وقتی درخت‌ها دروغ می‌گویند: انتخاب طبیعی، آمیزش جمعیت‌ها، و افسانهٔ یک تبار واحد

خلاصه

• یک «درخت» تبارزادی، مدلی است که غالباً توارث عمودی را فرض می‌کند؛ با جریان ژنی (آمیختگی/نفوذ ژنی)، شیء درست در بسیاری از موارد شبکه است، نه درخت (Huson & Bryant 2006, doi:10.1093/molbev/msj030; Kong et al. 2025, doi:10.1073/pnas.2410934122).
• «انتخاب» (جاروب‌های انتخابی، انتخاب پس‌زمینه، تبدیل ژنی سوگیرانه) شجره‌های ژنتیکی را تغییر می‌دهد و می‌تواند باعث شود روش‌های خنثی تاریخچه‌ای نادرست را استنباط کنند (Schrider et al. 2016, doi:10.1534/genetics.116.190223; Pouyet et al. 2018, doi:10.7554/eLife.36317; Johri et al. 2021, doi:10.1093/molbev/msab050).
• در صورت آمیختگی، مناطق ژنومی مختلف، به‌معنای واقعی کلمه، «درخت‌های خانوادگی» متفاوتی دارند؛ بنابراین یک درختِ بهینه می‌تواند میانگینی گمراه‌کننده باشد (Degnan & Rosenberg 2009, doi:10.1016/j.tree.2009.01.009).
• تکامل انسان نمونه هشداردهنده است: نفوذ ژنی نئاندرتال/دنیسووا واقعیت دارد (Green et al. 2010, doi:10.1126/science.1188021) و انتخاب، DNA نفوذکرده را در سراسر ژنوم به‌طور ناهمسان حذف کرده است (Sankararaman et al. 2014, doi:10.1038/nature12961; Juric et al. 2016, doi:10.1371/journal.pgen.1006340; Harris & Nielsen 2016, doi:10.1534/genetics.116.186890).
• راه‌حل عملی: «درخت» را فرضیه‌ای درباره این بدانید که کدام جایگاه‌ها را به کار برده‌اید؛ از افرازهای خنثی، انتخاب مدل، و (اغلب) چارچوب‌های صریحِ شکافت–پیوستنِ دوباره / شبکه‌ای استفاده کنید (Yu et al. 2011, doi:10.1093/sysbio/syq084; Maier et al. 2023, doi:10.7554/eLife.85492).

«وقتی پدیده‌ها درخت‌مانند نیستند، نباید آن‌ها را درخت بنامیم.»
— Valas & Bourne، «درخت حیات را نجات دهید یا در جنگل گم شوید» (2010)، doi:10.1186/1745-6150-5-44

درخت عکس نیست؛ الگوریتمی برای فشرده‌سازی است#

یک درخت تبارزادی حسِ یک مستند را القا می‌کند: دودمان‌ها از هم جدا می‌شوند، شاخه‌ها واگرا می‌گردند، و تاریخ مانند حلقه‌های چوب انباشته می‌شود. این شهود گاهی درست است. اما در ژنومیک، به‌سادگی و به‌نحوی خطرناک فراموش می‌کنیم که «درخت» واقعاً چیست: خلاصه‌ای کم‌بُعد از داده‌هایی پُربُعد که بر اساس مجموعه‌ای از فرض‌ها تولید شده است.

بیشتر روش‌های درختی، به‌طور ضمنی، بر ترکیبی از این موارد تکیه دارند:

• توارث عمودی غالب است. دودمان‌ها از هم جدا می‌شوند و پس از جدایی، عمدتاً تبادل ژن را متوقف می‌کنند.
• یک تاریخچه واحد با داده‌ها سازگار است. با جایگاه‌های مختلف چنان برخورد می‌شود که گویی یک فرایند شاخه‌ای زیربنایی واحد را نمونه‌برداری می‌کنند.
• خنثایی (یا چیزی نزدیک به آن). گوناگونی چنان رفتار می‌کند که گویی عمدتاً بر اثر رانش به‌اضافه جهش شکل گرفته است، نه بر اثر انتخابی که در مناطق پیوسته گسترش می‌یابد.

وقتی این فرض‌ها نقض می‌شوند، درخت‌ها صرفاً «پُرصداتر» نمی‌شوند. آن‌ها ممکن است به‌طور نظام‌مند سوگیرانه شوند—در بسیاری از جایگاه‌ها در یک جهت یکسان نادرست باشند—زیرا خودِ فرایند تکاملی داده‌ها را منحرف می‌کند.

