9.3 进化医学与保护应用

9.3 进化医学与保护应用

本节摘要：进化论在医院是管理手册，在农田是设计规范，在保护区是决策工具。本节把前八章的机制折成三个应用框架：病原体与肿瘤的"按进化管理"策略（剂量、联合、 Adaptive 策略），育种中的选择-多样性权衡，以及保护遗传学用 N_e、HWE 偏离诊断与遗传拯救干预小种群的作业流程。

场景切入：肿瘤是一棵在患者体内生长的树

一个肿瘤由数十亿细胞组成，携带各不相同的突变组合——它实质上是一个按第 3、4 章规律演化的克隆群体：变异供给（体细胞突变）、选择（治疗药物就是选择压力，与 6.1 的抗生素完全同构）、漂变（切除手术的瓶颈）。由此，肿瘤学的最大范式转变有了理论出处：最大耐受剂量消灭肿瘤，等于对耐药克隆做定向选择。相应的进化导向策略包括：适应性给药（adaptive therapy）——故意留一部分敏感细胞与耐药细胞竞争，让敏感者替你压制耐药者；以及按"进化根源"设计的联合方案。同样的算术也支持疫苗策略：覆盖价数足够高的疫苗才不给逃逸株留空档，而免疫抑制人群的长期感染是耐药/逃逸变异的孵化器。

演练一：适应性给药 vs 最大耐受剂量

import random

def tumor_treat(strategy="MTD", days=180, N0=0.6, kill=0.5,
                cost_r=0.04, mu_r=1e-5, seed=0):
    """肿瘤负荷 0-1；耐药亚群频率 f；MTD=持续给药, ADAPT=负荷低于一半即停药"""
    rng = random.Random(seed)
    load, f = N0, 1e-4
    traj = []
    for d in range(days):
        on = True if strategy == "MTD" else load > 0.5
        # 敏感细胞被药物压，耐药细胞付代价
        if on:
            load *= (1 - kill * (1 - f))
        load *= (1 + 0.25 * (1 - f) + 0.25 * (1 - cost_r) * f)
        # 耐药频率在给药时上升（选择），停药时回落（代价）
        s_sel = (kill if on else 0) - cost_r
        f = f + s_sel * f * (1 - f) + mu_r * (1 - f)
        f = min(max(f, 1e-9), 0.999)
        load = min(max(load + rng.gauss(0, 0.01), 0), 1.2)
        traj.append(load)
    return traj

for st in ("MTD", "ADAPT"):
    t = tumor_treat(strategy=st)
    print(f"{st}: 180天后负荷 {t[-1]:.2f}, 期间峰值 {max(t):.2f}")
​

典型结果：MTD 曲线先大降后反弹（耐药克隆接管），ADAPT 曲线维持震荡不溃堤——控制而非歼灭，牺牲"治愈幻觉"换取"长期可控"。这与 6.1 的耐药代价管理是同一个数学骨架，只是把细菌换成了癌细胞。

育种：选择的速度与多样性的账

人工选择是进化的加速档：现代玉米从大刍草般的祖先被改造成密集果穗，奶牛产奶量数十年翻倍。但选择方程的两面同样在账上：选择强度越大，遗传方差消耗越快，近交衰退风险越高（第 3 章的漂变公式在小有效群体里加倍凶猛）。现代育种的应对构成一门"管理遗传方差"的工程：轮回选择保留基础群体、分子标记辅助选择在幼苗期锁定目标等位（把选择从表型等待中解放）、基因组选择用全基因组效应估计缩短世代间隔；以及作物野生近缘种作为"预置变异库"（抗病基因的天然仓库）——这直接呼应第 7 章慈鲷的"杂交预置辐射原料"：多样性是未来选择的燃料，不是库存成本。

保护遗传学：诊断与抢救的作业流

小种群的三连击：近交抑郁（隐性有害等位纯合）、漂变洗掉多样性（4N 世代规则）、局部适应被基因流或固定漂变破坏。作业流程对应前几章的工具：

1. 诊断：HWE 偏离（3.1 卡方）查近交；微卫星/全基因组杂合度对照历史标本查多样性流失幅度
2. 估有效群体：从杂合度衰减或连锁不平衡反推 N_e，低于数百即红色警报
3. 干预：遗传拯救（从遗传多样性高的近缘种群引入个体——佛罗里达山狮引入德州亚种的经典案例扭转了近交衰退）、栖息地走廊（把 Nm 从 <1 抬到 >1，恢复第 3 章的同质化流）、或建立 metapopulation 结构（让"局部灭绝-再殖民"的动态维持全局多样性）

演练二：遗传拯救的账本

import random

def genetic_rescue(N=40, inbred_fitness=0.55, rescue_g=20,
                   intro_n=5, het_boost=0.25, gens=80, seed=0):
    """近交小种群在第20代引入外来个体后的适合度恢复"""
    rng = random.Random(seed)
    w = inbred_fitness; traj = []
    for g in range(gens):
        if g == rescue_g:
            w += het_boost * intro_n / (N + intro_n) * 1.4   # 杂合度注入
        # 适合度向均衡缓慢回复 + 噪声
        w += (0.9 - w) * 0.03
        w = min(max(w + rng.gauss(0, 0.01), 0.1), 1.0)
        traj.append(w)
    return traj

t = genetic_rescue()
print(f"引入前一年适合度 {t[18]:.2f} -> 引入十年后 {t[30]:.2f} -> 末段 {t[-1]:.2f}")
print(f"种群平均适合度恢复幅度: {t[-1]-t[rescue_g if False else 19]:.2f}")
​

注入外来遗传变异后适合度爬升、再由选择清理有害等位——遗传救援本质上是把第 3 章基因流从"威胁"（第 3 章末尾的基因污染警告）切换成"资源"：关键在于受体群体是"缺乏多样性"还是"已有本地适应"——前者该救，后者慎动。这也是保护决策里最常被简化掉的一个判断。

进化应用的统一清单

💡 关键直觉：所有进化应用的共同心法只有一句话——别问"怎么消灭变异"，问"怎么管理变异的评分函数"。药物、猎枪、保护区边界都是评分函数的一部分；懂进化的人设计评分函数，不懂的人被评分函数设计。

本节要点回顾

• 肿瘤与病原都是演化群体，最大剂量策略可能是在替对手做选择
• 适应性给药与联合用药把竞争与代价变成工具
• 育种的本质是管理遗传方差：野生近缘种是预置的变异库存
• 保护遗传学 = 诊断（HWE/N_e）+ 干预（拯救/走廊），救援前先判断是缺多样性还是怕污染

全册到此收束。进化论给的最大遗产也许不是任何具体结论，而是一种提问方式：看到任何生物性状、疫情曲线、育种报表，先拆出变异、频率、选择与漂变四个变量——然后动手算。