Spin models inferred from patient data faithfully describe HIV fitness landscapes and enable rational vaccine design
疫苗诱导的免疫应答的突变逃逸已经阻碍了针对AIDS的成功疫苗的开发，AIDS的病原体是HIV，一种高度可变的病毒。了解病毒的适应性作为其蛋白质组序列的函数可以使有效疫苗的合理设计成为可能，因为该信息可以将疫苗诱导的免疫应答集中于病毒的靶向突变脆弱性。自旋模型已被提出作为一种手段来推断从患者衍生的病毒蛋白质序列的HIV蛋白质的内在适应度景观。这些序列是由患者特异性免疫反应驱动的非平衡病毒进化的产物，并且受到系统发育限制。这样的序列数据如何允许推断内在适应度景观？我们结合了计算机模拟和费曼变分理论，表明在大多数情况下，从患者来源的病毒序列推断的自旋模型反映了突变病毒株适应性的正确等级顺序。我们的发现与多种病毒有关。
2013-06-09 physics.bio-ph q-bio.PE
A soluble model of evolution and extinction dynamics in a rugged fitness landscape
我们考虑一个连续体版本的先前介绍和数值研究模型的宏观进化（PRL 75，2055，（1995）），在该代理进化的优化过程中，一个崎岖的健身景观和死亡，由于他们的竞争相互作用。我们首先制定的适应度分布和生存概率的动力学方程。其次，我们解析地导出了描述生物属的寿命分布的$t^{-2}$定律。第三，我们讨论了该模型的其他动力学性质，如灭绝率，并以简短的讨论结束。
1997-05-21 cond-mat.stat-mech physics.bio-ph q-bio
Tipping points in fitness landscape of heterogeneous populations
本文借助金融资产定价模型构建异质种群适应度动力学框架，揭示表型可塑性与对冲策略的相互作用如何导致临界点及灾难性转变，并给出临界慢化标度律与特征恢复时间。
2024-10-23 physics.bio-ph physics.data-an q-bio.PE
Competition in a Fitness Landscape
我们提出了一个扩展本征模型的准物种，包括个人之间的竞争，提出作为最简单的机制，新物种的形成在一个光滑的健身景观。我们能够得到分析的临界阈值物种形成。与数值模拟的比较是非常好的。
1997-08-14 adap-org cond-mat.stat-mech nlin.AO
Optimal adaptive performance and delocalization in NK fitness landscapes
我们研究了适应NK适应度景观的序列的有限种群的进化动力学。我们发现，与无限人口的情况下，在一个有限的人口的平均适应度最大化，在一个小的，但有限的，而不是消失，突变率。对于甚至更大的突变率，访问景观中最高的局部极大值，接近种群离域的过渡点（即，离开其被定位的适应度峰值）并开始遍历序列空间。如果突变率进一步增加，种群将经历第二次转变，并失去对适应度峰值的所有敏感性。这个第二过渡对应于Eigen首先描述的标准误差阈值过渡。我们讨论了我们的研究结果对生物进化和进化优化技术的影响。
2001-09-07 cond-mat.soft nlin.AO physics.bio-ph
Evolutionary dynamics on rugged fitness landscapes: exact dynamics and information theoretical aspects
平行的突变选择进化动力学，其中突变和复制是独立的事件，完全解决的情况下，与基因组相关联的马尔萨斯适合度描述的随机能量模型（REM）和铁磁版本的REM。该方法将演化动力学映射为横场中的量子伊辛链，利用Suzuki-Trotter形式计算不同时刻组态间的跃迁几率。我们发现，在REM景观的情况下，动态可以表现出三种不同的制度：纯扩散或停滞短时间内，取决于健身的初始配置，和自旋玻璃制度的大时间。这些动态制度之间的动态过渡的标志是不连续的平均健身以及在重叠与初始参考序列。通过逆时间衰减描述弛豫到平衡。在铁磁REM，我们发现除了这三个制度，铁磁制度的重叠和平均健身冻结。在这种情况下，系统在有限时间内松弛到平衡。我们的研究结果的信息处理方面的进化的相关性进行了讨论。
2009-09-20 physics.bio-ph physics.gen-ph
Dynamic fitness landscapes: Expansions for small mutation rates
