Исследование № 3
“Эволюция умнее, чем ты”: рождение экологического разнообразия

Эволюция не останавливается, организмы приспосабливаются к среде обитания все лучше и лучше даже при неизменных условиях. Но этого мало: даже самая простая среда с точки зрения эволюционирующих в ней организмов оказывается весьма сложной, предоставляющей много альтернативных возможностей. Какой из них следует воспользоваться? Это уж как получится. Одни особи могут повышать приспособленность, подстраиваясь под одни факторы среды, другие – под иные. При этом обе группы, меняясь, неизбежно будут менять и среду обитания друг для друга, и к этим изменениям тоже придется приспосабливаться. В итоге изначально однородная популяция может разделиться на две взаимозависимые, нуждающиеся друг в друге части. Возможно ли такое наблюдать? Оказывается, да. И это еще один замечательный, вполне логичный, хотя и непредвиденный результат долгосрочного эксперимента Ленски, обнародованный в 2017 году. Здесь речь идет о 60 000 поколений. В ходе исследования выяснилось, что за это время как минимум в девяти популяциях из двенадцати произошла экологическая дивергенция: исходно одинаковые бактерии разделились на экологические разновидности. Эти разновидности взаимодействуют друг с другом, сосуществуя вполне по-соседски. Внутри каждой разновидности эволюция продолжается своим ходом, причем дальнейшие изменения направляются как предшествующей эволюционной историей, так и меняющимся экологическим окружением. Таким образом, эволюция перехитрила исследователей, надеявшихся изучить действие мутаций и отбора в “предельно простой” искусственной системе.

Эксперимент Ленски изначально был спланирован так, чтобы свести к минимуму все “осложняющие обстоятельства”: изменения среды, генетический обмен, экологические взаимодействия между организмами. Ученые хотели получить в чистом виде самый главный эволюционный процесс – адаптацию к среде на основе мутаций и отбора. Однако, как метко заметил биохимик Лесли Орджел, “эволюция умнее, чем ты”. Он имел в виду, что исследователям, утверждающим, будто эволюция на что-то не способна, скорее всего, просто не хватает воображения. Как выясняется, эволюция не боится сложностей и “в чистом виде” ничего не демонстрирует, порождая, вопреки чаяниям ученых, куда более замысловатые результаты, чем от нее ждут. В подопытных популяциях Ленски, существующих, казалось бы, в самых простых условиях, какие только можно придумать, стали сами собой зарождаться экологические взаимодействия, основанные на диверсификации (разделении) ниш. А это, в свою очередь, заставляет бактерий заново приспосабливаться к меняющейся биотической обстановке (Good et al., 2017).

На этот раз Ленски и его коллеги провели генетический анализ всей замороженной “ископаемой летописи” эксперимента, накопившейся за 60 000 бактериальных поколений и насчитывающей около 1440 проб (по 120 проб на каждую из двенадцати популяций). Для каждой пробы был проведен метагеномный анализ с 50-кратным покрытием. Это значит, что из пробы выделяли ДНК и секвенировали случайные фрагменты геномов до тех пор, пока каждый участок генома кишечной палочки не оказался “прочтен” в среднем 50 раз. Этого оказалось достаточно, чтобы идентифицировать все новые мутации, которые возникали в подопытных популяциях и достигали частоты не менее 10 % (то есть встречались как минимум у каждой десятой бактерии) хотя бы в двух пробах. Мутации, не получившие столь широкого распространения, не учитывались, потому что их трудно отличить от случайных ошибок секвенирования. В итоге получилась детальная реконструкция эволюционного процесса в двенадцати популяциях.

Выводы о том, что рост приспособленности замедлился, но не прекратился, подтвердились (см. Исследование № 1). Темп накопления новых мутаций остался высоким.

