{
  "id": "evolutionary-fitness",
  "title": "进化适合度",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "进化适合度衡量生物在特定环境中对后代的繁殖贡献，是解释自然选择的核心概念。",
  "category": "science",
  "subcategory": "biology",
  "type": "concept",
  "aliases": [
    "适合度",
    "达尔文适合度",
    "生物适合度"
  ],
  "generated_at": "2026-11-03",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/evolutionary-fitness/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/evolutionary-fitness/",
      "json": "https://aiwiki.page/en/evolutionary-fitness.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "进化适合度是指在特定环境和时间区间内，生物个体、基因型或其他生物实体对后续世代的繁殖贡献。它是自然选择中用于比较的核心量：当可遗传的变异类型在预期繁殖贡献上存在差异时，它们的频率就可能发生系统性变化。因此，适合度关乎进化上的成功，而不只是体力、健康、寿命或复杂程度。一个生存能力极强却没有留下后代的生物个体，其适合度可能低于一个寿命短暂但繁殖数量众多的个体。\n\n适合度将遗传学机制与进化动态联系起来。根据所研究的问题，适合度可以用预期后代数量、相对繁殖成功率、种群增长率，或对某一谱系长远未来的贡献来表示。这些度量相互关联，但并非在所有条件下都能互换。对它们的解释取决于世代时间、遗传方式、种群结构、环境变化以及生物之间的相互作用。\n\n这一概念也有重要的局限。适合度既不是物种的恒定属性，也不是对生物个体内在优劣的排序：在一种环境中具有优势的变异类型，在另一种环境中可能处于劣势。在运用适合度解释进化时，必须区分预期适合度与实际繁殖结果，并确定恰当的比较单位和时间尺度。"
    },
    {
      "heading": "历史发展与概念基础",
      "text": "查尔斯·达尔文于1859年在《物种起源》中提出自然选择理论时，尚未使用现代种群生物学中适合度的数学定义。他的论述强调变异、遗传、竞争，以及留下后代方面的差异。赫伯特·斯宾塞于1864年提出“适者生存”一语，达尔文随后在1869年出版的《物种起源》第五版中采用了这一表述。不过，尽管这一措辞着眼于生存，单凭生存从来都不足以概括进化机制：生存之所以重要，是因为它能够影响繁殖。\n\n20世纪初，群体遗传学的发展使适合度有了明确的定量表述。罗纳德·A. 费希尔、J. B. S. 霍尔丹和休厄尔·赖特建立了模型，将孟德尔遗传与遗传变体频率的变化联系起来。他们的研究表明，生存或生育力方面的微小差异，经过许多世代也能带来显著的进化变化。适合度由此成为描述各类遗传类型预期繁殖表现的参数，而不再是生物学意义上“优越性”的笼统代称。\n\n此后，实际繁殖成功度与预期适合度之间的重要区别逐渐得到明确。两个遗传上完全相同、所处条件相似的生物体，可能因偶然事件而留下数量不同的后代。其中一个可能死于意外干扰，另一个则得以繁殖。两者的观测结果虽有差异，却未必意味着它们潜在的繁殖能力不同。适合度的倾向性解释将其视为：在给定生物体的特征及其所处条件下，对各种相关可能结果求得的期望值。\n\n这一区分有助于回应自然选择属于循环论证的指责：如果“最适者”仅仅指“繁殖最多的个体”，那么说最适者繁殖最多，几乎没有增加任何解释。进化研究寻求的则是能够独立检验的机制。例如，喙的结构差异可能改变鸟类处理特定种子的能力；获取食物的能力又可能影响生存和繁殖。这种假设中的联系，可以在最终繁殖结果出现之前加以检验，也可以独立于该结果进行检验。\n\n不过，适合度仍须有明确的参照背景。适合度可以赋予一个个体、一种基因型、一个等位基因或一个谱系，但每一种赋值所回答的问题都不同。基因型适合度通常是对携带该基因型的个体取平均值。等位基因适合度则可能是对该等位基因所处的不同基因型和遗传背景取平均值。即使等位基因本身没有改变，这些平均值也可能变化，因为与其共同存在的其他遗传成分、竞争者及环境都在变化。因此，若未明确比较对象和相关条件，仅仅说某个变体“适合度更高”，并不是完整的表述。"
