🕸️ Від еволюції до мереж: як природний відбір формує структуру

Ландшафти пристосованості: еволюція як пошук

Сьюел Райт представив метафору ландшафту пристосованості у 1932 році: уявіть багатовимірний простір, де кожна вісь представляє ген, а висота в будь-якій точці представляє пристосованість цього генотипу. Еволюція — це пошук у цьому ландшафті: популяції піднімаються до піків пристосованості через природний відбір, отримуючи поштовхи від випадкової мутації та генетичного дрейфу.

Топологія ландшафту визначає еволюційну динаміку. Ландшафт з одним глобальним піком (ландшафт "гори Фудзі") веде до детермінованої збіжності. Пересічений ландшафт із багатьма локальними піками (NK-модель Кауфмана) захоплює популяції в локальних оптимумах — точно та сама проблема, з якою стикаються алгоритми оптимізації. NK-модель параметризує пересіченість через N (кількість генів) і K (епістатичні взаємодії на ген): високе K створює дуже пересічені, корельовані ландшафти, де локальний пошук зазнає невдачі, а різноманіття популяції стає критично важливим.

Це прямо відображається на задачі оптимізації мереж. Пошук найкоротшого шляху, максимального потоку чи мінімального розрізу в мережі — це пошук у комбінаторному ландшафті. Еволюційні метаевристики — генетичні алгоритми, оптимізація мурашиною колонією, імітація відпалу — застосовують відбір, кросовер і мутацію, щоб орієнтуватись у цих ландшафтах ефективніше за вичерпний пошук.

Топологія мереж: що виробляє еволюція

Випадкові графи (модель Ердеша-Реньї) з'єднують кожну пару вузлів незалежно з ймовірністю p. Вони мають характерний масштаб: більшість вузлів мають ступінь, близький до середнього np. Але реальні біологічні мережі — білок-білкові взаємодії, метаболічні мережі, нейронні конектоми — разюче відрізняються: вони слідують розподілу ступенів за степеневим законом P(k) ~ k⁻γ, де γ зазвичай між 2 і 3. Крихітна частка вузлів (хаби) має величезну зв'язність; більшість вузлів мають дуже мало зв'язків.

Барабаші й Альберт (1999) показали, що преференційне приєднання — нові вузли переважно з'єднуються з уже добре з'єднаними вузлами — природно породжує цю "безмасштабну" топологію. Преференційне приєднання математично еквівалентне механізму відбору, пропорційного пристосованості: динаміка "багатий стає багатшим" віддзеркалює те, як високопристосовані особини лишають більше нащадків. Топологія мережі, що виникає з поєднання росту й відбору, безмасштабна — точно так само, як популяції під тиском відбору стають домінованими високопристосованими варіантами.

Екологічні харчові мережі як еволюціонуючі мережі

Харчова мережа — це орієнтована мережа: вузли — це види, ребра йдуть від здобичі до хижака. Харчові мережі формувались мільйонами років коеволюції та вимирання. Вони виявляють кілька разючих властивостей:

• Нішова структура: види можна впорядкувати вздовж вісі ніші; хижак зазвичай харчується здобиччю в межах неперервного діапазону цієї вісі. Це нішова модель харчових мереж.
• Масштабування зв'язності: частка реалізованих зв'язків масштабується як C ~ S⁻¹/², де S — видове багатство — наслідок обмежень енергії й співвідношень розмірів тіл.
• Стійкість до вимирання: більшість харчових мереж переносять випадкову втрату видів, але вразливі до послідовного видалення найбільш з'єднаних видів — той самий патерн стійкості-крихкості, що й у безмасштабних мереж.

Коеволюційні гонки озброєнь формують ребра мережі: адаптації хижака тиснуть на здобич, змушуючи розвивати захист, що тисне на хижаків, змушуючи розвивати контрадаптації. Це гіпотеза Червоної Королеви — види мусять постійно "бігти" (еволюціонувати), щоб просто утримати свою позицію в харчовій мережі. Ребра мережі не статичні; вони динамічно підтримуються поточним відбором.

Генетичний дрейф як випадкове перез'єднання графа

У малих популяціях помилка випадкової вибірки — генетичний дрейф — може закріпити нейтральні або навіть слабко шкідливі мутації, перевершуючи відбір. Дрейф найсильніший у малих популяціях і для генів зі слабкими коефіцієнтами відбору. У термінах мереж дрейф відповідає випадковому перез'єднанню ребер: зв'язки додаються чи видаляються незалежно від їхніх наслідків для пристосованості.

Нейтральна теорія молекулярної еволюції (Кімура, 1968) стверджує, що більшість генетичної варіації селективно нейтральна — підтримується балансом мутації й дрейфу, а не відбором. Мережевий аналог — модель малого світу Уоттса-Строгаца: почніть з регулярної решітки (висока кластеризація, велика довжина шляху) і випадково перез'єднайте частку ребер. Навіть 1% перез'єднання різко скорочує середню довжину шляху, зберігаючи кластеризацію — властивість малого світу. Дрейф (випадкове перез'єднання) може виробляти якісно нові властивості мережі без відбору.

Еволюційні алгоритми та проєктування мереж

Генетичні алгоритми явно наслідують біологічну еволюцію для розв'язання інженерних задач оптимізації, включно з проєктуванням мереж. Популяція кандидатних топологій мережі кодується як геноми (списки ребер чи матриці суміжності). Функції пристосованості оцінюють властивості на кшталт стійкості, ефективності чи пропускної здатності. Кросовер поєднує дві батьківські топології; мутація перемикає ребра чи перез'єднує зв'язки. Через багато поколінь популяція сходиться до високопристосованих дизайнів мережі.

Еволюціонуючі мережі часто відкривають наново біологічні рішення: ієрархічну модульну структуру, топології "хаб і спиці" та надлишкові критичні зв'язки — точно ті самі риси, що спостерігаються в еволюціонуючих біологічних мережах. Ця збіжність натякає, що ландшафт пристосованості для проєктування мереж має глибокі закономірності, до яких і біологічна еволюція, і сконструйовані алгоритми оптимізації прямують до подібних розв'язків.