Interactions between epistasis and pleiotropy in generic models of complex traits

进化通常被想象成一条进步的直线，即一个单一的有益变化将物种引向更美好的未来。但在现实中，这条路径要复杂得多。一种新的遗传变化（或称突变）所产生的影响，很少仅取决于该突变本身。相反，它在很大程度上取决于其出现的遗传背景——即生物体中已经存在的数千种其他遗传变异。这种现象被称为上位性（epistasis），这意味着在一种遗传背景下对细菌有益的变化，在另一种背景下可能毫无用处甚至有害。此外，大多数突变并不仅仅影响单一性状；它们会波及整个生物体，同时影响多种特征。这被称为多效性（pleiotropy）。当环境发生变化时（而在自然界中环境不断变化），这两股力量会以复杂的方式相互作用。一个有助于生物体在热浪中生存的突变，可能会在寒流期间对其造成伤害，而其他突变的存在则可能放大或减弱这些效应。理解这些相互作用如何塑造进化，对于预测生命如何在变化的世界中适应至关重要，然而，控制这些跨环境效应的规则在很大程度上仍是一个谜。

一个研究小组通过研究一个简单但功能强大的系统——酿酒酵母，试图理清这一乱麻。他们想知道，突变与环境之间那些混乱、不可预测的相互作用是否遵循任何隐藏的、简单的规则。为此，他们创建了一个庞大的酵母菌株库。他们从87个不同的遗传背景开始，每个背景都代表了通过将实验室菌株与野生酒香酵母进行杂交而产生的独特遗传组合。在其中的8گن个背景中，他们分别引入了91个特定的基因缺失，从而有效地创建了一个包含数千个独特酵母基因型的网格。随后，他们在五种不同的环境中培养这些菌株，范围从标准的营养丰富食物到更严苛的条件，如高温或不同的糖源。通过测量每个菌株在每种条件下的生长速度，他们可以精确地计算出每种特定突变在不同遗传背景和环境下对酵母是有利还是有害。

研究人员试图在噪声中寻找模式。他们假设，如果突变是以随机但广泛的方式相互作用的，那么可能会出现一种可预测的结构。他们提出了两种主要的场景。在第一种场景中，他们设想遗传背景就像一层随机的迷雾，突变的效果仅仅是许多微小且随机的相互作用的总和。在这种情况下，突变的效应与背景适应度之间的关系应该遵循一条特定的、可预测的曲线。在第二种场景中，他们考虑到虽然相互作用可能是随机的，但它们影响不同环境的方式可能是相关的。也许在所有环境中，相同的底层遗传“模块”或通路正在被调整，只是权重不同。如果这是真的，那么了解一个突变在一种环境中的表现，就能让科学家预测它在另一种环境中的表现，甚至无需直接测量。

在分析数据时，他们发现现实是秩序与混沌的结合。在他们研究的大约一半的突变中，第一种场景成立：这些突变表现得就像是在穿越一片广泛且随机的相互作用景观。对于较小的一部分突变（约占四分之一），第二种场景更为准确。这些特定的突变显示出一种结构化模式，即它们在一种环境中的效应与其在其他环境中的效应紧密相关，这表明它们确实利用了共享的底层遗传机制。然而，对于大多数突变而言，这两种简单的模型都无法完美契合。这告诉我们，虽然简单的规则可以解释很大一部分进化行为，但生物世界往往过于复杂，以至于单一的普遍定律无法涵盖所有情况。

然而，最令人瞩目的发现来自于那些符合这些简单模型的突变。对于这些特定案例，研究人员证明，仅利用来自不同环境的数据，就可以预测一个突变在另一个新环境中的效果。他们使用了一种称为“交叉预测”的方法。通过测量一个突变如何改变一种酵母菌株在一种环境中的适应度，并已知背景菌株在两种不同环境中的表现，他们就可以准确地计算出该相同突变在第二种环境中的表现。即使他们从未在那个特定的环境中实际测量过那个特定的突变，这种方法依然有效。这表明，对于很大一部分遗传变化而言，生物体的历史及其遗传相互作用的结构携带了足够的信息，可以预报其在不同条件下的未来表现。

为了理解为什么会发生这种情况，团队建立了一个数学模型，其中酵母的性状由几个隐藏的“模块”决定。可以将这些模块想象成细胞内的不同功能单元，就像一组齿轮或电路。每种突变都会以某种方式微调这些模块，而生物体的最终适应度则是这些模块在给定环境下表现的加权总和。在他们的模型中，不同的环境只是改变了这些模块的权重，或者说重要性。在炎热的环境中，一个模块可能变得更为重要；而在寒冷的环境中，另一个模块则可能占据主导地位。当他们用这个“连通性”模型去测试真实的实验数据时，它与那些表现出结构化多效性的突变高度吻合。这暗示了，酵母遗传学那高维度的复杂世界可以被压缩成一个低维度的地图，其中少数共享的相互作用结构决定了生物体如何应对变化。

该研究还探讨了这对长期进化意味着什么。如果一个种群在两种不同的环境之间不断切换，它最终会找到一个能够同时很好适应两者的稳定状态，还是会一直追逐一个移动的目标？研究人员发现，答案取决于这些隐藏模块的架构。如果环境在同一个模块上对生物体产生相反方向的拉力，就会产生权衡（trade-off）。种群最终会进入一个稳态，即它既不能完美适应其中一种环境，也不会完全不适应另一种，但足以在两种环境中生存下来。这种平衡点取决于环境如何衡量这些不同的模块。这表明，在波动世界中，一个物种的长期命运不仅取决于选择压力的大小，还在于其基因与环境相互作用的几何结构。

最终，这项工作揭示了虽然进化是由无数个看似随机的个体相互作用驱动的，但这些相互作用可以产生广泛且可预测的模式。研究人员表明，对于很大一部分遗传变化而言，遗传背景的混沌并非预测的障碍，反而成为了预测的来源。通过识别那些遵循这些简单规则的突变，他们找到了窥探适应未来的方法。他们证明了遗传相互作用的几何结构为系统创造了一种“记忆”，使得过去变化的效应能够为未来的可能性提供信息。虽然并非所有的突变都符合这种整齐的描述，但如此多的突变符合这一规律的事实表明，生命的复杂性——即便是在一个波动的世界中——也是建立在可以被理解和绘制的共享潜层结构的基础之上的。