این نوشته درباره یک حالت مشخص از شکست است که در تکامل انسان (و صادقانه بگوییم، در همه‌جا) رایج است: وقتی انتخاب و آمیختگی هر دو رخ دهند، درخت‌ها دروغ می‌گویند. منظور از «دروغ» در اینجا چیزی فنی و ملال‌آور است: ترتیب شاخه‌زایی و طول شاخه‌های استنباط‌شده می‌توانند با اطمینان و به‌طور تکرارپذیر به‌دست آیند، اما همچنان به‌جای تاریخچه موجود زنده، مصنوعِ خط لوله استنباط را توصیف کنند.

بازصورت‌بندیِ مفید این است:

یک درخت پاسخ این پرسش است: اگر تکامل درخت‌مانند (و عمدتاً خنثی) بود، کدام درخت می‌توانست این الگوها را به بهترین شکل توضیح دهد؟
این درخت به‌طور خودکار پاسخ این پرسش نیست: واقعاً چه اتفاقی افتاد؟

دو دلیل متفاوت برای ناسازگاری تاریخچه‌های ژنی#

پیش از ترکیب انتخاب و آمیختگی، شایسته است سه مفهوم را که مردم مرتباً با یکدیگر خلط می‌کنند از هم جدا کنیم:

1. درخت‌های ژنی: شجره ژنتیکیِ یک منطقه ژنومی خاص.
2. درخت‌های گونه‌ای/جمعیتی: الگوی شاخه‌زایی جمعیت‌ها/گونه‌ها به‌عنوان موجودیت‌هایی مستقل.
3. هم‌نیاییِ چندگونه‌ای (MSC): مدلی که توضیح می‌دهد چرا درخت‌های ژنی می‌توانند حتی بدون آمیختگی، به‌دلیل هم‌نیایی تصادفی دودمان‌ها، با درخت گونه‌ای متفاوت باشند (Degnan & Rosenberg 2009, doi:10.1016/j.tree.2009.01.009).¹

حتی اگر تکامل در سطح جمعیت کاملاً درخت‌مانند باشد، درخت‌های ژنی می‌توانند از طریق مرتب‌سازی ناقص دودمان‌ها (ILS) با یکدیگر ناسازگار باشند (Degnan & Rosenberg 2009, doi:10.1016/j.tree.2009.01.009). این منشأ «بی‌ضرر» ناسازگاری است: تصادفی‌بودن در نیاکان.

آمیختگی/نفوذ ژنی دلیل دومی، و از نظر کیفی متفاوت، برای ناسازگاری می‌افزاید: تبار برخی جایگاه‌ها از جمعیتی متفاوت با جمعیتی که یک درخت شاخه‌ای واحد القا می‌کند، ردیابی می‌شود. در این مرحله، شیء مناسب اغلب یک شبکه فیلوژنتیک است (Huson & Bryant 2006, doi:10.1093/molbev/msj030; Yu et al. 2011, doi:10.1093/sysbio/syq084; Kong et al. 2025, doi:10.1073/pnas.2410934122).²

سپس انتخاب به‌عنوان مؤلفه‌ای سوم وارد می‌شود که می‌تواند خود را به‌جای هر یک از دو مؤلفه نخست جا بزند، زیرا زمان‌های هم‌نیایی و توزیع شجره‌های ژنتیکی را در امتداد ژنوم تغییر می‌دهد (Schrider et al. 2016, doi:10.1534/genetics.116.190223; Pouyet et al. 2018, doi:10.7554/eLife.36317; Johri et al. 2021, doi:10.1093/molbev/msab050).

چگونه انتخاب باعث می‌شود روش‌های «درخت‌مانند» تاریخچه را خیال‌پردازی کنند#

انتخاب از دو راه کلی بر درخت‌ها اثر می‌گذارد:

1. شجره‌های ژنتیکی را بازشکل می‌دهد (این‌که چه کسی با چه کسی، و چه زمانی، هم‌نیا می‌شود).
2. مشخص می‌کند عملاً کدام جایگاه‌ها را نمونه‌برداری می‌کنید (زیرا جایگاه‌هایی که باقی می‌مانند و گوناگونی دارند، نمونه‌ای تصادفی از تاریخچه نیستند).

انتخاب پیوسته: ژنوم کیسه‌ای از نشانگرهای مستقل نیست#

در یک ژنوم نوترکیب‌شونده، انتخاب در یک جایگاه، جایگاه‌های نزدیک را نیز با خود می‌کشد. این همان انتخاب پیوسته است. دو شکل عمده آن عبارت‌اند از:

• جاروب‌های انتخابی: یک الل سودمند به‌سرعت افزایش می‌یابد و گوناگونی را در هاپلوتیپ‌های نزدیک کاهش می‌دهد.
• انتخاب پس‌زمینه: انتخاب پالایشی به‌طور پیوسته جهش‌های زیان‌بار را حذف می‌کند و اندازه مؤثر جمعیت (Ne) و گوناگونی را در جایگاه‌های خنثای پیوسته کاهش می‌دهد.

