📄 evolutionary biology

The evolution of genetic drift over 50,000 generations

Durch die Analyse von 50.000 Generationen des E. coli Long-Term Evolution Experiment demonstriert diese Studie, dass die Varianz im Reproduktionserfolg, welche die genetische Drift antreibt, sich zwischen Replikaten der Populationen deutlich und divergent entwickelt, wodurch die Wahrscheinlichkeit, mit der sich vorteilhafte Mutationen etablieren und adaptive Trajektorien direkt beeinflussen, verändert wird.

Ursprüngliche Autoren: Ascensao, J. A., Yu, Q., Hallatschek, O.

Veröffentlicht 2026-01-27

📖 4 Min. Lesezeit☕ Kaffeepausen-Lektüre

CC BY 4.0

Ursprüngliche Autoren: Ascensao, J. A., Yu, Q., Hallatschek, O.

Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ⚕️ Dies ist eine KI-generierte Erklärung eines Preprints, das nicht peer-reviewed wurde. Dies ist kein medizinischer Rat. Treffen Sie keine Gesundheitsentscheidungen auf Grundlage dieses Inhalts. Vollständigen Haftungsausschluss lesen

Stellen Sie sich ein gewaltiges, 50.000 Generationen langes Rennen vor, bei dem Bakterien die Läufer sind. In diesem Rennen ist die wichtigste Regel nicht nur, wer am schnellsten oder stärksten ist; es geht um Glück.

In der Biologie wird dieses „Glück“ als Gendrift bezeichnet. Es ist der Zufall, der bestimmt, welche Bakterien Nachkommen bekommen und welche nicht, unabhängig davon, ob sie besonders gut im Überleben sind oder nicht. Man kann es sich wie eine Lotterie vorstellen: Manchmal ist das Gewinnlos einfach ein reiner Zufall, nicht unbedingt das beste Los im Stapel.

Die Wissenschaftler in dieser Studie wollten wissen: Ändert sich der Anteil an „Glück“ in dieser Lotterie im Laufe der Zeit?

Die zwei Schlüsselzahlen

Um ihre Ergebnisse zu verstehen, müssen wir uns zwei Zahlen ansehen:

Die Crowd-Größe: Wie viele Bakterien befinden sich zum gegebenen Zeitpunkt tatsächlich im Glas.
Die Varianz der Familiengröße: Wie ungleichmäßig die Familiengrößen verteilt sind. Haben alle Bakterien genau 2 Babys? Oder hat ein einziges Glücksbakterium 100 Babys, während sein Nachbar gar keine hat?

Normalerweise betrachten Wissenschaftler eine kombinierte Zahl (die sogenannte effektive Populationsgröße), die diese beiden Werte vermischt. Das ist so, als würde man auf das Gesamtgewicht eines Lastwagens schauen, ohne zu wissen, ob er einen schweren Felsen oder tausend leichte Kieselsteine transportiert. Diese Arbeit entschied sich dafür, den Felsen von den Kieselsteinen zu trennen, um zu sehen, was wirklich geschah.

Das Experiment

Die Forscher untersuchten E. coli-Bakterien, die in einem Labor über 50.000 Generationen hinweg evolvierten. Sie verfolgten zwei verschiedene Gruppen von Bakterien (nennen wir sie Team A und Team B), die von demselben Vorfahren abstammten.

Sie nutzten einen klugen Trick: Sie gaben den Bakterien „Barcodes“ (wie eindeutige ID-Tags), damit sie beobachten konnten, wie sich die Anzahl jeder spezifischen Familie im Laufe der Zeit veränderte, während sie gleichzeitig die Gesamtzahl der Bakterien zählten.

Die große Entdeckung

Nach 50.000 Generationen fanden sie etwas Überraschendes heraus: Die Regeln der Lotterie änderten sich, und sie änderten sich für die beiden Teams unterschiedlich.

Team A (Ara+2): Dieses Team blieb recht nah an der „Standard“-Erwartung. Die Zufälligkeit, wer Nachkommen hatte, blieb relativ gering und vorhersehbar.
Team B (Ara-2): Dieses Team wurde viel chaotischer. Die „Varianz“ in den Familiengrößen wurde riesig. Einige Bakterien wurden zu Super-Eltern mit massiven Familien, während andere ohne Nachkommen ausstarben. Dies bedeutete, dass der Gendrift in dieser Gruppe 1,5- bis 5-mal stärker wurde.

Entscheidend war, dass dies nicht daran lag, dass sich die Gesamtzahl der Bakterien änderte. Es lag daran, dass die Art und Weise, wie sie sich fortpflanzten, ungleichmäßiger und unvorhersehbarer wurde. Das „Glücks-Element“ hat sich entwickelt.

Dies ist wichtig, denn die Arbeit erklärt, dass diese Änderung des Glücks eine direkte Auswirkung darauf hat, wie gut sich neue, hilfreiche Merkmale (vorteilhafte Mutationen) durchsetzen können.

Stellen Sie sich eine vorteilhafte Mutation wie ein Goldticket vor.

In Team A, wo die Lotterie fair und beständig ist, hat ein Goldticket eine gute Chance, gezogen zu werden.
In Team B, wo die Lotterie chaotisch ist und von einigen wenigen, super-glücklichen Gewinnern dominiert wird, ist ein Goldticket viel wahrscheinlicher im Getümmel verloren geht.

Die Mathematik zeigt, dass ein hilfreiches neues Merkmal in Team A etwa doppelt so wahrscheinlich erfolgreich ist und sich verbreitet wie in Team B.

Das Wesentliche

Die Hauptbotschaft ist einfach: Evolution bedeutet nicht nur, die Bakterien zu verändern; es geht darum, die Umgebung des Zufalls selbst zu verändern.

