Interactions between epistasis and pleiotropy in generic models of complex traits

A evolução é frequentemente imaginada como uma linha reta de melhoria, onde uma única mudança benéfica conduz uma espécie em direção a um futuro melhor. Na realidade, o caminho é muito mais emaranhado. O efeito de uma nova mudança genética, ou mutação, raramente depende da mutação isoladamente. Em vez disso, depende fortemente do contexto genético no qual ela aparece — os milhares de outras variações genéticas já presentes no organismo. Este fenômeno, conhecido como epistasia, significa que uma mudança que ajuda uma bactéria em um contexto genético pode ser inútil ou até prejudicial em outro. Além disso, a maioria das mutações não afeta apenas um traço; elas reverberam pelo organismo, influenciando múltiplas características ao mesmo tempo. Isso é chamado de pleiotropia. Quando os ambientes mudam, como mudam constantemente na natureza, essas duas forças interagem de maneiras complexas. Uma mutação que ajuda um organismo a sobreviver a uma onda de calor pode prejudicá-lo durante uma onda de frio, e a presença de outras mutações pode amplificar ou atenuar esses efeitos. Compreender como essas interações moldam a evolução é crucial para prever como a vida se adapta a um mundo em mudança, mas as regras que regem esses efeitos entre diferentes ambientes permaneceram amplamente misteriosas.

Uma equipe de pesquisadores partiu para desvendar esse emaranhado estudando um sistema simples, mas poderoso: a levedura de padeiro. Eles queriam saber se as interações desordenadas e imprevisíveis entre mutações e ambientes seguiam quaisquer regras ocultas e simples. Para fazer isso, criaram uma biblioteca massiva de linhagens de levedura. Eles começaram com 87 contextos genéticos diferentes, cada um representando uma mistura única de variações genéticas derivadas do cruzamento de uma linhagem de laboratório com uma linhagem de vinho selvagem. Em cada um desses 87 contextos, introduziram 91 interrupções gênicas específicas, criando efetivamente uma grade de milhares de genótipos únicos de levedura. Em seguida, cultivaram essas linhagens em cinco ambientes diferentes, variando de alimento rico em nutrientes padrão a condições mais severas, como altas temperaturas ou diferentes fontes de açúcar. Ao medir a velocidade de crescimento de cada linhagem em cada condição, puderam calcular exatamente o quanto cada mutação específica ajudou ou prejudicou a levedura, dependendo de seu contexto genético e do ambiente em que se encontrava.

Os pesquisadores procuravam um padrão no ruído. Eles hipotetizaram que, se as mutações interagem entre si de forma aleatória, mas generalizada, uma estrutura previsível poderia emergir. Eles propuseram dois cenários principais. No primeiro, imaginaram que o contexto genético atua como uma névoa aleatória, onde o efeito de uma mutação é simplesmente a soma de muitas interações minúsculas e aleatórias. Neste caso, a relação entre o efeito de uma mutação e o fitness do contexto deve seguir uma curva específica e previsível. No segundo cenário, consideraram que, embora as interações pudessem ser aleatórias, a maneira como elas afetam diferentes ambientes poderia estar ligada. Talvez os mesmos "módulos" ou vias genéticas subjacentes estejam sendo ajustados em todos os ambientes, apenas com pesos diferentes. Se isso fosse verdade, saber como uma mutação se comporta em um ambiente deveria permitir que os cientistas previssem como ela se comportaria em outro, mesmo sem medi-la diretamente.

Ao analisarem os dados, descobriram que a realidade era uma mistura de ordem e caos. Para cerca de metade das mutações estudadas, o primeiro cenário se confirmou: as mutações se comportaram como se estivessem navegando em um cenário de interações amplas e aleatórias. Para um subconjunto menor, cerca de um quarto das mutações, o segundo cenário foi ainda mais preciso. Essas mutações específicas mostraram um padrão estruturado onde seus efeitos em um ambiente estavam fortemente ligados aos seus efeitos em outros, sugerindo que estavam, de fato, acessando maquinários genéticos compartilhados e subjacentes. No entanto, para a maioria das mutações, nenhum dos modelos simples se ajustou perfeitamente. Isso nos diz que, embora regras simples possam explicar uma parte significativa do comportamento evolutivo, o mundo biológico é frequentemente complexo demais para que uma única lei universal cubra todos os casos.