هر دو فرایند طیف فراوانی جایگاه‌ها (SFS) و زمان‌های هم‌نیایی محلی را تغییر می‌دهند؛ دقیقاً همان چیزهایی که بسیاری از روش‌های جمعیت‌شناختی/تبارزادی می‌کوشند تفسیر کنند (Schrider et al. 2016, doi:10.1534/genetics.116.190223; Johri et al. 2021, doi:10.1093/molbev/msab050). اگر خنثایی را فرض کنید، ممکن است گلوگاه‌ها، گسترش‌ها یا جدایی‌های جمعیتی کاذب را استنباط کنید، زیرا انتخاب الگوهایی ایجاد کرده است که شبیه رویدادهای جمعیت‌شناختی به نظر می‌رسند.

برآوردی به‌ویژه تکان‌دهنده در انسان این است: Pouyet و همکاران استدلال می‌کنند که انتخاب پس‌زمینه به‌اضافه تبدیل ژنی سوگیرانه بر بیش از 95% ژنوم انسان اثر می‌گذارند و اگر در نظر گرفته نشوند، می‌توانند استنباط‌های جمعیت‌شناختی را سوگیرانه کنند (Pouyet et al. 2018, doi:10.7554/eLife.36317). حتی اگر تصور کنید درصد دقیق محل بحث است، جهت کلی چنین نیست: در مقیاس‌های ریز، خنثایی استثناست، نه پیش‌فرض.

سازوکار «درخت‌ها دروغ می‌گویند» شماره ۱: انتخاب زمان را به‌طور ناهمسان فشرده می‌کند#

طول شاخه‌های درخت اغلب فاصله ژنتیکی را رمزگذاری می‌کند؛ فاصله‌ای که معمولاً با استفاده از ساعت مولکولی به‌عنوان زمان تفسیر می‌شود. اما انتخاب سرعت هم‌نیایی دودمان‌ها را تغییر می‌دهد:

• جاروب‌ها باعث می‌شوند دودمان‌های بسیاری در گذشته نزدیک، پیرامون جایگاه انتخاب‌شده، به‌سرعت هم‌نیا شوند و در نتیجه شاخه‌ها در آن ناحیه کوتاه شوند.
• انتخاب پس‌زمینه Ne را کاهش می‌دهد و در مناطق با نوترکیبی کم یا تراکم عملکردی بالا، طی دوره‌های طولانی‌تر، باعث هم‌نیایی سریع‌تر می‌شود.

اگر درختی را از آمیزه‌ای از مناطقی با رژیم‌های بسیار متفاوتِ انتخاب پیوسته بسازید، ممکن است به یک کیمرا برسید: برخی بخش‌های ژنوم چنان رفتار می‌کنند که گویی از جمعیتی کوچک‌تر آمده‌اند (زمان‌های هم‌نیایی کوتاه‌تر)، و برخی دیگر چنان‌که گویی از جمعیتی بزرگ‌تر آمده‌اند—بی‌آن‌که هیچ تغییر واقعی در اندازه جمعیت رخ داده باشد.

این موضوع صرفاً انتزاعی نیست. استنباط مبتنی بر ARG (روش‌های گراف نوترکیبی نیاکانی) نیز آسیب‌پذیر است: Marsh و همکاران نشان می‌دهند که انتخاب می‌تواند در برخی شرایط، استنباط اندازه تاریخی جمعیت را مختل کند (Marsh et al. 2024, doi:10.1093/molbev/msae118).

چگونه آمیختگی، درخت را به خطایی مقوله‌ای تبدیل می‌کند#

آمیختگی (میان جمعیت‌ها) و نفوذ ژنی (میان دودمان‌ها/گونه‌های واگرا) به این معناست که تبار ماهیتی شبکه‌ای دارد: شاخه‌ها از هم جدا می‌شوند و سپس دوباره به هم می‌پیوندند.

واقعیت اصلی: جایگاه‌های مختلف تبارهای متفاوتی دارند#

این همان نکته ژنومیِ «موزاییکی» است که بیشتر روایت‌های عامه‌پسند درباره تکامل انسان همچنان کمتر از حد لازم بر آن تأکید می‌کنند. پس از جریان ژنی، یک ژنوم تاریخچه یک دودمان واحد نیست؛ وصله‌دوزی‌ای از قطعاتی است که شجره‌های ژنتیکی متفاوت دارند.

