基于代理的线虫系统建模为理解表型可塑性的进化限制与调控因素、风险规避策略以及环境稳态提供了新的见解

《Ecological Modelling》:Agent-based modelling of a nematode system provides novel insights into the evolutionary constraints and modulators of phenotypic plasticity, bet-hedging, and environmental homeostasis

【字体: 大 中 小 】 时间:2026年08月11日 来源:Ecological Modelling 3.5

编辑推荐:

  摘要:在本研究中,我构建了一个基于代理的模型,旨在探索在食物资源周期性波动的数字环境中,双型线虫Pristionchus pacificus的塑性基因型与非塑性基因型之间的竞争。通过模拟监测发育开关基因eud-1的两个等位基因固定出现的频率和时间,揭示了由三个主要变量相互作用所产

  摘要:在本研究中,我构建了一个基于代理的模型,旨在探索在食物资源周期性波动的数字环境中,双型线虫Pristionchus pacificus的塑性基因型与非塑性基因型之间的竞争。通过模拟监测发育开关基因eud-1的两个等位基因固定出现的频率和时间,揭示了由三个主要变量相互作用所产生的生态进化模式,这三个变量分别是塑性的内在成本、环境波动的时间尺度以及个体的塑性程度。有趣的是,虽然在中长期环境稳定且塑性较高的情况下,塑性策略可能在无成本条件下更具优势,但塑性的内在成本增加则可能选择出对环境信号敏感度极低或极高的基因型,导致塑性品系固定频率的依次下降以及不同品系共存时间的缩短,进而使非塑性突变体/移民的入侵更易发生,直至达到一个稳定状态。此外,两种替代表型之间的适应性差异可能是塑性基因型入侵非塑性种群的必要条件。总体而言,这些研究结果不仅验证了先前的理论发现,还揭示了涉及随机、条件性和固有表型产生的线虫系统对关键变量微小变化的敏感性,表明存在相变现象和关键的进化限制。

引言:基因型与表型之间的关系是生物学的核心内容之一,环境往往在将遗传信息转化为从蛋白质到复杂行为的各种表型特征的过程中起着关键作用。实际上,表型特征可能保持稳定,也可能因环境刺激而表现出不同表现。前者被称为环境稳态(Pigliucci, 2010),后者则称为表型塑性,通常指基因型能够根据不同环境条件产生不同表型的能力,这是一种非常重要且广泛存在的策略,有助于生物在快速变化的生态环境中生存或开拓新的生态位(Pigliucci, 2001; Ghalambor等, 2007; Fusco和Minelli, 2010; Bonamour等, 2019)。从文献中大量关于从单细胞生物到树木或哺乳动物的各种类群的研究案例可以看出,塑性能在原核生物和真核生物中普遍存在。塑性的显著例子包括细菌根据细胞密度调节分子生成(Kummerli等, 2009)、海鬣蜥根据食物可用性反复改变体长(Wikelski和Thom, 2000)、蜈蚣根据胚胎发育期间的温度形成不同数量的体节(Vedel等, 2008),以及其他涉及多种不同表型的案例,这些表型具有连续或离散的变化(多形性)、触发因素以及响应的可逆性(Bento等, 2010; Lin等, 2018; Escobar-Sandoval等, 2021; Mu等, 2021; Sjulg?rd等, 2021; Fogg等, 2022; Marian等, 2024)。有趣的是,尽管塑性通常被视为一种受条件调控的特性,但一些研究者也将随机调控视为单细胞和多细胞生物中塑性反应的重要驱动因素,因为有物种同时表现出这两种调控机制(Sommer, 2020)。实际上,环境依赖型塑性可以与风险分散策略——即在不可预测的环境和代际差异下采取的策略——共同演化(Donaldson-Matasci等, 2013),这种策略虽然会降低平均适应度,但能通过减少适应度变异为后代带来益处(Yasui和Garcia-Gonzalez, 2016; Susoy和Sommer, 2016)。在豌豆蚜虫中就观察到了这种混合策略的例子,也被称为“抛硬币式塑性”(Grantham等, 2016):尽管该物种产生有翅或无翅后代的概率取决于无性雌虫所面临的拥挤程度,但个体蚜虫仍能产生两种表型。这一案例很好地体现了生物系统中塑性的复杂性及其调控机制。

