Genotype specificity and spatial arrangement govern the direction and magnitude of selection in variable environments

기술적 요약: 유전자형 특이성과 공간적 배열이 변이 환경에서 선택을 지배함

문제 제기
환경적 이질성은 미생물 바이오필름 내의 영양분 구배부터 고형 종양 내의 산소 및 약물 구배에 이르기까지 생물학적 시스템의 보편적 특징이다. 공간적 구조가 진화적 결과에 영향을 미친다는 점은 확립되었으나, 환경적 변이가 집단 구조와 어떻게 상호작용하여 유익한 돌연변이의 고정 확률을 결정하는지에 대한 이론적 이해는 여전히 단편적이다. 이전 연구들은 상반된 결과를 보고해 왔다: 일부 모델은 공간적 이질성이 선택을 증폭시킨다고 제안하는 반면, 다른 연구들은 이를 억제한다고 시사한다. 기존 프레임워크는 종종 유전자형 특이적 상호작용, 즉 환경적 변이가 경쟁하는 유전자형들에 대칭적으로 작용하는지 아니면 한쪽에만 비대칭적으로 작용하는지를 체계적으로 고려하지 못한다. 이러한 통합 원리의 부재는 서로 다른 공간적 구조와 적합도 분포에 걸쳐 있는 다양한 이론적 결과들을 조화시키는 것을 방해한다.

방법론
저자들은 환경적 이질성을 통합한 격자 그래프에서의 선택을 위한 통합 프레임워크를 개발하였다. 이 모델은 무방향 그래프 (특히 1 차원 사이클과 2 차원 정사각형 격자) 상의 이산 시간 모란 (Moran) 출생 - 사망 과정을 활용한다.

• 적합도 지형: 노드 $i$에 있는 개체의 적합도는 $f_{\alpha,i} = r_\alpha + \sigma_\alpha c_i$로 정의되며, 여기서 $r_\alpha$는 유전자형 $\alpha$(돌연변이 $A$ 또는 거주자 $B$) 의 고유 적합도이고, $\sigma_\alpha$는 유전자형 특이적 이질성 진폭이며, $c_i \in \{+1, -1\}$는 국소 환경 상태 (풍부함 또는 빈곤함) 를 나타낸다.
• 상호작용 시나리오: 이 연구는 유전자형 - 환경 상호작용의 세 가지 클래스를 명시적으로 구분한다:
  1. S1 (유전자형 대칭): 두 유전자형 모두 환경적 변이에 동일하게 반응함 ($\sigma_A = \sigma_B = \sigma$).
  2. S2 (돌연변이 특이): 돌연변이만 환경적 변이에 반응함 ($\sigma_A = \sigma, \sigma_B = 0$).
  3. S3 (거주자 특이): 거주자만 환경적 변이에 반응함 ($\sigma_A = 0, \sigma_B = \sigma$).
• 공간적 배열: 환경 상태의 공간적 분포는 **공간 상관 지수 ($M$)**를 사용하여 정량화된다. 이 매개변수는 풍부하고 빈곤한 사이트의 군집화 대 혼합 정도를 측정하며, 최대 혼합 (체스판, 낮은 $M$) 에서 완전히 분리된 (군집화된 영역, 높은 $M$) 상태까지 범위를 가진다.
• 분석: 저자들은 마팅갈 방법과 후방 콜모고로프 방정식을 사용하여 한계 구성 (체스판 및 분리된 영역) 에 대한 분석적 유도, 그리고 1 차원 및 2 차원 격자에서 946 가지 환경 구성에 걸친 광범위한 수치 시뮬레이션 및 확률적 시뮬레이션을 결합하여 수행하였다.

주요 기여
이 연구의 주요 기여는 이질적 환경에서 선택의 방향과 크기를 결정하는 두 가지 지배 원리의 식별에 있다:

1. 유전자형 특이성이 방향을 결정함: 저자들은 환경에 의해 조절되는 유전자형의 적합도가 선택의 효과 방향 (선택의 증폭 대 억제) 을 주로 규정함을 입증하였다.