نمونه معیار در انسان، نفوذ ژنی نئاندرتال است: نخستین پژوهش‌های مربوط به ژنوم پیش‌نویس نئاندرتال نشان دادند که انسان‌های مدرنِ غیرآفریقایی دارای تباری برگرفته از نئاندرتال‌ها هستند (Green et al. 2010, doi:10.1126/science.1188021). پژوهش‌های بعدی این چشم‌انداز را در امتداد ژنوم نقشه‌برداری کردند (Sankararaman et al. 2014, doi:10.1038/nature12961).

پس از آن، «درخت انسان» چه معنایی دارد؟ این امر به جایگاه‌هایی که استفاده کرده‌اید بستگی دارد.

• اگر از جایگاه‌هایی استفاده کنید که از تبار نئاندرتال تهی شده‌اند، ممکن است جداییِ پاکیزه‌تری میان آفریقا و خارج از آفریقا استنباط کنید.
• اگر از جایگاه‌هایی غنی از هاپلوتیپ‌های نفوذکرده استفاده کنید، ممکن است اوراسیایی‌ها را به شیوه‌هایی از نظر زیستی واقعی، اما غیرقابل‌نمایش در قالب درخت، به انسان‌های باستانی «نزدیک‌تر» کنید.

چگونه آمیختگی را تشخیص می‌دهیم (و چرا همیشه ساده نیست)#

یک روشِ آزموده و پرکاربرد، آمارهٔ ABBA–BABA / D است که برای آزمون آمیزش ژنتیکی باستانی میان جمعیت‌های خویشاوند نزدیک صورت‌بندی شده است (Durand et al. 2011، doi:10.1093/molbev/msr048). ایده ساده است: در یک درخت سخت‌گیرانه همراه با مرتبش ناقص دودمان‌ها (ILS) اما بدون جریان ژنی، دو الگوی جایگاهی ناسازگار (ABBA و BABA) باید با نرخ‌های برابر رخ دهند؛ فزونیِ پایدارِ یکی از آن‌ها نشان‌دهندهٔ جریان ژنی است (Patterson et al. 2012، PMCID:PMC3522152).

اما اینجا جایی است که «درخت‌ها دروغ می‌گویند» حالت بازگشتی پیدا می‌کند: حتی آزمون‌های ورود ژن نیز ممکن است هنگامی که دودمان‌های شبح (جمعیت‌های نمونه‌برداری‌نشده) وجود دارند، به‌درستی تفسیر نشوند (Tricou et al. 2022، doi:10.1093/sysbio/syac011). به بیان دیگر، داده‌ها ممکن است به‌شدت بر آمیزش ژنتیکی دلالت کنند، اما اگر دهندهٔ واقعی منقرض شده یا نمونه‌برداری‌نشده باشد، نسبت‌دادن آن به دهندهٔ نادرست آسان است.

و هنگامی که می‌کوشید تاریخچه‌های کامل را از طریق گراف‌های آمیزش برازش دهید، با محدودیت‌های شناسایی‌پذیری و بیش‌برازش روبه‌رو می‌شوید. نقدی تأمل‌برانگیز در سال‌های اخیر، محدودیت‌های برازش مدل‌های پیچیدهٔ تاریخچهٔ جمعیت را از داده‌های ژنتیکی نشان می‌دهد—مدل‌هایی سودمند، اما نه همه‌چیزدان (Maier et al. 2023، doi:10.7554/eLife.85492).

جایی که درخت‌ها واقعاً جالب دروغ می‌گویند: انتخاب + آمیزش ژنتیکی در کنار یکدیگر#

آمیزش ژنتیکی تبارشناسی‌ها را ناهمگن می‌کند. سپس انتخاب، این ناهمگنی را ساختارمند و سوگیرانه می‌کند.

DNA واردشده از طریق ورود ژن، به‌وسیلهٔ انتخاب پالایش می‌شود (پس تبار نیایی تصادفی نیست)#

پس از ورود ژن، انتخاب می‌تواند:

• الل‌های زیان‌بارِ واردشده را حذف کند و در نزدیکی نواحی کارکردی، «بیابان‌هایی» از تبار نیایی باستانی ایجاد کند.
• الل‌های سودمندِ واردشده را تقویت کند و در جاهایی که گونه‌های واردشده سازشی بوده‌اند، «جزیره‌هایی» از تبار نیایی باستانی ایجاد کند.

این صرفاً حدس نیست؛ در ژنوم‌های انسانی به‌طور تجربی قابل مشاهده است.

