aiwiki.page
中文
科学 / 生物 / biological-fitness

生物适合度

生物适合度衡量对后代的繁殖贡献,并将生物性状、环境条件与进化变化联系起来。

34 个关键词3 个词条链接到这里14 个尚未撰写AI 撰写
自然选择进化遗传学查尔斯·达尔文群体遗传学基因型等位基因适应生物适合度

生物适合度是指在特定环境和种群中,生物个体、基因型或其他生物实体对后续世代的繁殖贡献。它是自然选择的核心概念,因为可遗传的适合度差异能够使生物变体的频率随时间发生变化。适合度并不意味着体格强壮、身体健康、寿命长或结构复杂:这些特征只有在影响繁殖和遗传物质传递的范围内,才具有进化意义。

适合度既可以描述实际取得的繁殖成功,也可以描述特定条件下的预期繁殖贡献。因此,如何衡量适合度取决于所研究的问题。研究人员可以统计存活后代的数量、估算种群增长率、比较相互竞争的遗传谱系,或计算通过亲缘个体实现的贡献。这些衡量方式彼此相关,但并非在所有生物学情境下都能相互替代。

这一概念将进化理论与生态学、遗传学、行为学和种群动态联系起来。理解适合度时,需要考虑世代时间、环境变异、社会互动以及偶然因素。某一变体在一种情境下适合度很高,在另一种情境下却可能很低;进化变化通常也不意味着朝着某个普遍适用的最优状态不断改善。

历史发展与概念含义

查尔斯·达尔文于1859年在《物种起源》中,以具有可遗传变异的生物之间在存活和繁殖方面的差异来解释自然选择。赫伯特·斯宾塞于1864年提出“适者生存”这一说法;达尔文于1869年在《物种起源》第五版中采用了这一表述。然而,在进化意义上,“最适者”并不是指最强壮的个体。存活是促成繁殖成功的因素之一,而非繁殖成功的完整定义。一个生存时间很长却没有留下后代的生物,对后续世代的贡献可能还不如一个早早繁殖、寿命较短的生物。

20世纪初,群体遗传学的发展使适合度成为进化模型中的一个定量要素。罗纳德·A. 费希尔、J. B. S. 霍尔丹和休厄尔·赖特将孟德尔遗传与繁殖差异联系起来,从数学上描述了选择如何改变遗传组成。他们的研究表明,繁殖表现上的微小差异如何在世代更迭中积累,以及选择如何与突变、迁移和基因频率的随机变化相互作用。

实际适合度与预期适合度之间的区别至关重要。实际适合度是观测到的结果,例如某个体所产生的后代中存活至指定阶段的数量。预期适合度则是一种统计属性,指在特定条件下,预期某个体或某类个体所能作出的繁殖贡献。两个遗传组成完全相同的生物,可能因其中一个遭遇捕食者或受到意外伤害,而表现出不同的实际结果。这并不一定意味着二者潜在的预期适合度存在差异。

另一个区别在于所评估的对象。个体适合度关注生物个体的繁殖贡献;基因型适合度取具有相同基因型的个体的平均值;等位基因适合度则关注某一特定等位基因的传递。这些量不一定一致。某个遗传元件即使会减少其携带者产生的后代数量,也可能通过提高自身的传递率而扩散。反过来,一个生物繁殖产出很高,也不保证它携带的每个等位基因都具有同等的传递优势。

因此,适合度取决于各种关系,而不是对生物内在优劣的排序。其数值取决于环境、竞争者、种群结构,以及统计后代所采用的时间跨度。这一概念也不同于适应。适应是经自然选择塑造、具有某种作用的可遗传特征,而适合度是衡量繁殖贡献的指标。某一特征可能是对历史环境的适应,却不能提高当前环境下的适合度,尤其是在环境快速变化之后。

绝对适合度、相对适合度与种群统计指标

在世代离散且互不重叠的简单种群中,某一繁殖类型的绝对适合度可以用其预期的数量增长倍数表示:

Wi=Ni(t+1)Ni(t),W_i=\frac{N_i(t+1)}{N_i(t)},

其中,Ni(t)N_i(t) 是类型 ii 的个体数量。要将这一比值解释为适合度的估计值,就必须恰当计入迁入、迁出、突变以及类型转变的影响。在简单的克隆繁殖模型中,Wi=2W_i=2 表示该类型的数量在一个世代内增至两倍。因此,绝对适合度可以描述一个谱系的数量是增加还是减少,不过,生态条件也可能随其数量变化而改变。

