Ewolucja adaptacyjna

Coraz ważniejsze staje się zrozumienie genetycznych podstaw lokalnej adaptacji ze względu na jej znaczenie w dobie postępujących zmian klimatu, zwięk­­­­szającej się produkcji roślinnej i zwierzęcej oraz ochrony malejących w szyb­­­­­­­­kim tempie zasobów genetycz­­nych (Savolainen i in. 2013). Fenotypowa adaptacja do nowego środowiska może obejmować dwie fazy. W pierwszej fazie zmiana środowiskowa wywołuje zmiany fenotypowe bez mutacji; takie zmiany określane są jako zmiany plastyczne niezależnie od ich efektów na fitness organizmu (fitness, zob. słownik). Po pierwszej fazie może wystąpić druga faza, podczas której fenotypy są zmieniane przez mutacje, które kumulują się podczas ewolucji adaptacyjnej (Ho i Zhang 2018). Kluczowym wyzwaniem współczesnej biologii jest zrozumienie ewolucji różnorodności fenotypowej na poziomie molekularnym, choć prace nad rolą plastyczności w kreowaniu adaptacji oraz wpływem zmian genetycznych na plastyczność są również prowadzone (Ho i Zhang 2018). Zrozumienie ewolucji różnorodności feno­­typowej na poziomie moleku­larnym wymaga identyfikacji zmian genomowych, które mogą dać wgląd w podstawowe mechanizmy molekularne i komórkowe.

Przykłady adaptacji

Formalnie rzecz biorąc, ścisłym kryterium adaptacji lokalnej jest to, że osobniki muszą mieć wyższą fitness w swoim miejscu występowania niż w przypadku jakiejkolwiek innej populacji wprowadzanej na to miejsce (Kawecki i Ebert 2004). Innym wskaźnikiem adaptacji jest występowanie gradientów środowiskowych (zmienności klinalnej) widocznych w fenotypach lub genotypach (Savolainen i in. 2013). Jest wiele przykładów adaptacji, tutaj przytoczono tylko nieliczne (Olson-Manning i in. 2012):

• Ssaki żyjące w zimnym klimacie mają zwykle większe, bardziej zwarte ciała (reguła Bergmanna) i krótsze kończyny (reguła Allena) niż członkowie tego samego lub blisko spokrewnionego gatunku występującego w ciepłym klimacie, prawdopodobnie w celu utrzymania ciepłoty ciała (fot. 1).
   

• Ludzie w populacjach zamieszkujących miejsca położone na dużej wysokości w Himalajach i Andach mają szereg fizjologicznych adaptacji do niskiego stężenia tlenu. Adaptacje te obejmują między ­in­nymi znaczne zwiększenie przepływu krwi i efektywne dostarczanie tlenu do macicy w czasie ciąży, co znacznie zmniejsza ryzyko uro­­­dzenia dziecka z niską wagą urodzeniową (Julian i in. 2009). Obecne dowody sugerują, że róż­­nice te nie wynikają z aklimatyzacji, ale są przynajmniej częściowo genetyczne, chociaż odpowiednie loci adaptacyjne nie są znane. Adaptacja musiała nastąpić szybko, ponieważ te wysokogórskie regiony zostały zasiedlone w ciągu ostatnich 10 000 lat; adaptacja nastąpiła pomimo przepływu genów z sąsiednich populacji nizinnych.
• Ciemna pigmentacja jest silnie związana z klimatem tropikalnym, a rozprzestrzenianiu się prehistorycznych ludzi na obszary północne towarzyszyło pojawienie się jaśniejszego koloru skóry. Obecnie znamy co najmniej pół tuzina różnych genów, które wpływają na pigmentację skóry, włosów lub oczu i mają silne genetyczne sygnały selekcji. Adaptacja prowadząca do jaśniejszej pigmentacji mogła być spowodowana potrzebą zwiększenia absorpcji promieniowania UV dla syntezy witaminy D na dużych szerokościach geograficznych lub poprzez selekcję płciową (Parra 2007, fot. 2).
• Genetycznie uwarunkowana zmien­ność w fenologii u wielu roślin i zwierząt wzdłuż gradientów równoleżnikowych (zmienność klinalna).
• Adaptacje roślin do gleb o odmiennych właściwościach chemicznych i fizycznych (np. gleb serpentynowych lub zawierających metale ciężkie).
• Ekspresja genu laktazy – enzymu, który hydrolizuje laktozę, główny cukier w mleku. Ekspresja tego genu zmieniała się wielokrotnie, aby w końcu utrzymywać się przez całe życie w niektórych populacjach ludzkich w Europie, Afryce Wschodniej i na Bliskim Wschodzie.
• Zmienność koloru sierści u myszy plażowej (Peromyscus polionotus) spowodowane zróżnicowanym drapieżnictwem sów. Jeden z podgatunków lądowych ma ciemnobrązową sierść na grzbiecie, podczas gdy młodszy, mieszkający na plaży podgatunek ma jaśniejszą sierść umożliwiającą kamuflaż na jasnych przybrzeżnych wydmach piaskowych. Mimo intensywnej migracji efekt zróżnicowanego koloru sierści utrzymuje się w wyniku mutacji w regionie regulatorowym locus Aguti i w kodującym regionie locus Mcr1 (Steiner i in. 2007).
   