• Sankararaman و همکاران نواحی دارای کاهش تبار نیایی نئاندرتال را نقشه‌برداری کردند و در برخی زمینه‌های کارکردی، کاهش شدید آن را گزارش کردند (Sankararaman et al. 2014، doi:10.1038/nature12961).
• Juric و همکاران شدت ژنومیِ انتخاب علیه ورود ژن نئاندرتال را، به‌صورت اثری بر شمار زیادی از الل‌های اندکی زیان‌بار، مدل‌سازی کردند (Juric et al. 2016، doi:10.1371/journal.pgen.1006340).
• Harris و Nielsen استدلال کردند که نئاندرتال‌ها بار جهشی بیشتری حمل می‌کردند و این امر می‌تواند کاهش تبار نیایی نئاندرتال در پیرامون ژن‌ها را توضیح دهد (Harris & Nielsen 2016، doi:10.1534/genetics.116.186890).
• ورود ژن سازشی حوزه‌ای فعال است و روش‌ها و نمونه‌های آن را Racimo و همکاران مرور کرده‌اند (Racimo et al. 2015، PMID:25963373).

پس: آمیزش ژنتیکی موزاییکی ایجاد می‌کند، اما انتخاب این موزاییک را ویرایش می‌کند؛ برخی کاشی‌ها را ترجیحاً حفظ می‌کند و برخی دیگر را آن‌قدر می‌سابد که به هیچ تبدیل شوند.

سازوکار شمارهٔ ۲ «درخت‌ها دروغ می‌گویند»: انتخاب، مسیرهای نیاییِ قابل مشاهده را تغییر می‌دهد#

اگر انتخاب قطعات واردشده از طریق ژن را در برخی نواحی ژنومی به‌طور نامتناسب حذف کند، هر درختی که از آن نواحی استنباط شود، رویداد ورود ژن را به‌طور نظام‌مند کمتر از واقع نشان خواهد داد.

برعکس، اگر بر جایگاه‌هایی با ورود ژن سازشیِ شدید تمرکز کنید، ممکن است میزان «نزدیکی» کلی دو دودمان را بیش از حد برآورد کنید؛ زیرا از نواحی ژنومی‌ای نمونه‌برداری می‌کنید که مشخصاً به این دلیل میان دودمان‌ها جابه‌جا شده‌اند که از این جابه‌جایی جان سالم به‌در برده‌اند.

این همان دوراهی اساسی است:

• آمیزش ژنتیکی فرض درخت را می‌شکند (شبکه‌ای‌شدن).
• انتخاب سوگیری ایجاد می‌کند که کدام بخش‌های آن شبکه‌ای‌شدن در داده‌های امروزی باقی بمانند.

نتیجه ممکن است شبیه درختی پاکیزه باشد، حتی زمانی که تاریخچه درخت‌مانند نبوده است؛ یا ممکن است شبیه ساختار عمیق/واگرایی باستانی به نظر برسد، در حالی که الگو در واقع حاصل تعامل انتخاب و ورود ژن است.

جدول مقایسه‌ای عینی#

چرا این موضوع به‌طور خاص برای روایت‌های تکامل انسان اهمیت دارد#

نوشتارهای مربوط به تکامل انسان هنوز غریزه‌ای روایی مبتنی بر «یک دودمان واحد» را با خود حمل می‌کنند: نخست X وجود داشت، سپس Y از آن جدا شد، و بعد Z جای آن‌ها را گرفت. این روایت از نظر داستانی پاکیزه است، اما از نظر ژنومی گمراه‌کننده.

اکنون در جهانی به سر می‌بریم که در آن:

• سوابق فسیلی و تنوع ریخت‌شناختی آشفته‌اند.
• توالی‌یابی کل ژنوم، جریان ژنیِ تکرارشونده میان دودمان‌ها را آشکار می‌کند.
• انتخاب در تمام این مدت در حال ویرایش این سابقه بوده است.

در گفت‌وگوی «یادگیری بدون نظارتِ رزیب خان» که به آن اشاره کردید، بنا بر گزارش‌ها جان هاکس بر «اثر سوگیرکنندهٔ انتخاب بر درخت‌های تبارزایی» تأکید می‌کند، در حالی که کریس استرینگر بر پیچیدگی سوابق فسیلی شرق آسیا تأکید دارد (فهرست قسمت: یادگیری بدون نظارتِ رزیب خان). این جفت‌سازی دقیقاً درست است، حتی اگر با سنتز ترجیحی هر یک از آن دو موافق نباشید: سوابق ژنتیکی و فسیلی هر دو پیچیده‌اند و درخت‌های ساده‌انگارانه شکننده‌اند.

نمونهٔ انسانی از نظر آموزشی نیز سودمند است، زیرا می‌توانیم به پدیده‌های مشخص و کمّی‌شده اشاره کنیم:

• ورود ژن وجود دارد: انسان‌های غیرآفریقایی دارای تبار نیاییِ منتسب به نئاندرتال‌اند (Green et al. 2010، doi:10.1126/science.1188021).
• ورود ژن در سراسر ژنوم یکنواخت نیست و این امر دلالت بر انتخاب و/یا ناسازگاری‌ها دارد (Sankararaman et al. 2014، doi:10.1038/nature12961).
• انتخاب علیه ورود ژن را می‌توان مدل‌سازی و برآورد کرد (Juric et al. 2016، doi:10.1371/journal.pgen.1006340; Harris & Nielsen 2016، doi:10.1534/genetics.116.186890).
• روش‌های شناسایی و مشخصه‌گذاری ورود ژن اکنون خود به یک زیررشته تبدیل شده‌اند (Hibbins & Hahn 2022، doi:10.1093/genetics/iyab173).

