综述:原生分布区内栖息地改造能否促进生物入侵?

《Trends in Ecology & Evolution》:Can habitat modification in the native range promote invasion?

【字体: 大 中 小 】 时间:2026年07月06日 来源:Trends in Ecology & Evolution 17.9

编辑推荐:

  人为诱导的适应入侵(Anthropogenically Induced Adaptation to Invade, AIAI)假说认为,原生分布区内人类改造栖息地中的选择可以使种群适应入侵其他地方的类似改变环境。尽管被广泛引用,该假说的实证检验仍然有限,因为区

  
人为诱导的适应入侵(Anthropogenically Induced Adaptation to Invade, AIAI)假说认为,原生分布区内人类改造栖息地中的选择可以使种群适应入侵其他地方的类似改变环境。尽管被广泛引用,该假说的实证检验仍然有限,因为区分原生分布区适应与引入后进化具有挑战性。在此,研究人员阐明了人类干扰如何创造可重复的选择机制,并展示了如何通过针对性采样、种群基因组学和基因型-环境关联(Genotype–Environment Associations, GEA)来区分原生分布区适应与引入后进化。结合基因组偏移(Genomic Offset, GO)、遗传架构、非遗传变化、实验和时序数据可进一步加强推断。这些见解和方法确立了AIAI假说作为一种明确将人类干扰与入侵物种进化动态联系起来的机制,为预测和管理生物入侵提供了新思路。
从全球变化到生物入侵
大约75%的地球陆地表面已被人类活动显著改变,包括农业、城市化和资源开采。这些转变是全球变化的核心组成部分,被广泛认为是生物多样性丧失和入侵物种扩散的主要驱动因素。原生分布区内的人类改造栖息地(Human-modified habitats)可对当地种群施加强烈选择,有利于增强在人为干扰下表现的特征。因此,适应了此类环境的种群也可能适应入侵其他地区包含的相似人类改造栖息地。此外,人为栖息地与运输网络的密切关联增加了此类种群被优先引入其他地方类似环境的可能性。这一生态进化假说被称为人为诱导的适应入侵(Anthropogenically Induced Adaptation to Invade, AIAI)。AIAI假说假定原生分布区内重复的人为干扰施加了有利于耐受人为条件基因型的自然选择压力;这种基因型可能在引入到原生分布区外类似改造环境中时赋予优势,有助于入侵成功。AIAI假说与更广泛的预适应概念相关,但指定了特定的选择背景:原生分布区内对人类改造栖息地的预先适应。它不同于受干扰栖息地入侵性增加的概念,后者关注的是被入侵环境的生态敏感性而非源种群的进化历史。AIAI假说关注原生分布区,因为原生分布区种群通常规模大、遗传多样性高,并接触多种人类改造栖息地,这两者都增加了适应这些栖息地的概率。尽管来自自然或半自然栖息地的基因流(gene flow)可能限制对人类改造栖息地的适应,但当选择强烈时,适应仍可发生。引入到新分布区可能减少甚至消除来自自然或半自然栖息地的基因流,从而促进在引入分布区对人类改造环境的适应。原则上,引入种群也可能在引入后进一步适应人类改造栖息地。当引入种群源自少数奠基者并遭受强烈瓶颈(bottleneck)时,这种AIAI过程预计较少发生,因此仅携带其源种群中存在的遗传多样性的一小部分。然而,当许多繁殖体被反复引入,或从原生分布区的不同地点引入时,遗传变异可能不是限制因素,从而促进对引入地点(如港口、路边和农田生态系统)的持续适应。虽然AIAI主要是一个原生分布区现象,但它包含了引入分布区内平行过程的潜力,包括人类栖息地之间的二次入侵。因此,AIAI增加了人类驱动的适应如何以及何时塑造入侵轨迹的细微差别。
人类改变的栖息地作为原生和引入分布区的多尺度选择景观
人类改造环境施加的选择压力在自然或半自然栖息地中较弱或不存在。关键人为驱动因素包括生境破碎化、化学胁迫、非生物机制改变、资源脉冲、破坏的生物互作以及直接的人为介导选择(例如通过杀虫剂和除草剂、养分富集、城市热岛、污染和夜间人工光照),在这些因素之间产生部分平行的选择机制。然而,每种栖息地以独特方式组合这些驱动因素,产生依赖于背景的选择机制,可引导不同的适应轨迹。农业和城市系统选择快速生活周期、抗性机制、耐热性、物候转变和增强的解毒能力。在开采景观中,极端物理干扰和化学污染选择金属耐受性和氧化应激抗性。在一些高度污染的人为环境中,慢性污染物暴露可能提高突变率并改变可用于选择的遗传变异供应,特别是在世代时间短的生物体中。这些选择机制转化为对入侵相关性状的一致预期。跨人类改造栖息地,选择反复靶向化学解毒和抗性途径、应激生理、物候和昼夜节律调节、生殖保障以及促进快速种群增长和周转的性状,从而在种群遇到其他地方类似改造环境时促进定殖和扩散,这与AIAI框架一致。如果原生分布区内对人类改造栖息地的适应通常支撑入侵,则可改进对潜在新入侵者的预测,以便在入境点进行针对性监测,帮助在定殖前预防入侵。
人为诱导的适应入侵:我们能从种群基因组学中学到什么?