A descoberta mais marcante, porém, veio das mutações que se ajustaram a esses modelos simples. Para esses casos específicos, os pesquisadores demonstraram que podiam prever o efeito de uma mutação em um novo ambiente usando apenas dados de um ambiente diferente. Eles utilizaram um método que chamaram de previsão "em cruz" (criss-cross). Ao medir como uma mutação alterava o fitness de uma linhagem de levedura em um ambiente, e conhecendo como as linhagens de base performavam em dois ambientes diferentes, eles podiam calcular com precisão como essa mesma mutação performaria no segundo ambiente. Isso funcionou mesmo quando eles nunca haviam medido aquela mutação específica naquele ambiente específico. Isso sugere que, para um subconjunto significativo de mudanças genéticas, a história do organismo e a estrutura de suas interações genéticas carregam informação suficiente para prognosticar seu desempenho futuro em diferentes condições.

Para entender por que isso acontece, a equipe construiu um modelo matemático onde os traços da levedura são determinados por alguns módulos ocultos. Imagine esses módulos como unidades funcionais distintas dentro da célula, como um conjunto de engrenagens ou circuitos. Cada mutação ajusta esses módulos de alguma forma, e o fitness final do organismo é uma soma ponderada de como esses módulos performam em um determinado ambiente. Em seu modelo, diferentes ambientes simplesmente alteram os pesos, ou a importância, de cada módulo. Em um ambiente quente, um módulo pode ser mais importante; em um ambiente frio, outro pode ter precedência. Quando testaram esse modelo de "conectividade" contra seus dados reais, ele proporcionou um ajuste excelente para as mutações que exibiam pleiotropia estruturada. Isso implica que o mundo complexo e de alta dimensão da genética da levedura pode ser comprimido em um mapa de menor dimensão, onde algumas estruturas de interação compartilhadas ditam como o organismo responde à mudança.

O estudo também explorou o que isso significa para a evolução a longo prazo. Se uma população estiver alternando constantemente entre dois ambientes diferentes, ela eventualmente encontrará um estado estável onde estará bem adaptada a ambos, ou continuará perseguindo um alvo móvel? Os pesquisadores descobriram que a resposta depende da arquitetura desses módulos ocultos. Se os ambientes puxarem o organismo em direções opostas em relação ao mesmo módulo, um compromisso (trade-off) emerge. A população acabará se estabelecendo em um estado estacionário onde não é perfeitamente adaptada a nenhum dos ambientes, mas é estável o suficiente para sobreviver a ambos. O ponto de equilíbrio específico depende de como os ambientes ponderam os diferentes módulos. Isso sugere que o destino de longo prazo de uma espécie em um mundo flutuante não depende apenas da força da seleção, mas da estrutura geométrica de como seus genes interagem com o ambiente.

Em última análise, este trabalho revela que, embora a evolução seja impulsionada por inúmeras interações individuais e aparentemente aleatórias, essas interações podem dar origem a padrões amplos e previsíveis. Os pesquisadores demonstraram que, para um subconjunto significativo de mudanças genéticas, o caos do contexto genético não é uma barreira para a previsão, mas sim uma fonte dela. Ao identificar as mutações que seguem essas regras simples, eles encontraram uma maneira de espiar o futuro da adaptação. Eles demonstraram que a geometria das interações genéticas compartilhadas cria uma espécie de memória no sistema, permitindo que os efeitos de mudanças passadas informem possibilidades futuras. Embora nem toda mutação se encaixe nessa descrição precisa, o fato de tantas o fazer sugere que a complexidade da vida, mesmo em um mundo flutuante, é construída sobre um fundamento de estruturas latentes e compartilhadas que podem ser compreendidas e mapeadas.