物競天擇粵拼mat6 gi͏ng3 tin1 zaak6英文natural selection),又叫自然選擇,係生物遺傳上分化出唔同特徵,有啲好有啲壞,有壞特徵嘅比較難生存同繁衍後代,所以畀環境淘汰,得返有好特徵嘅適應到環境而可以留低,將好特徵一代傳一代。

同木嘅色水比較近嘅飛蛾無咁易畀獵食者發現,容易生存同繁衍後代。

概論

睇埋:進化論

物競天擇嘅概念係由查理斯·達爾文(Charles Darwin)喺佢本名著《物種起源》(On the Origin of Species)嗰度提出嘅。「通過物競天擇進行嘅進化」係指某啲等位基因因為有利於生存同繁殖而變得更加常見嘅過程。例如身上帶有「抗藥性勁嘅基因」嘅細菌個體比較能夠生存落去同埋繁殖,所以喺下一代入面「抗藥性勁嘅基因」呢個等位基因就變得更加常見。呢個機制成日俾人話佢係不證自明(self-evident)嘅,因為個機制係三個簡單事實嘅必然結果[1]

  • 表現型差異:就算係喺一個族群嘅生物入面,個體彼此之間喺形態、生理、行為等各方面(表現型)有所差異;
  • 適應能力差異:唔同嘅表現型特徵對於生存同繁殖嘅影響都唔同,例如「皮下脂肪厚」對於喺凍嘅地方生存有利,而「不育」對繁殖不利;
  • 適應能力嘅遺傳性:呢啲影響適應能力嘅表現型特徵受基因影響,有啲甚至完全由基因話事嘅,所以有得一代傳一代。

喺野外,好多時「生咗出嚟嘅下一代」數量大過「有得生存落去嘅下一代」,而呢啲原因令到同一個物種之間嘅個體會爭生存所需嘅資源(例如係爭嘢食)同埋繁殖嘅機會(例如係爭伴侶)。喺呢啲競爭嗰度,某啲個體因為先天優勢所以比較大機會爭贏,好似係天生大隻啲聰明啲所以比較擅長搵嘢食,或者天生個樣靚啲所以比較容易搵到伴侶,於是乎呢啲有先天優勢嘅個體同冇咁有優勢嘅比起上嚟,會比較有能力生存同繁殖-將自己身上嘅基因傳去下一代嗰度[2]

進化適應性

內文:進化適應性

物競天擇帶出咗進化適應性(evolutionary fitness)呢個概念。一隻生物嘅進化適應性係指佢生存同繁殖嘅能力,而呢個能力決定佢有幾大機會將自己身上嘅基因傳去下一代。某隻生物嘅進化適應性係以「比例上有幾多後代帶有嚟自嗰隻生物嘅基因」嚟量度[3],所以進化適應性唔係齋睇佢可以生到幾多個後代嘅-就算佢生到嘅仔女嘅數量係同類個體嘅十倍,如果嗰啲仔女因為太虛弱或者佢唔識照顧等嘅原因而生存唔到,呢隻生物嘅進化適應性都唔會好高[1][4]

一個特徵(或者等位基因)嘅進化適應性唔係定死咗唔變嘅。如果個族群住嘅環境變咗,本嚟係中性或者有害嘅特徵可能會變成有利嘅特徵,反之亦然[5],例如係頭先講咗嘅樺尺蠖嘅例子噉樣,喺一個乾淨嘅自然環境嗰度,生到成身黑色會令到隻蠖變得更加樣眼,更加容易俾啲獵食者睇到同捉嚟食,但喺工業革命嗰陣,啲工廠噴咗好多污染物出嚟,搞到佢哋住嘅地方好多都變咗黑鼆鼆噉嘅色,喺呢個環境當中,「成身黑色」反而變咗做個有利嘅特徵,令到隻蠖變得冇咁樣眼。地球一路都有好多地殼活動、氣候同埋洋流等嘅嘢令地球嘅環境不斷噉變化,而呢啲變化令到地球上嘅生物要係噉進化嚟適應新環境,亦都令地球嘅生物多樣性(biodiversity)變得更加高[6]

