Математики из Техниона объяснили, как эволюция сохраняет направление без отбора

Классическая теория эволюции держится на простом принципе: естественный отбор ведет популяцию туда, где выше шансы выжить и размножиться. Полезная мутация закрепляется, вредная — отсеивается. Но что происходит, когда разные генетические варианты дают абсолютно одинаковый результат? Учебники отвечают: отбор теряет силу, и популяция начинает хаотично дрейфовать. Израильские математики Рази Фахарелдин и Наама Бреннер из Техниона доказали, что это не так. Даже при полном равенстве по приспособленности эволюция не превращается в броуновское движение — у нее сохраняется направление, заданное скрытой геометрией биологического пространства.

Чтобы понять суть открытия, нужно разобраться в устройстве биологических систем. Жизнь любого организма — от кишечной палочки до человека — зависит от согласованной работы миллионов молекул: белков, регуляторных РНК, метаболитов, ферментов. Когда исследователи начали анализировать метаболические сети Escherichia coli и дрожжей, они обнаружили поразительную вещь: одну и ту же жизненную задачу клетка способна решить тысячами разных молекулярных комбинаций. Скорость потребления глюкозы, объем синтеза клеточной стенки, точность деления — все эти показатели могут совпадать при совершенно разных соотношениях внутренних компонентов.

В точных науках такую ситуацию называют вырождением: одной функции соответствует огромное множество внутренних состояний. Если нанести все возможные комбинации признаков на многомерный график, где высота точки отражает приспособленность, классическая теория предсказывала изолированные вершины — популяция шаг за шагом карабкается к единственному локальному максимуму. Реальность оказалась иной: биологические ландшафты содержат протяженные сплошные зоны, где показатели приспособленности абсолютно равны. Наклон поверхности здесь нулевой, и отбор, казалось бы, не может предпочесть одно состояние другому.

Логика нейтральной теории Кимуры гласит: внутри такой зоны организмы должны рассеиваться равномерно, а их средние характеристики — меняться хаотично. Но израильские исследователи указали на ключевую характеристику, которую эта логика упускала. Популяция — это не единичная точка, скользящая по пространству признаков. Это распределение особей с определенным разбросом параметров. Даже генетически идентичные организмы слегка отличаются друг от друга из-за мутаций и стохастических флуктуаций в клетках. Популяция занимает в пространстве состояний реальный объем, а границы этого объема определяются тем, насколько далеко мутации успевают разбросать организмы до того, как их отсеет смертность.

И вот здесь в игру вступает кривизна. В математике она определяется вторыми производными, в биологии — показывает, с какой скоростью падает приспособленность при отклонении от оптимума. Даже если вдоль центральной линии зоны вырождения приспособленность строго постоянна, поперечная кривизна вокруг нее может различаться колоссально. На одних участках оптимальная зона крайне узкая: стоит организму отклониться хоть немного — жизнеспособность мгновенно рушится. На других зона широкая и пологая: заметные мутации не мешают нормально функционировать и размножаться.

Для одиночного идеального организма разницы нет — находясь строго в центре, он имеет одинаковую жизнеспособность везде. Но для реальной популяции разница становится критической. Когда центр распределения попадает в область с высокой крутизной окружающего спада, особи на краях постоянно получают летальные мутации и гибнут — средняя приспособленность группы резко падает. Когда центр оказывается на пологом участке, те же по силе мутации не убивают никого, и средняя приспособленность остается высокой.

Фахарелдин и Бреннер математически вывели уравнения, описывающие смену поколений в популяции с непрерывным распределением признаков. Модель включала два шага: мутацию, добавляющую случайные изменения, и отбор, умножающий долю каждого варианта на его относительную эффективность. Расчет скорости изменения среднего состояния за одно поколение выявил дополнительный член уравнения. К стандартному градиенту эффективности добавляется составляющая, связывающая матрицу разброса признаков с матрицей локальной кривизны.

Эта составляющая вычитает из средней приспособленности величину, пропорциональную крутизне спада. Поскольку приспособленность падает вокруг оптимума во все стороны, кривизна математически отрицательна. Чем круче спад, тем сильнее штраф для среднего выживания группы. Возникает постоянная сила, не зависящая от изменения индивидуальной приспособленности в центральных точках. Она определяется исключительно разницей в потерях на периферии распределения.

Центр популяции начинает направленно дрейфовать из областей, где края обрезаются высокой смертностью, в сторону участков с наиболее мягким спадом. Движение продолжается, пока популяция не достигнет точки с наименьшей возможной кривизной. Там оно останавливается, и формируется стабильное распределение вокруг самого пологого участка. Эволюция находит самое устойчивое к ошибкам состояние не потому, что целенаправленно оптимизирует устойчивость, а потому, что во всех менее устойчивых точках популяция несет непрерывные статистические потери.

В процессе этого движения меняется и структура изменчивости. Изначально мутационный шум не имеет предпочтений — изменения возникают случайно и с равной вероятностью затрагивают любые параметры. Но взаимодействие мутаций с локальной кривизной разрушает эту симметрию. Вдоль направлений с высокой крутизной отбор действует жестко: любая особь с мутацией в этом направлении быстро элиминируется, и разброс признаков по опасной оси сжимается до минимума. Вдоль пологих направлений отбор практически не ограничивает изменчивость — мутации накапливаются свободно, и разброс растет.