نتیجهٔ نهایی: اگر اصرار دارید یک «درخت» واحد برای انسان ترسیم کنید، باید ستاره‌ای به آن بیفزایید که آن‌قدر بزرگ باشد که از مدار زمین دیده شود.

به‌جای درخت‌های ساده‌لوحانه از چه استفاده کنیم#

در اینجا گفت‌وگو اغلب به دوگانه‌های کاذب منحرف می‌شود: «پس درخت‌ها بی‌فایده‌اند؟» نه. درخت‌ها هنگامی سودمندند که با پرسش شما سازگار باشند و فرض‌هایشان تقریباً برقرار باشد. راه‌حل، نیهیلیسم نیست؛ انتخاب مدل و تحلیل حساسیت است.

۱) از روش‌های درختی‌ای استفاده کنید که ناسازگاری را می‌پذیرند#

حتی بدون جریان ژنی، رویکردهای آگاه از MSC دقیقاً به این دلیل وجود دارند که درخت‌های ژنی با درخت‌های گونه‌ای تفاوت دارند (Degnan & Rosenberg 2009، doi:10.1016/j.tree.2009.01.009). اگر زمان‌های واگرایی کوتاه و Ne نیایی بزرگ باشد، ناسازگاری مورد انتظار است، نه آسیب‌شناختی.

۲) هر جا جریان ژنی محتمل است، از شبکه‌ها یا مدل‌های جدایش–پیوستن دوباره استفاده کنید#

شبکه‌های تبارزایی صرفاً نمودارهای زیبا نیستند؛ آن‌ها پاسخی صوری به تکامل شبکه‌ای‌اند (Huson & Bryant 2006، doi:10.1093/molbev/msj030). همچنین روش‌های صریحِ هم‌تبارشدن روی شبکه وجود دارند که می‌کوشند حتی در حضور ILS، دورگه‌زایی را شناسایی کنند (Yu et al. 2011، doi:10.1093/sysbio/syq084). افزون بر این، ترکیب‌بندی روش‌شناختی رو‌به‌رشدی وجود دارد که استدلال می‌کند شبکه‌ها باید در استنباط تنوع زیستی و تکاملی، جایگاهی هم‌تراز با روش‌های اصلی داشته باشند (Kong et al. 2025، doi:10.1073/pnas.2410934122).

۳) انتخاب را به‌طور پیش‌فرض یک عامل مخدوش‌کننده بدانید، نه یک حالت حاشیه‌ای#

سه راهبرد عملی که واقعاً به کار گرفته می‌شوند:

• پوشاندن/افرازبندی خنثی: استنباط را به نواحیِ ظاهراً خنثی محدود کنید (با این فروتنی که خنثایی تقریبی است).
• مدل‌سازی آگاه از انتخاب پیوسته: در صورت امکان، نقشه‌ها یا پارامترهای انتخاب پس‌زمینه‌ای را وارد مدل کنید (Pouyet et al. 2018، doi:10.7554/eLife.36317).

• بررسی‌های حساسیت: استنباط را تحت طرح‌های مختلف ماسک‌گذاری اجرا کنید و نتایج را با یکدیگر مقایسه کنید (Schrider et al. 2016, doi:10.1534/genetics.116.190223; Johri et al. 2021, doi:10.1093/molbev/msab050).

۴) دربارهٔ شناسایی‌پذیری مدل صادق باشید#

گراف‌های آمیزش زبانی قدرتمند برای توصیف تاریخ هستند، اما با پیچیده‌تر شدن مدل‌ها، برازش آن‌ها ممکن است تعیین‌ناپذیر شود (Maier et al. 2023, doi:10.7554/eLife.85492). این بدان معنا نیست که «این کار را انجام ندهید». بلکه یعنی «گراف دارای بهترین برازش را یکی از اعضای خانواده‌ای از گراف‌های محتمل بدانید» و عدم‌قطعیت را نیز متناسب با آن گزارش کنید.