Главное же открытие состоит вот в чем. Динамика накопления мутаций не вписывается в простейшую модель, согласно которой эволюция монокультуры бесполых организмов в стабильных условиях сводится к последовательной фиксации отбором вновь возникающих полезных мутаций. Эта модель не может объяснить наблюдаемую картину даже с учетом таких осложняющих обстоятельств, как генетический автостоп и клональная интерференция, о которых мы говорили выше.

Оказалось, что многие мутации, достигнув некоторой частоты, вдруг перестают распространяться, то есть двигаться дальше в сторону фиксации (стопроцентной частоты встречаемости). А ведь именно таков должен быть естественный ход событий, если клон с данной мутацией имеет более высокую приспособленность, чем другие бактерии. Может быть, распространение мутации остановилось из-за того, что появился более приспособленный конкурент? Но тогда прежние чемпионы должны постепенно вытесняться из популяции и исчезать. Однако этого тоже не происходит. Частота мутации начинает колебаться около какого-то промежуточного значения. Эти колебания могут продолжаться десятки тысяч поколений. В чем же дело?

Метагеномные данные, полученные для каждой из 1440 проб, представляют собой множество отсеквенированных кусочков ДНК, принадлежащих разным бактериям. Поэтому нельзя сразу понять, какие мутации относятся к одному клону, а какие – к разным. Однако ученым удалось разобраться в этом, проанализировав согласованность изменений частот мутаций во времени (поскольку частоты мутаций, находящихся в одном и том же геноме, меняются синхронно). В итоге выяснилось, что по крайней мере в девяти из двенадцати подопытных популяций в течение длительного времени (свыше 10 000 поколений) имело место устойчивое сосуществование как минимум двух разных клад (эволюционных линий, ветвей). Внутри этих клад шли свои собственные эволюционные процессы, то есть появлялись и фиксировались различные мутации.

Это значит, что в большинстве популяций произошла диверсификация. Разные клады как-то поделили между собой экологические ниши и стали устойчиво сосуществовать, приспосабливаясь теперь уже не только к изначально заданным условиям среды, но и к специфическому и переменчивому биотическому окружению.

Анализ истории отдельных клад показал, что адаптивная эволюция внутри них продолжается полным ходом: появляются новые полезные (для данной клады) мутации; их частоты растут под действием отбора; вместе с ними распространяются “автостопом” другие (не такие полезные) мутации; многие генетические варианты, достигнув заметной частоты, впоследствии вымирают, вытесненные более удачливыми конкурентами. И все это происходит уже не в масштабах всей популяции, а по отдельности в каждой из клад. Поэтому отчасти теряет смысл оценка приспособленности бактерий по скорости их роста по сравнению с предковым штаммом: ведь теперь их реальная приспособленность зависит еще и от того, насколько успешно они взаимодействуют с соседями по колбе.

Таким образом, эксперимент опроверг чрезмерно упрощенные представления о том, как должна эволюционировать бесполая популяция в стабильной среде. Ничего похожего на замедление и остановку эволюции не наблюдается, запас потенциально полезных мутаций не исчерпывается, и даже темп их накопления практически не снижается (снижается лишь их средняя полезность). Вместо этого мы видим самопроизвольное усложнение сообщества, своего рода симпатрическое видообразование, когда монокультура превращается в экосистему с подразделенными нишами. Так что Лесли Орджел был, конечно, прав насчет того, кто умнее – эволюция или теоретики, считающие, что всё про нее знают.

Исследование № 4
Ранние этапы адаптации предсказуемы, поздние – случайны

Эксперимент Ленски показал, что в бесполых популяциях даже в неизменных условиях идет непрерывный рост приспособленности. Происходит это за счет накопления и закрепления полезных мутаций. Хорошо бы разобраться подробнее в этом процессе: что за мутации, как и в какой последовательности они распространяются в популяции. Эту непростую задачу удалось решить с помощью новой методики “генетического штрихкодирования”. Применив ее, американские ученые смогли в небывалых подробностях изучить процесс накопления полезных мутаций в большой бесполой популяции дрожжей при адаптации к новой среде. Как выяснилось, на начальных этапах общий рост приспособленности популяции идет за счет высоковероятных мутаций со слабым положительным эффектом, которые возникают независимо у множества особей. На этой стадии процесс адаптации предсказуем: его можно описать простыми формулами. В дальнейшем роль случайности возрастает, потому что на первый план выходят маловероятные мутации с сильным полезным эффектом. Кроме того, исследование наглядно показало, что темп появления полезных мутаций может быть весьма высоким.

