数百万年来，吸食血液的能力在许多不同的动物群体中独立进化而来，从水蛭、蚊子到蜱虫和吸血蝙蝠。为了完成一顿美餐，这些生物必须克服宿主的天然防御系统，该系统试图阻止出血和血液凝固。为了做到这一点，它们会注入一种由蛋白质组成的“鸡尾酒”，这些蛋白质具有抗凝作用，能保持血液流动。科学家长期以来注意到，许多这类动物使用一种被称为“库尼茨结构域”（Kunitz domain）的特定蛋白质结构来执行这项任务。由于这种相同的工具出现在如此不同的动物身上，人们广泛认为，吸血行为迫使这些物种进化并扩大了这些特定蛋白质的收藏，这种模式被称为趋同进化。医用水蛭常被引用为这一规则中的一个罕见例外，因为它拥有的这类蛋白质比其吸血近亲要少得多。
然而，一项新的分析表明，这个流行的故事可能建立在计数错误而非生物学现实之上。研究人员重新检查了包括五种食血动物和三种非食血动物在内的八种不同动物的遗传蓝图。他们并没有统计数据库中列出的每一个蛋白质版本（这其中可能包含同一个基因的多个微小差异的版本），而是严格专注于统计独特的基因本身。他们发现，当他们观察实际的基因数量时，食血动物拥有的这些抗凝蛋白质集合并不比非食血动物一致地更多。事实上，一些不以血为食的动物拥有的这类基因甚至比平均水平的食血动物还要多。早期研究中看到的这种表观丰度很大程度上是一种幻象，是由数据的组织方式造成的；某些基因组项目列出的同一基因的变体比其他项目多得多，这使得这些物种看起来拥有的武器库远比实际情况要大。
该研究还调查了水蛭是否真的是一个拥有少量此类蛋白质的例外。即使在修正了计数方法后，水蛭拥有的这类基因仍然很少，但研究人员发现，水蛭与其他动物之间的差异并不像之前认为的那样明确。更重要的是，他们发现科学家注释基因组的方式——即如何标记和计数基因——在不同的研究小组和软件程序之间存在巨大差异。一个团队可能会将一个基因计为数十个不同的条目，而另一个团队则只计为一个。这种不一致意味着，跨物种比较蛋白质列表就像是在尝试用校准不同的秤去比较苹果和橙子的重量。研究人员展示了这种计数方法的差异在某些情况下会将蛋白质的表观数量夸大近五倍，从而完全扭曲了这些动物实际拥有的情况。
除了重新计数基因之外，团队还提出了一个更难的问题：我们能否确凿地证明吸血行为会导致这些蛋白质家族的扩张？为此，他们需要找到成对的亲缘关系密切的动物，其中一种以血为食，另一种则不以血为食，并且拥有完美匹配的遗传数据。他们搜索了所有公开数据库，但发现这样完美的配对极其罕见。事实上，他们只能找到一对符合其严格标准的潜在配对。此外，他们运行了计算机模拟，以查看是否有足够的数据来检测是否存在真实的模式。结果显示，即使他们收集了所有可用的基因组，独立的食血谱系数量也太少，无法提供具有统计学意义的强有力回答。目前的数据量和可用的物种不足以利用现有的工具来证实或否定这一理论。
研究人员得出结论，虽然食血动物确实使用抗凝剂，但认为它们普遍扩张其库尼茨蛋白质收藏的想法在数据清理后并不受证据支持。此前认为这些动物拥有大规模趋同进化的这类基因的观点，似乎是由于数据的计数和组织方式所产生的副作用，而非生物学事实。这项研究为进化生物学领域敲响了警钟，提醒科学家们，在宣布一种趋同模式之前，必须确保他们是在进行“苹果对苹果”的公平比较。在基因组数据实现标准化以及有更多匹配动物对出现之前，吸血行为如何塑造这些特定遗传家族的真实程度仍不确定。教训不在于动物不使用这些工具，而在于我们目前测量它们的方式噪声太大，无法讲述完整的故事。
技术摘要：Kunitz 库比较中的异构体膨胀与注释异质性
问题陈述
吸血行为（hematophagy）的演化常被视为趋同演化的教科书级案例，即不同的谱系独立招募特定的抗凝血蛋白家族（如 Kunitz/BPTI 结构域）来对抗宿主的止血机制。一个盛行的假设认为，吸血行为驱动了这些基因家族的趋同扩张。然而，跨门的谱系比较通常依赖于蛋白质条目计数（已注释的异构体），而非基因计数。这种方法受到两个主要技术人工偏差的影响：
- 异构体膨胀（Isoform Inflation）： 由于注释流水线和范围的不同，已注释异构体与基因的比率在不同基因组项目之间存在显著差异，这可能在未反映生物学现实的情况下，人为夸大了家族计数。
- 注释异质性（Annotation Heterogeneity）： 不同谱系通常使用不同的流水线进行注释（例如 RefSeq 与提交者特定的注释），这会在分子（家族命中数）和分母（分泌组大小）中引入系统性偏差。
这些因素可能会创造出看似存在的“趋同”模式，而这些模式在基因层面可能并不存在。
方法论
作者对八个后生动物谱系（五种吸血生物：水蛭、蜱虫、钩虫、蚊子、吸血蝙蝠；以及三种非吸血生物：Capitella、C. elegans、Drosophila）的 Kunitz/BPTI 谱系进行了严格且可审计的重新分析。研究采用了一种基因层面的普查协议，并遵循以下约束：