نتیجه‌گیری فلسفی: ژنوم تاریخ‌های بسیاری دارد و شما انتخاب می‌کنید کدام‌یک را روایت کنید#

«درخت‌ها دروغ می‌گویند» شعاری پرطمطراق برای حقیقتی کسل‌کننده است: استنباط به فرض‌ها مشروط است. هنگامی که انتخاب و آمیزش هر دو رخ می‌دهند، فرض‌های زیربنای بسیاری از خلاصه‌سازی‌های استاندارد مبتنی بر درخت، به شیوه‌هایی نقض می‌شوند که به تحریف‌هایی مطمئن و نظام‌مند می‌انجامند.

یا، در قالب گزاره‌ای سودمندتر:

درختی که استنباط می‌کنید، به همان اندازه که ویژگی جانداران است، ویژگی طرح نمونه‌برداری شما نیز هست.

موضع پخته آن نیست که درخت‌ها را کنار بگذاریم، بلکه باید جایگاهشان را تنزل دهیم: درخت‌ها به یک فرافکنی از تاریخ تبدیل می‌شوند؛ برای برخی پرسش‌ها مناسب‌اند (برای مثال، خوشه‌بندی تقریبی و برخی ترتیب‌های واگرایی در شرایط جریان ژنی محدود) و برای برخی دیگر مناسب نیستند (تاریخچهٔ دقیق جمعیت در یک ژنوم شبکه‌ای و تحت انتخاب).

در تکامل انسان، از دوره‌ای که «یک درخت» پایان داستان تلقی می‌شد، عبور کرده‌ایم. درخت، آغاز بحث است.

پرسش‌های متداول #

پرسش ۱. اگر جریان ژنی رایج است، چرا درخت‌ها اغلب چنین «تمیز» به نظر می‌رسند؟ الف. زیرا انتخاب و نمونه‌برداری می‌توانند به‌طور ترجیحی مناطقی را که با یک سیگنال شاخه‌ای غالب سازگارند حفظ و برجسته کنند، درحالی‌که مناطق درون‌نفوذ‌یافته را از بین ببرند یا وزن آن‌ها را کاهش دهند؛ در نتیجه، حتی زمانی که تاریخچه شبکه‌ای است، خلاصه‌ای به‌ظاهر درخت‌مانند تولید می‌شود (Sankararaman et al. 2014, doi:10.1038/nature12961; Juric et al. 2016, doi:10.1371/journal.pgen.1006340).

پرسش ۲. ساده‌ترین آماره‌ای که آمیختگی را بدون برازش یک گراف کامل نشان می‌دهد چیست؟ الف. آزمون‌های ABBA–BABA / آمارهٔ D بررسی می‌کنند که آیا الگوهای آللیِ ناهمخوان به‌صورت نامتقارن رخ می‌دهند؛ رخدادی که در شرایط جریان ژن انتظار می‌رود، اما در یک درخت سخت‌گیرانه که تنها دارای مرتب‌سازی ناقص دودمان‌ها (ILS) است، انتظار نمی‌رود (Durand et al. 2011، doi:10.1093/molbev/msr048، Patterson et al. 2012، PMCID:PMC3522152).

پرسش ۳. انتخاب پس‌زمینه چگونه به‌طور مشخص رویدادهای جمعیتی را «جعلی» نشان می‌دهد؟ الف. با کاهش اندازهٔ مؤثر جمعیت در جایگاه‌های خنثای مرتبط، طیف فراوانی جایگاه‌ها و زمان‌های هم‌نیایی را به‌گونه‌ای تغییر می‌دهد که مدل‌های خنثای جمعیتی ممکن است آن‌ها را به‌اشتباه به‌صورت گلوگاه‌های جمعیتی یا گسترش‌های جمعیتی تفسیر کنند (Pouyet et al. 2018، doi:10.7554/eLife.36317; Johri et al. 2021، doi:10.1093/molbev/msab050).

پرسش ۴. چه زمانی باید شبکهٔ فیلوژنتیکی را به‌جای درخت ترجیح دهم؟ الف. هنگامی که شواهد معتبری از دورگه‌زایی/درون‌آمیزی ژنتیکی (یا انتقال افقی گستردهٔ ژن، HGT) وجود دارد، به‌گونه‌ای که جایگاه‌های ژنیِ متفاوت از توپولوژی‌های ناسازگار پشتیبانی می‌کنند—زیرا یک شبکه می‌تواند تاریخچه‌های انشعاب–پیوستنِ مجدد را نمایش دهد، در حالی که یک درخت منفرد نمی‌تواند (Huson & Bryant 2006، doi:10.1093/molbev/msj030، Kong et al. 2025، doi:10.1073/pnas.2410934122).

