Interactions between epistasis and pleiotropy in generic models of complex traits

Evolutie wordt vaak voorgesteld als een rechte lijn van verbetering, waarbij een enkele gunstige verandering een soort leidt naar een betere toekomst. In werkelijkheid is het pad veel meer verstrengeld. Het effect van een nieuwe genetische verandering, of mutatie, hangt zelden alleen af van de mutatie zelf. In plaats daarvan hangt het sterk af van de genetische achtergrond waarin deze verschijnt — de duizenden andere genetische variaties die al aanwezig zijn in het organisme. Dit fenomeen, bekend als epistase, betekent dat een verandering die een bacterie helpt in één genetische context, nutteloos of zelfs schadelijk kan zijn in een andere. Bovendien beïnvloeden de meeste mutaties niet slechts één kenmerk; ze rimpelen door het organisme heen en beïnvloeden meerdere eigenschappen tegelijkertijd. Dit wordt pleiotropie genoemd. Wanneer omgevingen veranderen, zoals ze in de natuur constant doen, interageren deze twee krachten op complexe manieren. Een mutatie die een organisme helpt te overleven tijdens een hittegolf, kan het schaden tijdens een koude periode, en de aanwezigheid van andere mutaties kan deze effecten versterken of dempen. Het begrijpen van hoe deze interacties de evolutie vormgeven, is cruciaal voor het voorspellen van hoe het leven zich aanpast aan een veranderende wereld, maar de regels die deze effecten tussen omgevingen beheersen, zijn grotendeels mysterieus gebleven.

Een team van onderzoekers probeerde dit web te ontwarren door een eenvoudig maar krachtig systeem te bestuderen: bakkersgist. Ze wilden weten of de rommelige, onvoorspelbare interacties tussen mutaties en omgevingen volgens verborgen, eenvoudige regels verliepen. Hiervoor creëerden ze een enorme bibliotheek van giststammen. Ze begonnen met 87 verschillende genetische achtergronden, die elk een unieke mix van genetische variaties vertegenwoordigden, verkregen door een laboratoriumstam te kruisen met een wilde wijnstam. In elk van deze 87 achtergronden introduceerden ze 91 specifieke genverstoringen, waardoor effectief een raster van duizenden unieke gistgenotypen werd gecreëerd. Vervolgens kweekten ze deze stammen in vijf verschillende omgevingen, variërend van standaard voedselrijke condities tot zwaardere omstandigheden zoals hoge temperaturen of verschillende suikerbronnen. Door de groeisnelheid van elke stam in elke conditie te meten, konden ze precies berekenen hoeveel elke specifieke mutatie de gist hielp of schaadde, afhankelijk van de genetische achtergrond en de omgeving waarin deze zich bevond.

De onderzoekers zochten naar een patroon in de ruis. Ze veronderstelden dat als mutaties op een willekeurige maar wijdverspreide manier met elkaar interageren, er een voorspelbare structuur zou kunnen ontstaan. Ze stelden twee hoofdscenario's voor. In het eerste scenario stelden ze zich voor dat de genetische achtergrond werkt als een willekeurige mist, waarbij het effect van een mutatie simpelweg de som is van vele kleine, willekeurige interacties. In dit geval zou de relatie tussen het effect van een mutatie en de fitness van de achtergrond een specifieke, voorspelbare curve volgen. In het tweede scenario overwoogden ze dat hoewel de interacties misschien willekeurig zijn, de manier waarop ze verschillende omgevingen beïnvloeden, aan elkaar gekoppeld zou kunnen zijn. Misschien worden dezelfde onderliggende genetische "modules" of paden in alle omgevingen bijgesteld, maar met een andere weging. Als dit waar zou zijn, zou het weten hoe een mutatie zich in één omgeving gedraagt, wetenschappers in staat stellen te voorspellen hoe deze zich in een andere omgeving gedraagt, zelfs zonder het direct te meten.

Toen ze de gegevens analyseerden, ontdekten ze dat de werkelijkheid een mix was van zowel orde als chaos. Voor ongeveer de helft van de onderzochte mutaties hield het eerste scenario stand: de mutaties gedroegen zich alsof ze een landschap van wijdverspreide, willekeurige interacties navigeerden. Voor een kleinere subset, ongeveer een kwart van de mutaties, was het tweede scenario zelfs nauwkeuriger. Deze specifieke mutaties vertoonden een gestructureerd patroon waarbij hun effecten in de ene omgeving nauw verbonden waren met hun effecten in andere omgevingen, wat suggereerde dat ze inderdaad gebruikmaakten van gedeelde, onderliggende genetische mechanismen. Echter, voor de meerderheid van de mutaties paste geen van beide eenvoudige modellen perfect. Dit vertelt ons dat hoewel eenvoudige regels een aanzienlijk deel van het evolutionaire gedrag kunnen verklaren, de biologische wereld vaak te complex is voor één universele wet om elk geval te dekken.

