Израильские ученые показали, что эволюция выбирает направление развития не случайно

Исследователи из Хайфского Техниона показали, что при наличии нескольких равноправных путей эволюция делает свой выбор не случайно.

Принято считать, что эволюция – это непрерывное продвижение к максимальной приспособленности. Но во многих случаях живые организмы сталкиваются с ситуацией, когда сразу несколько эволюционных траекторий обеспечивают одинаковый уровень выживаемости. До сих пор считалось, что в таких ситуациях эволюция просто "бросает монетку".

Но в новой работе, опубликованной в журнале Proceedings of the National Academy of Sciences, ученые показали, что в таких случаях эволюция имеет вполне определенную направленность. Популяции организмов смещаются в сторону более "плоских" участков эволюционного ландшафта, где их основные признаки оказываются более устойчивыми к мутациям и внешним воздействиям.

Одна и та же высокая приспособленность может быть достигнута на остром пике или на широком плато. Но любая мутация на пике скорее всего приведет к "падению", а на плато вид сможет нормально развиваться даже при мутациях и отклонениях. В результате эволюция отдает предпочтение траекториям, не только ведущим к высокой приспособленности, но и дающим повышенную биологическую устойчивость. Причем эта устойчивость возникает спонтанно в самом процессе эволюции без прямого влияния отбора.

Как отмечает соавтор исследования профессор Наама Бреннер: "Эволюцию обычно описывают как процесс восхождения на пики приспособленности, в ходе которого организмы лучше адаптируются к окружающей среде и тем самым повышают свои шансы на выживание. Но организмы иногда сталкиваются с несколькими эволюционными траекториями, которые дают один и тот же уровень приспособленности. Это поднимает вопрос о том, как эволюция выбирает между этими путями. Мы предложили ответ на этот вопрос".

Полученные результаты помогают глубже понять происхождение гибкости живых систем и объясняют естественное разнообразие в природе. Кроме того, открытый учеными принцип связывает эволюционную биологию с машинным обучением, где искусственные нейросети тоже стремятся к плоским плато для лучшего обобщения данных.