免费医学论文-时间旅行病原体及其对生态群落的风险
抽象
永久冻土融化和古代微生物的潜在“实验室泄漏”给当今的生态群落带来了生物入侵的风险，包括通过接触紧急病原体对人类健康构成威胁。这种“时间旅行”入侵者是否以及如何在现代社区中建立尚不清楚，现有数据太少，无法测试假设。为了量化时间旅行入侵的风险，我们从共同进化的人工生命群落的过去记录中分离出数字病毒样病原体，并研究了它们对未来群落状态的模拟入侵。然后，我们研究了入侵如何影响受体社区中自由生活的细菌样生物（即宿主）的多样性，与没有发生入侵的对照组（以及控制当代病原体的入侵）相比。入侵的病原体通常可以存活并继续进化，并且在少数情况下（3.1%）在入侵社区中变得异常占主导地位。即便如此，入侵者对被入侵社区构成的影响往往微不足道;然而，在少数高度不可预测的情况下（1.1%），与对照组相比，入侵者在自由生活物种的总丰富度中造成了重大损失（高达-32%）或收益（高达+12%）。鉴于定期释放到现代社区的古代微生物数量庞大，如此低的爆发事件的可能性仍然存在重大风险。因此，我们的研究结果表明，迄今为止仅限于科幻小说和猜想的不可预测的威胁实际上可能是生态变化的强大驱动力。
作者摘要
被困在冰中或隐藏在偏远实验室设施中的古代病原体可以挣脱的想法 - 通常会给人类带来灾难性后果 - 一直是几代科幻小说家和编剧的灵感来源。然而，冰川和永久冻土的空前融化速度现在为许多类型的冰休眠微生物提供了重新出现的具体机会，从而引发了有关其潜力的问题。然而，关于这个话题的科学辩论一直被猜测所主导，因为在收集适当的数据或设计实验来阐述和测试假设方面存在挑战。我们首次利用计算机模拟的灵活性和真实性，对这些“时间旅行”病原体对现代生态群落构成的生态风险进行了广泛的探索。我们发现，入侵的病原体通常可以存活，进化，并且在少数情况下，在入侵群落中变得异常持久和占主导地位，导致自由生活物种的总丰富度大幅损失或增加。因此，我们的研究结果表明，迄今为止仅限于科幻小说和猜想的不可预测的威胁可能是生态变化的强大驱动力。
数字
Fig 4Fig 5Fig 6图1图2图3Fig 4Fig 5Fig 6图1图2图3
引文： 斯特罗纳 G， 布拉德肖 CJA， 卡多索 P， 戈泰利新泽西州， 纪尧姆 F， 曼卡 F， 等人 （2023） 时间旅行病原体及其对生态群落的风险。公共科学图书馆计算生物学19（7）： e1011268. https://doi.org/10.1371/journal.pcbi.1011268
编辑 器： Rustom Antia，埃默里大学，美国
收到： 28月 2022， 13;接受： 2023月 27， 2023;发表： <>月 <>， <>
版权所有： ? 2023 斯特罗纳等人。这是一篇根据知识共享署名许可条款分发的开放获取文章，该许可允许在任何媒体上不受限制地使用、分发和复制，前提是注明原作者和来源。
数据可用性： 我们使用自定义 Python 脚本处理 Avida 输出，并使用 R 对结果数据进行分析。复制分析所需的所有脚本以及 Avida 配置文件和已处理的 Avida 输出可在 （https://github.com/giovannistrona/tti） 中找到。
资金： GS，PC，VM和LZ部分由赫尔辛基大学（https://www.helsinki.fi/en/hilife-helsinki-institute-life-science/research/grand-challenges/understanding-biological-resilience-bioresilience）的“HiLIFE BIORESLIENCE种子基金”支持。资助者在研究设计、数据收集和分析、发表决定或手稿准备方面没有任何作用。
竞争利益： 提交人声明不存在相互竞争的利益。
介绍