Los alleli adaptacyjnych

Populacyjna teoria genetyczna przewiduje, że kilka parametrów jest kluczowych dla określenia prawdopodobieństwa adaptacji na skutek działania selekcji naturalnej. Od takich czynników jak efektywna wielkość populacji, początkowa częstość allelu w populacji oraz siła selekcji zależy, czy allele mające znaczenie w wykształceniu adaptacji zostaną utrwalone w populacji (czyli 100% osobników będzie miało dane allele) lub zostaną bezpowrotnie utracone (Olson-Manning i in. 2012).

Los alleli adaptacyjnych zależy od efektywnej wielkości populacji

Wielkość populacji możemy wyrazić w dwojaki sposób. Przyjmijmy, że chcemy wyrazić wielkość populacji dębów bezszypułkowych w Wielkopolskim Parku Narodowym. Możemy tę wielkość pokazać jako sumę wszystkich osobników reprezentujących ten gatunek w Parku (totalna wielkość populacji, ang. census population size). Można wielkość populacji zdefiniować również jako sumę osobników, które są w stanie przekazać swoje geny do następnego pokolenia, a więc bez okazów dębów, które występują jako siewki lub stare osobniki niewytwarzające jeszcze lub już nasion lub pyłku. Tę wielkość populacji określamy jako efektywną wielkość (ang. effective population size, Ne). Na Ne wpływ mają takie czynniki wy­­­­­­stępujące w populacji, jak liczba samic w stosunku do liczby samców, wariancja w liczbie wyprodukowanego potomstwa, chów wsobny, sposób dziedziczenia, struktura wiekowa, zmiany liczebności populacji w czasie oraz struktura przestrzenna i genetyczna populacji. Wielkość Ne wyznacza się najczęściej na podstawie analizy markerów genetycznych, przyjmując różnorodne założenia metodyczne. W dalszej części skupmy się nad konceptem efektywnej wielkości populacji, ponieważ prawdopodobieństwo utrwalenia się allelu adaptacyjnego w populacji, w której ten allel powstaje, zależy od jej efektywnej wielkości (Ne).