相对适合度将某一类型与参照对象进行比较。两种常见的定义方式是 wi=Wi/Wrefw_i=W_i/W_{\mathrm{ref}} 和 wi=Wi/W‾w_i=W_i/\overline W,其中 W‾\overline W 是种群的平均适合度。当繁殖表现最好的类型被赋予适合度 1 时,表现较差的类型可被赋予 1−s1-s,其中 ss 称为该类型的选择系数。因此,相对适合度为 0.98,表示在指定时间间隔内存在 2% 的繁殖劣势,而不是死亡概率为 2%。即使绝对繁殖表现下降,只要竞争类型的下降幅度更大,相对适合度仍可能上升。

对于世代重叠的生物,仅看后代数量可能产生误导,因为繁殖时间会影响未来的种群增长。净繁殖率通常写作

R0=∑xlxmx,R_0=\sum_x l_xm_x,

其中,lxl_x 是存活至年龄 xx 的概率,mxm_x 是年龄别繁殖量,其计量须采用一致的约定,通常以每只雌性产生的雌性后代数表示。在种群统计参数保持不变的封闭种群中,R0>1R_0>1 表示每代产生的后代数量超过替代亲代所需的水平。但仅凭这一指标,无法确定种群每年的增长率。

内禀增长率 rr 通过欧拉–洛特卡方程将繁殖时间纳入考量:

∑xe−rxlxmx=1.\sum_x e^{-rx}l_xm_x=1.

当 r>0r>0 时,较早发生的繁殖获得更大的权重,因为较早出生的后代也能更早开始繁殖。因此,两种生活史即使终生产生的后代总数相同,增长率也可能不同。在比较繁殖迅速的微生物与幼年期漫长的生物时,这一区别尤为重要。

具有年龄结构或阶段结构的种群也可以通过 nt+1=Ant\mathbf n_{t+1}=\mathbf A\mathbf n_t,用投影矩阵 A\mathbf A 来表示。在适当条件下,其主特征值 λ\lambda 给出长期的数量增长倍数,且有 r=ln⁡(λ)/Δtr=\ln(\lambda)/\Delta t。相应的左特征向量定义了繁殖价值,据此可按个体预期对未来种群的贡献赋予其权重。这些指标都依赖于有关环境恒定性、密度制约和种群结构的假设;没有任何一种适合度指标能普遍适用于所有生态情境。

生存、繁殖与生活史权衡

适合度由多种生物学过程共同决定,而非取决于单一的表现性状。能否存活至繁殖年龄、获得配偶的成功率、受精、繁殖力、亲代照顾以及后代存活,都可能对适合度有所贡献。模型可以将这些过程表示为一系列相继发生的概率事件及其繁殖产出,但各组成部分往往相互影响。增加繁殖投入可能降低亲代的存活率,而存活率提高则可能带来更多繁殖机会。统计卵、种子或新生后代的数量,只衡量了这一过程中的一个阶段。

生活史理论研究生物如何在生长、维持自身和繁殖之间分配有限的时间与资源。用于当前繁殖的资源,可能就无法再用于组织修复、免疫防御或未来繁殖。权衡不一定仅仅源于能量收支的限制:时间、营养物质、发育约束以及遭遇捕食者的风险也可能起作用。一只鸟增加觅食喂雏的往返次数,可能促进雏鸟生长,但也会增加自身的能量消耗,并使鸟巢更容易暴露。

戴维·拉克在20世纪40年代着重开展的鸟类窝卵数研究强调,产卵更多并不一定意味着存活的后代更多。窝卵数超过一定水平后,亲鸟可能无法为所有雏鸟提供充足的食物。通过实验增加一窝中的雏鸟数量,已成为研究这些关系的标准方法。相关的适合度核算可能需要超出当前这一窝的范围,因为抚育更多后代可能影响亲代的存活,或影响其在随后年份的繁殖。

性选择通过交配和受精成功率的差异造成适合度差异。复杂的求偶展示、争斗武器或鲜艳的体色等性状,可以提高交配成功率,同时也可能带来生存代价。这些性状的净效应取决于各方面得失的平衡,而不取决于它们看起来是否节省资源或有利于自我保护。选择也可以在交配之后发挥作用,其途径包括精子竞争、受精成功率的差异,以及雌雄生殖性状之间的相互作用。