生物入侵以新型新兴病原体的形式对生物多样性[1-5]和人类社会构成巨大潜在威胁，并造成巨大的经济成本[6，7]。当一个物种被动或主动地从其分布地移动到具有不同环境和生态条件的新地点时，对原生群落的后果是不可预测的[8-10]，但当它们成功时，往往异常严重[11]。当灾难性入侵确实发生时，通常是入侵者和本地物种之间缺乏共同适应的结果[12]。共享共同进化的历史需要物种出现的时间和空间重叠，但是当外来物种首次被引入一个幼稚的群落时，就没有这样的共同历史。如果到目前为止，大多数关于入侵物种的研究都考察了旅行者的空间方面，那么范式正在发生变化，鉴于目前气候变化及其后果的加速，时间旅行者可能会对生物多样性构成未来的风险。从这个意义上说，“第一次”可以指触发暴露于以前暂时孤立的生物体的突发事件。
科幻小说中充斥着关于长期休眠生物觉醒的猜想，这些生物对现代生态系统和人类社会产生了不可预测但严重的后果。然而，在一些环境环境中，长期休眠的生物暴露于现代社区的可能性不可忽视。特别是，冰川和永久冻土的融化速度空前[13，14]现在使许多类型的冰休眠微生物有机会重新出现[15-21]。古代（或灭绝的）微生物也有可能从实验室设施泄漏[22]。这种灾难性事件虽然单独不太可能成功，但鉴于暴露的频率之高，可能对现存的生态系统构成巨大威胁。然而，到目前为止，这种风险仍然无法量化，需要全面调查古代入侵者对现代社区产生负面影响的过程背后的可能的生态进化机制。
已经讨论了这种新兴病原体对人类健康的影响[23]，并且已经有一些短时间尺度的实验室实验测试了“祖先”细菌菌株与系统发育较年轻的噬菌体之间的相互作用[24]。然而，时间旅行入侵者的潜在生态相关性在很大程度上仍未得到探索，特别是在社区一级的影响方面。这种知识差距主要是由于收集相关数据或建立涉及多个物种的充分实验的挑战（这个问题也部分影响了空间入侵的研究[25]）。在这种情况下，人工生命模拟 - 可以在生态和进化时间尺度上研究整个简单生物群落 - 提供了一个强大的工具来规避这些挑战并获得迄今为止未开发的见解。
我们构建了大量的人工进化实验，其中过去的数字病毒样病原体入侵细菌样宿主及其当代病原体的社区。为此，我们使用了Avida，这是一种人工生命系统，模拟了生态上类似于噬菌体病毒的复杂数字微生物群落的计算机进化[26]。 Avida世界由一个二维网格组成，其中无柄数字生物通过执行逻辑操作（即“任务”）与环境交互，而逻辑操作又以功能术语定义其表型（即，表型由生物体可以计算的逻辑操作集定义）。在模拟世界中，生物体争夺CPU周期（允许它们繁殖的能量来源）和空间。Avida中的时间以更新来衡量，在每次更新期间，种群中的生物体平均执行30条指令（i.例如，30 个 CPU 周期）。为了繁殖，生物体必须将其遗传密码（由简单的计算机指令组成）复制到内存中的另一个位置，然后才能产生新的几乎相同的后代生物体（就像某些类别的计算机病毒所做的那样）。在复制自己时，生物体可能会犯错误。大多数错误都是有害的，导致生物无法繁殖。然而，在某些情况下，这些错误不会影响新生物体的竞争能力，甚至不能为其提供优于其他生物体的竞争优势。在这种情况下，新的基因型可能会产生更高的机会在人群中固定下来。
通过这种方式，数字生物群落通过“自然”选择过程变得复杂，从单一的、可行的祖先基因型开始。在Avida中，生物体可以拥有自由生活和致病的生活方式（如噬菌体病毒）。这些生活方式是不同的，这意味着自由生活的物种不能成为（或进化成）病原体，反之亦然。鸟类宿主和病原体在结构和“生物学”上相似，但不同之处在于后者不能直接从环境中获取能量。相反，Avida中的病原体使用最初分配给宿主的CPU周期，从而降低宿主的繁殖能力。病原体只能在合适的宿主上生存，不能从一个宿主移动到另一个宿主。因此，新型感染发生在致病性繁殖体从感染者传播到易感宿主时（增殖体随机分配到网格细胞，并且只有在由合适的宿主占据的网格细胞中发生时才存活）。一个给定的宿主一次只能被一种病原体感染。病原体可以根据任务匹配机制感染宿主（i.例如，为了使感染成功，感染病原体必须能够执行潜在宿主完成的至少一项逻辑任务）。