Efektywna wielkość populacji to złożony koncept, ale dla naszych celów przyjmijmy, że Ne określa siłę dryftu genetycznego, czyli losowych zmian w częstości alleli w populacji. Można tę zależność wyrazić następująco: mała Ne – większy efekt dryfu, czyli większe prawdopodobieństwo losowej utraty danego allelu i utrwalenia innego allelu; duża Ne – mniejszy efekt dryfu, a więc prawdopodobieństwo utraty allelu jest mniejsze. Innymi słowy, w miarę jak Ne maleje, równowaga pomiędzy selekcją naturalną, a dryfem genetycznym zmienia się, stopniowo faworyzując bezkierunkowe zmiany w częstości genów spowodowane dryfem genetycznym nad ukierunkowanymi zmianami wynikającymi z selekcji. Tak więc na podstawie oszacowania Ne można przewidzieć potencjał adaptacyjny populacji w zmieniających się warunkach środowiskowych w funkcji podatności tej populacji na dryf genetyczny.
Oszacowano na podstawie eksperymentów, jak Ne wpływa na różnorodność genetyczną populacji jednokomórkowego glonu Chlamydomonas reinhardtii adaptującego się do środowiska wodnego, zawierającego sól, w przeciągu 200 pokoleń. Wykazano, że adaptacja do tego środowiska następuje i jest powtarzalna dla populacji o średniej wielkości (Ne = 5 * 104) 
i dla dużych populacji (Ne = 4 * 105). Adaptacja do zasolonej wody nie następuje powtórnie w małych populacjach (Ne = 5 * 103). W omawianym przypadku próg między ewolucją stochastyczną (uwarunkowaną dryfem) a deterministyczną (uwarunkowaną selekcją) jest między efektywną wielkością populacji wynoszącą 103 a 104 (Lachapelle i in. 2015).
To, że średnie i duże populacje adaptują się łatwiej (przynajmniej teoretycznie) niż małe, może wynikać z kilku czynników. Po pierwsze – duże populacje są średnio bardziej polimorficzne genetycznie w porównaniu z małymi. Duże populacje mają zatem większe prawdopodobieństwo przypadkowego posiadania już wcześniej przystosowanych genotypów, w chwili gdy nastąpi zmiana środowiska. Po drugie – tempo pojawiania się nowych mutacji, które są korzystne po zmianie środowiskowej, jest wyższe w dużych populacjach, w których więcej mutacji występuje w każdym pokoleniu. Duże populacje mają również wyższe prawdopodobieństwo utrwalenia tych korzystnych mutacji. Duże populacje są wreszcie mniej narażone na dryf genetyczny (Lourenço i in. 2013).
Innym przykładem wskazującym na to, że wielkość populacji ma znaczenie dla wykształcenia adaptacji jest światowa populacja ludzka. Populacja ludzi ma niewielką historyczną Ne w porównaniu z innymi człekokształtnymi (Ne ~10 000), w związku z tym istnieje niewiele dobrze udokumentowanych przykładów nowych korzystnych alleli, które szybko rozprzestrzeniły się i utrwaliły w populacjach ludzkich (Coop i in. 2009). Jednak odnotowywany w ostatnich dziesięcioleciach wzrost liczby ludności zwiększył Ne populacji (do ~1,1 mln w Europie), co spowodowało, że pojawiło się wiele rzadkich wariantów, które mogą przyczyniać się do wykształcenia kompleksowych adaptacji i pojawienia się chorób (Tennessen i in. 2012).

Los alleli adaptacyjnych zależy od ich początkowej częstości w populacji

W miarę jak ludzie zmieniają biosferę, zmuszając wiele gatunków do konfrontacji z dramatycznie zmienionym środowiskiem, coraz ważniejsze staje się zrozumienie, jak szybko populacje mogą się przystosować (Munday i in. 2013). Jednym z kluczowych czynników wpływających na tempo i prawdopodobieństwo adaptacji jest to, czy genetyczna zmienność adaptacyjna już istnieje w populacjach (istniejąca zmienność genetyczna, ang. standing genetic variation, SGV), czy wymaga nowych mutacji (Barrett i Schluter 2008). W porównaniu z nowymi mutacjami adaptacja na podstawie istniejącej zmienności genetycznej może prowadzić do szybszej ewolucji oraz utrwalenia większej liczby alleli o małym wpływie na fitness osobników. Warianty adaptacyjne występujące w ramach istniejącej zmienności genetycznej mogą wcześniej występować w populacji jako neutralne albo tylko w niewielkim stopniu szkodliwe (Kreiner i in. 2018).
 