    },
    {
      "heading": "绝对适合度、相对适合度与选择系数",
      "text": "在一个世代互不重叠的简单种群中，绝对适合度通常记作 \\(W_i\\)，指类型 \\(i\\) 的一个个体对下一代的预期贡献。对于无性生殖生物，可以用其后代中预计能存活到相同种群统计阶段的个体数来衡量。如果一个个体平均产生四个后代，但只有一半能存活到该阶段，那么按这一定义，它的绝对适合度就是二。选择哪个阶段进行统计很重要：统计卵的数量与统计具有繁殖能力的成体数量，衡量的是生命周期中的不同环节。\n\n相对适合度则是将这种贡献与某个参照值进行比较。一种常见的约定是用绝对适合度除以种群平均适合度：\n\n\\[w_i=\\frac{W_i}{\\overline{W}}, \\qquad \\overline{W}=\\sum_i p_iW_i,\\]\n\n其中，\\(p_i\\) 是类型 \\(i\\) 的频率。按这一约定，平均相对适合度等于一。另一种约定是将适合度最高的类型赋值为一，并将其他类型的适合度表示为它的某个比例。两种约定都成立，但在比较数值之前，必须先确认所采用的归一化方式。\n\n假设两个无性生殖类型的绝对适合度分别为三和二。以表现较好的类型为参照，两者的相对适合度分别为 \\(1\\) 和 \\(2/3\\)。如果将表现较差的类型的适合度写作 \\(1-s\\)，那么它的选择系数就是 \\(s=1/3\\)。这一数值表示在给定条件下的相对繁殖劣势，并不一定是死亡概率。这种劣势可能源于存活率较低、交配成功率下降、后代数量较少，也可能是多种机制共同作用的结果。\n\n区分绝对适合度和相对适合度，有助于将种群增长与进化中的类型替代区分开来。如果竞争类型的适合度为 \\(0.8\\)，那么绝对适合度为 \\(0.9\\) 的类型即使在数量下降的同时，仍可能在种群中占据更高的频率。反过来，一个产生大量后代的类型，如果其竞争类型产生的后代更多，它在种群中的频率仍可能下降。因此，相对繁殖成功程度的提高，并不保证种群在数量上的安全。\n\n对于连续繁殖的情形，适合度通常用人均增长率 \\(r_i\\) 表示。如果个体数量遵循 \\(N_i(t)=N_i(0)e^{r_it}\\)，那么 \\(r_i\\) 的差异就决定了相对数量的变化。在固定时间间隔 \\(\\Delta t\\) 内，相应的倍增因子为 \\(e^{r_i\\Delta t}\\)。增长率的量纲是时间的倒数，而给定时间间隔内的倍增因子则是无量纲的。因此，比较适合度估计值时，不仅要注意生物及其环境，还要注意适合度是按每代还是按单位时间衡量的。"
    },
    {
      "heading": "群体遗传动态中的适合度",
      "text": "最简单的选择方程描述的是一个单倍体或无性繁殖群体，其中各类型在繁殖时保持自身类型不变，彼此仅在适合度上存在差异。如果类型 \\(i\\) 的初始频率为 \\(p_i\\)，那么繁殖后其预期频率为\n\n\\[p_i'=\\frac{p_iW_i}{\\overline{W}}.\\]\n\n这个方程明确体现了选择的相对性：一种类型的频率之所以增加，是因为其适合度高于群体平均值，而不是因为它超过了某个由外部设定的固定阈值。该方程描述的是确定性的预期结果；有限群体可能因随机抽样而偏离这一结果。\n\n在有性繁殖的二倍体群体中，等位基因成对存在。