因此，获得执行新任务的能力（或者，一般来说，病原体不常见的任务）可以赋予宿主适应性抵抗力，而病原体可以通过进化执行“流行”任务的能力来扩大其宿主范围和/或增加其在鸟类群落中的流行率。由于可能的逻辑任务具有不同的复杂性，这意味着它们需要不同的理论最小数量的基本代码构建块才能完成，因此带来了不同的进化挑战，宿主 - 病原体动力学引发了共同进化军备竞赛，促进了有机体复杂性的自然出现[27]。从这些协同进化过程中得出的二分拮抗网络是现实的，并且与现实世界系统中观察到的网络相匹配[28，29]。在我们的实验中，执行任务需要使用特定数量的特定资源，并根据预定义的可配置“生物化学”导致副产物资源在环境中“排泄”[26]。这意味着不同生物体完成的任务既取决于环境条件，又会影响环境条件，这增加了模拟的真实感（e.g.，通过在Avidians中创造表型可塑性的潜力[30]）。
使用Avida，我们在计算机复杂的数字生物群落中进化，从单个祖先开始，在广泛的环境环境中持续了几代人，并跟踪群落随时间的变化。然后，我们将病原体从古代社区转移到它们各自的现代类似物（图1）。我们假设了这些时间旅行入侵的不同潜在结果（参见方法以获取假设的完整描述和理由）。一方面，由于Avida中生物体的平均适应性和复杂性预计将随着时间的推移而增加[31]，我们预计古代病原体更容易受到现代病原体的竞争。现代宿主也可能在其共同进化历史中逃离了古代病原体，并可能保留了其进化的抵抗力，从而挑战入侵者寻找易感宿主。然而，我们可以设想相反的情况，即如果现代宿主过去与入侵者共存的时间足够长，它们就会失去这种抵抗力（如果重新引入，可能会留下一个“腾出的生态位”，可能会被病原体重新占据[32]）。在这种情况下，入侵者可能比积极参与正在进行的宿主-病原体军备竞赛的现代病原体更具优势。
缩略图 下载：
.PPT幻灯片
.PNG大图
.TIFF原始图像
图1. 仿真框架的示意图。
该方案是指一对控制与入侵模拟。面板顶部的两组连续正方形代表数字社区的不同后续快照。自由生物体（数字宿主）表示为小的彩色正方形，而病原体表示为彩色圆圈。不同的颜色对应于在整个模拟的进化过程中出现的不同物种。每对都从来自单个祖先数字宿主（a）的相同种子开始，在同一时刻和同一地点将少量数字病原体注射到两个社区中。因此，控制和入侵群落以相同的方式进化，直到我们将从其中一个群落快照（b）中采样的时间旅行病原体群体注入入侵时间序列的一个未来群落（c）的那一刻。从那一刻起，社区开始分化（下图所示，多样性变化是一个示例指标）。我们让两个模拟运行了250，000次更新，然后我们通过比较多样性和复杂性的不同轨迹（下图中的绿色与紫色线）来探索时间旅行入侵者对入侵社区的潜在影响。
https://doi.org/10.1371/journal.pcbi.1011268.g001
为了验证这些假设，我们通过回答三个首要问题来调查这种引入对现代社区结构的影响：（1）过去的病原体成功在现代社区中建立自己的几率是多少？（2）入侵者对被入侵社区的多样性有何影响？（3）影响时间旅行入侵成功的特征是什么？
结果
入侵事件成功的可能性
我们量化了入侵的成功（从入侵者的角度来看），即入侵者及其后代（即自入侵以来源自入侵者人口的谱系）在社区中持续了多长时间。因此，对于每个重复，我们比较了从入侵时间开始，对照群落中病原体谱系的持久性与入侵群落中入侵者谱系的持久性。为简洁起见，我们今后将入侵社区中的所有病原体（入侵者本身除外）称为“本地”病原体。每个对照-受体群落对都遵循相同的共同进化路径，直到入侵事件。因此，在入侵前阶段，接受者和各自的控制群落是相同的，从而避免了入侵前发生的随机事件产生的潜在偏差（图1;另见在线方法）。
