化动态，提出涌现现象不仅源于快速变化，也源于缓慢的长期反馈。它识别出温度和遗传结构等速率调节因子作为关键驱动力，可同步或解耦生态与进化动态，尤其在气候变化背景下，挑战了仅关注‘快速’进化的狭隘视角，并呼吁采用整合性、机制性的模型以提升在非典型条件下的可预测性。

ABSTRACT

Eco-evolutionary dynamics, or eco-evolution for short, are thought to involve rapid demography (ecology) and equally rapid phenotypic changes (evolution) leading to novel, emergent system behaviours. This focus on contemporary dynamics is likely due to accumulating evidence for rapid evolution, from classical laboratory microcosms and natural populations, including the iconic Trinidadian guppies. We argue that this view is too narrow, preventing the successful integration of ecology and evolution. While maintaining that eco-evolution involves emergence, we highlight that this may also be true for slow ecology and evolution which unfold over thousands or millions of years, such as the feedbacks between riverine geomorphology and plant evolution. We thereby integrate geomorphology and biome-level feedbacks into eco-evolution, significantly extending its scope. Most importantly, we emphasize that eco-evolutionary systems need not be frozen in state-space: We identify modulators of ecological and evolutionary rates, like temperature or sensitivity to mutation, which can synchronize or desynchronize ecology and evolution. We speculate that global change may increase the occurrence of eco-evolution and emergent system behaviours which represents substantial challenges for prediction. Our perspective represents an attempt to integrate ecology and evolution across disciplines, from gene-regulatory networks to geomorphology and across timescales, from contemporary dynamics to deep time.

研究动机与目标

• 将生态—进化动态的范围从当代快速变化扩展至缓慢的深时过程，如河流地貌学与植物进化。
• 挑战当前普遍认为仅快速生态与进化变化才能产生系统涌现行为的假设。
• 识别速率调节因子（如温度和遗传结构）在同步或解耦生态与进化动态中的作用。
• 通过倡导基于机制性、多层网络的建模方法，解决当前相关性模型在预测全球变化条件下涌现行为时的局限性。
• 推动一种更整合的框架，跨越学科与时间尺度，连接基因调控网络、生态系统与地质过程。

提出的方法

• 提出一个概念性框架，将生态学与进化论在从世代到宏进化的各种时间尺度上统一起来，以‘涌现’作为统一原则。
• 引入速率调节因子（如温度、突变敏感性、遗传去稳定化）作为可改变生态与进化过程相对速度的关键因素。
• 运用多层网络视角，从基因调控网络到生态系统层面的相互作用，表征生态—进化反馈。
• 利用长期实证证据（如特立尼达河鳉鱼、珊瑚系统）和理论模型，证明快速进化并非生态—进化反馈的先决条件。
• 分析全球变化因素（如变暖、栖息地破碎化、污染）作为环境调节因子，可能推动系统进入新的生态—进化范式。
• 倡导采用整合物种相互作用、种群动态、生理学与进化的机制性模型，以克服纯相关性方法在非典型条件下的局限性。

实验结果

研究问题

• RQ1 如何在有意义地将生态—进化动态从当代快速变化扩展至缓慢的深时过程，如河流地貌学与植物进化？
• RQ2 速率调节因子（如温度和遗传结构）在同步或解耦生态与进化动态中发挥何种作用？
• RQ3 河流系统与植物进化之间的地貌反馈在长时间尺度上如何构成生态—进化过程？
• RQ4 全球变化驱动因素（如变暖与栖息地破碎化）如何影响系统涌现生态—进化行为的可能性？
• RQ5 在非典型、快速变化的环境中，需要何种建模框架来预测系统涌现行为？

主要发现

• 生态—进化动态不仅限于快速变化；缓慢的长期反馈（如河流地貌学与植物进化之间的反馈）同样可产生系统涌现行为。
• 温度等速率调节因子可使生态与进化速率脱钩，变暖可能减缓生态过程而加速进化过程，从而增加生态—进化反馈的可能性。
• 土地利用变化、城市化与污染等全球变化因素可作为强烈的选择压力，引发快速进化响应，并推动系统进入新的生态—进化范式。
• ‘涌现’概念同样适用于缓慢与快速动态，挑战了仅快速变化才能产生新型系统行为的假设。
• 当前基于机器学习与人工智能的相关性模型在非典型条件下可能失效，因其缺乏机制基础，因此亟需整合性、多层网络模型。
• 通过多层网络框架整合基因调控网络、生态系统网络与地质过程，为实现更具预测性的生态—进化科学提供了有前景的路径。