   • 거주자 특이 (S3): 이질성은 일관되게 선택을 증폭시켜 유익한 돌연변이의 고정 확률을 증가시킨다.
   • 돌연변이 특이 (S2): 이질성은 일반적으로 선택을 억제하여, 특히 강한 이질성 하에서 고정 확률을 감소시킨다.
   • 유전자형 대칭 (S1): 이질성은 S3 에 비해 더 약한 증폭 효과를 생성하며, 종종 2 차 경계 효과에서 비롯된다.

2. 공간적 배열이 크기를 결정함: 증폭 또는 억제의 크기는 유전자형 특이성에 의해 확립된 방향을 반전시키지 않은 채 공간 상관 지수 ($M$) 에 의해 조절된다.

   • 거주자 특이 시나리오에서, 고도로 혼합된 (낮은 $M$) 환경은 가장 강력한 증폭을 산출한다.
   • 돌연변이 특이 시나리오에서, 고도로 군집화된 (높은 $M$) 환경은 억제를 상쇄하여 혼합된 환경보다 더 높은 고정 확률을 초래한다.
   • 유전자형 대칭 시나리오에서, 관계는 비단조적이며, 고정 확률은 종종 중간 수준의 공간 혼합에서 최소화된다.

결과

• 분석적 한계: 체스판 (이분) 구성에 대한 정확한 분석적 해는 고정 확률이 적합도 비율의 유효 기하평균에 의존함을 확인시켜 주며, 이러한 특정 위상구조에 대해 "환경 등온 정리"를 검증한다. 분리된 구성에 대한 근사치는 고정 행동이 두 개의 균질한 환경의 평균처럼 작용함을 보여준다.
• 수치적 검증: 공간 상관의 연속체에 걸친 시뮬레이션은 분석적 한계가 무작위 또는 중간 구성에서 관찰된 고정 확률을 경계 짓는 것을 확인시켜 준다.
• 문헌의 조화: 이전 연구들을 이 프레임워크에 매핑함으로써, 저자들은 유전자형 특이성과 공간적 배열을 명시적으로 고려할 때 문헌의 겉보기에 모순되는 결과들이 일관됨을 보여준다. 증폭을 보고한 연구들은 거주자 특이적 또는 약한 이질성을 가진 분리된 모델과 일치하는 반면, 억제를 보고한 연구들은 돌연변이 특이적 또는 대칭적 무작위 모델과 일치한다.
• 그래프 연결성: 이 연구는 유전자형 특이성이 그래프 유형 전반에 걸쳐 예측 가능하게 유지되지만, 그래프 연결성이 증가함에 따라 공간적 배열 ($M$) 의 영향이 감소하며 (완전 그래프 한계에 접근), 공간적 상관관계가 무의미해진다고 지적한다.

의의
이 논문은 환경적 이질성과 관련된 진화적 그래프 이론의 오랜 불일치를 해결하는 통합 이론적 프레임워크를 제공한다고 주장한다. 유전자형 특이적 조절과 유전자형 대칭적 조절을 구분함으로써, 저자들은 이질적 지형에서의 적응을 위한 예측 기준을 제시한다. 이 발견들은 환경적 이질성이 본질적으로 선택을 증폭하거나 억제하는 것이 아니라, 어떤 유전자형이 영향을 받는지와 환경이 어떻게 공간적으로 배열되었는지에 대한 상호작용에서 결과가 도출됨을 시사한다. 이 프레임워크는 유전자형과 공간적 니치 간의 특정 상호작용을 이해하는 것이 진화 궤적을 예측하는 데 결정적인 미생물 군집, 체세포 진화, 그리고 암 진행을 포함한 다양한 생물학적 맥락에 적용 가능하다고 제시된다.