Allele już istniejące mają kilka zalet w porównaniu z allelami, które dopiero się pojawiają w populacji. Po pierwsze – populacje nie muszą „czekać” na pojawienie się nowych mutacji, ponieważ allele są już obecne. Po drugie – te starsze allele mogą występować w populacji z wyższą częstością (adaptacja będzie następować szybko, jeśli mutacje segregują w populacji, zaczynając od wyższych częstości) i mogą być już przetestowane przez selekcję w poprzednim środowisku czy poprzednich środowiskach. Ponadto występowanie alleli charakteryzujących się wyższą częstością zmniejsza prawdopodobieństwo ich utraty na skutek dryfu. Natomiast w przypadku nowych mutacji początkowe częstości w populacji są bardzo niskie i jest wysoce prawdopodobne, że allele te zostaną utracone przez przypadek, nawet jeśli są preferowane przez selekcję.
Wielokrotne wykorzystywanie herbicydów, a także określonych technik uprawy powoduje intensywną selekcję cech fenologicznych i wzrostu roślin. Jest kilka doniesień o istniejącej w populacjach zmienności genetycznej (SGV), która przyczyniała się do wykształcenia adaptacji, na przykład warunkującej odporność na herbicydy w nigdy nie traktowanych związkami chemicznymi populacjach chwastów. Analiza DNA okazu zielnikowego trawiastego chwastu Alopecurus myosuroides z roku 1888 ujawniła występowanie odporności na herbicydy (allele acetylo-CoA karboksylazy przenoszące mutację jednopunktową), na długo przedtem zanim herbicydy wprowadzono do rolniczej praktyki (Délye i in. 2013). Autorzy udowodnili więc, że mutacje punktowe nadające odporność na herbicydy mogą być obecne w populacjach chwastów jako część istniejącej w tych populacjach zmienności genetycznej. Mutacje te występują z częstością wyższą niż częstości nowych mutacji, co skutkowało szybkim przystosowaniem się roślin do herbicydów (Délye i in. 2013). Takie szybko następujące zmiany adaptacyjne sugerują, że wiele z adaptacji wynika raczej z istniejącej zmienności w populacji, niż z nowych mutacji (Savolainen i in. 2013).
Wzorce genomowe związane z utrwaleniem istniejących w populacji wariantów genetycznych różnią się od tych związanych z utrwaleniem nowej mutacji, ponieważ rekombinacje miały czas na przemieszanie istniejących wariantów genetycznych na różnych podłożach genetycznych. Wzorce te, odpowiednio, odpowiadają procesom utrwalenia zwanymi miękkimi i twardymi selektywnymi wymiataniami (ang. hard and soft selective sweep), zob. słownik (Hermisson i Pennings 2005; Messer i Petrov 2013). Zatem zmiana adaptacyjna niekoniecznie wymaga utrwalenia korzystnych alleli (model twardego selektywnego wymiatania). Zamiast tego niewielkie zmiany w częstości alleli w wielu loci mogą zwiększyć fitness populacji (poligenowa adaptacja lub miękkie selekcyjne wymiatanie).

Los alleli adaptacyjnych zależy od wielkości ich korzystnego wpływu na organizm

Skuteczność selekcji działającej w celu zwiększenia częstości allelu zależy od wielkości korzystnego wpływu tego allelu na organizm. Efekt genu zależny jest od jego położenia w sieci genów, a także od takich zjawisk, jak interakcje epistatyczne między genami (epistaza, zob. słownik). Tym niemniej populacje charakteryzujące się dużą Ne prawdopodobnie utrwalą allele adaptacyjne niezależnie od tego, jak mocno są one faworyzowane przez selekcję. Z kolei w małych populacjach nawet allele o dużym korzystnym efekcie mogą być utracone na skutek dryfu genetycznego. Podsumowując, takie parametry, jak: efektywna wielkość populacji (Ne), częstość początkowa allelu i współczynnik selekcji, stanowią podstawę do zrozumienia losu alleli adaptacyjnych i decydują o prawdopodobieństwie ich utrwalenia w populacji (Olson-Manning i in. 2012).