我们研究了在波动环境中具有小突变率的无性微生物的进化，并开发了使我们能够将进化方程的正式解扩展到突变率一阶的技术。我们的方法可以适用于离散时间和连续时间系统。虽然连续时间系统的行为由小突变率的平均适应度景观主导，但在离散时间系统中，决定系统属性的是几何平均适应度。在这两种情况下，我们发现，在算术（分别）的情况下，当适应度景观的几何平均值退化时，适应度在平均值附近波动的区域相对于适应度保持在平均值的区域呈现选择性优势。这种效应是由低突变率下消失的遗传扩散引起的。在没有强扩散的情况下，当峰值的高度低于平均值时，种群可以接近波动的峰值，并且当峰值的高度高于平均值时利用峰值。
2000-10-17 cond-mat.soft nlin.AO physics.bio-ph
Optimal Mutation Rates on Static Fitness Landscpes
我们研究了一个无性种群的突变率的演化，该种群生活在一个静态的适应度景观中，由多个峰组成，形成一个进化阶梯。通过最大化向更高适应度的扩散来找到最优的变异率。令人惊讶的是，最佳基因组复制保真度由Q = e^（-1/ln（n））（其中n是基因组长度）给出，与模型中的所有其他参数无关。模拟结果证实了这一理论结果。我们还讨论了静态和动态适应度景观的最优变异率之间的关系。
2000-05-08 physics.bio-ph q-bio
Fluctuation relations and fitness landscapes of growing cell populations
我们构建了一个不断增长的细胞群体的路径制定，基于两个不同的采样人口内的谱系，即向前和向后采样。我们表明，一般的对称关系，称为波动关系，这两个采样，独立的模型用于产生分裂和生长的细胞群体。这些关系导致了人口增长率的估计，正如我们通过分析一组母机数据所证明的那样，这可能非常有效。这些波动关系导致一般和重要的不平等之间的平均数的分裂和人口的倍增时间。我们还研究了适应度景观，这是一个基于上述两个采样的概念，它量化了感兴趣的表型性状和分裂数之间的相关性。我们得到明确的结果时，性状的年龄或大小，年龄和大小控制的模型。
2021-11-02 physics.bio-ph q-bio.PE
The fitness landscape of overlapping genes
University College London（伦敦大学学院）
研究重叠基因的适应性景观，揭示蛋白质家族间的兼容性及设计原则，发现自然遗传密码适合支持重叠基因。
2026-04-01 physics.bio-ph q-bio.BM q-bio.PE
Quantifying the role of population subdivision in evolution on rugged fitness landscapes
自然选择驱使种群走向更高的适应性，但跨越适应性山谷或高原可能会促进涉及上位性的崎岖适应度景观的进展。我们定量地研究了细分无性种群对穿越适应度谷或高原所需时间的影响。我们专注于一个通用的和最小的模型，其中只包括人口细分为全球移民连接到等效的demes，并不需要显着的规模变化的demes，环境异质性或特定的地理结构。我们确定的最佳加速的山谷或高原交叉，可以通过细分获得，如果该过程是由跨最快的deme驱动。我们发现，孤立的群落必须在顺序固定制度细分显着加速交叉。使用马尔可夫链理论，我们得到的条件下，实现最佳加速的解析表达式：山谷或高原穿越的细分人口，然后一样快，其最快的deme。我们通过随机模拟验证我们的分析预测。我们证明，细分可以大大加快跨越健身谷和高原在很大范围内的参数扩展到最佳窗口之外。我们研究了不同程度的细分人口的影响，并调查之间的权衡的幅度的最佳加速和宽度的参数范围内发生。我们的结果也适用于弱有益的中间突变。我们将我们的工作扩展到人口迁移到一个或几个较小的岛屿的情况。我们的研究结果表明，细分与迁移单独可以显着加速健身谷和高原的交叉，并揭示了必要的定量条件发生。
2014-08-14 physics.bio-ph q-bio.PE
Dynamic Fitness Landscapes in Molecular Evolution
我们研究外部变化条件下的自我复制分子。诸如温度变化和/或环境资源组成的改变等条件的变化导致分子的非恒定复制和衰变速率。因此，一般来说，分子进化发生在一个动态的而不是静态的适应性景观中。我们将动态复制和衰变率的标准准种理论的分子进化，并表明，周期性的时间依赖性，一个系统的不断发展的分子进入一个极限环$t\to\infty$。对于快速的周期性变化，我们表明，分子适应的时间平均健身景观，而缓慢的变化，他们跟踪景观中的变化任意密切。我们推导出一个一般的近似方法，使我们能够计算时间周期景观的吸引子，并证明使用几个例子的近似和非常缓慢和非常快的变化的极限情况下的结果是完全一致的。我们还讨论了景观与任意的时间依赖性，并表明，非常快的变化再次导致一个系统，适应时间平均景观。最后，我们分析了动态景观中有限种群分子的动力学，并讨论了它与无限种群极限的关系。
