在面对类似环境的不同物种中，出现几乎相同性状的情况屡见不鲜。这些显著的适应性进化案例为我们提供了通过比较分析深入了解其遗传起源和机制的机会。在本研究中，Sudhir巨佬及合作者们提出了一种新方法：利用成对物种对比的进化稀疏学习（ESL-PSC），构建驱动趋同性状独立起源的遗传模型。
巨佬们检验了一个假设：趋同进化的两个关键性状：禾本科植物中的C4光合作用与哺乳动物中的回声定位，其背后涉及共同的基因和遗传位点。结果显示，所构建的遗传模型能够高度准确地预测C4光合作用的独立趋同进化案例。
用于回声定位的遗传模型中，相关基因在功能分类上高度富集于听觉、声音感知等类别，而这些规律此前一直未能通过标准分子进化方法识别出来。以上结果支持了一个观点：趋同性状的进化涉及在相同遗传位点上发生的序列替换。
通过在经验和模拟数据集上的基准测试表明，ESL-PSC在蛋白质尺度的分析中对检测与趋同性状获得相关的趋同分子进化基因具有更高的敏感性。巨佬们得出结论：基于系统发育的机器学习方法能自然排除由于共享物种历史导致的表面上的分子趋同，提高检测分子趋同性的信噪比，从而有力推动了对性状趋同背后共同遗传基础的发现。
Allard, J.B., Sharma, S., Patel, R. et al. Evolutionary sparse learning reveals the shared genetic basis of convergent traits. Nat Commun 16, 3217 (2025). https:///10.1038/s41467-025-58428-8
Received
30 March 2023
Accepted
18 March 2025
Published
04 April 2025
软件地址
https://github.com/kumarlabgit/ESL-PSC
|