Wykrycie lokalnej adaptacji

Kluczowym w wykryciu lokalnej adaptacji wydaje się wybór populacji do badań. W szeregu przypadkach sprostanie temu zadaniu może być wyzwaniem. W populacjach doświadczających częstego wymierania, a następnie rekolonizacji (model metapopulacji) wykrycie sygnatur selekcji prowadzącej do lokalnej adaptacji może być trudne. Podobnie, jeśli do populacji trafiają migranci z innych populacji (przynosząc ze sobą swoje geny); wówczas lokalna adaptacja jest rezultatem równowagi między migracją a selekcją. Ponadto wykształcenie adaptacyjnej plastyczności, np.: w trwałości nasion, fenologii, żywotności liści lub reakcji temperaturowych procesów metabolicznych, może zapobiegać lokalnej adaptacji opartej na zróżnicowaniu genetycznym. Wykrycie lokalnej adaptacji może być również wyzwaniem dla cech ilościowych warunkowanych wieloma loci, dla których dryf, migracja i selekcja mają bardziej złożony wpływ na średnią fitness oraz adaptację lokalną niż dla pojedynczego locus z dwoma allelami (Savolainen i in. 2013).
Jednak izolowane populacje, np. na wyspach, umożliwiają rozwiązanie problemów związanych z ewolucją równoległą, czyli ewolucją tego samego fenotypu lub genotypu w ewo­­­­­­­­­­­­­­lucyjnie niezależnych populacjach (ang. parallel adaptive evolution, zob. słownik). Przykładami równoległej ewolucji są między innymi niezależna selekcja różnych odmian genetycznych u królika (Oryctolagus cuniculus) na różnych kontynentach, które to odmiany umożliwiają przetrwanie wirusa szpiczaka (Alves i in. 2019) oraz wielokrotne adaptacyjne usuwanie genu Pitx1, który powoduje redukcję miednicy u ciernika (Gasterosteus aculeatus) w różnych, przestrzennie odizolowanych systemach jeziornych (Xie i in. 2019).
W laboratorium analizuje się po­­­pulacje ancestralne oraz populacje pochodne u organizmów, takich jak bakterie, drożdże lub muszka owocowa Drosophila melanogaster (Burke i in. 2010). Organizmy te bada się w po­­­­pulacjach ­niedoświadczających przepływu genów na przestrzeni setek pokoleń, co umożliwia wykrycie zmian mutacyjnych i ich skutków. Między innymi analizowano całe genomy osobników z populacji Drosophila melanogaster, które na przestrzeni 600 pokoleń doświadczały selekcji laboratoryjnej w celu przyśpieszenia rozwoju. Okazało się, że u muszek z wyselekcjonowanych populacji jaja rozwijały się szybciej o 20% w porównaniu z kontrolną ancestralną populacją (Burke i in. 2010).
Adaptacja lokalna może wynikać z pojedynczych wariantów genetycznych, które zwiększają fitness osobników w ich środowiskach natywnych, ale zmniejszają fitness w innych środowiskach lub wariantach genetycznych, które zwiększają fitness w jednym środowisku, ale nie mają wpływu na fitness w innych środowiskach (Price i in. 2018). W celu wykrycia lokalnych adaptacji stosuje się eksperymenty terenowe związane np. ze wzajemnym przenoszeniem organizmów (populacji) do innych niż natywne środowisk (ang. reciprocal transplant experiments). Na bazie tych eksperymentów porównuje się fitness natywnej populacji z fitness wprowadzonej populacji. Klasycznym przykładem takiego eksperymentu jest przenoszenie populacji mszyc rozwijających się na różnych roślinach-gospodarzach (lucernie i koniczynie). Stwierdzono wyższą fitness osobników klonalnych mszycy rozwijających się na natywnej dla nich roślinie niż na roślinie, na której zostały przeniesione, co sugeruje lokalną adaptację do gospodarza (Via 1991). Metaanaliza studiów wykorzystujących wzajemne przenoszenie wykazała, że 50–70% par populacji wykazywało lokalną adaptację, biorąc pod uwagę kryterium tubylczości (natywności) i nienatywności. Wykazano, że im większe różnice między porównywalnymi środowiskami i im większe populacje, tym częstsza jest lokalna adaptacja (Savolainen i in. 2013). Jednak tego typu eksperymenty mają pewne ograniczenia, np. studiowanie organizmów z długim cyklem życiowym jest poważną przeszkodą ze względu na czas eksperymentu oraz trudności z analizą co najmniej kilku populacji, aby sprostać rygorystycznym wymaganiom analizy statystycznej.
Aby zidentyfikować genetyczną podstawę lokalnych adaptacji, wykorzystuje się mapowanie loci cech ilościowych (QTL). QTL są mapowane poprzez identyfikację, które markery molekularne (np. pojedyncze zmiany nukleotydowe) korelują z obserwowaną cechą fenotypową (mapowanie asocjacyjne). Do mapowania wymagane jest posiadanie potomstwa z wielu pokoleń, powstałego w wyniku krzyżowania dwóch populacji; stosuje się również linie genetyczne samozapładniających się gatunków. Badania tego typu dostarczyły między innymi dowodów na to, że inwersja chromosomalna może być ważnym mechanizmem prowadzącym do lokalnych adaptacji. Może to wynikać z faktu, że inwersje są supresorami rekombinacji (tylko niezrekombinowane chromosomy rodzicielskie z inwersją mogą być przekazane potomstwu) lub mogą kreować bariery postzygotyczne między populacjami (Kirkpatrick i Barton 2006).
Lokalną adaptację można również wykryć przy użyciu rozmaitych testów statystycznych bazujących na sekwencjach DNA osobników pochodzących z różnych populacji. Należy do nich znany powszechnie test Tajimy (Tajima 1989). Testy analizują statystyczne odchylenia od modelu neutralnego. Model neutralny zakłada, że większość zmienności na poziomie molekularnym nie wpływa na fitness osobnika/populacji, a zatem ewolucyjny los zmienności genetycznej najlepiej wyjaśniają procesy stochastyczne, takie jak mutacje i dryf. Testy te stosowane są zarówno do sekwencji wybranych rejonów kodujących, jak i całych genomów. To ostatnie podejście zastosowano do modelowej rośliny, Arabidopsis thaliana, u której loci związane z fitness wykazywały zarówno geograficzne, jak i klimatyczne sygnatury lokalnej adaptacji (Fournier-Level i in. 2011).

