原创CarrieArnold集智俱乐部
导语
新冠疫情好似一场世界大战，病*演化与人类抗疫手段的发展在上演一出特别的*备竞赛。Alpha、Beta、Delta以及最新的Omicron变异*株不断冲击着人类的抗疫战线。面对如此战况，我们如何把握主动？是否有可能预测新冠病*的演化？FredHutchinson癌症研究中心的研究人员借助深度突变扫描技术，勾绘出冠状病*刺突蛋白中受体结合区的适应度景观，尝试理解病*如何通过演化加强传染性并躲避免疫系统的侦察，以此为后续疫苗的研发指明道路。
研究领域：传染病，适应度景观，协同演化
CarrieArnold
作者
赵雨亭
译者
张澳、梁金
审校
邓一雪
编辑
1.如何预测病*演化？
年秋冬，现代历史上最大的一场演化生物学实验开始了。一种冠状病*获得了生活在人类体内而非蝙蝠或其他哺乳动物体内的能力，它进一步适应以高效地从一个人传播到另一个人，甚至在身体的防御能力启动之前就开始传播。但病*的演化游戏并没有就此停止，研究人员不得不用一个个希腊字母来命名SARS-CoV-2的新变种。
世界各地的研究人员正试图更详细地了解病*的演化过程，特别是SARS-CoV-2的突变如何改变其在人类之间传播的能力。“今天适应良好的病*明天可能会因为宿主产生抗药性而逐渐消亡，所以病*必须找到一种新的方法来感染宿主。这推动了自我提升的更新。”加州大学圣地亚哥分校的演化生物学家JustinMeyer表示。
尽管不断变化的疫情造成了大量人员伤亡，但观察病*在全球范围内传播的大量科学数据具有指导意义。牛津大学大数据研究所的统计遗传学家LucaFerretti表示，COVID为研究人员提供了珍贵的演化实例。
准确预测病*下一步的发展是痴心妄想，但世界各地的病*学家一直在深入研究SARS-CoV-2中哪些成分最容易演化，哪些关键蛋白质元素的改变会影响其生存[1]。这些信息可以为研发更好、更持久的疫苗指明道路。其它研究则聚焦于病*对单克隆抗体疗法（monoclonalantibodytherapies，一种治疗新冠重症患者的疗法）产生耐药性的方式[2]。这项工作还指出，特定变体组合一旦广泛传播，就可能引发新一轮疫情。这些变体除了传播速度快之外，还尤为擅长攻击人体的免疫系统[3]。
研究人员已经能够通过使用现代技术重新审视近一个世纪前提出的概念——适应度景观（fitness/adaptivelandscape）——来做出以上发现。他们可以用适应度来量化病*基因组变化与其复制和感染新宿主能力之间的关系。代表这种关系的景观图可以帮助重建病*的历史，甚至还可以预测病*的未来。
对于伦敦帝国理工学院的分子演化生物学家TobiasWarnecke来说，适应度景观是将基因型与表型联系起来的宝贵方式。他表示，通过定量发掘基因的潜力，研究人员可以探索两个突变如何共同影响一个性状，以及第三个突变的存在如何影响这两个突变。“通过这种方式，可以查看许多不同的基因型组合，看看它如何影响自己感兴趣的东西。”
适应度景观的价值不仅限于比较基因组或蛋白质的少量变化。现代实验技术开发了一种称为深度突变扫描（deepmutationalscanning）的技术，利用该技术，研究人员能够对自然选择进行小规模实验，并同时比较数万个突变的适应度。该过程可能有助于揭示病*变体间无法预料的相互作用，并且尝试找出可能对人类构成新威胁的病*未来演化的路径。
2.适应度景观：生存的动态地图
在《物种起源》中，查尔斯达尔文写道，自然选择是“保持有利的个体差异和变异，消灭有害的个体差异和变异”的结果。在基因的概念出现之前，生物学家只能试图想象有机体微小、可遗传的变化如何影响繁殖。美国生物学家SewallWright的工作首次实现了该想法。在的《第六届国际遗传学大会论文集》上发表的论文中，Wright开创性地使用手绘图来表明有机体如何穿梭于“几乎无限大的可能变异领域，并在自然选择下找到生存之路”。