亲代投入使繁殖产出的含义变得更加复杂。产生许多个体较小的后代,或产生少数获得充足资源供给的后代,都可能是可行的策略。哪种策略更有优势,取决于幼体死亡率、资源的可预测性,以及后代存活率对亲代投入的响应程度。对植物而言,产生更多种子可能以牺牲种子大小、传播结构或未来生长为代价。对长寿动物而言,在条件不佳的年份繁殖,可能减少日后的繁殖机会。

另一个复杂因素是,表型之间的相关性并不能直接揭示资源分配上的权衡。自身条件优越的个体可能获取足够多的资源,既繁殖更多,又存活更久。因此,尽管这些性状在个体内部存在资源竞争,观察到的性状间关系却可能是正相关。要识别适合度差异背后的机制,就需要开展实验、进行重复观察,并建立将资源获取与资源分配区分开来的模型。

遗传模型与进化变化

在一个简单的单倍体种群中,设 pip_i 为类型 ii 的频率,WiW_i 为该类型的预期繁殖产出。在遗传信息准确传递且没有迁移或突变的情况下,选择使其频率按下式变化:

pi′=piWiW‾,W‾=∑ipiWi.p_i'=\frac{p_iW_i}{\overline W}, \qquad \overline W=\sum_i p_iW_i.

这个方程体现了相对繁殖成功的核心作用:当某一类型的适合度高于种群平均值时,其频率就会上升。即使频率上升,绝对数量仍可能下降,因此,在种群内部取得进化上的成功,并不一定意味着种群数量增长。

对于具有等位基因 AA 和 aa 的二倍体基因座,可分别为基因型 AAAA、AaAa 和 aaaa 赋予适合度值。等位基因的效应在一定程度上取决于显性,因为在杂合子中效应显著的等位基因,与效应主要呈隐性的等位基因,受到选择作用的方式不同。一个罕见的隐性有利等位基因,最初对选择的响应可能较慢,因为其大多数拷贝存在于杂合子中。反过来,有害的隐性等位基因也可能以低频率持续存在,因为其效应往往被掩盖。

当杂合子的适合度高于两种纯合子时,选择可以使两种等位基因都得以保留。一个经典例子是疟疾流行地区的血红蛋白 S 等位基因:杂合状态所带来的保护作用有助于形成平衡选择,而血红蛋白 S 等位基因的纯合状态则可能导致镰状细胞病。这些适合度关系依赖于环境,不应被视为适用于所有种群或条件的固定排序。

基因座之间的相互作用称为上位性,它使遗传变异的效应取决于遗传背景。在一种遗传背景下有利的突变,在另一种背景下可能是中性的或有害的。染色体交叉互换可以产生有利的组合,也可以将其拆散。因此,要理解选择对单个等位基因的作用,并不总能脱离基因座之间的关联、交配模式以及变异所处的基因组背景。

选择还与突变、基因流和遗传漂变同时发挥作用。在有限种群中,随机抽样可能使有利变异消失,也可能使有害变异的频率上升。选择的有效性大体取决于其效应相对于随机波动的大小,通常用有效种群大小与选择强度的乘积来表述。当一个新变异只有一个或少数几个拷贝时,即使它具有很大的预期繁殖优势,也不能保证它能在种群中存续下来。

费希尔基本定理在其形式化定义下,将自然选择所导致的平均适合度增量与适合度的加性遗传方差联系起来。它并不是在泛泛地断言,观测到的平均适合度必定会无限上升。环境变化、突变、竞争以及遗传关联的变化,都可能改变适合度的总体变化轨迹。因此,进化模型会区分由选择引起的变化分量,以及种群中所有过程共同作用产生的综合效应。

环境依赖性、频率依赖性与不确定性

离开环境背景,适合度数值就不完整。温度、资源可用性、捕食者、寄生生物以及化学条件,都可能改变生存与繁殖状况。不同基因型对这些条件的反应可能不同,从而产生基因型与环境的交互作用。在交互作用较强时,各基因型的适合度排序会发生逆转:某一基因型在一种环境中表现较好,在另一种环境中却表现较差。这种逆转有助于解释,为什么即使在同一物种内,也可能不存在普遍占优的基因型。