对于频率分别为 \\(p\\) 和 \\(q=1-p\\) 的两个等位基因 \\(A\\) 和 \\(a\\)，假设随机交配使选择发生前的基因型频率分别为 \\(p^2\\)、\\(2pq\\) 和 \\(q^2\\)。如果相应的适合度为 \\(W_{AA}\\)、\\(W_{Aa}\\) 和 \\(W_{aa}\\)，那么\n\n\\[\\overline{W} =p^2W_{AA}+2pqW_{Aa}+q^2W_{aa},\\]\n\n而选择后 \\(A\\) 的频率为\n\n\\[p'=\\frac{p^2W_{AA}+pqW_{Aa}}{\\overline{W}}.\\]\n\n一个等位基因的贡献取决于它处于纯合状态和杂合状态时的表现。因此，等位基因通常并不具有一个独立于其所在群体的固定适合度值。\n\n遗传显性影响选择对稀有变异发挥作用的难易程度。稀有的隐性等位基因大多存在于杂合子中，其表型效应可能受到掩盖。因此，有害的隐性等位基因可以长期以低频率存在，而有利的隐性等位基因在最初阶段的频率增长可能较慢。如果杂合子的适合度高于两种纯合子，选择就能使两个等位基因都得以保留。经典例子是疟疾流行环境中的镰状细胞血红蛋白变异：杂合状态可以降低患重症疟疾的风险，而该变异的纯合状态则会导致镰状细胞病。由此形成的适合度关系取决于疾病环境及其他条件。\n\n选择还与突变、基因流和遗传漂变共同作用。突变引入变异，迁移使变异重新分布，遗传漂变则通过随机抽样改变其频率。因此，有利等位基因并不一定会扩散直至固定。当它尚且稀少时，可能在其预期优势尚未有充分机会影响群体组成之前就已经消失。\n\n费希尔于1930年提出的自然选择基本定理，按照该定理的定义，将平均适合度变化中可归因于自然选择的部分与适合度的加性遗传方差联系起来。它并不是在笼统地断言，总体平均适合度必然始终增加。环境恶化、竞争者变化、传递效应及其他过程，都可能抵消选择所带来的变化。即使仅考虑遗传因素，具体的生活史和所采用的假设，也决定了哪些简单的单调性结论适用。"
    },
    {
      "heading": "生活史、繁殖时机与种群统计学价值",
      "text": "适合度由整个生命周期中各环节的贡献共同构成。存活至成熟、首次繁殖年龄、交配成功率、后代产量以及后代存活率，都可能影响适合度。这些组成部分之间存在权衡：投入当前繁殖的资源可能降低日后的存活率，而推迟繁殖则可能为生长留出时间，从而提高未来的繁殖力。生活史理论研究这类生活史安排如何在不同的生态和种群统计学条件下演化。\n\n对于具有年龄结构的种群，令 \\(l_x\\) 表示从出生存活至年龄 \\(x\\) 的概率，\\(m_x\\) 表示该年龄的预期繁殖产出，并以统一的种群统计学单位计量。净繁殖率为\n\n\\[R_0=\\sum_x l_xm_x.\\]\n\n在以雌性为基础的种群统计模型中，这通常表示一只新生雌性个体一生中预期产生的雌性后代数。在适当的假设下，\\(R_0>1\\) 表示繁殖产出超过了亲代替代水平。不过，当终生繁殖总量相同时，\\(R_0\\) 无法区分早繁殖与晚繁殖。\n\n繁殖时机通过欧拉–洛特卡方程纳入分析：\n\n\\[1=\\sum_x e^{-rx}l_xm_x.\\]\n\n该方程的解给出了在指定生活史安排和假设下的种群内禀增长率 \\(r\\)。在增长中的种群里，较早产生的后代通常比数量相同但较晚产生的后代对种群扩张的贡献更大，因为前者的后代会更早开始繁殖。因此，两种生活史可以具有相同的终生繁殖产出，却具有不同的增长率。如果世代间隔足够短，一种每代产生较少后代的策略，在单位时间内的表现仍可能优于另一种策略。\n\n年龄和生活史阶段也会影响存活的进化价值。费希尔提出的繁殖价值概念，根据个体对种群未来的预期贡献为其赋予权重。在矩阵种群模型中，投影矩阵的主特征值描述恒定条件下种群的长期倍增情况，而对应的左特征向量则给出繁殖价值权重。就未来贡献而言，一个存活的成体和一粒新产生的种子未必能算作等价单位。\n\n这些区别有助于解释为什么只测量繁殖力可能产生误导。在许多长寿生物中，成体存活率对种群增长影响很大；而在另一些生物中，幼体能否成功定居并存活下来尤为关键。生命周期中某一阶段转换的相对重要性取决于整套生活史安排，而不只是该转换对应数值的高低。\n\n当种群密度调节存活或繁殖时，适合度比较可能变得更加复杂。在低密度环境中增长率最高的策略，不一定能够入侵一个已达到生态平衡的既有种群。此时，恰当的分析应考察：一种起初稀少的替代策略，能否在现居种群所形成的条件下增加。"