Wright指出，可视化大量可能的线性分子（如DNA或肽）变体的一种方法，是将每种可能性视为空间中一个特定的点。分子演化即为初始变体点和最终变体点之间的路径，该路径途经中间变体的所有点。
为了帮助理解这些变体的复杂图形以及它们之间的演化路径，Wright将其表示为更直观的仅有两个或三个维度的“适应度景观”。平面轴绘制DNA（基因型）或物理特征（表型）的变异；两个变体越相似，它们在平面上的位置就越近。纵轴衡量变异对演化适应度的影响。提高生物体存活几率的变体，无论是通过增加其存活后代还是改善其蛋白质的功能，均集中在适应度景观的高峰，而降低生物体存活几率的变异则被困在山谷中。
图1.SewallWright为其年的开创性论文绘制的一幅插图，代表了适应度景观可能的模样。该平面代表所有可能变体的集合。其中虚线表示具有相似适应度的变体，加号表示景观的高峰，减号表示景观的山谷。
来源：TheUniversityofChicagoLibraryandpermissionsgrantedfromGeneticsSocietyofAmerica
密歇根大学医学院的演化生物学家AdamLauring解释，由此产生的景观具有独特的拓扑。如果映射的变体对适应度的影响没有太大差异，那么景观看起来就像平原一样平坦。对人类健康影响巨大的变体则在景观中创造了类似珠穆朗玛峰一样的高峰。自然选择偏爱高峰所对应的变体：物种平均基因型或表型应该通过在高峰间移动来演化，并且演化最好是沿着高峰间的山脊而非穿过山谷。（具有不同基因型的孤立亚群也可以帮助一个物种找到跨越鸿沟的方式。）
“如果你移动几英尺，就会摔倒，再次站起来会变得非常困难，移动的途径会越来越少。”Lauring表示。
“这个理论非常简单。研究人员只需要知道物种的基因型，然后测量其对应的适应度，便可以预测任何可能发生的事情。”在瑞士伯尔尼大学研究演化动力学的ClaudiaBank表示。但将理论付诸实践就是另一回事了。
一个复杂的问题是，无论是针对SARS-CoV-2还是人类，适应度景观都不是一成不变的。对于生物体而言，一种能够使其消化新食物、但同时也降低生长速度的变异，既可能是救命稻草，也可能是致命障碍。变异对演化适应度的影响取决于生物体所处的环境。当环境发生变化时，适应度景观也会发生变化。“不同的变异影响不同，这取决于生物体当前的环境。”Lauring表示。
图2.由于环境不断变化，适应度景观也总是在不断变化。生物种群追随高峰而演化。
来源：RandyOlsonBjrnstman
绘制适应度景观也是一个数学挑战。长度只有个氨基酸的小蛋白质会有20种可能的变体——比宇宙中原子的数量还要多。很难想象，更不用说去计算真实蛋白质适应度景观的复杂拓扑结构及其可能路径的数量。因此，几十年来，适应度景观只是概念上的辅助，而非具体测量的工具。直到最近，借助先进的计算能力和改进的分子生物学技术，研究人员才能够开始为单个蛋白质和细菌、病*等简单生物体绘制定量景观。
细菌和病*几乎是绘制适应度景观的理想对象。在试管中生长至数百万或数十亿的数量，每个细菌细胞或病*颗粒都可以从描适应度景观的巨大变体库中携带一个突变。它们极短（几小时或几天）的代际差，也使研究人员能够更快地识别新的突变。大多数使用RNA作为其遗传物质的病*，包括HIV和丙型肝炎病*（HCV），也很容易发生突变，因为复制其基因组的RNA聚合酶不会像DNA聚合酶那样有效地校对拷贝。
研究人员首先发现，尽管适应度景观很复杂，但生物体通常仅处于少数适应度峰值，并且其间的路径数也受限。年发表于Science的一篇论文仔细研究了一种叫做β-内酰胺酶的蛋白质，它可以使青霉素等抗生素失活[4]。β-内酰胺酶中五个单核苷酸突变的联合作用可以使其抗生素耐药性增加000倍。时任哈佛大学演化生物学博士后、现任布朗大学实验室负责人的DanielWeinreich与他的同事指出，该基因的演化可能以条路径来累积所有五种变体。
图3.β-内酰胺酶可能以条路径来积累变体。
来源：SamuelVelasco/QuantaMagazine;doi.org/10./science.
