发育期死亡率时机对衰老速率演化的决定性影响

《BMC Ecology and Evolution》：Timing of mortality during development alters the evolution of aging

本研究针对年龄依赖性死亡率如何影响衰老演化这一经典问题，通过建立Development-Aging (DA)和hDA两个数学模型，结合基于个体的模拟和确定性分析，揭示了发育期生存收益出现的时间对其进化效应具有关键影响：早期生存收益加速衰老速率，而晚期收益则延缓衰老。这一发现为理解发育轨迹与衰老动态的关联提供了理论框架，对解释不同物种衰老模式的多样性具有重要意义。

　　

在自然界中，不同物种展现出截然不同的衰老模式，有些生物年龄增长时死亡率急剧上升，而另一些则几乎观察不到衰老迹象。这种多样性背后隐藏着一个核心科学问题：衰老速率是如何通过自然选择演化而来的？传统理论认为，高外在死亡率（如捕食、事故）会削弱对缓慢衰老的选择压力，因为大多数个体在衰老效应显现前就已死亡。然而，这一理论在解释实际观察到的衰老模式时常常遇到挑战，特别是当死亡率随年龄动态变化时。

乔治·威廉姆斯(George Williams)在1957年提出的经典理论强调了外在死亡率在塑造衰老演化中的作用，但后续数学模型表明这种关系并非简单直接，而是受到种群密度依赖性和死亡率年龄依赖性的复杂影响。尤其值得注意的是，外在死亡率很少是年龄无关的——在发育过程中，随着个体生长成熟，由外在威胁导致的死亡风险通常会逐渐下降。例如，人类青少年时期因意外事故导致的死亡率会因行为模式改变而显著降低。这种发育过程中死亡率的时间动态变化，与衰老相关的内在生理功能下降相互作用，共同影响着衰老速率的演化轨迹。然而，这种时间动态如何具体影响衰老演化，特别是不同时机出现的生存收益会产生怎样不同的进化后果，仍然缺乏系统性的理解。

为了解决这一知识空白，Lenart等人开展了一项创新性研究，通过数学模型和计算模拟深入探讨了发育期死亡率时机对衰老演化的影响。他们的研究成果发表在《BMC Ecology and Evolution》上，为理解发育与衰老的协同演化提供了新的理论框架。

研究人员主要运用了两种互补的数学建模方法：基于个体的模拟和基于Euler-Lotka方程的确定性分析。他们首先建立了一个简约的Development-Aging (DA)模型，该模型基于Gompertz定律描述死亡率随年龄的指数增长，同时引入阶梯函数形式的发育期生存收益。通过大规模个体模拟（10,000个个体，1,000时间步长），系统改变了生存收益出现的时间点。此外，他们还开发了更复杂的hDA模型，该模型结合Gompertz-Makeham模型和两种不同时间动态的生存收益函数（指数衰减和逻辑函数），能够更好地拟合真实人类死亡率数据。研究利用人类死亡率数据库1948-2020年间8个国家的人口数据对模型参数进行估计，并通过拟合优度指标（R²、RMSE、AIC）验证模型性能。计算内在种群增长率r作为达尔文适应度的度量，通过数值积分方法构建适应度景观，从而定量分析不同参数条件下对缓慢衰老的选择压力。

早期生存收益加速、晚期收益延缓衰老速率的基础模型验证

研究人员首先通过简约的DA模型探究发育期生存收益时机对衰老演化的基本影响。模型假设衰老导致的死亡率按Gompertz定律指数增长，而发育过程带来的生存收益以阶梯函数形式降低死亡率。基于个体的模拟结果显示，衰老速率在模拟初期迅速下降后逐渐趋于稳定。当系统改变生存收益出现的年龄d时，发现了一个关键模式：早期出现的生存收益（d值较小）加速了衰老速率，而随着d值增大，这种效应逐渐减弱并最终转变为延缓衰老。这种时机效应的大小与生存收益的强度参数β成正比，但早期与晚期收益的定性差异在不同参数条件下保持一致。