    },
    {
      "heading": "环境依赖性与生态相互作用",
      "text": "适合度产生于生物与周围环境的相互作用。温度、资源可用性、捕食者、寄生生物和竞争者，都可能改变哪些特征有利于提高繁殖成功率。在营养丰富的实验室培养基中表现良好的基因型，在饥饿或温度波动的条件下可能表现不佳。当不同基因型对环境变化的反应不同时，这类表现的逆转就是基因型与环境交互作用的实例。\n\n环境也包括同一种群中的其他个体。在密度依赖选择下，适合度随种群数量而变化。在受资源限制的平衡状态附近，高效利用稀缺资源可能最为重要；而在向尚未被占据的生境扩张时，快速繁殖可能起主导作用。因此，并不存在这样一条普遍规律：单独生长时增长速率最快的基因型，在拥挤条件下也必然排挤掉所有竞争者。\n\n在频率依赖选择下，适合度取决于各个不同类型的频率。负频率依赖使某一类型在稀有时获得优势，因而能够维持变异。例如，与常见的资源利用策略相比，罕见的资源利用策略可能面临较少的竞争。在宿主与寄生生物的相互作用中，寄生生物若随常见宿主基因型的变化而变化，就可能使不同宿主变异型的优势不断更替。相反，正频率依赖有利于常见类型，可能产生多个不同的稳定状态。\n\n演化博弈论以形式化方式描述这样一类情形：某种策略对繁殖的影响取决于它所遇到的其他策略。在约翰·梅纳德·史密斯和乔治·普赖斯于20世纪70年代提出的鹰鸽模型中，攻击行为的收益取决于攻击性对手的频率以及争斗的代价。在模型规定的条件下，演化稳定策略能够抵御初始频率足够低的其他策略的入侵。稳定并不意味着每个个体都获得了理论上可能达到的最高收益，也不意味着种群的集体福利实现了最大化。\n\n空间差异又增加了一层复杂性。某个变异型可能在一种生境中受到选择的青睐，在另一种生境中却处于劣势，而扩散会使该变异型的拷贝在两种生境之间流动。当选择相对于基因流足够强时，就可能形成局部适应。反过来，迁入也可能维持在当地处于劣势的变异型。此外，繁殖产出是在扩散前受到局部调控，还是在扩散后受到整体调控，也会影响不同生境的贡献。\n\n这些情况说明，为什么适合度往往更适合表示为函数，而不是常数：\n\n\\[W_i=W_i(E,N,\\mathbf{p}),\\]\n\n其中，\\(E\\) 表示环境条件，\\(N\\) 表示种群密度，\\(\\mathbf{p}\\) 表示相互作用的各类型的频率。随着生物改变资源、生境及其天敌的数量，这个函数本身也可能随时间变化。"
    },
    {
      "heading": "遗传架构与适合度景观",
      "text": "适合度景观将生物变体映射到相应的适合度值。休厄尔·赖特于1932年提出了这一影响深远的景观隐喻，用以说明基因组合、选择与种群结构之间的关系。景观可以基于基因型、表型或等位基因频率状态来定义，但这些是不同的构造。必须明确说明各自的坐标轴、邻近关系和“峰”的含义，而不能仅凭视觉隐喻想当然地理解。\n\n在基因型景观中，相邻的点通常只相差一个突变。选择往往会提高适合度较高的变体的频率，但哪些变体能够到达，取决于发生了哪些突变，以及这些突变如何组合。上位性是指一个遗传变化的效应取决于另一个遗传变化的现象。在符号上位性中，同一突变在一种遗传背景下有利，在另一种遗传背景下却有害。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；在标准的离散双等位基因基因型景观中，它是出现多个局部峰的必要条件。\n\n这类相互作用已得到实验验证。丹尼尔·温赖希及其同事在2006年的一项研究中，考察了细菌β-内酰胺酶中与头孢噻肟耐药性增强有关的五处变化。获得这些变化共有120种可能的先后顺序，其中只有少数能使耐药性在每一步都严格递增。