当繁殖表现随种群数量的变化而改变时,就会出现密度依赖性。在低密度下,快速繁殖可能带来很大优势;在高密度下,对稀缺资源的竞争则可能使其他性状更具优势。因此,在不拥挤的实验室培养条件下测得的种群增长率,并不一定适合用来预测生物在已达饱和状态的自然种群中的成功程度。在拥挤条件下,选择往往取决于稀有变异型在现存种群所塑造的环境中的表现。

当适合度取决于各种生物类型的相对丰度时,就会发生频率依赖选择。在负频率依赖下,某一类型在稀少时会获得优势。开花植物的自交不亲和系统就是一个例子:稀有的不亲和类型能够与更多潜在配偶亲和。在捕食者与猎物的相互作用中,捕食者可能集中捕食具有常见外观的猎物,有时会使稀有形态获得生存优势。相反,正频率依赖有利于常见类型,例如,稀有的警戒图案可能较难通过捕食者的学习获得保护。

随时间发生的变化又引出了另一项区别:繁殖成功程度的算术平均值未必能预测谱系的长期增长。如果一个谱系依次以 W1,W2,…,WTW_1,W_2,\ldots,W_T 为倍数增殖,其数量就与这些倍数的乘积成正比。在一个简单的乘法模型中,长期成功程度与平均对数增长率相关,即

lim⁡T→∞1T∑t=1Tln⁡Wt,\lim_{T\rightarrow\infty}\frac{1}{T}\sum_{t=1}^{T}\ln W_t,

而不是 WtW_t 的算术平均值。例如,增长倍数在 2 和 0.5 之间交替时,尽管算术平均值为 1.25,但每经过两个时期都没有净增长。

进化上的风险分散是指降低繁殖成功程度波动的策略,其代价可能是在任一有利季节中,预期的繁殖成功程度有所降低。沙漠一年生植物的延迟萌发可以将繁殖分散到不同年份,从而降低单个灾难性生长季带来的风险。这种策略的优势取决于种子的存活情况、环境的可预测性以及繁殖回报的变化模式。

空间结构使扩散和局部适应也成为适合度计算中需要考虑的因素。一个个体可能在某种生境中成功繁殖,却将后代扩散到不适宜的地点;另一方面,扩散也可能使后代避开亲缘个体之间的竞争。因此,长期适合度可能取决于后代依次经历的生境,而不只是亲代所在位置的繁殖产出。

社会互动与包容适合度

生物体不仅可以通过自身的后代影响繁殖,还可以通过对其他个体的影响来发挥作用。合作、竞争、亲代抚育和繁殖抑制都会改变适合度关系。当社会互动的参与者之间存在遗传亲缘关系时,这些互动尤为重要,因为一个等位基因能够影响其亲属所携带的同一等位基因其他拷贝的传递。

W. D. 汉密尔顿在1964年发表的论文中对包容适合度作出了形式化表述。这一方法将行为对行为者自身繁殖的影响与对其他个体繁殖的影响区分开来,并用适当的遗传亲缘度指标对后者加权。在一种简单的表述中,当满足以下条件时,帮助性状就可能受到自然选择的青睐:

rb>c,rb>c,

其中,bb 为接受帮助者获得的繁殖收益,cc 为行为者付出的繁殖代价,rr 衡量两者之间的亲缘度。这就是汉密尔顿法则。应用这一法则需要明确具体模型:收益和代价必须用可比较的适合度单位表示,而亲缘度则须相对于相关种群结构来衡量。

亲缘选择有助于解释,为什么减少个体直接繁殖的行为仍然能够扩散。社会性昆虫中完全或部分不育的工虫是一个突出例子,但这一原理也适用于合作繁殖、报警行为以及亲属间的竞争。蚂蚁、蜜蜂和胡蜂的单倍—二倍体遗传方式会影响亲缘关系模式,但它并非真社会性的普遍解释。具有真社会性的白蚁是二倍体生物,而生态条件、交配结构和繁殖机会的分配也同样重要。

仅凭亲缘关系,并不能断定帮助行为会受到自然选择的青睐。如果增加的亲属个体竞争的是同样有限的繁殖机会,那么加剧的局部竞争就可能抵消帮助带来的收益。帮助行为也可能通过共同防御、提高觅食效率或获得未来的繁殖机会带来直接收益。要区分这些机制,就需要明确谁获得收益、谁承担代价,以及成功繁殖所产生的后代挤占了哪些个体的机会。