Über 50.000 Generationen hinweg entwickelten die Bakterien in einer Gruppe, in der das „Glück“ eine viel größere Rolle für ihr Überleben spielte als in der anderen Gruppe. Diese Verschiebung der Regeln des Zufalls bestimmte direkt, wie leicht sie sich an neue Herausforderungen anpassen konnten. Die „Stärke des Drifts“ ist keine feste Konstante der Natur, sondern eine Eigenschaft, die sich entwickeln kann – genau wie Geschwindigkeit oder Stärke.

Technisches Resümee: Die Evolution der Gendrift über 50.000 Generationen

Problemstellung
Die Gendrift, definiert als die zufällige Variation im Reproduktionserfolg, ist eine fundamentale Kraft, welche die genetische Diversität und evolutionäre Trajektorien prägt. Das Ausmaß dieser Drift wird durch die Varianz der Nachkommenzahl ( $\sigma^2$ ) bestimmt – ein Parameter, der entscheidende evolutionäre Ergebnisse, wie etwa die Etablierungswahrscheinlichkeit vorteilhafter Mutationen (welche invers mit $\sigma^2$ skaliert), direkt beeinflusst. Trotz ihrer theoretischen Bedeutung bleibt es ungeklärt, ob $\sigma^2$ selbst über lange Zeiträume hinweg evolviert. Diese Unsicherheit ergibt sich daraus, dass Standardbeobachtungen von Allelfrequenz-Fluktuationen von der effektiven Populationsgröße ( $N_e$ ) abhängen, einem zusammengesetzten Parameter, der die Zensuspopulationsgröße ( $N$ ) mit der Varianz der Nachkommenzahl ( $\sigma^2$ ) konfundiert. Folglich lassen sich Änderungen der Driftstärke mittels traditioneller Metriken allein nicht leicht von Änderungen der Populationsgröße unterscheiden.

Methodik
Um diese Komponenten zu entwirren, nutzten die Autoren Daten aus dem E. coli Long-Term Evolution Experiment (LTEE und analysierten spezifisch zwei Replikatspopulationen (Ara-2 und Ara+2) über 50.000 Generationen hinweg. Die Studie verwendete ein modellbasiertes Bayessches Inferenzverfahren kombiniert mit zwei unterschiedlichen Datenströmen:

Gemeinsame Verfolgung (Joint Tracking): Gleichzeitige Überwachung der Frequenzfluktuationen in neutral markierten Abstammungslinien und der Zensuspopulationsgrößen über Wachstumszyklen hinweg.
Temporale Probenahme (Temporal Sampling): Analyse von 33 Klonen, die vom Ahnenstamm bis zu 50.000 Generationen reichen.

Dieser Ansatz ermöglichte es den Forschern, die Beiträge der Zensusgröße ( $N$ ) und der Varianz des Reproduktionserfolgs ( $\sigma^2$ ) zur effektiven Populationsgröße ( $N_e$ ) zu trennen und somit die Evolution der Driftstärke selbst zu isolieren.

Zentrale Beiträge und Ergebnisse
Die Studie liefert empirische Belege dafür, dass die Stärke der Gendrift kein statischer Parameter ist, sondern über lange evolutionäre Zeiträume hinweg deutlich und divergent evolviert. Die primären Ergebnisse umfassen:

Entkopplung von $N$ und $\sigma^2$ : Sowohl die Zensuspopulationsgröße als auch die Varianz der Nachkommenzahl ( $\sigma^2$ ) änderten sich im Laufe der Zeit erheblich. Der Großteil der Variation in der effektiven Populationsgröße ( $N_e$ ) wurde jedoch durch Verschiebungen in $\sigma^2$ und nicht durch Änderungen der Zensusgröße getrieben.
Divergente evolutionäre Trajektorien: Nach etwa 2.000 Generationen divergierten die beiden Replikatspopulationen in ihrer Drift-Dynamik drastisch:
- Ara+2: Die Varianz der Nachkommenzahl blieb nahe an einer „Bottleneck-only“-Nullerwartung, was auf eine minimale evolvierte Stochastizität während des Wachstums hindeutet.
- Ara-2: Diese Population wies eine 1,5- bis 5-mal stärkere Drift auf als Ara+2. Diese Zunahme ist konsistent mit einer evolvierten Zunahme der Stochastizität während der Wachstumsphase.
Auswirkung auf die Adaptation: Da die Etablierungswahrscheinlichkeit einer vorteilhaften Mutation als $1/\sigma^2$ skaliert, hat die beobachtete Divergenz direkte funktionale Konsequenzen. Eine vorteilhafte Mutation einer gegebenen Effektgröße ist berechneten Modellen zufolge etwa doppelt so wahrscheinlich in der Ara+2-Population zu etablieren wie in der Ara-2-Population.

Bedeutung
Die Arbeit zeigt, dass der entscheidende Parameter, der die Gendrift steuert ( $\sigma^2$ ), selbst ein evolvierbares Merkmal ist. Durch den Nachweis, dass die Driftstärke selbst in Replikatspopulationen unter ähnlichen Bedingungen divergent evolvieren kann, etabliert die Studie, dass das „Rauschen“ der Evolution dynamisch ist. Diese Evolution der Drift hat direkte, quantifizierbare Folgen für die Wahrscheinlichkeit der Adaptation, indem sie die Wahrscheinlichkeit verändert, mit der vorteilhafte Mutationen erfolgreich in einer Population etabliert werden.

Die zwei Schlüsselzahlen

Das Experiment

Die große Entdeckung

Das Wesentliche

Technisches Resümee: Die Evolution der Gendrift über 50.000 Generationen

Mehr davon