- 基因层面映射： 将蛋白质映射到基因时，使用具有固定优先级（locus_tag > Dbxref:GeneID > gene symbol）的 GFF3 CDS 属性。明确排除了转录本
Parent 字段，以避免异构体歧义。
- 异构体折叠： 每个基因仅保留最长的异构体作为代表。
- 结构域检测： 使用
hmmsearch 并设置收集阈值（--cut_ga），以确保跨门类的一致性。
- 注释审计： 研究将已发表的注释与针对水蛭基因组（Hirudinaria manillensis）的统一内部重新注释进行了对比，以分离出特定流水线的影响。
- 可行性评估： 使用预注册且冻结哈希（hash-frozen）的协议来评估进行确证性的、匹配对照的跨门类测试是否在统计上可行。这包括枚举独立的吸血起源、审计具有可比性注释的非吸血对照是否存在、以及模拟各种终点的统计效能。
关键结果
- 基因层面计数并无普遍提升：
当计数被限制在基因层面时，吸血生物并未表现出相对于非吸血生物一致且普遍的 Kunitz 谱系规模提升。
- 中位数： 吸血生物（中位数 = 18 个基因）对比 非吸血生物（中位数 = 39 个基因）。
- 分布： 吸血生物的范围（4–114）与非吸血生物（37–39）显著重叠。最大的两个谱系（蜱虫：114，钩虫：79）是吸血生物，但最小的两个（水蛭：4，蚊子：5）也是吸血生物。
- 结论： 在基因层面，并未恢复预期的吸血生物具有大规模 Kunitz 谱系的模式。
- 显著的异构体膨胀：
蛋白质条目计数显著高估了基因层面的计数，膨胀因子范围从 1.00× 到 4.60× 不等（例如，蚊子的 23 个蛋白质条目折叠为 5 个基因）。
- 饮食无关性： 这种膨胀与摄食类别无关。例如，非吸血生物果蝇（Drosophila）的异构体密度（2.20）高于吸血生物蚊子（1.94）。
- 启示： 基于蛋白质条目的比较是不可靠的谱系主张基础，因为它混淆了生物信号与注释人工偏差。
- 注释流水线效应：
使用统一的流水线对同一基因组组装进行重新注释，揭示了家族特异性的差异。
- 异质性： 对于 Antistasin 家族，重新注释使密度变化了 297.5%，远超由单一流水线注释的不同物种之间的差异。
- 蛭素案例： 自动重新注释未能恢复在已发表的手工策展注释中存在的关键水蛭抗凝血基因（hirudin），这表明基于证据的 ab initio 预测在处理短小的、谱系限制性的分泌肽时存在困难。
- 当前数据下进行确证性测试不可行：
预注册的可行性评估确定，利用现有的公共基因组进行具有足够统计效能的、确证性的跨门类测试目前是不可行的。
- 数据稀缺： 仅发现了一对候选匹配对（臭虫 vs 盲�� de 虫）；大多数其他起源都缺乏具有可比性注释的非吸血生物对照。
- 统计效能： 即使假设存在高流行率的富集，独立起源的数量（最多约 12–15 个）也不足以支撑“普遍富集”这一终点。虽然理论上可以实现“跨起源异质性”终点，但这需要当前探索性数据所不支持的异质程度。
- 结论： 当前的候选集无法支持现在的确证性测试；作者指出，可能存在或会有更多合适的基因组出现（例如通过统一的重新注释），这意味着该生物学问题在原则上并非无法回答，但当前的数据景观限制了进行确定性测试。
意义与主张
本文并非旨在反驳吸血生物中抗凝血剂部署的生物学现实，也不试图全面否定趋同演化。相反，它提出了三个具体的贡献：
- 基因层面的重新评估： 它证明了，当计数置于严格、可审计的基因层面并跨谱系观察时，广泛引用的吸血生物 Kunitz 结构域“趋同扩张”现象并不成立。
- 方法论警示： 它确立了异构体膨胀和注释异质性是比较基因组学中的主要干扰因素。蛋白质条目计数可能会产生看似存在的谱系差异，而这些差异在基因层面分析时会消失。作者认为，关于跨门类谱系规模的定量主张必须依赖于基因层面的、具备注释意识的计数，且理想情况下应使用统一的重新注释。
- 趋同性测试的规范： 该研究提出了一套测试趋同性性状的严谨工作流：(1) 枚举独立的起源；(2) 审计具有可比性注释的匹配对照的可获得性；(3) 在提交确证性设计之前模拟统计效能。就目前而言，在血液摄取和抗凝血基因的案例中，当前的数据景观未能满足这些前提条件，使得确定性的确证性测试在目前是不可行的。
作者强调，他们的发现是描述性和警示性的，重点在于说明当前数据不能支持什么，而不是提供关于趋同招募作用缺失的确定性证明。他们指出，功能性趋同依赖于部署（表达）证据，而全基因组谱系计数本身无法提供这些证据。
每周获取最佳 evolutionary biology 论文。
受到斯坦福、剑桥和法国科学院研究人员的信赖。
请查收邮箱确认订阅。
出了点问题，再试一次？
无垃圾邮件，随时退订。