为了纠正入侵者初始种群规模（“注入”到现代社区的个体病原体数量）变异产生的潜在偏差，我们将比较限制在至少有一个本地病原体的种群大小N至少与入侵者一样大的模拟中，并且我们仅比较入侵者和本地病原体之间的持久性，当N本地≥ N侵略者.平均而言，入侵者比33.6%（±39.1%标准差）的天然病原体更持久。在27.7%的模拟中，入侵者谱系的持久性>50%的病原体在对照中，而在90.21%的模拟中，入侵者谱系的持久性>8%的天然病原体（图2A）。
缩略图 下载：
.PPT幻灯片
.PNG大图
.TIFF原始图像
图2. 时间旅行入侵者在受援社区的持续存在。
(a） 入侵者持久性与天然病原体的持久性相比，表示为所有模拟中持久性低于目标入侵者的天然病原体比例的分布。“持久性”是模拟中的更新次数，其中目标病原体的谱系从入侵的那一刻持续到模拟结束。在大多数情况下，几乎所有的本地病原体都比入侵者更持久。然而，在不可忽视的模拟中，入侵者比大多数当地病原体更持久。双峰直方图可以通过以下现象来解释：当入侵者设法建立并持续模拟时，它们也倾向于在病原体群落中占主导地位，可能导致大多数预先存在的谱系灭绝。因此，最常见的情况是入侵者迅速灭绝（比所有其他病原体持久性低），或者它们接管病原体群落（比所有其他物种更持久）;入侵者的持久性与它们在竞争中胜出并导致本地物种灭绝的能力密切相关）。（b）只有少数入侵导致入侵者谱系的长期存在（在模拟结束时只有3.1%的实验）。（三，四）所有模拟中入侵者的遗传多样性（给定时刻现存基因型的数量）和丰度（活着的个体数量）。颜色代表入侵者的不同相对持久性，即目标入侵者的血统在模拟中幸存下来的更新总数。
https://doi.org/10.1371/journal.pcbi.1011268.g002
这些结果表明，入侵者通常会在接收者社区中成功建立。此外，3.1%的入侵者非常成功，他们的谱系在初始入侵后至少持续了50，000次“更新”（即Avida中的时间单位）（图2B-2D;我们在入侵后使用了50，000次更新来比较重复，因为这是入侵后的最短模拟时间）。相比之下，在所有模拟中，来自入侵社区的所有其他（“天然”）病原体谱系的平均（入侵后）持久性为10.0（±20.2）更新，而入侵后只有5.4%的本地病原体谱系存活>50，000次更新。考虑到入侵者在入侵时仅占所有病原体的0.03%，如果它们在生态上与其他病原体等效，则观察到如此多高度持久性病原体的机会几乎为零（精确p = 1.2×10?168).换句话说，入侵者的血统很有可能在进化的时间尺度上变得持久。
我们在对照群落中获得了几乎相同的总体病原体持久性（从入侵到模拟结束）的值，病原体谱系的平均持久性= 10.1±20.3次更新，只有5.5%的病原体谱系持续至少50，000次更新。这些结果表明，尽管入侵者可能异常持久，但它们通常不会降低本地病原体的整体持久性。在这样的模拟中，入侵者的谱系倾向于在病原体群落中占主导地位，平均占现存病原体物种和个体的53.3%（±41.1%），更新次数为50，000次（图3）。
缩略图 下载：
.PPT幻灯片
.PNG大图
.TIFF原始图像
图3. 所有模拟中被入侵社区中现存入侵者的流行率。
患病率是受体病原体群落中入侵者物种（入侵者及其所有谱系）与所有病原体物种相比的百分比。实线是模拟的平均值，而阴影区域是 99% 置信区间。均值和置信区间每 1000 次更新计算一次，并且仅包括至少在目标更新中持续存在的入侵者。
https://doi.org/10.1371/journal.pcbi.1011268.g003
时间旅行入侵者对社区的影响