Распределение популяции вытягивается вдоль осей, где изменения безопасны. Хотя мутации остаются ненаправленными, сам субстрат, на котором они происходят, — совокупность выживших организмов — оказывается деформирован геометрией ландшафта. Популяция начинает глубже исследовать именно безопасные направления, что дополнительно ускоряет ее движение к самым пологим областям.

Авторы работы сравнили поведение трех принципиально различных систем на одном и том же вырожденном ландшафте. Физическая диффузия, описываемая уравнением Ланжевена, демонстрирует полное безразличие к геометрии: тепловой шум среды не зависит от кривизны силового поля, и частица бесконечно блуждает по плоской зоне, равномерно заполняя пространство. Стохастический градиентный спуск, на котором обучаются современные нейросети, ведет себя иначе: амплитуда шума резко возрастает на крутых склонах, буквально выталкивая параметры из узких долин потерь. На пологих участках шум затухает, и система оседает в наиболее плоском минимуме — именно поэтому нейросети успешно обобщают информацию.

Биологическая эволюция демонстрирует третий, уникальный механизм. Здесь нет внешнего толчка, выбивающего систему из узких мест, как в машинном обучении, и нет чистого безразличия к форме поверхности, как в физике частиц. Популяция перемещается в пологие области за счет того, что естественный отбор динамически меняет ширину и форму самой популяции в каждом поколении. Разреженная группа превращается в устойчивый инструмент анализа кривизны пространства. В точке с минимальной кривизной устанавливается равновесие между притоком новых мутаций и скоростью их отсева.

Математическое доказательство неизбежного смещения популяций в зоны минимальной кривизны меняет интерпретацию целого ряда базовых биологических явлений. Десятилетиями биологи искали конкретные молекулярные механизмы фенотипической стабильности: белки теплового шока, дублирующие биохимические пути, регуляторные контуры обратной связи. Новая модель показывает, что устойчивость может возникать вообще без специализированных генетических приспособлений. Если пространство состояний вырождено, популяция неизбежно мигрирует туда, где наклон спада минимален. Находясь в этой зоне, организм автоматически становится устойчивым к мутациям и внешним возмущениям: мелкие сдвиги параметров просто не вызывают заметного падения жизнеспособности.

Иначе выглядит и внутрипопуляционный шум. В генетических экспериментах исследователи регулярно фиксируют существенные различия между особями с идентичным геномом в одинаковых условиях. Долгое время это считалось следствием термодинамического шума или несовершенства ферментов копирования. Геометрический подход предлагает другую трактовку: если признак сильно варьирует в стабильных условиях, это не ошибка системы, а прямое указание на то, что популяция заняла участок пространства с крайне низкой кривизной по данной координате. Большой разброс признака доказывает, что отбор снял ограничения на эту степень свободы.

Выводы израильских математиков находят применение и за пределами генетики. Одно из самых интригующих явлений современной нейробиологии — репрезентативный дрейф. Эксперименты с регистрацией активности нейронов в гиппокампе показывают: когда мышь изо дня в день ориентируется в одном и том же лабиринте, конкретные нейроны, отвечающие за распознавание ориентиров, непрерывно меняют свою активность. Спустя несколько недель за воспоминание об одном и том же месте отвечает уже другая группа клеток, хотя поведение животного остается безупречно стабильным.

Мозг представляет собой многомерную вычислительную систему с огромным уровнем вырождения. Существуют миллионы способов распределить синаптические веса так, чтобы результирующий навык сохранялся неизменным. Если сеть обучается на вырожденном функциональном ландшафте, пластичность синапсов неизбежно подвергается дрейфу, вызванному локальной кривизной внутренних связей. Точно так же, как биологическая популяция мигрирует по плоскому плато в сторону наименьшей чувствительности к мутациям, конфигурация нейронных связей медленно скользит по эквивалентным состояниям, сохраняя функции памяти стабильными при непрерывной смене работающих клеток.

Работа Фахарелдина и Бреннер разрешает старое теоретическое противоречие между строгим адаптационизмом и концепцией нейтральности. На протяжении десятилетий считалось, что эволюция делится на два четких режима: либо действует жесткий естественный отбор, толкающий систему вверх по градиенту эффективности, либо отбор бессилен, и все решает ненаправленный случай. Математический анализ показывает, что эта дихотомия была следствием чрезмерного упрощения. Пространства биологических параметров обладают высокой размерностью: градиенты первого порядка в них могут отсутствовать, но кривизна второго порядка практически никогда не бывает постоянной.

Как только популяция рассматривается как протяженная система организмов, распределенная по объему признаков, геометрия ландшафта начинает работать как активный регулятор. В отсутствие прямой разницы в жизнеспособности решающим фактором становится разница в локальной устойчивости к ошибкам. Эволюция живых систем определяется не только тем, насколько выгодно то или иное состояние само по себе, но и тем, насколько безопасны неизбежные отклонения от него. Популяции выживают в меняющемся мире не потому, что целенаправленно изобретают средства защиты, а потому, что сама механика естественного отбора на вырожденных поверхностях неизбежно оставляет жизнь в тех координатах, где ошибки перестают быть смертельными.

По материалам: iXBT