耐药性并非在所有条件下都等同于适合度，但该实验展示了突变之间的相互作用如何在特定选择条件下限制可达的演化路径。\n\n遗传架构也将适合度与表型联系起来。单个基因可以影响多个性状，而一个性状也可能取决于多个基因。改善某项功能的变体可能损害另一项功能：繁殖投入的增加可能与机体维持争夺资源，而对某种寄生生物的抵抗力可能在该寄生生物不存在时带来代价。这些效应意味着，不能简单地认为每个性状都有一个可以独立达到的最优状态。\n\n重组会改变变体的组合方式。它可以将来自不同谱系的有利等位基因汇集在一起，也可能拆散共同作用良好的组合。在无性种群中，不同谱系中出现的有利突变可能彼此竞争，而不是轻易组合在一起，这一过程称为克隆干扰。因此，突变对适合度的影响本身并不能决定其演化轨迹；遗传连锁以及可供组合的遗传背景同样重要。\n\n只有明确其局限，景观图像才最为可靠。真实的景观可能随着环境和种群中各变体频率的变化而改变。高维基因型空间还包含二维山形图无法展示的路径和连接。局部峰仅意味着，在特定条件下，指定的邻近变体表现较差，而不意味着演化已经达到了普遍最优的生物学设计。"
    },
    {
      "heading": "随机性、环境波动与长期成功",
      "text": "预期繁殖成功并不能决定每一次实际结果。出生、死亡、交配和遗传都涉及随机事件。一个起初仅有一个拷贝的有利突变，即使其预期繁殖贡献超过种群中原有的类型，也可能消失。反之，略微不利的变异也可能因偶然因素而频率上升。遗传漂变与选择的相对重要性，在很大程度上取决于有效种群大小和适合度差异的大小。\n\n一种常用的定性判据，是将选择强度与有效种群大小的倒数进行比较。当有效种群大小与选择强度的相应乘积远大于一时，选择可以产生很强的定向作用；当这一乘积远小于一时，遗传漂变则可能占主导。确切的阈值和系数取决于倍性、显隐性关系、种群结构以及所用模型。不存在一个普遍适用的选择系数阈值，使得低于该阈值的变异就必然是中性的。\n\n环境波动带来了另一种不确定性。设某一谱系的种群在连续各时期分别按 \\(W_1,W_2,\\ldots,W_T\\) 的倍数增长。其总增长倍数为这些倍数的乘积，而长期对数增长率为\n\n\\[g=\\lim_{T\\to\\infty}\\frac{1}{T}\\sum_{t=1}^{T}\\ln W_t,\\]\n\n前提是该极限存在。因此，在这种简单的乘性增长情形下，决定长期增长的关键是几何平均数，而不是算术平均数。\n\n例如，某一谱系在一个时期增长至原来的 \\(2\\) 倍，在下一个时期变为原来的 \\(0.5\\) 倍，其增长倍数的算术平均数为 \\(1.25\\)，但两个时期的乘积为 \\(1\\)。另一个谱系在两个时期都增长至原来的 \\(1.1\\) 倍，虽然算术平均数较低，但两个时期的乘积为 \\(1.21\\)。如果反复经历同样的环境序列，第二个谱系在长期增长上更有优势。因此，严重损失的影响可能超过偶尔大幅增长带来的收益。\n\n这一原理是进化中的风险分散策略的基础：某些策略能够降低谱系繁殖成功的波动，因此即使以牺牲单个时期的平均繁殖产出为代价，也可能受到选择的青睐。种子休眠就是一个重要例子。使部分种子保持休眠的基因型，可能会牺牲有利年份的繁殖机会，却能保留有能力熬过连续不利环境的后代。\n\n不过，这种简单的几何平均数论证有其前提。个体层面的随机性，并不等同于同时影响所有个体的环境冲击。分布在不同空间位置的后代，所经历的环境条件可能具有一定程度的独立性；有限种群还面临确定性增长方程中不存在的灭绝边界。休眠阶段、迁移、年际相关性以及密度调节，都可能改变哪一种随机适合度指标能够预测进化成功。"
    },
    {
      "heading": "广义适合度与选择层次",
