8.2 协同演化与气候响应

8.2 协同演化与气候响应

本节摘要：演化从不独自上场：捕食者、寄生物与宿主互相充当对方的选择压力，形成持续的"军备竞赛"（红皇后动态）；而当代气候变化则把种群推向三条出路——迁移、可塑性、遗传适应。本节用负频率依赖选择模拟红皇后 oscillation，用投资权衡模型展示气候响应的三路径与"进化救援"的条件。

一句行话开场："红皇后你必须拼命跑，才能留在原地"

《爱丽丝镜中奇遇》的这句话被 Van Valen 1973 年借去命名一个化石统计现象（各类群的灭绝概率不随年龄下降），后来含义收敛为：当你的对手也在进化时，不进化就等于退步。宿主-寄生系统是最纯的现场：寄生者找到攻破宿主防御的等位，宿主随即选出新的防御等位，前者的优势随之失效——双方锁定在循环博弈里。最干净的分子证据来自负频率依赖选择：蜗牛壳色/旋向与寄生蠕虫的匹配循环，两边的稀有型轮流占优，多态因此被无限期维持（这本身就是"杂合度为何这么高"的一种解答）。

演练一：红皇后循环的最小模型

import random

def red_queen(gens=400, host0=0.5, para0=0.5, seed=0,
              attack_if_match=0.4, cost_host=0.02, cost_para=0.02):
    """宿主两型H1/H2，寄生者两型P1/P2；P_i 只认 H_i。
    匹配则宿主受损、寄生者得分；不匹配则各自付携带代价"""
    rng = random.Random(seed)
    H, P = host0, para0
    trace = []
    for _ in range(gens):
        h, p = H, P
        # 宿主两型的适合度：被匹配的受 attack，且携带稀有度无直接好处，只有代价结构
        wH1 = 1 - p * attack_if_match - cost_host * p   # 常见寄生型打它更狠
        wH2 = 1 - (1 - p) * attack_if_match - cost_host * (1 - p)
        # 寄生者两型的适合度：匹配宿主才繁殖成功
        wP1 = h - cost_para
        wP2 = (1 - h) - cost_para
        wmH = h * wH1 + (1 - h) * wH2
        wmP = p * wP1 + (1 - p) * wP2
        H = h * wH1 / wmH; P = p * wP1 / wmP
        # 抽样噪声（有限群体）
        H = min(max(H + rng.gauss(0, 0.03), 0.001), 0.999)
        P = min(max(P + rng.gauss(0, 0.03), 0.001), 0.999)
        trace.append((H, P))
    swings = sum(1 for i in range(1, len(trace))
                 if abs(trace[i][0] - trace[i-1][0]) > 0.05)
    return trace, swings

trace, swings = red_queen()
print("宿主-寄生频率循环，剧烈波动步数:", swings, "/", len(trace))
print("末段宿主频率:", " ".join(f"{trace[g][0]:.2f}" for g in range(380, 400, 4)))
​

输出显示两个频率互相追逐、振荡不收敛——没有静态最优，只有永动的追赶。这个模型同时解释了两件实事：为什么有性生殖在寄生压力高的物种里更普遍（有性重组不断换"锁芯"，是红皇后赛跑的加速器——Hamilton 的经典论证），以及为什么宿主群体能长期维持高多态（稀有型轮流是避风港）。

气候变化下的三条出路

种群面对快速变化的环境只有三条路，且常并行发生：

1. 迁移：追踪合适的气候带（化石与观测记录里分布区整体位移）
2. 表型可塑性：第 2 章的反应规范——不换基因，用发育弹性缓冲（如物候随温度提前）
3. 遗传适应：真正的进化响应，需要足够大的群体与变异供给

当三条路都走不通（片段化栖息地、塑料性耗尽、N_e 太小），种群滑向灭绝。进化救援（evolutionary rescue）指第三条路恰好及时赶到、把衰退曲线拉回增长的情形——其成立条件苛刻：衰退速度要慢于适应速度，遗传方差要够用。两栖类对真菌病害的耐受演化是少数被记录到的野外案例。

演练二：三路径与救援条件

import random

def decline_or_rescue(r0=-0.05, gens=120, var_effect=0.06,
                      plasticity=0.02, N0=500, seed=0):
    """种群内在增长率 r0 为负（环境已恶化）；
    遗传适应按固定速率抬升 r，可塑性先顶一部分"""
    rng = random.Random(seed)
    N = N0; r = r0 + plasticity
    track = []
    for g in range(gens):
        r = min(r + var_effect * (rng.random() < 0.5), 0.08)  # 适应供给有随机性
        N = max(int(N * (1 + r + rng.gauss(0, 0.02))), 0)
        track.append(N)
        if N == 0:
            break
    return track

for label, kw in [("无适应 r0=-0.05", dict()),
                  ("慢适应", dict(var_effect=0.004)),
                  ("快适应+可塑性", dict(var_effect=0.012, plasticity=0.03))]:
    t = decline_or_rescue(**kw)
    print(f"{label}: 120代后种群 {t[-1]}（谷值 {min(t)}）")
​

无适应的曲线一路归零；慢适应在谷底灭绝（适应来不及）；快适应曲线先跌后升——U 形轨迹是进化救援的签名。把 var_effect 再调小、N0 调小，救援几乎从不发生——遗传方差与种群规模共同决定生还概率，这正是保护遗传学强调"先保数量与连接度，进化才有的谈"的原因。

生态-进化反馈一览

💡 关键直觉：生态与进化不是两层楼，而是同一台机器的两个刻度盘——种群密度影响选择效率（密度依赖选择），进化又反过来改写种群动态（救援或崩溃）。当代进化生态学的前沿大多落在这个环里。

本节要点回顾

• 负频率依赖的红皇后循环维持双方多态，也论证了有性生殖的价值
• 气候响应三路径：迁移、可塑性、遗传适应，常并行、各有上限
• 进化救援 = U 形曲线，成立条件是适应速度跑赢衰退速度
• 保数量、保连接度是给"遗传适应"这条路径留下的入场券

第 8 章完成内外两视角。最后一章回到我们自己：人类的演化史，以及进化论在医院、农田与荒野里的实际应用。