Distribution of Gene Tree Topologies with Duplication, Loss, and Coalescence
本文提出了关于具有复制与丢失的多物种合并（MSC-DL）模型的理论结果与概率计算，证明了这些进化过程的不受限相互作用产生了大量的基因树拓扑结构，并强调了这对现有重构与同源基因识别方法准确性的重大影响。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
为了理解生命是如何进化的，生物学家经常研究两种不同的家族树。一种是物种树，它描绘了整个动物或植物群体的历史，展示了一个物种何时分裂成两个。另一种是基因树，它追踪这些生物体内一段单一 DNA 的历史。通常情况下，这两棵树讲述的是同一个故事，但有时它们也会出现分歧。这种分歧被称为“不一致性”（discordance），其发生原因是基因拥有各自复杂的历史。有时，一个基因拷贝会发生重复，从而产生一个独立进化的额外版本；有时，一个基因拷贝则会完全丢失。偶尔，基因谱系无法在预期的时刻合并，这一过程被称为“不完全谱系分选”（incomplete lineage sorting），它会扰乱它们在树上呈现的顺序。几十年来，科学家们一直使用计算机程序来协调这些差异，试图通过比较基因树与物种树，来精确确定基因重复和丢失发生的具体时间。然而，大多数此类程序都依赖于一种简化的基因行为观，忽略了基因拷贝如何随时间合并并自我分选的复杂现实。
印第安纳大学研究人员的一项新研究挑战了我们计数和解释这些进化事件的方式。该团队研究了一个更完整的模型，该模型允许基因重复、基因丢失以及基因谱系的合并同时发生，而不受人为限制。他们发现，当你让这些过程自由相互作用时，可能的基因树形状会以一种传统方法从未预料到的方式呈爆炸式增长。在一个仅涉及两个物种和一次基因重复事件的简单场景中，传统模型预测基因树只有三种可能的结局；而新模型则显示，实际上存在九种截然不同的树形。当研究人员将这一规模扩大到六个物种时，可能的树形数量跃升至超过 1900 万种。即便只是在其中加入一次基因丢失事件，这个数字也会几乎翻倍。这意味着，进化历史的可能性空间比之前认为的要大得多，而且许多被标准软件视为“不可能”的树形，在新模型下其实是非常可能的。
研究人员不仅统计了这些树的数量，还计算了每一种出现的可能性。他们发现，相对于物种分裂的时间，重复事件发生的时间点会剧烈改变所得基因树的形状。如果重复发生在物种分裂前很久或很久之后，基因树往往显得简单且熟悉；但如果重复发生在物种形成接近的时刻，基因谱系的合并就会创造出各种复杂的形状。这一发现对科学家如何解读进化历史具有直接影响。由于标准方法没有考虑到这种复杂性，它们经常会将一次单一的重复和一些自然的谱系分选误解为多次、独立的重复和丢失事件。例如，一个可以用新模型解释为“一次重复且无丢失”的基因树，可能会被旧方法错误地重建为“两次重复和两次丢失”。随着研究中物种数量的增加，这些误差会变得更加极端，可能导致研究人员误以为一个基因组经历了远比实际情况更为混乱的变化。
该研究还观察了这些基因树上分支的物理长度，这代表了发生的时间或遗传变化的量。他们发现，分支的预期长度会根据重复发生的频率而变化。如果重复频繁，那些在没有发生任何重复的情况下存活下来的基因树往往会比预期的稍短，因为较长的树更有可能积累额外的拷贝并被过滤掉。研究人员通过运行大规模计算机模拟证实了这些理论预测，结果显示其数学公式与模拟数据几乎完美契剂合。这项工作表明，目前用于识别同源基因（orthologs，指在不同物种中通过共同祖先演化而来且未发生重复的基因）的工具，可能会错误地标记树的部分结构。如果一个程序无法区分由物种分裂引起的节点与由基因合并引起的节点，它可能会错误地假设一个基因是直接的同源基因，而事实并非如此。
最终，这项研究强调了基因进化的生物学现实与用于研究它的简化工具之间存在差距。作者认为，忽视基因重复、丢失以及基因谱系合并之间的相互作用，会导致对进化历史的扭曲理解。虽然新模型揭示了一个更为复杂的可能性图景，但也表明，仅仅观察树的形状通常不足以确定究竟发生了什么。诸如重复是发生在物种分裂之前还是之后，或者基因是否发生了丢失之类的问题，可能无法仅凭树的形状来确定答案。作者建议，未来的方法需要结合分支长度，并使用更复杂的统计方法，以应对这一广阔的可能性空间。通过承认基因如何重复、死亡和合并的完整复杂性，科学家们可以开始构建更准确的进化历史地图，从而避免陷入“看到比实际发生更多事件”的陷阱。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。