进化增强突变鲁棒性并抑制新表型出现：一种研究进化的新计算方法

本文的目的有二。首先，我们提出一种研究进化特殊性的新计算方法。其次，我们将该方法应用于基因调控网络（GRNs）模型，并探索突变鲁棒性与双稳态的进化。生命系统已通过进化过程发展出其功能。为从理论上理解该过程的特殊性，仅用进化模拟（ES）是不够的，因为 ES 的结果依赖于进化路径。我们需要一个用于比较的参考系统。为此目的的合适参考系统是一组随机采样的基因型集合。然而，通过简单随机采样生成高适应度基因型是困难的，因为此类基因型十分稀少。在本研究中，我们使用统计物理中发展的多重正则蒙特卡洛方法来构建 GRNs 的参考集合，并将其与 ES 的结果进行比较。我们得到如下结果。第一，在相同适应度水平下，ES 中的突变鲁棒性显著高于参考集合。第二，新表型双稳态的出现于进化中被延迟。第三，与非双稳态组相比，双稳态 GRNs 组包含许多突变脆弱的 GRNs。这表明双稳态出现的延迟是突变-选择机制的结果。