最重要的是,虽然代谢、生理和发育过程本质上对某些环境变量很敏感(Nijhout, 2002),但塑性背后的遗传结构和过程——包括转录、转录后和表观遗传调控——则为进化力量发挥作用提供了基础(Chevin等, 2013; Peltier等, 2018; Fortuna, 2022; Kovuri等, 2023)。例如,酵母(Duveau等, 2017)和线虫(Vigne等, 2021)的塑性反应强度会因单核苷酸突变而发生变化;此外,这一特性在实验室环境(Walworth等, 2016; Mallard等, 2020)和野生种群(Nussey等, 2005)中都会受到选择的调控。这些案例清楚地表明,进化过程确实可以调控塑性,从而使其水平上升、保持不变或下降,甚至完全丧失这种能力。这些动态可能受到表型塑性对适应度影响的制约。更具体地说,塑性可能是不适应的、中性的或适应性的(Ghalambor等, 2007),这取决于它对适应度是产生负面、中性还是正面影响。例如,当生物面临异质或多变的环境时,如果塑性反应能使平均表型更接近各环境的表型最优值,且环境信号足够可靠,同时塑性的成本较低,那么自然选择可能会青睐塑性。尤其是,尽管这类成本往往难以察觉,但它可能与额外的调控机制有关(Murren等, 2015; Hendry, 2015),却是影响进化结果的潜在决定性因素。在这种条件下,塑性可被视为一种通用策略(Chevin等, 2013)。相反,在变化频繁或变化模式不可预测的环境中,固定且无条件表达的表型更受青睐。只要某种表型的表达能在特定环境中带来最高的适应度,那么其固有表达——如果环境诱导的反应使平均表型偏离最优值,它可能源自塑性的降低或丧失——则可被视为一种专门策略(Acasuso-Rivero等, 2019; Storz和Scott, 2021)。最后,塑性也可能对适应度没有影响,此时它的演化可能依赖于遗传漂变等随机机制(Gomulkiewicz和Stinchcombe, 2022)。

除了利用实验进化研究(详见Kassen, 2002)和分析方法(Gabriel和Lynch, 1992; van Tienderen, 1997; King和Hadfield, 2019; Kasada和Yoshida, 2020)之外,计算建模和模拟也是一种重要方法,有助于揭示塑性基因型与非塑性基因型之间竞争的驱动条件。例如,最近有人强调了数字生物在测试理论预测方面的潜力,包括变量环境和静态环境分别会促进或抑制塑性的假设(Fortuna, 2022)。Lalejini和Ofria(2016)使用Avida数字进化平台研究了导致塑性的选择压力,他们得到的结果与之前包括Ghalambor等(2010)在内的研究一致,同时还观察到在条件性表型表达出现之前,表型通常是无条件表达的,并且先出现了次优形式的塑性,之后才是最优形式。另一项涉及面对不同环境条件的数字塑性与非塑性生物的研究也提供了有趣见解(Miras, 2024),即塑性的遗传成本可能会削弱这一策略的潜在优势。在基于代理的建模研究中也有类似发现。例如,Edelaar等(2017)使用NetLogo模拟平台探讨了导致适应性塑性或适应性栖息地选择的可能途径,以应对环境异质性,而Kalirad和Sommer(2024)则采用了一种整合的理论与实验框架,将这种建模技术与从Pristionchus pacificus线虫物种中获得的实验室数据相结合,研究塑性和随机性对不同品系竞争与共存的影响。