研究人员在此划定了一系列种群基因组学方法来解决与AIAI假说相关的五个关键问题。这些问题共同说明了如何利用关于来源鉴定、输出的适应、基因组偏移预测、遗传架构和遗传负荷(genetic load)的信息。
入侵者是否主要来自位于人类改造栖息地的原生种群?
检验AIAI假说需要识别原生分布区源种群,以确定入侵是否不成比例地起源于人类改造栖息地。因此,可靠的推断需要在原生和入侵种群中进行密集采样以识别来源。理想情况下,采样应捕获人为干扰连续体,而不是仅仅依赖自然和人类改造地点之间的简单对比。种群基因组学可以重建入侵历史并查明原生分布区来源。结构分析可以揭示由遗传漂变、对人类改造栖息地的适应或人类介导的扩散形成的原生遗传簇。基于模型的推断,通过近似贝叶斯计算(approximate Bayesian computation)或混合图(admixture graphs),可以正式比较替代入侵情景。空间显式方法可在连续空间中推断来源,而无需预定义种群,这在人为梯度下特别有用;例如,Locator从空间等位基因频率模式预测个体地理起源。这些方法共同提供了一种强大的方式来检验入侵者的祖先是否不成比例地起源于人类改造区域。
适应人类改造栖息地的遗传基础是否在入侵过程中转移?
检验AIAI假说需要确定原生种群是否携带适应人类改造栖息地的基因组特征。基因型-环境关联(GEA)可以识别与人为梯度定量测量或环境之间二元对比相关的基因组区域。应尽可能整合表型数据,因为它们提供了环境相关基因组变异影响性能相关性状的最直接证据。全基因组关联研究(Genome-wide association studies, GWAS)、共同花园或田间表型鉴定以及功能注释(包括作为探索性步骤的基因本体富集)可以将候选基因组区域与入侵相关性状联系起来,例如胁迫耐受性、解毒、物候或生殖性能。一个关键预测是,入侵种群将与其原生来源共享与人类改造栖息地相关的适应性变异。然而,单独的共享变异很少能定位适应发生的时间和地点,因为相似的模式也可能反映引入后对已有利变异的选择、平行进化或非适应性 demographic 过程。时间分辨的基因组数据(例如博物馆或标本馆基因组),结合单倍型(haplotype)信号或等位基因年龄推断(allele-age inference),可以帮助确定选择是在入侵事件之前还是之后发生的,特别是对于受到强烈选择的位点。重要的是,原生分布区内对人类改造栖息地的适应在引入新分布区时可能并不完整。对AIAI的支持包括在引入时有利于原生人类改造栖息地的变异是常见而非固定的情况,并且这种已有利变异随后在可比栖息地定殖后推动快速的额外适应。几个复杂因素进一步促使需要进行明确的模型检验。隐性回引可以将入侵基因组特征重新导入原生分布区,模仿AIAI,因此需要严格重建入侵路线和时间采样。桥头堡效应(Bridgehead effects),即次生入侵种群反复播种新的入侵,也可以产生源和人为栖息地之间的表观联系,反映了较高的繁殖体压力而非适应。更一般地,不同的 demographic 和进化历史可以汇聚于相似的基因组特征,强调需要使用零期望、基于模拟的推断(例如SLiM)和历史(即时间分辨)基因组数据来评估替代情景。
对于入侵种群,人类改造栖息地中的适应不良是否低于自然栖息地?
基因组偏移(GO)通过估计种群的适应性基因组组成与目标地点一组协变量所代表的环境条件相关联的预期偏差来量化预期的基因组-环境不匹配。基础GEA模型允许评估每个环境变量对适应性基因组变异的相对贡献。当源和目标环境不同时,预测重要性较大的变量预计会更强地导致适应不良。因此,GO可以解释为基因组加权的环境距离,可以在空间或时间上的任何位置之间计算。AIAI假说产生了两个可检验的预测。首先,GEA分析应将人为变量识别为比自然环境变量(例如与纬度或海拔相关的变量)更强的适应决定因素。其次,来自人类改造原生栖息地的种群应该对原生和引入分布区内的人类改造环境表现出较低的GO。由于一些人为主压力通过局部气候变化起作用,例如城市热岛效应,分析应尽可能区分背景气候与人造热异常,并考虑预测因子之间的共线性。即使其他环境梯度在分布区间存在显著差异,这些预测预计仍然成立,因为人为主选择机制的相似性应在引入前减少基因组-环境不匹配,并可能在定殖后得到加强。解释GO基于几个假设:用于训练GEA的种群被假定为本地适应的;所包含的环境协变量被假定为捕获了它们所经历的主要选择约束;训练地点被假定为跨越了后来预测偏移地点的代表性环境空间。
遗传架构如何在入侵过程中塑造对人类改造栖息地的适应转移?
