Modelling viral evolution and adaptation: challenges and rewards
作者：Susanna C Manrubia
病毒种群具有极强的可塑性。它们持续维持并产生高水平的基因型与表型多样性，这可能催生不同的适应策略。构建真实可信的病毒进化模型时，一个核心未知问题是突变如何影响适合度，这本质上是要揭示病毒适合度景观的本质。得益于深度测序、大规模计算等新技术，以及系统性的实验室测定，我们对病毒复杂性的认知正不断深化。借此，我们正逐步厘清基因型中性网络、病毒突变体间的缺陷型与协同互作、病毒与免疫系统的共进化等所发挥的作用。因此，病毒进化模型的准确性不断提升，在理论构建与预测能力上也愈发完善。
引言
进化定量理论的发展，面临着从海量零散观测中提炼普遍规律的挑战。我们所观察到的生物复杂性，是从分子到生态系统，在多个时空尺度上展开的漫长且交织的集体过程的产物。即便单一种群的适应动态，也涉及不同作用主体与多层级的描述、选择机制，包括：引发基因组变异的无数机制、突变对表型的多重影响、个体间互作与竞争群体的选择、适应策略在内外环境改变下的后果，以及环境随时间尺度变化施加的约束。
当前，旨在建立普遍规律的模型预测能力有限；聚焦单一或少数观测的模型可给出具体预测，但适用范围狭窄。无论哪种情况，基于现有实验知识的不可避免的假设，都限定了研究结果的边界。
病毒是探究进化复杂性的核心实验系统。它们形成庞大、异质的种群，始终处于动态变化中，要么快速适应，要么走向消亡。病毒的适应策略构成了一套庞大、新颖且精巧的机制组合，远超我们的预期。粗略审视其显著特征，便会引出诸多悬而未决的问题：病毒种群如何变化与适应，以及真实的病毒进化模型应纳入哪些过程与机制。
尤其是RNA 病毒，因其基因组短小、种群规模大、突变率高，能广泛探索基因组空间。其动态受基因型中性网络（产生相同表型）调控，这类网络以未知且多变的范围覆盖基因组空间。在建立基因型 – 表型关联时，构建能反映基因组变化如何影响功能的适合度景观至关重要。
病毒通过点突变产生多样性，也会通过片段缺失、非同源重组、片段重排等重大变异实现。在此条件下，许多病毒会产生大量缺陷型基因组，这些基因组可借助完整基因组的互补作用，在适宜环境中存活。这些特性是致病性病毒应对治疗的关键，也是设计病毒感染防控方案时必须考量的因素。
完整描述病毒准种的复杂性是一项艰巨任务。尽管这一认知是否为病毒进化普遍理论的前提尚存争议，但毋庸置疑，实证知识为研究指明了方向。超深度测序等新技术将推动这一进程，例如实现病毒基因组多样性的精细表征。微阵列技术可同时分析数千份样本，有望实现准种其他异质特征的定量分析，这一点已在脊髓灰质炎病毒适合度景观与中性空间的研究中得到验证。持续提升的计算能力，也将助力系统解析突变对功能的影响，例如突变如何改变蛋白质的热力学稳定性。
从病毒复杂性到简约准种模型
简约模型可能成为极具价值的理论隐喻，艾根准种模型便是典型。数十年前该模型被应用于病毒研究后，便主导并限定了学界对病毒种群的认知。艾根模型启发了提高突变率以诱导病毒感染性消亡的思路，这一策略在体外实验中被证实高效。
然而，病毒消亡可通过超越误差阈值之外的机制发生：包括缺陷型基因组的有害作用引发的随机消亡、种群中所有基因组同步衰退、有限资源下种内竞争导致的消亡等。另一方面，突变率上升并非总会损害病毒存活：在恶劣环境中，更多突变既意味着更多致死突变（强化净化选择），也可能带来更多有利突变，最终促进适应。
诚然，实用模型无法囊括所有细节，但必须牢记被简化忽略的要素；当模型与实验结果相悖时，需重新纳入这些要素。
突变的价值
尽管有利突变对病毒种群存续至关重要，却常被进化模型忽略。即便在高度优化的种群中，这一简化看似合理，实验观测却并不支持。这一案例警示我们：直觉在进化过程中往往失效。
事实上，在偏离突变 – 选择平衡的病毒准种中，尤其是感染新宿主等环境变化时，有利突变与补偿突变会显著富集。突变的效应与方向取决于其所处的基因组背景、当前环境，因此无法赋予其绝对的价值。
当突变频发时，无性种群的动态会受不同效应突变间的干扰影响，种群响应核心取决于适合度效应分布（DFE）。自费希尔提出适应几何模型以来，学界普遍认可小效应突变占主导，但更丰富、精准的测定数据表明，病毒中中等与大效应突变的占比同样显著。