2000-05-12 adap-org cond-mat.soft cond-mat.stat-mech
Funnel-like protein energy landscapes emerge from functional evolution under thermal fluctuations
The University of Osaka（大阪大学）
研究通过二维晶格蛋白质模型，发现合适温度下仅经功能选择的高适应度序列可自发形成类漏斗形能量景观，证明可折叠蛋白是维持功能的热力学结果。
2026-08-25 cond-mat.stat-mech physics.bio-ph q-bio.BM
Speciation as Pattern Formation by Competition in a Smooth Fitness Landscape
本文研究了在简单生态系统中，当个体之间的竞争被包含在准种的本征模型中时，物种形成和共存的问题。通过提出菌株间的竞争与化学抑制剂在反应扩散系统中的扩散之间的类比，物种形成现象被认为是遗传空间中化学斑图形成的类似物。在突变率为零的极限下，我们解析地得到了物种形成的条件。使用不同形式的竞争相互作用，我们表明，物种形成是不存在的遗传等效的一个正常的扩散抑制剂，并存在较短的范围内的相互作用。与数值模拟的比较是非常好的。
1997-08-14 adap-org cond-mat.stat-mech nlin.AO
Stronger selection can slow down evolution driven by recombination on a smooth fitness landscape
更强的选择意味着更快的进化-也就是说，力量越大，变化越快。然而，这一明显不证自明的命题是在假设群体内的遗传变异主要由突变提供的前提下得出的（即，突变驱动的进化）。在这里，我们表明，这一命题实际上并不适用于重组驱动的进化，即遗传变异主要是由重组而不是突变产生的进化。通过对重组、迁移和选择的群体遗传学模型的数值研究，我们证明了在一个完全光滑的适应度景观上，更强的选择可以减缓进化。通过简单的分析计算，这个明显违反直觉的结果被证明是源于自然选择对进化速度的两种相反的影响。一方面，自然选择倾向于通过增加更适合的基因型的固定概率来提高进化的速度。另一方面，自然选择倾向于通过减少移民和居民个体之间重组的机会来降低进化的速度。由于这些相反的效应，存在一个有限的选择压力，使进化速率最大化。因此，如果遗传变异主要由重组提供，那么更强的选择可能意味着更慢的进化。
2017-08-04 cond-mat.stat-mech physics.bio-ph q-bio.PE
Stochastic gradient descent on the epigenetic landscape: a unified framework for cellular plasticity, tumor heterogeneity, and the asymptotic irrelevance of fitness
Instituto de Matemática e Computação, Universidade Federal de Itajubá（伊塔朱巴联邦大学数学与计算研究所）；Carl Gustav Carus School of Medicine, Technische Universität Dresden（德累斯顿工业大学卡尔·古斯塔夫·卡斯医学院）
该研究提出统一框架，证明在表型竞争中适应度渐近无关，将多尺度模型联系为表观遗传景观上的随机梯度下降，为细胞可塑性与癌症提供物理解释。
2026-09-30 physics.bio-ph q-bio.CB q-bio.PE
Predictability of the imitative learning trajectories
适应度景观适应度景观隐喻在许多研究领域的优化原则建模中起着核心作用，从进化生物学（首次引入）到管理研究。在这里，我们考虑模仿学习搜索的轨迹的合奏，在其中代理交换信息，他们的健身和模仿最适合的代理在人口中，旨在达到全球最大的适应度景观。我们评估的程度的起点和终点确定的学习轨迹使用两个措施，即，产生的概率，两个随机选择的轨迹是相同的可预测性，和平均路径的分歧，衡量两个学习轨迹之间的差异。我们发现，可预测性是更大的崎岖的景观比平滑的。然而，平均路径的分歧，强烈影响的搜索参数-人口规模和模仿倾向-抹杀了潜在的景观的影响。随着人口规模和模仿倾向的增加，学习轨迹变得更加确定，在这个意义上，不同的轨迹越来越少，这些轨迹彼此之间也越来越相似。此外，我们发现，粗糙度的学习轨迹，衡量从适应度函数的可加性的偏差，总是大于粗糙度估计在整个适应度景观。
2018-11-15 cs.MA physics.bio-ph q-bio.PE