基于代理的建模是一种用于构建动态计算环境的技术(即基于代理的模型,以下简称ABM),在这种环境中,复杂系统的整体行为可以通过多个独立且主动的个体——即代理——之间的相互作用来模拟。简而言之,建模者为代理分配特定的属性、状态变量和算法,程序的运行则决定了代理在虚拟环境中要执行的所有活动。最重要的是,这些任务的同时执行可能导致有趣的新模式的自发形成(关于ABM和复杂系统的更多细节,参见Wilensky和Rand, 2015)。代理与环境之间的相互作用使得这类建模特别适用于生态学和进化学领域的研究(Murphy等, 2020),在这些领域中,种群基因库的变化可被视为多代生物在不同生态环境中遵循一定的遗传和发育规则而产生的集体现象。更具体地说,ABM可通过模拟具有实际对应特征的代理所面临的假设场景,为理解有利于塑性、随机性或环境稳态的选择压力提供一般性见解。

与Kalirad和Sommer(2024)采用的整合方法一致,我也构建了一个ABM,通过一个由基于Pristionchus pacificus模型生物的实验数据设计的代理构成的虚拟环境,开展探索性分析,以研究塑性基因型与非塑性基因型之间的竞争。尽管存在与所选生物特性相关的限制,但这种方法使得研究能够纳入一个新的维度,即表型产生过程中的随机成分——这一现象在该物种中已有大量研究记录(Susoy和Sommer, 2016)——这为评估环境诱导的反应与风险分散策略之间的相互作用提供了依据。在本研究中,我感兴趣的是探究:i)环境波动的具体时间尺度以及增加塑性基因型占据优势几率的遗传条件;ii)系统对塑性内在成本变化的敏感度;iii)影响进化轨迹的其他因素的存在。因此,这项分析的目标是提供一些新的见解,以支持、完善和拓展先前的理论发现和观点,同时展示当前ABM作为生成假设的动态工具的价值,这些假设也可应用于与此处研究具有结构相似性的案例。

片段摘录:基于代理的模型:这个基于代理的模型被称为PhePlastiComp,它是使用NetLogo建模环境和编程语言开发的(Wilensky, 1999),可从以下网址免费下载:https://doi.org/10.5281/zenodo.20452270。本研究中使用的NetLogo版本为6.2.0,同样可从以下网址免费获取:https://www.netlogo.org/downloads/archive/6.2.0/。不过,该模型也可以用该软件的更高版本打开。较高的塑性和中长周期的环境变化可能只是塑性策略的弱促进因素。对称分析是在不太可能的初始条件下进行的,即两种替代品系的个体数量相等(Kalirad和Sommer, 2024)(++和ee)。不过,这种简化有助于识别出一些有趣的种群动态,并探讨引入系统中的主要变量所带来的整体影响。此后,符号?fix(+)和?fix(e)用于表示两种等位基因固定的相对频率。

结论:通过建模环境、发育和遗传之间的复杂相互作用,并关注个体差异,基于代理的建模成为一种理想的方法,它能够借助那些已被证明是强大实验对象的物种的实证信息,从而获得理论见解。虽然本研究提出了PhePlastiComp作为一个可靠的模拟平台,用于研究P. pacificus中的竞争动态,但这项探索性分析仍提供了……

生成式AI及AI辅助技术声明:在准备本作品期间,我使用了Gemini来优化用于生成图3、图4、图5、图6、图7、图8的Python脚本,并进行统计分析,这些分析完全基于我原有的NetLogo数据。在使用该工具/服务后,我根据需要对内容进行了审阅和修改,并对最终发表的文章内容承担全部责任。

资金支持:本文所基于的博士研究得到了2014-2020年“研究与创新”计划(行动IV.5——绿色主题博士学位项目)的资助,该计划由欧洲社会基金(ESF)——REACT-EU提供支持。作者同时感谢巴勒莫大学的支持。

里卡多·塔兰蒂诺
意大利巴勒莫市科学大道90128号,巴勒莫大学
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号