Drosophila-virus genotype interactions dominate transmission, virulence and load, eroding additive fitness variance

이 연구는 초파리와 시그마 바이러스를 대상으로 공진화 모델링과 대규모 실험 검사를 결합하여 숙주와 바이러스의 유전자형 간 상호작용이 전파, 병원성 및 바이러스 부하를 압도적으로 지배함으로써 가산적 유전 변이를 가리고 생태적 또는 진화적 조건이 변화할 때만 드러나는 은밀한 유전적 변이를 유지함을 보여준다.

핵심

두 사람 사이가 아니라 과일파리와 그 내부에 서식하는 바이러스 사이에서 펼쳐지는 고도의 긴장감이 감도는 가위바위보 게임을 상상해 보십시오. 오랫동안 과학자들은 이 게임에서 일부 파리는 (저항력이 있어) 이기는 데 "더 뛰어나고", 일부 바이러스는 (감염력이 있어) 이기는 데 "더 뛰어나" 상대가 누구든 간에 그렇게 작용할 것이라고 생각했습니다. 만약 그렇다면 "더 뛰어난" 플레이어들이 결국 지배하게 되어 개체군 내의 유전적 다양성은 사라지게 될 것입니다.

하지만 이 논문은 그 게임이 그보다 훨씬 더 복잡하고 흥미롭다고 제안합니다.

"열쇠와 자물쇠"의 미스터리
연구진은 부모에서 자식으로 전달되는 특정 바이러스와 과일파리 (Drosophila) 를 연구했습니다. 그들은 자연이 "약한" 개체들을 걸러낸다고 여겨지는데도, 왜 여전히 이렇게 다양한 종류의 파리와 바이러스가 존재하는지 알고 싶어 했습니다.

그들의 답은 거대한 열쇠와 자물쇠 세트를 연상시킵니다. 그들은 특정 바이러스 균주가 단순히 "일반적인" 감염 능력을 가진 것이 아니라, 오직 특정 파리 "자물쇠"에 대해서만 잘 작동한다는 사실을 발견했습니다.

• 유추: 당신이 열쇠 (바이러스) 와 집 (파리) 을 가지고 있다고 상상해 보십시오. 단순한 세계에서는 어떤 열쇠들이 모든 문을 여는 "마스터 키"일 수 있습니다. 하지만 이 연구에서는 열쇠들이 매우 구체적입니다. A 열쇠는 1 번 집을 완벽하게 열지만 2 번 집의 자물쇠에서는 아예 돌릴 수도 없습니다. B 열쇠는 2 번 집을 열지만 1 번 집에서는 실패합니다.

주요 발견: 모든 것은 매칭에 달려 있습니다
과학자들은 90 가지 다른 파리 가족과 바이러스 균주의 조합을 테스트했습니다. 결과는 충격적이었습니다.

• "슈퍼-파리"나 "슈퍼-바이러스"는 존재하지 않음: 모든 것에 저항하는 단일 파리 가족이나 모든 것을 감염시킬 수 있는 단일 바이러스는 없었습니다.
• 상호작용이 왕입니다: 결과 (파리가 얼마나 아팠는지, 얼마나 많은 바이러스를 운반했는지, 그리고 죽었는지) 는 거의 전적으로 그 파리와 그 바이러스의 구체적인 짝짓기에 달려 있었습니다.
• "숨겨진" 변이: 이득이 상대가 누구인지에 따라 완전히 달라지기 때문에, 파리나 바이러스의 유전적 "강함"은 종종 자연선택 과정으로부터 숨겨집니다. 한 바이러스에 대해 약해 보이는 파리가 다른 바이러스에 대해서는 챔피언이 될 수 있습니다. 이는 카드 덱에서 카드의 가치가 테이블 위의 다른 카드들에 따라 변하는 것처럼, 유전적 변이를 개체군 내에서 "암시적" (숨겨진) 상태로 유지시킵니다.

성별의 반전
이 연구는 또한 이 게임이 남성과 여성에게 다르게played 된다는 사실을 발견했습니다. 같은 가족의 수컷 파리에게는 악몽일 수 있는 바이러스가 암컷 파리에게는 사소한 불편함일 수 있습니다. 이는 또 다른 복잡성을 추가하여 자연이 파리와 바이러스의 단일한 "최고" 버전을 선택하는 것을 더욱 어렵게 만듭니다.

왜 이것이 중요한가 (논문에 따르면)
이 논문은 "승자"가 특정 상대에 따라 변하기 때문에 진화가 단순히 한 명의 승자를 선택하고 그것에 머무르지 않는다고 결론지었습니다. 대신 유전적 변이는 기다리며 배경에 숨겨져 있습니다.

카멜레온처럼 생각해 보십시오. 파리와 바이러스는 정적이지 않습니다. 그들의 적합성은 "맥락 의존적"입니다. 환경이 변하거나 바이러스가 새로운 방향으로 진화하면, 그 숨겨진 변이가 갑자기 드러날 수 있습니다. 이 논문은 이러한 개체군이 어떻게 진화하는지 이해하려면 평균적인 파리나 평균적인 바이러스만 보면 안 되며, 그들 사이의 구체적이고, messy 하며, 독특한 관계를 살펴봐야 한다고 주장합니다.