В популяциях, насчитывающих миллионы особей, в каждом поколении возникает множество новых мутаций – и вредных, и полезных, и нейтральных (напомним, что категория мутации определяется ее влиянием на приспособленность, то есть на эффективность передачи особью своих генов следующим поколениям). Все эти мутации вносят вклад в среднюю приспособленность особей, от которой зависит скорость роста численности популяции. Возникновение новых мутаций и изменение частоты их встречаемости под действием отбора и генетического дрейфа – самые фундаментальные эволюционные процессы. Нельзя понять эволюцию, не изучив их во всех подробностях.

Но как уследить за тысячами мутаций, происходящих у миллионов особей? Секвенировать целиком миллионы геномов – неподъемная задача даже при современном уровне развития биотехнологий. Если же применять выборочное секвенирование, то в поле зрения исследователей попадут только те мутации, которые достигли высокой частоты встречаемости (например, как в Исследовании № 3). Картина получится весьма неполной. Ведь многие возникающие полезные мутации, вероятно, никогда не становятся массовыми, однако свой вклад в общую приспособленность тем не менее вносят.

Альтернативный подход состоит в том, чтобы пометить отдельные клоны (клетки, произошедшие от одной и той же родительской клетки) наследуемой генетической меткой, а потом следить, как меняется численность каждого из них. Если численность какого-то клона вдруг начала экспоненциально расти, в то время как число всех особей популяции остается постоянным, значит, у одного из представителей этого клона возникла полезная мутация. При этом скорость роста является мерой полезности мутации. Например, если рост численности клона описывается уравнением N = N₀ × (1 + 0,05)^t, где время t измеряется в поколениях, значит, мутация повысила приспособленность на 5 % (в таких случаях говорят, что полезность мутации, обозначаемая буквой s, равна 0,05).

Именно такое маркирование и осуществили американские биологи, продемонстрировав настоящий прорыв в технике наблюдений за эволюцией многомиллионных популяций (Levy et al., 2015). Ученые работали с двумя бесполыми популяциями дрожжей (их искусственно лишили способности к половому размножению, так что они размножались только почкованием) численностью по 10⁸ клеток. Популяции были произведены от одной-единственной предковой клетки, то есть изначально геномы всех дрожжей были одинаковыми. В каждой популяции были помечены индивидуальными генетическими метками примерно по 500 000 клонов. Как это удалось сделать? Сначала изготовили большую коллекцию кольцевых молекул ДНК – плазмид, – содержащих случайные двадцатинуклеотидные последовательности (генетический “штрихкод”). Эти плазмиды внедрялись в дрожжевые клетки, геномы которых были предварительно модифицированы таким образом, чтобы плазмиды встраивались в строго определенное место генома при помощи особого фермента – Cre-рекомбиназы. В итоге удалось получить две популяции численностью по 10⁸ клеток, в которых каждая клетка принадлежала к одному из полумиллиона помеченных клонов.

Затем в течение 168 поколений обе популяции адаптировались к “голодной” среде, где размножение ограничивалось количеством глюкозы (как и в эксперименте Ленски). Численность каждого клона отслеживалась путем массового секвенирования небольшого фрагмента генома, содержащего “штрихкод”. Секвенировать приходилось лишь 0,002 % генома, что позволило резко увеличить разрешающую способность метода по сравнению с полногеномным секвенированием. В поле зрения исследователей попали даже те мутации, частота встречаемости которых в популяции никогда не превышала 10^–5, тогда как секвенирование полных геномов позволило бы отследить лишь клоны с относительной численностью 10^–2