      "text": "繁殖效应不一定只限于行为个体自身产生的后代。个体还可以影响亲属的存活或繁殖，而这些亲属携带着相同遗传变异的拷贝。W. D. 汉密尔顿在1964年发表的论文中提出了广义适合度，为分析这类效应提供了框架。该框架将直接的繁殖后果与按适当亲缘度加权的对他者的影响结合起来，同时考虑这些效应的因果归属。\n\n一个常见的表达式是汉密尔顿法则：\n\n\\[rb>c,\\]\n\n其中，\\(c\\) 是行为个体付出的繁殖代价，\\(b\\) 是受助者获得的繁殖收益，\\(r\\) 则是适用于该模型的遗传亲缘度指标。在其适用假设成立的条件下，当按亲缘度加权的收益超过代价时，促成帮助行为的遗传变异就可能受到选择的青睐。这里的亲缘度指的是相对于参照种群而言的统计遗传关联，而不只是兄弟姐妹或堂表亲之类的谱系关系标签。\n\n这一框架有助于解释，为什么降低个体直接繁殖成功的行为仍然能够演化。帮助亲属可以通过亲属的后代增加相关等位基因的传递。然而，无论是亲缘关系本身，还是帮助行为的存在，都不足以确立这种解释。生态收益、亲属间的竞争、扩散，以及帮助者可选择的其他机会，都很重要。如果给予某个亲属的繁殖收益导致另一个近亲失去同样的机会，这份收益就可能被抵消。\n\n社会性昆虫的群体体现了这些复杂性。许多工虫承担各种任务，却不直接繁殖，而蚁后、蜂后等生殖个体则产生了大多数后代。亲缘度可能很重要，但群体生态和生活史同样是关键因素。单倍—二倍体遗传本身不足以解释真社会性：具有真社会性的白蚁是二倍体，而许多单倍—二倍体物种并不具有真社会性。\n\n多层次选择通过区分群体内部的过程与群体之间的差异来描述变化。在每个群体内部，合作类型可能在与不合作类型的竞争中逐渐处于劣势；与此同时，合作个体较多的群体却可能为整个种群贡献更多后代。在适当的表述下，亲缘选择与多层次选择可以对同一个底层过程作出不同的数学分解。这两种方法的实用性，部分取决于分析侧重哪些因果关系和种群结构。\n\n冲突也会发生在生物体内部。某个遗传元件可以通过减数分裂提高自身的传递概率，却以生物体的繁殖产出为代价；某个细胞谱系也可以以多细胞生物体的整体利益为代价而增殖。这些情况表明，讨论适合度时必须明确所考察的单位。基因、细胞、生物体或群体在某一层次上取得更大的成功，并不意味着其他所有生物学层次上的成功也会随之增加。"
    },
    {
      "heading": "实验与自然种群中的适合度测量",
      "text": "测量适合度，首先要明确生物学单位、比较对象、环境和时间区间。在微生物实验中，一种常用方法是让待测菌株与参照菌株直接竞争，并记录生长前后两者的相对丰度。如果两者的观测时间区间相同，就可以按下式估算它们平均个体增长率之差：\n\n\\[m_i-m_j= \\frac{1}{t} \\ln\\left[ \\frac{N_i(t)/N_j(t)} {N_i(0)/N_j(0)} \\right].\\]\n\n对这一结果的解释，建立在以下假设之上：丰度测量能够可靠地区分相互竞争的菌株，而且已将可能存在的频率依赖性纳入考虑。\n\n竞争测定能够捕捉分别测量生长情况时可能遗漏的效应，包括干扰、交叉营养以及对共享资源的不同利用方式。不过，结果只适用于特定的测定条件。在充分混匀的培养瓶中占优势的菌株，在表面上、具有空间结构的宿主环境中或营养受限条件下，表现可能不同。用于区分菌株的遗传标记也需要设置对照，因为标记本身可能影响菌株的表现。\n\n理查德·伦斯基于1988年启动的大肠杆菌（Escherichia coli）长期进化实验，展示了标准化比较的价值。多个平行种群一直在规定的连续转接培养方案下繁殖，冻存样本则使研究者能够比较进化后的细菌与祖先细菌。这类实验可以直接测量竞争表现的变化，并考察历史偶然性的作用。但它们无法确立一种不依赖具体情境的优劣排序：对实验环境的适应，可能以在其他环境中的表现为代价。\n\n在自然种群中，研究者常使用存活情况、交配成功程度、后代数量、遗传亲子关系，或后代进入繁殖种群的情况来衡量适合度。对于世代重叠的物种，长期研究尤其有价值。如果幼体存活率存在系统性差异，仅在出生时统计后代数量，就可能误判个体对进化的贡献；而如果只观察成功繁殖的个体，又会排除繁殖成功度为零的个体。未被观测到的扩散也可能使仍然存活的动物被误判为已经死亡或未能成功繁殖。\n\n表型选择研究常将相对繁殖成功度与测得的性状联系起来。选择差描述某一性状与适合度之间的关联，而多变量选择梯度则估计在控制指定的相关性状后，该性状与适合度之间的关联。这类分析并不能自动确立因果关系。例如，营养状况可能同时影响某种显著性状和繁殖产出。\n\n因此，要作出可靠推断，需要相互补充的证据，包括实验、谱系信息、重复观测、种群统计模型，以及对测量不确定度的明确处理。适合度估计通常描述的是结果的分布，而不是每个个体固定不变的结局。报告平均优势时，如果不交代其适用条件、抽样变异或所涵盖的生活史阶段，就可能掩盖测量原本要反映的生物学过程。"
