Эволюция может двигаться в определённом направлении даже без преимущества в приспособленности

Учёные из Израильского технологического института Технион обнаружили с помощью математической модели, что эволюция не обязательно движется случайным образом, когда несколько возможных вариантов обеспечивают организму одинаковую приспособленность. Моделирование показало, что в такой ситуации популяции могут постепенно смещаться к состояниям, которые лучше переносят мутации и другие изменения.

В эволюционной биологии приспособленность организма часто представляют в виде условного «ландшафта». Высокие участки соответствуют сочетаниям признаков, обеспечивающим лучший успех в выживании и размножении, а низкие — менее выгодным вариантам. Естественный отбор способен постепенно перемещать популяцию в сторону более высокой приспособленности.

Однако вершина такого ландшафта не обязательно представляет собой единственную точку. Разные сочетания признаков могут обеспечивать практически одинаковую приспособленность. Такое явление называют вырожденностью эволюционного ландшафта — множество разных фенотипов могут иметь одинаковый эволюционный успех.

Обычно предполагается, что после достижения такого участка дальнейшие изменения становятся в основном нейтральными. Если один вариант не даёт преимущества перед другим, популяция, казалось бы, должна перемещаться между ними преимущественно случайным образом под действием мутаций и генетического дрейфа.

Рази Фахарельдин и Наама Бреннер из Техниона проверили это предположение с помощью упрощённой математической модели эволюции. В ней учитывались мутации, естественный отбор, изменчивость внутри популяции и геометрическая форма ландшафта приспособленности. Затем исследователи использовали компьютерное моделирование, чтобы проследить изменение популяций на протяжении большого числа поколений.

Модель показала, что даже на участке, где все рассматриваемые варианты обладают одинаковой максимальной приспособленностью, движение популяции может иметь определённое направление. Со временем она смещалась в более «плоские» области ландшафта — туда, где небольшое изменение признаков с меньшей вероятностью приводит к резкому снижению приспособленности.

Авторы назвали этот эффект направленным дрейфом. Его причиной становится взаимодействие между изменчивостью популяции и геометрией ландшафта приспособленности. Более искривлённые участки сильнее ограничивают допустимые изменения признаков, тогда как плоские области позволяют популяции выдерживать более широкий диапазон изменений без значительных потерь приспособленности.

Иными словами, два фенотипа могут быть одинаково успешными в текущих условиях, но различаться тем, насколько опасными окажутся небольшие мутации вокруг каждого из них. Если один вариант расположен в более «плоской» части ландшафта, случайные изменения с меньшей вероятностью вытолкнут его потомков в область низкой приспособленности.

При этом естественный отбор не выбирает устойчивость как отдельную цель. Согласно модели, предпочтение более устойчивых областей возникает само по себе в результате сочетания мутаций, отбора, разнообразия внутри популяции и формы пространства возможных признаков.

Это означает, что эволюционная устойчивость к мутациям теоретически может появляться даже без прямого отбора на эту особенность. Популяция постепенно оказывается в области, где случайные изменения оказывают на неё меньше негативного воздействия.

Такой результат меняет интерпретацию некоторых процессов, которые обычно рассматриваются как нейтральная эволюция. Если разные варианты организма имеют одинаковую наблюдаемую приспособленность, это ещё не означает, что переходы между ними будут полностью случайными.

Исследование также показывает, что небольшие различия между особями могут содержать информацию о структуре эволюционного ландшафта. Распределение вариантов внутри популяции способно отражать не только текущий естественный отбор, но и путь, по которому популяция двигалась в прошлом.

Авторы отмечают сходство обнаруженного эффекта с некоторыми процессами в машинном обучении. При обучении нейронных сетей алгоритмы также нередко оказываются в более плоских областях пространства решений, где небольшие изменения параметров слабее влияют на результат. Однако механизмы, приводящие к такому поведению в эволюции и машинном обучении, различаются.

Работа пока не доказывает, что такой направленный дрейф в том же виде происходит во всех реальных биологических популяциях. Исследование основано на минимальной математической модели гладкого ландшафта приспособленности. Следующим шагом должна стать проверка того, насколько эффект сохраняется в более сложных моделях и можно ли обнаружить его признаки в данных о природных популяциях.

Если механизм подтвердится в реальных биологических системах, он поможет объяснить, почему эволюция способна приводить организмы к устойчивым состояниям даже тогда, когда такая устойчивость напрямую не увеличивает их текущую приспособленность.

Исследование опубликовано в журнале Proceedings of the National Academy of Sciences.