确定性计算验证基于个体模拟的结论

为了验证模拟结果的稳健性，研究人员通过Euler-Lotka方程计算了不同参数组合下的内在种群增长率r。确定性计算得到的适应度景观与基于个体模拟结果高度一致，表明发育期生存收益对衰老演化的影响并非特定模拟条件的产物。相图分析清晰地区分了加速或延缓衰老演化的参数区域：早期生存收益（小d值）主要出现在红色区域，表示加速衰老；而晚期收益（大d值）则位于蓝色区域，表示延缓衰老。这种差异在广泛的初始衰老速率b₀范围内持续存在，表明确实存在一个复杂的时间依赖关系，而不仅仅是简单的幼年与成年死亡率区分。

扩展hDA模型准确描述人类死亡率动态

为了检验研究发现在更复杂死亡率动态下的适用性，研究人员开发了hDA模型，该模型结合Gompertz-Makeham项和两个分别代表早期与晚期生存收益的函数项。模型成功捕捉了人类死亡率数据的典型特征：幼年时期的快速下降、成年早期的平台期以及30岁后的指数增长。与现有模型（如Siler模型和Heligman模型）相比，hDA模型在拟合优度上表现相当或更优，特别是能够更好地描述成年早期的死亡率平台。参数估计结果与直觉预期一致：γ_max和λ_max在1948-2020年间持续下降，反映了医疗进步对儿童死亡率的降低效应；γ_max与5岁以下儿童死亡率高度相关，参数c与慢性病死亡率相关，表明模型参数具有明确的生物学意义。

早期与晚期生存收益在扩展模型中表现出相反的进化效应

在hDA模型的模拟中，研究人员再次观察到了与简约模型一致的定性模式：代表早期生存收益的γ_max增加加速了衰老速率，而代表晚期收益的λ_max增加则延缓了衰老。这种效应不仅体现在衰老速率演化的稳定水平上，也表现在演化速率本身上。早期收益使种群更快达到较高的衰老速率平衡点，而晚期收益则促进向更缓慢衰老的演化。这一模式在不同繁殖函数（有性、无性、年龄依赖等）条件下均保持稳健，表明研究结论对模型具体设定的敏感性较低。

max对衰老速率演化的影响。(b)λ_max对衰老速率演化的影响。(c-d)短期演化动态的差异。'>

低繁殖期死亡率削弱对缓慢衰老的选择压力

适应度景观分析揭示了生存收益影响衰老演化的内在机制。景观在低衰老速率和高λ_max或γ_max处出现平台，表示在这些参数区域内，进一步降低衰老速率对适应度的提升有限。选择压力σ（Δr/Δb）的计算显示，增加λ_max在大多数参数条件下增强了对缓慢衰老的选择（红色区域），而增加γ_max则减弱了选择压力（蓝色区域）。这种差异可以通过两个竞争效应的平衡来理解：一方面，生存收益增加了受衰老影响的个体比例，增强了对长寿的选择；另一方面，收益加速了种群增长，降低了老年个体的相对适应度价值。早期收益因对种群增长影响更大，从而削弱了对缓慢衰老的选择；而晚期收益主要增加长寿个体比例，因此增强了对缓慢衰老的选择。

max和γ_max的导数。'>

本研究通过严谨的数学模型和模拟分析，揭示了发育期死亡率时机对衰老速率演化的关键影响。早期生存收益（如生长发育带来的保护效应）通过强烈促进种群增长，削弱了对缓慢衰老的选择压力，从而加速衰老速率；而晚期收益（如学习、免疫适应等）主要通过增加长寿个体比例，增强了对缓慢衰老的选择。这一理论框架为解释不同物种衰老模式的多样性提供了新视角，特别是对理解那些与传统理论预测相悖的实验观察（如高捕食压力下孔雀鱼反而演化出更慢衰老）具有重要意义。研究还指出，可忽略衰老的演化可能在发育期生存收益较弱的条件下更受青睐，这与某些 testudines 类物种在野外环境中仍表现出随年龄增长的死亡率，而在保护环境下显示可忽略衰老的现象一致。

该研究的理论框架为理解发育与衰老的协同演化提供了重要工具，对预测人类人口变化对衰老演化的潜在影响具有参考价值。随着医疗进步和社会变迁持续改变着人类的死亡率和生育模式，理解这些变化将如何影响未来的衰老演化轨迹，成为一个值得深入探索的前沿科学问题。