運算模擬

物競天擇可以大致上噉用以下嘅 JavaScript 模擬[7]

var p; // 基因 P 喺個族群當中嘅出現率
var N = 2000;
var generations = 200;
var data = [];
var simulations = 10;

// 定義咗柞子程序先。
function next_generation(simulation_data) { // 呢個子程序負責由一代嘅數據計下一代嘅樣
    var draws = 2 * N;
    var A1 = 0;
    var A2 = 0;
    for (var i = 0; i < draws; i = i + 1) {
        // p 乘嘅數值代表基因 P 有幾有利生存繁殖,嗰個數值愈高愈表示基因 P 有利生存繁殖。
        if (Math.random() <= p * 1.01) { // 喺呢個個案入面,0.5 * 1.01 大過 0.5,所以 A1 嘅數值比較有可能上升。
            A1 = A1 + 1;
        }
        else {
            A2 = A2 + 1;
        }
    }
    p = A1/draws; // 將 p 設做一代後,基因 P 喺個族群當中嘅出現頻率。如果 p 上面乘嗰個數大過 1,噉 p 嘅數值傾向會升。
    simulation_data.push(p);
}

function simulation(simulation_counter) { // 呢個子程序負責做模擬。
    p = 0.5; // 設 p 做 0.5,即係個族群入面一半個體有基因 P。 
    for (var i = 0; i < generations; i = i + 1) { // 行 200 代(設咗 generations = 200)。
        next_generation(data[simulation_counter]); // 行 next_generation 呢個子程序,行 200 次。
    }
}

// 個主程序喺呢度。
for (var i = 0; i < simulations; i = i + 1) { // 做 10 次模擬(設咗 simulations = 10),
    data.push([]); // 每次都將計出嘅數據放入 data[] 呢個 array 嗰度。
    simulation(i); // 行 simulation 呢個子程序。
}
draw_line_chart(data,"Generation","p",["Population Size:",N,"Generations:",generations]);
// 最後畫條線,以 X 軸表示代,Y 軸表示 p;如果「p * 1.01」當中 p 乘嗰個數大過 1,通常條線會係一條有好多起起跌跌、但總體偏升嘅線。
 
想像 Y 軸表示「某個有利等位基因嘅出現頻率」,X 軸代表「第幾代」。

睇埋

  1. 1.0 1.1 Lewontin, R. C. (November 1970). "The Units of Selection" (PDF). Annual Review of Ecology and Systematics. Palo Alto, CA: Annual Reviews. 1: 1–18.
  2. Hurst, Laurence D. (February 2009). "Fundamental concepts in genetics: genetics and the understanding of selection". Nature Reviews Genetics. London: Nature Publishing Group. 10 (2): 83–93.
  3. Haldane, J. B. S. (March 14, 1959). "The Theory of Natural Selection To-Day". Nature. London: Nature Publishing Group. 183 (4663): 710–713.
  4. Orr, H. Allen (August 2009). "Fitness and its role in evolutionary genetics". Nature Reviews Genetics. London: Nature Publishing Group. 10 (8): 531–539.
  5. Lande, Russell; Arnold, Stevan J. (November 1983). "The Measurement of Selection on Correlated Characters". Evolution. Hoboken, N.J.: John Wiley & Sons on behalf of the Society for the Study of Evolution. 37 (6): 1210–1226.
  6. Felsenstein, Joseph (November 1979). "Excursions along the Interface between Disruptive and Stabilizing Selection". Genetics. Bethesda, M.D.: Genetics Society of America. 93 (3): 773–795.
  7. Salathe, M. (2016). Natural Selection 互聯網檔案館歸檔,歸檔日期2017年5月8號,.. Nature, in Code.