De meest opmerkelijke bevinding kwam echter van de mutaties die wel aan deze eenvoudige modellen voldeden. Voor deze specifieke gevallen lieten de onderzoekers zien dat ze het effect van een mutatie in een nieuwe omgeving konden voorspellen met behulp van uitsluitend gegevens uit een andere omgeving. Ze gebruikten een methode die ze "kruislingse voorspelling" (criss-cross prediction) noemden. Door te meten hoe een mutatie de fitness van een giststam in één omgeving veranderde, en te weten hoe de achtergrondstammen in twee verschillende omgevingen presteerden, konden ze nauwkeurig berekenen hoe diezelfde mutatie in de tweede omgeving zou presteren. Dit werkte zelfs wanneer ze die specifieke mutatie in die specifieende omgeving nooit daadwerkelijk hadden gemeten. Het suggereert dat voor een aanzienlijke subset van genetische veranderingen de geschiedenis van het organisme en de structuur van zijn genetische interacties genoeg informatie bevatten om de toekomstige prestaties in verschillende omstandigheden te voorspellen.

Om te begrijpen waarom dit gebeurt, bouwde het team een wiskundig model waarbij de eigenschappen van de gist worden bepaald door een paar verborgen "modules". Stel je deze modules voor als onderscheidende functionele eenheden binnen de cel, zoals een set tandwielen of circuits. Elke mutatie past deze modules op een bepaalde manier aan, en de uiteindelijke fitness van het organisme is een gewogen som van hoe die modules presteren in een gegeven omgeving. In hun model veranderen verschillende omgevingen simpelweg de gewichten, of de belangrijkheid, van elke module. In een warme omgeving kan één module belangrijker zijn; in een koude omgeving krijgt een andere module de voorkeur. Wanneer ze dit "verbondenheid"-model testten tegen hun werkelijke gegevens, bood het een uitstekende match voor de mutaties die gestructureerde pleiotropie vertoonden. Dit impliceert dat de complexe, hoogdimensionale wereld van de gistgenetica kan worden gecomprimeerd tot een lagerdimensionale kaart waar een paar gedeelde interactiestructuren bepalen hoe het organisme op verandering reageert.

De studie onderzocht ook wat dit op de lange termijn betekent voor de evolutie. Als een populatie voortdurend schakelt tussen twee verschillende omgevingen, zal zij dan uiteindelijk een stabiele toestand vinden waarin zij aan beide is aangepast, of zal zij een bewegend doel blijven najagen? De onderzoekers ontdekten dat het antwoord afhangt van de architectuur van deze verborgen modules. Als de omgevingen het organisme in tegenovergestelde richtingen trekken met betrekking tot dezelfde module, ontstaat er een afweging (trade-off). De populatie zal uiteindelijk een evenwichtstoestand bereiken waarin zij niet perfect is aangepast aan noch de ene noch de andere omgeving, maar wel stabiel genoeg is om beide te overleven. Het specifieke balanspunt hangt af van hoe de omgevingen de verschillende modules wegen. Dit suggereert dat het langetermijnlot van een soort in een fluctuerende wereld niet alleen afhangt van de kracht van selectie, maar van de geometrische structuur van hoe haar genen interageren met de omgeving.

Uiteindelijk onthult dit werk dat hoewel evolutie wordt gedreven door talloze individuele, schijnbaar willekeurige interacties, deze interacties een brede, voorspelbare patronen kunnen voortbrengen. De onderzoekers toonden aan dat voor een betekenisvolle subset van genetische veranderingen, de chaos van de genetische achtergrond geen barrière voor voorspelling is, maar juist een bron ervan. Door de mutaties te identificeren die deze eenvoudige regels volgen, vonden zij een manier om in de toekomst van adaptatie te kijken. Ze demonstreerden dat de geometrie van gedeelde genetische interacties een soort geheugen in het systeem creëert, waardoor de effecten van het verleden de toekomstige mogelijkheden kunnen informeren. Hoewel niet elke mutatie aan deze nette beschrijving voldoet, suggereert het feit dat er zoveel aan voldoen dat de complexiteit van het leven, zelfs in een fluctuerende wereld, gebouwd is op een fundament van gedeelde, latente structuren die begrepen en in kaart gebracht kunnen worden.