然而，当研究人员在实验室中创建和测试中间变体时，他们发现有条路径在自然选择下是不可能存在的，因为它们产生了有缺陷或不完整的蛋白质。随后他们发现许多剩余的组合未能改善抗生素耐药性，可能的演化路径进一步减少。对此，他们表示，“生命的蛋白质演化途径可能在很大程度上是可复制的，甚至是可预测的。”
3.深度突变扫描：实验室中的自然选择
但即使是预测最小的病*或蛋白质的演化轨迹，也需要对其适应度环境有详尽的了解，而这很难达成。从历史上看，科学家仅能一次产生一个核苷酸或氨基酸的变体，然后纯化蛋白质变体并评估其功能。而检查多个可能的变体通常是不实际的。
深度突变扫描技术[5]的发展改变了这一切。这种技术允许科学家一次性生成数以万计的变体，然后让所有变体相互竞争以确定它们的相对适应度。
研究人员首先创建了一个可以克隆到培养细胞中的变异基因库。由基因编码的蛋白质，其活性与一些生化功能有关。在实验室中对生化功能施加选择，可增加适应度最高、活性最高的蛋白质，而活性低的蛋白质将消失。通过高通量DNA测序，研究人员可以统计每个变体的数量，以定量测量其多代的表现。
“这是一种刻画变体影响的有效方法，”伦敦Warnecke实验室的研究员ValerieSoo表示。
对于易突变的RNA病*，科学家甚至不必在实验室中产生变体——易出错的基因组复制流程会引入突变，自然产生变体。病*的数以百万计的拷贝，每个都与其相邻病*略有不同，从而产生病*学家所定义的突变群（mutantswarm），这是自然选择促进演化的原材料。
“微生物繁殖速度如此之快，以至于演化每天都在发生。研究人员实际上可以实时监测演化，”法国蒙彼利埃MIVEGEC实验室的演化生态学家SamuelAlizon表示。
研究人员发现，突变群中的突变很少能被传播给新宿主，特别是当感染仅需少量病*时。其中一些传播纯粹是偶然，即变体在正确的时间出现在正确的位置。但通过勾绘适应度景观，研究人员可以尝试找出为什么某些变体的传播频率远高于其他变体，加州大学旧金山分校的病*学家RaulAndino-Pavlovsky表示。“病*不仅需要能够产生多样性，而且还必须能够容忍这种多样性，能承受变化的病*很可能是一种适应性更强的病*。”
图4.FredHutchinson癌症研究中心的研究人员TylerStarr（左）和JesseBloom（右）研究了SARS-CoV-2刺突蛋白的一个关键结构域，以找出其引起免疫系统注意的部分。
来源：TylerStarrJesseBloom
根据演化生物学家TylerStarr的说法，不管是在概念上还是定量化上，适应度景观都是描述慢性或持续感染中，病*如何规避宿主免疫系统中和作用的完美方式。他加入FredHutchinson癌症研究中心JesseBloom实验室，就是为了研究HIV如何在感染过程中与患者体内的抗体免疫共同演化。他的目标是了解病*和免疫系统之间的这种演化*备竞赛如何产生具有保护性的抗体，这可以帮助科学家开发
