Кратко — какие доказательства и модели нужны, чтобы критически проверить гипотезу, что урбанизация и неолитическая аграризация ускорили эволюционные изменения у людей (диета, патогены).
1) Типы эмпирических доказательств
- Древняя ДНК (aDNA) с хорошей хронологией и географией: временные ряды аллельных частот до/после появления сельского хозяйства или урбанизаций.
- Современные геномы и популяционная структура (FST, PCA) для сравнения с древними образцами.
- Изотопные данные и археология (переход в диету, плотность поселений) — для привязки отбора к конкретным изменениям среды.
- Патогенная aDNA / палеомикробиом — для прямых доказательств изменения давления со стороны болезней.
- Фенотипические данные (палеопатология, рост, репродуктивные показатели) и современные фенотипы (лабораторные тесты пищеварения, иммунного ответа).
- Экологические/исторические данные о плотности населения, скотоводстве, хранении пищи, санитарии.
2) Какие сигнатуры отбора искать
- Быстрые изменения частот аллелей в пространстве и времени, согласованные с началом урбанизации/аграризации.
- Классические сигналы: снижение вариабельности вокруг адаптивного локуса (hard sweep) или изменения LD/extended haplotype (iHS, XP-EHH).
- Повышенные значения PBS/XP-statistics между популяциями с разными историческими режимами.
- Изменения распределения частот (site frequency spectrum) и скорость изменения полигенных признаков (polygenic scores) во временных рядах.
- Корреляция между экологическим профилактическим фактором (напр., молокосодержащая диета) и частотой соответствующих аллелей.
3) Модели и методы для проверки (какие нужны и зачем)
- Популяционно-генетические модели детерминированного отбора: изменение частоты при слабом отборе $\Delta p\approx sp(1-p)$ и логистическое решение для времени:
$$p_t=\frac{p_0{e}^{st}}{1-p_0+p_0{e}^{st}},t\approx \frac{2}{s}\ln \left(\frac{1-p_0}{p_0}\right)$$ — для оценки величины $s$ из временных рядов аллельных частот (оценка скорости адаптации).
- Стохастические модели (Wright–Fisher, diffusion) и байесовская/максимум-правдоподобная оценка $s$ из сэмплированных времен: например
$$s\approx \frac{1}{t}\ln \left(\frac{p_t(1-p_0)}{p_0(1-p_t)}\right).$$ - Forward-time симуляции (SLiM, simuPOP) с реалистичной демографией, миграцией и культурно-экологической сменой; coalescent-симуляции (msprime) для проверки null-моделей.
- Модели полигенной адаптации (Lande/breeder’s equation): изменение среднего признака
$$\Delta \bar{z}=\frac{G}{V_p}S$$ или через градиенты отбора для прогнозирования изменения полигенного скора.
- Модели хозяин–патоген (SIR с эволюцией штаммов / multi-strain), для оценки, как рост плотности населения и новые контактные сети ускоряют отбор на иммунные локусы.
- ABC и байесовская сопоставительная проверка моделей (model selection) для отличия отбора от дрейфа/миграции.
- Методы на основе временных рядов aDNA для проверки трендов (e.g., Bayesian time-series methods).
4) Статистические тесты и контролирование конфликтов
- Контролировать демографию: восстановление Ne (PSMC/MSMC), моделирование миграций; использовать контрольные локусы, имитирующие нейтральное поведение.
- Тесты на полигенную адаптацию с учётом LD и структуры популяций; пересчёт через блок-джекнайф/перестановки.
- Оценивать силу и время отбора с доверительными интервалами; проверять согласованность разных методов (iHS, SDS, temporal allele change).
- Учитывать pleiotropy и культурные факторы как альтернативные объяснения.
5) Данные и выборка
- Хорошо датированные aDNA образцы с плотностью во времени вокруг предполагаемой смены (до/во время/после).
- Высокое покрытие для точной оценки частот и haplotypes; репрезентативные современные выборки.
- Археологические метаданные (диета, скотоводство, плотность поселений).
- Патогенные геномы и метагеномы из зубного налёта/грунта.
6) Валидация функциональных выводов
- Функциональные эксперименты (in vitro, in vivo, CRISPR-редактирование) для проверки эффектов подозреваемых аллелей на метаболизм/иммунитет.
- Эксперименты с модельными организмами или клеточными линиями; биохимические тесты ферментов (напр., лактазная активность).
7) Ключевые ограничения и как с ними бороться
- Демография и миграция могут имитировать сигналы отбора — требуются согласованные демографические модели и нейтральные ожидания.
- Ассиметричность древних выборок и сохранности — нужна осторожность в обобщениях.
- Культурная адаптация (например, молочная ферментация) может снизить силу биологического отбора — анализ должен отделять культурные и генетические эффекты.
8) Практический план проверки гипотезы (схема)
- Сбор/кадирование aDNA и археоданных → восстановление временных рядов частот.
- Реконструкция демографии → генерация нейтральных симуляций.
- Оценка изменений частот и $s$ с использованием байес/ML + forward simulations.
- Проверка функциональности и корреляция с археологией/патогенами.
- Модельный выбор: сравнить модели «отбор из-за урбанизации/аграризации» vs «нейтральная/миграционная».
Итого: требуются скоординированные доказательства — временные генетические ряды (aDNA), археологические и экологические данные, строгие популяционно-генетические и эпидемиологические модели (стохастические и детерминированные), симуляции и функциональная валидация — плюс тщательное исключение демографических и культурных альтернатив.