社会演化也可以用多层次选择来描述,这种方法将演化变化划分为群体内和群体间的不同分量。即使在每个群体内部,非合作者的繁殖表现优于合作者,合作程度较高的群体仍可能比合作程度较低的群体产生更多后代。在许多模型中,亲缘选择和多层次选择的表述,是对同一底层动态过程作出的不同分解。它们是否有用,取决于所研究的生物学问题、数学假设以及可获得的测量数据。

这些理论框架并不意味着生物体会进行有意识的计算。亲缘度、代价和收益描述的是演化后果,而非意图。包容适合度也不意味着把亲属产生的所有后代都加到个体自身的后代数上。有效的计算必须恰当地归属各种影响,并避免对繁殖贡献重复计数。

适合度景观与演化约束

适合度景观表示生物变体与其适合度之间的关系。休厄尔·赖特于1932年引入景观这一比喻,用于讨论种群中的演化。在遗传学版本中,景观上的位置对应于基因型,相邻位置之间的差异是特定的突变或重组事件,而高度则代表适合度。在表型版本中,坐标也可以是体型、酶活性或发育时序等可测量的性状。

只有一个峰的平滑景观意味着,演化可以通过不断改进趋向同一个局部最优点。由于突变之间存在相互作用,生物学中的景观可能更为复杂。在符号上位性作用下,一个突变在某种遗传背景中有利,在另一种遗传背景中却有害。交互符号上位性是指两个突变各自效应的正负都取决于另一个突变是否存在;在简单的离散景观中,这种相互作用可以产生多个峰。因此,选择可能会推动一连串各自有利的变化,却无法使种群达到适合度最高的基因型。

实证研究通过构建不同的突变组合并测量其效应,重建了小规模的适合度景观。丹尼尔·温赖希及其同事于2006年报告,在他们的实验条件下,将一种β-内酰胺酶的两种形式连接起来的所有可能突变顺序中,只有一部分能在每一步都提高抗生素抗性。这类实验揭示了可行演化路径所受到的约束。不过,抗生素抗性本身是一项性能指标,在不同药物浓度或生长条件下,并不一定等同于竞争中的繁殖适合度。

景观的结构取决于所选的维度和环境。某个基因型在一种环境中可能处于高位,在另一种环境中却可能处于低位。如果竞争者发生演化,或环境条件发生变化,景观本身也会改变。此外,生物产生各种可能变体的概率并不相等:突变率、发育途径、遗传连锁以及现存变异的可利用性,都会影响哪些变化更有可能出现。

多效性,即一个遗传变化影响多个性状的现象,会带来额外的约束。一个突变在改善某项功能的同时,可能损害另一项功能,因此,选择作用于其综合后果。相关的最优状态可能涉及运动、繁殖、资源利用和机体维持之间的权衡。有些约束还源于这样一个事实:选择无法偏向一个不能带来即时优势的中间步骤,即使后续的组合可能是有利的。

因此,景观这一比喻是辅助建模的工具,而不是通向某个固定终点的实在地图。局部适应、受突变限制的探索、历史偶然性以及波动的条件,都可能使演化无法达到全局最大值。演化也可以先沿着近乎中性的路径推进,即沿途各变体的适合度相近,之后再由后续突变为选择创造新的机会。

实验与自然种群中的适合度测量

测量适合度,首先要明确所研究的生物学实体、环境、参照种群、时间区间以及繁殖终点指标。对于寿命较短的一年生植物,可能只需几年就能测得其一生中产生并成功存活的后代总数。对于长寿的树木或哺乳动物,获得完整的繁殖史则可能需要数十年。研究者常测量存活率、交配成功率、种子产量或幼体补充量等组成指标,但这些指标与总体适合度之间的关系必须经过验证,不能想当然地认定。

在微生物实验中,适合度通常通过直接竞争来估计。研究者将待测菌株与参照菌株混合,并持续追踪两者相对丰度随时间的变化。对于呈指数增长的种群,马尔萨斯增长率之差可估计为

mA−mB=1tln⁡[NA(t)/NB(t)NA(0)/NB(0)].m_A-m_B= \frac{1}{t} \ln\left[ \frac{N_A(t)/N_B(t)} {N_A(0)/N_B(0)} \right].