پرسش ۵. آیا مدل‌های هرچه پیچیده‌تر همیشه بهترند؟ الف. خیر: با افزایش پارامترهای گراف‌ها (یال‌های متعددِ آمیزش، تغییرات اندازهٔ جمعیت و غیره)، تاریخچه‌های متمایز بسیاری می‌توانند با همان خلاصه‌ها سازگار باشند؛ بنابراین، انتخاب مدل و گزارش عدم‌قطعیت، به‌جای آنکه اختیاری باشند، به اموری محوری تبدیل می‌شوند (Maier et al. 2023، doi:10.7554/eLife.85492; Tricou et al. 2022، doi:10.1093/sysbio/syac011).

پاورقی‌ها#

منابع#

1. Degnan, James H., و Noah A. Rosenberg. “Gene tree discordance, phylogenetic inference and the multispecies coalescent.” Trends in Ecology & Evolution 24(6) (2009): 332–340. doi:10.1016/j.tree.2009.01.009
2. Huson, Daniel H., و David Bryant. “Application of phylogenetic networks in evolutionary studies.” Molecular Biology and Evolution 23(2) (2006): 254–267. doi:10.1093/molbev/msj030
3. Yu, Yun، و همکاران. “Coalescent histories on phylogenetic networks and detection of hybridization despite incomplete lineage sorting.” Systematic Biology 60(2) (2011): 138–149. doi:10.1093/sysbio/syq084
4. Kong, Sungsik، Claudia Solís-Lemus، و George P. Tiley. “Phylogenetic networks empower biodiversity research.” PNAS 122(31) (2025): e2410934122. doi:10.1073/pnas.2410934122
5. Schrider, Daniel R., Alexander G. Shanku, and Andrew D. Kern. “Effects of linked selective sweeps on demographic inference and model selection.” Genetics 204(3) (2016): 1207–1223. doi:10.1534/genetics.116.190223
6. Pouyet, Fanny, Simon Aeschbacher, Alexandre Thiéry, and Laurent Excoffier. “Background selection and biased gene conversion affect more than 95% of the human genome and bias demographic inferences.” eLife 7 (2018): e36317. doi:10.7554/eLife.36317
7. Johri, Parul, et al. “The impact of purifying and background selection on the inference of population history: problems and prospects.” Molecular Biology and Evolution 38(7) (2021): 2986–3003. doi:10.1093/molbev/msab050
8. Marsh, Jacob I., and Parul Johri. “Biases in ARG-Based Inference of Historical Population Size in Populations Experiencing Selection.” Molecular Biology and Evolution 41(7) (2024): msae118. doi:10.1093/molbev/msae118
9. Durand, Eric Y.، و دیگران. “Testing for ancient admixture between closely related populations.” Molecular Biology and Evolution 28(8) (2011): 2239–2252. doi:10.1093/molbev/msr048
10. Patterson, Nick، و دیگران. “Ancient admixture in human history.” Genetics 192(3) (2012): 1065–1093. PMCID: PMC3522152
11. Tricou, Théo، Eric Tannier، و Damien M. de Vienne. “Ghost lineages highly influence the interpretation of introgression tests.” Systematic Biology 71(5) (2022): 1147–1158. doi:10.1093/sysbio/syac011
12. Green, Richard E., et al. “A draft sequence of the Neandertal genome.” Science 328(5979) (2010): 710–722. doi:10.1126/science.1188021
13. Sankararaman, Sriram, et al. “The genomic landscape of Neanderthal ancestry in present-day humans.” Nature 507 (2014): 354–357. doi:10.1038/nature12961
14. Juric, Ivan, Simon Aeschbacher, and Graham Coop. “The Strength of Selection against Neanderthal Introgression.” PLOS Genetics 12(11) (2016): e1006340. doi:10.1371/journal.pgen.1006340 ۱۵. Harris, Kelley, and Rasmus Nielsen. “The genetic cost of Neanderthal introgression.” Genetics 203(2) (۲۰۱۶): ۸۸۱–۸۹۱. doi:10.1534/genetics.116.186890
    ۱۶. Racimo, Fernando, et al. “Evidence for archaic adaptive introgression in humans.” Nature Reviews Genetics 16(6) (۲۰۱۵): ۳۵۹–۳۷۱. PMID:25963373
    ۱۷. Hibbins, Mark S., and Matthew W. Hahn. “Phylogenomic approaches to detecting and characterizing introgression.” Genetics 220(2) (۲۰۲۲): iyab173. doi:10.1093/genetics/iyab173
15. مایر، رابرت، و همکاران. “On the limits of fitting complex models of population history to genetic data.” eLife 12 (2023): e85492. doi:10.7554/eLife.85492
16. Valas, Ryohei E., و Philip E. Bourne. “Save the tree of life or get lost in the woods.” Biology Direct 5 (2010): 44. doi:10.1186/1745-6150-5-44
17. رزیب خان. “Razib Khan’s Unsupervised Learning (podcast feed listing).” Apple Podcasts. (تاریخ دسترسی: 2025-12-18).