遗传架构(Genetic architecture)塑造了对人类改造栖息地适应的可检测性和转移。在人类改造栖息地中,选择通常预期作用于具有多基因基础(polygenic bases)的复杂性状,在GEA中产生微妙但可重复的相关模式,而不是经典硬清扫。多变量GEA反复发现了沿环境梯度的多基因本地适应(local adaptation)特征,因此可以提供特别的信息。在强、空间一致的压力源(例如除草剂和重金属)下,预期更简单的遗传基础,其中抗性或解毒途径可能涉及更少、更大效应的位点。生物互作的破坏(例如宿主转移到集约化栽培作物)也可能产生大效应基因型转变,随后是多基因的细化。适应性变异是否在入侵期间传播取决于基因组架构和引入历史。多基因适应(Polygenic adaptation)对奠基者事件相对稳健,因为即使某些贡献位点丢失,适应性表型也可以从已有利变异中重新组装。原生人类改造栖息地的选择将增加适应性变异的频率,然后这些变异可以通过繁殖体携带到类似的被入侵环境中。多次引入和来自不同源种群的混合可以组装来自不同人为栖息地的基因型,从而增加这些环境中成功的已有利变异,并将AIAI机制从单一预适应谱系扩展到复合适应性基因型。基因调控也可能提供适应发生位置的见解。如果对人为主干扰的进化暴露促进了入侵性,来自人类改造栖息地的原生种群可能显示入侵相关途径(胁迫耐受性、代谢和解毒)的不同表达谱,这些途径在引入后被重用。将转录组学与种群基因组扫描相结合可以帮助分离从原生分布区人为主选择继承的调节模式与引入后独立进化的模式,包括适应主要通过调节而非编码序列变化进行的情况。除了DNA序列变异,对人类改造环境的表型转变还可能涉及微生物组和表观遗传修饰,这些可以维持并通过扩散影响入侵成功。微生物群落越来越多地被认可为宿主适应潜力的组成部分。在人类改造栖息地中,微生物组通常转向增强解毒、养分获取或对农业/城市/开采系统典型的化学和热胁迫耐受性的功能特征。由于微生物组可以垂直、水平或环境传播,功能改变的群落可能在扩散过程中伴随宿主,创造微生物衍生的宿主预适应的潜力。宿主相关微生物群落也包括病原体,其动态可能因人为干扰而改变。人类改造环境可以重塑宿主-病原体相互作用,有证据表明病原体动态在干扰背景以及原生和引入分布区之间存在差异。因此,适应原生分布区内人类改造栖息地特征的病原体群落可以在引入后促进定殖,即使没有敌人释放。表观遗传过程,包括DNA甲基化、组蛋白修饰和染色质可及性,为人为变化下的快速表型响应提供了互补途径。这些机制可以产生对新胁迫因素的快速、可逆且有时部分可遗传的响应,使它们在人类改造栖息地中特别相关。表型变异也可能源于微生物组和表观遗传状态,特别是在遗传多样性低的种群中。这种变异可能被选择以增强在原分布区和最终引入分布区的性能,即使经典的选择基因组特征较弱。在AIAI假说下,特别是当来自人类改造原生栖息地的种群入侵其他地方类似栖息地时,入侵种群应含有在组成或功能上与原生人类改造栖息地种群的微生物组和表观基因组更相似的微生物组和表观基因组,而不是自然原生环境。由于微生物组和表观基因组可以快速响应环境变化,当引入种群定殖在非常不同的、较少改造的栖息地时,这种特征可能是短暂的或更弱。跨原生-自然、原生-人为和入侵种群的微生物组、甲基组和染色质景观的综合比较可以检验人为主暴露的特征是否跨空间和时间持续存在。
适应人类改造栖息地是否会调节遗传负荷?