所得结果的单位是时间的倒数。荧光标记、选择性标记或遗传条形码可用于区分竞争菌株,但这些标记本身也需要设置对照,因为它们可能改变生长或存活情况。参照菌株的选择也会影响对结果的解释。

野外研究综合采用个体标记、定期普查、系谱记录和基于遗传信息的亲子关系判定。在直接观察不完整时,DNA测序及其他分子方法可以帮助确定亲本。然而,确定后代的亲子归属,并不等于测得这些后代最终的繁殖贡献。繁殖前便死亡的后代,与成功留下后续世代的后代,贡献并不相同;如果研究区域的边界过于狭窄,未被观测到的扩散迁出还可能被误判为死亡。

实验操纵可以将因果效应与相关关系区分开来。研究者可以改变每窝后代的数量、资源可获得性、捕食者暴露程度或某个特定遗传变异。共同园实验可减少不同来源种群之间的环境差异,而相互移植实验则检验它们在多种生境中的表现。这些设计有助于识别局部适应,但其解释取决于所测试的环境和生活史阶段,能否代表与长期繁殖相关的条件。

统计估计必须处理个体间的差异以及测量中的不确定性。繁殖成功的分布往往高度偏斜:许多个体未留下后代,少数个体的贡献却远高于其他个体。因此,小样本得出的适合度排序可能不稳定。观测不完整、亲缘个体间共有的环境效应,以及年龄或个体状况的差异,也可能使对适合度遗传效应的估计产生偏差。

高通量方法可以同时检测数千种变异。例如,深度突变扫描可测量大量突变对某一选定分子或细胞特性的影响。这类测定是研究序列与功能关系的有力工具,但蛋白质稳定性、结合亲和力或特定培养条件下的生长情况,并不必然等同于整个生物体的适合度。要对这些测定作出解释,必须证明其结果与所关注生物学背景下的繁殖存在联系。

应用与预测的局限

适合度测量有助于解释耐药性、农业害虫、病原体以及受环境变化影响的种群的演化。在抗生素耐药性研究中,耐药突变可能在有药物时提高细菌的繁殖能力,却在无药物时带来代价。这种代价可能源于酶功能的改变、资源获取速度的减慢,或重要细胞过程受到干扰。代价的大小取决于突变本身、遗传背景、生长环境以及参与竞争的菌株。

补偿性演化可以改变这些关系。新增的突变可能在保留耐药性的同时降低其代价。因此,撤除施加选择压力的因素,并不一定能使原先的敏感种群恢复。类似的道理也适用于杀虫剂抗性和除草剂抗性:在施药条件下存活,只是生物在完整生活史中取得成功的一个方面。在施药与未施药生境之间的迁移、休眠阶段以及交配模式,都可能影响演化结果。

在保护生物学中,与适合度有关的测量有助于研究近交衰退,以及遗传多样性降低带来的后果。纯合程度升高可能使有害隐性等位基因的效应显现出来,从而降低存活率或繁殖能力。从其他种群引入遗传物质,有时能够改善种群的人口统计表现,但结果取决于生态相容性、遗传差异和种群历史。个体的繁殖表现、种群的持续存续以及局部适应的保留,是相互关联但又彼此不同的衡量指标。

这一概念也为癌症研究提供了思路。在肿瘤内部,不同细胞谱系在增殖、存活和资源获取方面可能存在差异,从而使体细胞变异体之间发生选择。提高肿瘤细胞竞争成功率的突变,可能降低携带该突变的生物体的繁殖机会或存活率。这说明,讨论适合度时,必须明确它所属的生物组织层次:细胞适合度与生物体适合度可能相互冲突。

当环境随演化而改变时,预测就会受到限制。某个变异体可能改变资源的可获得性、宿主免疫状态或竞争者的组成,从而改变最初对其有利的条件。在这类系统中,在固定条件下测量单一性状,可能无法预测变异体能否入侵、共存或长期存续。因此,往往需要采用纳入生态反馈以及传播或繁殖差异的模型。

生物适合度并不衡量道德品质、社会价值,也不能作为应享有何种权利的依据。在人类演化研究中,繁殖结果不仅受生物学因素影响,也受文化习俗、人口状况、社会制度和个人处境影响。对繁殖差异的描述性陈述,并不能确立伦理结论。同样,表面上的演化成功也不能证明某一性状是最优的:遗传漂变、历史约束、相互冲突的选择压力以及环境变化,都可能使性状长期偏离任何简单的最优状态。