    },
    {
      "heading": "适应、应用与解释的局限",
      "text": "适合度为研究适应提供了一套共同的概念语言，但这并不意味着每一种生物学特征都具有适应意义。性状可能因多种原因而持续存在：它们在选择上是中性的，与受到选择的变异连锁，受到发育过程的约束，或是在不同条件下从祖先那里遗传而来。即使已经证实选择的作用，观察到的性状也可能只是相关响应，而非选择的直接目标。要作出解释，就需要有证据将可遗传变异与其对繁殖的影响联系起来。\n\n抗微生物药物耐药性的演化，说明了有用表型与总体适合度之间的区别。耐药突变可能在有药物存在时提高繁殖成功率，却在没有药物时降低生长能力或竞争能力。这类代价因情况而异，并非普遍存在。其他突变可以补偿有害的副作用，遗传连锁也会影响耐药性的持续存在。因此，仅凭耐药水平无法完整衡量适合度，去除选择因子也不能保证演化立即逆转。\n\n在保护生物学中，与适合度有关的测量有助于将遗传变异与种群的持续存续联系起来。近交可能增加有害隐性变异的纯合程度，从而降低存活率或繁殖能力。然而，种群层面的结果还取决于栖息地、环境变化、种群结构和偶然因素。遗传多样性可以增强适应潜力，但不能作为一个单一数值指标来替代对当前繁殖表现的衡量。\n\n演化思维也适用于癌症：在组织环境中，不同体细胞谱系的存活和增殖能力存在差异。促进克隆扩增的细胞变化可能损害整个生物体。这并不矛盾，因为细胞适合度与个体适合度涉及不同的单位和繁殖过程。在考察病毒、可移动遗传元件或共生关系时，类似的区分也至关重要。\n\n受演化启发的算法也借用了“适合度”这一术语。计算中的适合度函数为候选解赋予分数，以指导候选解的繁殖或保留。与生物适合度不同，这种分数通常由程序员明确设计，并且可能在一次运行过程中始终保持不变。生物所处的环境通常没有与之对应的外部评判者，而且繁殖成功本身也可能改变决定未来繁殖成功的条件。\n\n最后，适合度是一个描述性概念，而不是衡量道德高下、社会价值或生物进步的尺度。它不会将物种排列在一个普适的等级阶梯上，在某一环境中繁殖成功率高，也不能证明在另一环境中同样具有优越性。适合度的解释力来自一项更为限定的任务：在可明确界定的条件下，将特定的可遗传差异与预期的繁殖贡献联系起来。"
    }
  ],
  "links": [
    "natural-selection",
    "genetics",
    "evolution",
    "charles-darwin",
    "population-genetics",
    "genotype",
    "allele",
    "genetic-dominance",
    "mutation",
    "gene-flow",
    "genetic-drift",
    "matrix",
    "genotype-environment-interaction",
    "phenotype",
    "chromosomal-crossover",
    "meiosis",
    "causation",
    "measurement-uncertainty",
    "adaptation",
    "genetic-diversity",
    "cancer",
    "algorithm"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}