Podsumowanie

Adaptacja organizmów do zmieniającego się środowiska następuje szybko w populacjach o dużej efektywnej wielkości. Powinniśmy dołożyć wszelkich starań, aby ograniczyć fragmentacje populacji, ponieważ małe populacje w większym stopniu doświadczają efektów procesów losowych (takich jak dryf) niż efektów wynikających z działania selekcji naturalnej. Ponadto częstość początkowa allelu adaptacyjnego i współczynnik selekcji decydują o prawdopodobieństwie utrwalenia alleli w populacji. Różne podejścia eksperymentalne prowadzą do wykrycia sygnatur selekcji na poziomie molekularnym. Jednak analiza całych genomów wydaje się kluczowa dla lepszego zrozumienia lokalnych adaptacji, szczególnie w dobie postępujących zmian klimatycznych. 

Literatura:

1. Alves, Joel M. i in. 2019. Science 363 (6433): 1319–26.
2. Barrett, Rowan DH i Dolph Schluter. 2008. Trends in ecology & evolution 23 (1): 38–44.
3. Boyle, Evan A. i in. 2017. Cell 169 (7): 1177–86.
4. Burke, Molly K. i in. 2010. Nature 467 (7315): 587–90.
5. Coop, Graham i in. 2009. PLoS Genet 5 (6): e1000500.
6. Délye, Christophe i in. 2013. PloS one 8 (10): e75117.
7. Fournier-Level, A. i in. 2011. Science 334 (6052): 86–89.
8. Hermisson, Joachim i Pleuni S. Pennings. 2005. Genetics 169 (4): 2335–52.
9. Ho, Wei-Chin i Jianzhi Zhang. 2018. Nature communications 9 (1): 1–11.
10. Julian, Colleen Glyde i in. 2009. The Official Journal of the Human Biology Association 21 (5): 614–22.
11. Kawecki, Tadeusz J. i Dieter Ebert. 2004. Ecology letters 7 (12): 1225–41.
12. Kirkpatrick, Mark i Nick Barton. 2006. Genetics 173 (1): 419–34.
13. Kreiner, Julia M. i in. 2018.. Annual review of plant biology 69: 611–35.
14. Lachapelle, Josianne i in. 2015. Proceedings of the Royal Society B: Biological Sciences 282 (1805): 20143033.
15. Lourenço, João M. i in. 2013. Molecular biology and evolution 30 (6): 1292–1301.
16. Messer, Philipp W., i Dmitri A. Petrov. 2013 Trends in ecology & evolution 28 (11): 659–69.
17. Munday, Philip L. i in. 2013. Ecology letters 16 (12): 1488–1500.
18. Olson-Manning, Carrie F. i in. 2012. Nature Reviews Genetics 13 (12): 867–77.
19. Parra, Esteban J. 2007. American Journal of Physical Anthropology: The Official Publication of the American Association of Physical Anthropologists 134 (S45): 85–105.
20. Price, Nicholas i in. 2018. Proceedings of the National Academy of Sciences 115 (19): 5028–33.
21. Pritchard, Jonathan K. i in. 2010. Current biology 20 (4): R208–15.
22. Savolainen, Outi i in. 2013. Nature Reviews Genetics 14 (11): 807–20.
23. Steiner, Cynthia C. i in. 2007. PLoS Biol 5 (9): e219.
24. Stern, David L. 2013. Nature Reviews Genetics 14 (11): 751–64.
25. Tajima, Fumio. 1989. Genetics 123 (3): 585–95.
26. Tennessen, Jacob A. 2012. Science 337 (6090): 64–69.
27. Via, Sara. 1991. Evolution 45 (4): 827–52.
28. Xie, Kathleen T. i in. 2019. Science 363 (6422): 81–84.