适合度效应分布的数学形式是研究热点，但目前尚未达成共识。判定其是否具有普适形式的数据仍不足，但越来越多的实证证据显示：真实的适合度景观存在局部相关性，随突变积累会趋近随机景观，两种状态的转换阈值（突变数量）可能较大。这一情景与 RNA 序列 – 二级结构映射的非平凡适合度景观在定性上相似。精准掌握适合度效应分布的数学形式，有助于评估不同适合度景观对病毒动态与分子准种核心特征的刻画能力。
超越突变云：中性网络的核心作用
病毒适合度中大效应突变的普遍存在，与 “准中性是适应与创新核心要素” 的主流观点高度契合。由适合度近乎相等、可相互突变的基因型构成的庞大网络，能让病毒种群在基因型空间中无适合度代价地漂移。
中性网络在高维空间中高度互联，意味着绝大多数表型仅需少数突变即可相互转化。延伸赖特的隐喻，对应的适合度景观可视为多层结构（等适合度的基因型网络 / 表型），在特定位置仅需 1~ 数个突变即可跨越。
病毒种群在这类景观上的适应动态表现为：在中性网络中漂移的停滞期，与遇到更高适合度表型时的网络快速切换期交替出现。这一行为已在甲型流感病毒与麻疹病毒中被证实与建模 —— 宿主免疫系统迫使病毒持续产生抗原新特性，否则将走向消亡。
病毒种群在由庞大互联中性网络构成的基因型空间中的结构，与围绕最优序列形成的变异云截然不同。研究重点应转向高适合度表型—— 它们由大量基因组集合代表，这些基因组在谱系上可能彼此相距甚远。种群在当前网络中的分布范围，决定了选择压力变化时，其发现并固定新表型的潜力。
病毒与免疫系统的共进化，或对其他选择压力变化的响应，可描述为不同层级相对高度（即潜在表型的适合度）的持续变化。将中性网络与真实环境表征纳入病毒进化模型，是未来进化模型的核心挑战。
对治疗的适应性：耐药性与防控
病毒具备惊人的逃逸抗病毒治疗的能力。问题不在于病毒是否会产生耐药性，而在于何时产生。联合使用两种及以上药物，是延缓耐药突变出现的成功策略。
借助建模与计算技术优化治疗方案，需聚焦三大核心问题：
- 通过更真实地模拟病毒进化策略，解析病毒种群对抗病毒药物的响应；
- 优化药物给药时机与方式，最小化病毒载量、最大化耐药株出现时间；
- 明确免疫系统与病毒种群的关键互作。
联合疗法需辅以药物互作研究。例如，诱变剂与病毒复制抑制剂序贯给药可能比同时给药更高效。两种药物的非线性互作，取决于给药剂量与病毒的繁殖策略。
病毒策略与进化博弈
病毒种群的高度异质性，会催生表型、生存策略差异显著的亚种群。通常，一种策略的优势取决于采用该策略的个体比例，这可通过进化博弈论阐释。
典型案例：完整病毒与片段化病毒的竞争。低感染复数（MOI）下，病毒颗粒需包裹完整基因组才具感染性；高 MOI 下，不同缺陷基因组可互补并取代野生型。互补作用的劣势，可通过病毒颗粒更高的稳定性等方式弥补。
另一类策略冲突存在于竞争型与定植型亚种群之间：前者更擅长在细胞内复制，后者更快速侵染新细胞。病毒的进化博弈中无绝对制胜策略，博弈收益取决于竞争策略的相对丰度与当前环境。病毒种群能部署多种策略时，存活概率会显著提升。
结论
在正式模型中纳入或忽略某一病毒特征 / 过程，可能从本质上改变病毒（虚拟）种群的动态与最终命运。简约模型有助于构建理论框架，建立核心机制与进化动态的关联，还能启发新实验；若实验结果与模型预测吻合，即可验证模型有效性。但将进化模型推广至其他系统时需谨慎，因为原始假设可能不再成立，模型推导的预期也会失效。
得益于实验数据的持续积累、基因组学与计算技术的进步，病毒种群正被以前所未有的精度解析。这些研究将推动突变对适合度效应的更真实定量分析。尽管这一挑战才刚刚起步，但可以明确：真实的适合度景观既非平滑也非随机，过于简化的模型可能得出误导性结论。
下一步，需构建能从基因型空间特性推导表型进化模型的统计理论。
将合理设计的特异性模型应用于病毒感染防控，将带来重大突破。认清病毒的核心优势 —— 如多样性水平、种群内的协同策略，是设计高效传播防控方案的第一步。结合病毒基因组多样性深度解析、进化策略认知、药物互作研究、病毒与免疫系统共进化研究，将为制定成功疗法提供关键指导，实现降低病毒载量、延缓耐药株出现的目标。
. 2012 Oct;2(5):531-7.
doi: 10.1016/j.coviro.2012.06.006. Epub 2012 Jul 15.
Modelling viral evolution and adaptation: challenges and rewards
Affiliations
- PMID: 22796325
Hits: 1