한 마디로 요약하자면:
자연은 "가장 강한" 파리나 "가장 똑똑한" 바이러스를 선택하지 않습니다. 상대가 바뀔 때마다 "최고" 전략이 변하기 때문에, 자연은 거대한 숨겨진 유전 변이 도서관을 살아있게 유지합니다. 게임은 전체적으로 가장 뛰어난 것이 아니라, 현재의 상대에게 완벽한 매칭을 가진 자가 이깁니다.

기술 요약

기술적 요약: 초파리-바이러스 유전자형 상호작용과 유전적 변이의 은폐

문제 제기
숙주-기생충 공진화는 이론적으로 감수성과 감염력에 대한 강력한 선택 압력을 생성할 것으로 예상되며, 이러한 역동성은 집단 내 유전적 변이를 빠르게 소멸시켜야 한다. 그러나 경험적 관찰은 자연 집단이 이러한 형질에서 광범위한 유전적 변이를 자주 유지하고 있음을 보여준다. 지배적인 가설은 부정적 빈도 의존적 선택이 유전자형 간 (G×G) 상호작용을 조성함으로써 이러한 변이를 유지한다고 제안한다. 직접적으로 선택에 노출되는 가산적 유전 분산과 달리, G×G 상호작용은 적합도 효과를 은밀하고 맥락 의존적으로 만들어 유전적 변이가 제거되는 것을 방어할 수 있다. 이러한 이론적 틀에도 불구하고, 이러한 상호작용이 실제 시스템에서 적합도 분산을 어떻게 구조화하는지, 특히 주효과 (가산적) 와 상호작용 효과를 구별하여 경험적으로 정량화할 필요가 있다.

방법론
이를 해결하기 위해 저자들은 이론적 모델링과 광범위한 경험적 실험을 결합한 이중 접근법을 사용하였다:

1. 공진화 모델링: 저자들은 공진화 역학이 숙주와 병원체의 적합도에서 유전 분산의 분포에 미치는 영향을 예측하기 위해 시뮬레이션을 개발하였으며, 특히 가산적 분산의 소멸 대 상호작용 분산의 축적을 추적하였다.
2. 실험적 감염 분석: 이 연구는 Drosophila melanogaster(검은초파리) 와 시그마 바이러스를 포함하는 수직 전염 바이러스 시스템을 활용하였다. 연구자들은 90 가지의 서로 다른 숙주 - 바이러스 유전자형 조합에 걸친 대규모 감염 분석을 수행하였다. 그들은 전염 효율, 바이러스 부하, 그리고 독력이라는 세 가지 중요한 적합도 구성 요소를 측정하였다. 실험 설계는 분산을 숙주 주효과, 바이러스 주효과, 그리고 숙주 - 바이러스 상호작용 항으로 통계적으로 분할할 수 있게 하였다.

주요 기여 및 결과
이 연구는 이 시스템에서 적합도 결과의 주요 동인이 가산적 유전 효과보다는 유전자형 특이적 상호작용임을 강력하게 입증한다:

• 상호작용 항의 우세: 시뮬레이션과 실험 데이터 모두 공진화가 숙주와 병원체 적합도에서 가산적 유전 분산을 소멸시킨다는 것을 확인한다. 결과적으로, 관찰된 전염, 바이러스 부하, 그리고 독력의 분산 대부분은 숙주나 바이러스 유전자형의 주효과가 아닌 숙주 - 바이러스 유전적 상호작용 (G×G) 에 의해 지배된다.
• 일관된 적합도 이점의 부재: 결과는 특정 숙주 저항성 대립유전자나 바이러스 유전자형이 서로 다른 유전적 배경에서 일관되게 더 높은 적합도를 부여하지 않음을 보여준다. 적합도는 숙주와 바이러스 유전자형의 특정 짝짓기에 의해 결정되는 매우 맥락 의존적이다.
• 성별 특이성: 상호작용은 성별 특이적인 것으로 발견되었으며, 이는 선택이 작용할 수 있는 유전적 적합도 변이의 양을 더욱 제한하는 요인이다.
• 은밀한 변이: 이 연구는 공진화가 상호작용 파트너의 유전적 배경에 의존적인 적합도 결과를 만들어냄으로써 유전적 변이를 어떻게 은폐하는지 정량화한다.

의의 및 주장
이 논문은 자연 집단에서 관찰되는 광범위한 은밀한 유전적 변이가 상호작용 항에 분산을 집중시키는 공진화 역학의 직접적인 결과라고 주장한다. 이러한 은폐 효과는 강력한 선택 압력에도 불구하고 유전적 변이의 지속성을 설명한다. 저자들은 이러한 변이가 정적이지 않으며, 생태적 또는 진화적 조건이 변할 때나 공진화 과정 자체가 선택의 방향을 변경할 때 드러날 수 있다고 주장한다.

이러한 발견의 주요 의의는 진화적 반응을 예측할 때 유전자형 특이적 상호작용을 고려해야 한다는 필요성에 있다. 이 연구는 가산적 유전 분산에만 의존하는 모델이나 예측이 숙주 - 병원체 시스템의 진정한 진화적 잠재력을 포착하지 못할 수 있다고 주장하는데, 그 이유는 관련 변이가 종종 복잡한 상호작용 네트워크 내에 숨겨져 있기 때문이다.