《Theoretical Population Biology》：A continuous-time model to correct for selection in mutation accumulation experiments
编辑推荐：
为解决突变积累（MA）实验中因群体增长阶段选择作用导致的适应性效应分布（DFE）估计偏倚问题，本研究从离散时间模型拓展出连续时间随机模型。该研究开发了计算高效的技术，可校正实验数据，无论转移全部菌落还是仅转移可见菌落，均能更准确地估算DFE，对精确理解突变效应和进化过程具有重要意义。
在微观世界的演化剧场中，细菌等微生物如同不知疲倦的演员，其基因组中不断上演着随机的突变戏码。为了理解这些突变如何塑造生命，生物学家们设计了一种名为“突变积累”（Mutation Accumulation, MA）的实验范式。这种实验的核心思想是，通过人为制造反复的群体瓶颈（例如，每次只随机挑选一个个体进行繁殖），尽可能地消除自然选择的作用，让突变得以近乎中性、随机地累积。通过对这些累积突变的分析，科学家们可以估算关键的遗传参数，例如突变率、突变谱，以及至关重要的“适应性效应分布”（Distribution of Fitness Effects, DFE），即突变对生物体适应度影响的概率分布，范围涵盖有益、中性到有害效应。
然而，理想很丰满，现实却很骨感。MA实验虽然旨在最小化选择，但一个固有的矛盾始终存在：为了在两次瓶颈之间获得足够数量的个体以供下一次取样，微生物群体必须经历一段时间的无限制生长。在细菌实验中，这段生长期通常长达15到30代。这短短的生长窗口，足以让那些稍具优势的有益突变“偷偷”地扩张自己的势力范围，而让有害突变更快地销声匿迹。这种“选择偏倚”效应，会导致实验中观察到的DFE严重向有益突变倾斜，从而低估有害突变的比例，歪曲我们对真实进化力量的理解。先前的研究虽然尝试用离散时间模型来校正这种偏倚，但微生物的实际分裂往往是不同步的，更符合连续时间的生长模式。此外，实际操作中，实验人员通常只选择那些肉眼可见的大菌落进行转移，这进一步加剧了选择偏倚，而以往的校正方法未能考虑到这一现实因素。
为了更精准地捕捉微生物生长的真实动态，并解决“仅转移可见菌落”带来的额外偏倚，由Mojgan Ezadian和Lindi M. Wahl领导的研究团队在《Theoretical Population Biology》上发表了他们的最新成果。他们将此前建立的离散时间随机模型扩展到了一个连续时间框架。连续时间模型的优势在于，它允许个体在不同步的时间点进行繁殖，更贴近微生物生长的自然状态，并能同时研究影响出生率（如繁殖速度更快）和存活率（如死亡概率更低）的突变效应。研究团队针对两种不同的子代分布（模拟细菌裂殖的二项分布和种群遗传学中常用的泊松分布）建立了相应的连续时间分支过程模型，推导出描述群体状态的概率生成函数（Probability Generating Function, PGF）及其演化的偏微分方程。他们发展了两套计算高效的技术：一套用于校正所有菌落被随机选择时的数据；另一套则专门用于校正只有大小超过特定阈值（即可见）的菌落被选择时的数据，后者利用了快速傅里叶变换和部分求和的数学技巧来高效计算。通过大量的随机模拟验证，他们证明，无论是考虑所有菌落还是仅考虑可见菌落，其新开发的校正方法都能有效地从被选择偏倚污染的观测数据中，恢复出真实的突变适应性效应分布。
本研究运用的关键技术方法主要包括：1. 连续时间分支过程建模：构建了双类型（野生型和突变型）连续时间分支过程，利用概率生成函数描述种群动态。2. 方法特征线法：将偏微分方程转化为常微分方程组进行数值求解。3. 相对偏倚计算：通过积分概率生成函数的偏导数，计算特定选择系数（s）下突变个体被选中的相对概率。4. 可见菌落偏倚校正：开发了基于快速傅里叶变换和部分求和的两种数值方法，专门处理仅当菌落总大小超过阈值T时才被选中的实验场景。5. 随机模拟验证：进行大规模的、基于个体的连续时间随机模拟，模拟完整的MA实验流程（包括突变发生、个体生长、菌落选择和谱系追踪），以验证数学模型和校正方法的准确性。
模型构建：研究从简单的纯生过程出发，推导了连续时间框架下描述野生型和突变型个体数量的概率生成函数所满足的偏微分方程。随后，将其扩展到两种更现实的子代分布模型：一种是模拟细菌一分为二且子代可能死亡的“裂殖分布”；另一种是种群遗传学中常用的“泊松分布”。通过方法特征线法，研究者将偏微分方程转化为可数值求解的常微分方程组，为后续计算奠定了基础。
选择偏倚的计算：为了量化选择偏倚，研究者定义了“相对偏倚”b(s)，即携带选择系数s的突变个体被选为下一代祖先的概率，与中性突变（s=0）被选中概率的比值。他们发展了一种高效的数值方法，通过计算并积分概率生成函数对突变型虚拟变量的偏导数，直接得到相对偏倚b(s)，而无需枚举所有可能的种群状态概率。
针对可见菌落的校正技术：考虑到实验实际，研究者进一步开发了校正“仅转移可见菌落”这一操作引入额外偏倚的方法。他们将问题转化为一个幂级数求和问题，并提出了两种解决方案：一是利用快速傅里叶变换精确提取幂级数各项系数；二是通过部分求和技术，直接计算所需系数之和，这种方法在模拟很多代生长、菌落可能极大时，能显著降低计算内存需求。
模拟验证与应用：通过大量的随机模拟实验，研究者验证了其连续时间模型及校正方法的有效性。模拟结果显示，随着瓶颈间生长世代数增加，观测到的DFE与真实DFE的偏差加剧，但应用本文的校正方法后，校正后的DFE与真实DFE高度吻合。研究还特别对比了“选择作用于出生率”和“选择作用于存活率”两种情况，发现对于相同的选择系数s，影响存活率的突变表现出的选择偏倚更强。此外，研究明确证实，如果实验仅选择可见菌落转移却不使用专门的校正方法（即错误地使用针对所有菌落的校正公式），将无法准确恢复真实DFE；而应用新开发的针对可见菌落的校正方法后，即可得到准确结果。
这项研究通过构建一个更贴近微生物实际生长模式的连续时间随机模型，显著提升了对突变积累实验中内在选择偏倚的刻画精度。它不仅证实了连续时间框架下选择偏倚比离散时间模型更强，还首次提供了校正“仅转移可见菌落”这一普遍实验操作所引入偏倚的有效工具。该研究的核心结论在于，无论是考虑所有菌落还是仅考虑可见菌落，只要应用相应的校正方法，都能从MA实验数据中准确估算出突变真实的适应性效应分布。这一进展对于进化生物学、遗传学等领域至关重要，它意味着科学家们可以更可靠地利用MA实验这一强大工具，来探测突变率的真相、解析适应性效应分布的图谱，并深入理解包括衰老、突变率进化、适应速率乃至突变熔毁风险在内的多种进化过程。最终，这项工作为在更现实的条件下解读进化实验数据提供了坚实的数学基础和实用的计算方案。