适应入侵前的一个很大程度上被忽视的维度是,原生分布区内人类改造栖息地的进化历史是否改变了遗传负荷(即有害变异的适合度负担),以及这是否影响定殖和扩散。遗传负荷的降低可以促进入侵性,但它在何种情况下以及在什么背景下是在原生分布区适应人类改造栖息地的过程中进化而来的尚不清楚。种群基因组学方法现在可以量化沿环境梯度净化选择的变化和适合度效应的分布。如果适应人类改造栖息地的种群经历部分清除,减少的负荷可以减轻近交抑郁,并为成功入侵提供额外优势。或者(且非排他地),遗传负荷可能充当过滤器,使入侵成功偏向于那些历史(包括暴露于人类改造栖息地)未导致负荷升高的源种群。
结语
AIAI假说通过强调引入新分布区之前原生人类改造栖息地的选择,重新构建了入侵。与这一现象一致的证据正在植物、节肢动物和脊椎动物系统中积累。与最初提出AIAI假说时相比,测序成本的降低以及成熟的景观基因组、时间基因组和基于模拟的方法使得区分原生分布区预适应与引入后进化并解析其时间变得更加可行。因此,对于许多候选系统,证明和检验AIAI假说预测的限制步骤是协调采样的设计和人为梯度的定量表征。随着原始栖息地变得越来越稀少,可靠的推断将需要跨原生和引入分布区以及沿人为梯度采样,从最小干扰到高度人类改造栖息地。这应与环境变化的定量测量和共享环境数据库的使用相结合。可靠的推断将需要协调的国际努力,以调整采样策略、实现跨境数据共享并解决监管限制,包括许可、获取和利益分享以及数据主权要求。区分原生分布区适应与引入后进化的相似表型需要结合中性来源鉴定、GEA研究和基于单倍型分析的种群基因组流程。表征跨分类群的原生分布区适应的遗传架构对于识别人类改造栖息地施加的反复途径和收敛选择过滤器至关重要,将个别案例研究与入侵生物学的一般预测联系起来。基于GO的分析提供了一个补充筛选框架:来自人类改造原生栖息地的入侵种群中持续较低的偏移将表明由于先前的人为选择减少了适应不良。相同的GO框架可进一步用于预测环境变化下的未来适应不良,直接将进化推断与入侵风险评估联系起来。最终,可靠地区分AIAI与引入后适应不能仅依赖基因组模式,还需要实验验证来证明在人类改造环境中的适合度优势。严谨地检验AIAI假说需要超越相关性基因组证据,转向证明入侵前在人类改造环境中可测量的适合度优势的方法。基因组关联可以识别候选信号,而时间和人口统计学分析有助于区分替代历史。实验分析然后提供对性能因果效应的最强检验。共同花园(Common garden)分析提供了核心实验平台。来自自然和人类改造栖息地的个体,跨原生和引入分布区,可以暴露于温度、污染或资源可用性的受控梯度,以测试推定预适应种群是否在人为条件下优于其他种群。将这些分析扩展到生殖力、胁迫耐受性或行为灵活性,提供了AIAI假说下预期的适应值直接估计。原生-自然和原生-人类改造栖息地之间的互惠移植(reciprocal transplants)对于识别引入新分布区之前的早期人为适应步骤特别具有信息性。互补的中宇宙(mesocosm)和纵向实验,在模拟自然与人类改造环境的半自然设置中跨多代运行,允许通过重复测序跟踪存活、繁殖、可塑性响应和候选位点的等位基因频率变化。功能基因组分析和靶向操作提供了关键的因果层。在受控实验室环境中,功能工具如RNA干扰(RNA interference)和可行时的CRISPR-Cas9可用于操纵先前通过基因组或转录组扫描鉴定的候选基因,直接测试其对人为胁迫耐受性的贡献。尽管RNAi已在许多非模式系统中广泛使用,功能操作在技术上千差万别,CRISPR-Cas9在成熟系统之外仍难以实施。微生物水平的平行操作,通过原生-自然、原生-人为和入侵种群之间的互惠微生物组移植,可以揭示特定微生物群落是否改善人类改造栖息地中的适合度。历史和古代材料提供了罕见的进化基线。测序在入侵之前、期间或之后不久收集的标本可以测试是否与人为压力相关的等位基因已经存在,还是仅在环境变化后频率上升。更广泛地说,这些时间分辨的数据集可以跟踪与长期人为干扰相关的变异。总之,将AIAI从叙述转变为更严格的预测需要六个步骤:(i)在原生和引入分布区跨人为梯度协调采样;(ii)人为干扰的标准化定量指标和可比环境数据;(iii)比较分析原生和被入侵栖息地中预适应的遗传架构;(iv)GO分析以检验减少的不匹配;(v)实验验证(互惠移植、中宇宙或候选位点功能操作);(vi)时间数据(博物馆基因组学/考古基因组学),当可用时,以评估适应性变化是否早于入侵。该框架的新颖之处在于将可用的分析工具应用于原生分布区人为梯度、源种群进化和入侵风险预测。虽然检验AIAI假说必然是回顾性的,但如果得到验证,也可用于预测。具体而言,未来的入侵者往往是那些原生种群适应了人类改造栖息地的物种。这些物种和种群可被优先考虑进行监测和管理,以帮助减缓日益人类改造的世界中新入侵的步伐。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号