我们通过比较受体群落中多样性（个体基因型丰富度和香农的H基因型多样性）和自由生活的不同基因型（例如，鸟类“物种”）的丰度与入侵后的对照组相比，探索了时间旅行入侵者的生态影响。对于多样性和丰度，我们计算了对照和入侵实验的目标测量曲线下面积与时间的关系，然后将相对变化量化为两个区域之间的百分比差异。为简单起见，我们今后将接受社区的多样性“损失”和“收益”称为入侵中观察到的多样性与对照模拟的差异。在宏观进化的时间尺度上，系统将重新调整，多样性受到可用资源的影响，因此入侵群落和控制群落之间的差异最终得到缓冲。因此，我们专注于生态时间尺度，并比较了入侵后前2500次更新的多样性（相当于总模拟时间的1%）。我们报告物种（即基因型）丰富度的结果只是考虑到，在每个群落中，这与个体丰度、系统发育多样性（计算为 Faith 的系统发育多样性）和均匀度高度相关（S1 图;R2物种丰富度的相对损失与丰度、系统发育多样性和均匀度的丧失：分别为0.58、0.99和0.70）。我们还通过复制我们对不同入侵后窗口的分析来探索生态时间框架的选择是否会影响结果，这些窗口的大小跨越500到5000次更新。由于结果对此选择是稳健的（S2 图），因此我们仅报告2500更新窗口的结果。
总体而言，入侵者对自由生活生物体的多样性的影响微乎其微。在54.8%的病例中，入侵模拟导致自由生活社区的多样性低于各自的对照组，但入侵和控制模拟之间的多样性相对差异很小（平均为0.3%±2.9%，基于多样性曲线下的面积与时间/更新的比较;图4，黄线）。然而，有选择地关注入侵者谱系持续至少 50，000 次更新的模拟，我们观察到入侵者在 89.5% 的病例中对多样性产生不利影响，与对照组相比，相对损失高达 31.9%（平均为 4.1% ± 7.3%;图4，蓝线），最大记录增益仅为1.0%。相比之下，在所有入侵中，我们记录到的多样性事件增加了12.0%，可能是由于宿主和病原体的共同进化军备竞赛不断升级[33，34]。
thumbnail 下载：
.PPT幻灯片
PNGlarger image
TIFForiginal image
Fig 4. Relative loss of species richness (invasions versus controls).
Solid lines are the mean values of the simulations with high and low persistence, while shaded areas are 99% confidence intervals. The values represent the pairwise % change in richness calculated as 100 × (div_con—div_inv)/div_con for each timepoint, where div_con and div_inv are species richness recorded over time in the control and the invasion treatments, respectively.
https://doi.org/10.1371/journal.pcbi.1011268.g004
Diversity changes in time-travelling invasion simulations versus background expectation
控制和入侵模拟之间多样性轨迹的差异可能并不一定意味着入侵病原体对控制群落的直接影响。事实上，我们不能先验地排除，即使没有选择性操纵（例如，注入时间旅行的入侵者），从给定的时间点运行社区未来的独立、替代复制也会产生类似的差异。为了排除这个潜在的问题，我们运行了一组额外的配对模拟，在入侵时我们没有转移入侵者。也就是说，我们没有进行配对的控制-入侵模拟，而是运行配对的控制-控制模拟。对于这些，我们应用了主实验的相同设置，然后随机减少模拟集以匹配主要模拟中的复制对数量（n = 748，在删除病原体在入侵前灭绝的模拟后;参见方法）。通过对比相同控制模拟的两个替代未来，我们可以量化在没有外部干扰（即时间旅行入侵）的情况下自由生活物种多样性的预期变化范围。控制-控制仿真中分集变化的方向必然是任意的。在我们的实验中，我们先验地（即在每次运行之前）确定了每对的参考模拟。
控制-控制实验为入侵作为多样性变化驱动因素的主要作用提供了强有力的支持。事实上，控制-入侵模拟之间平均多样性变化的变化范围是控制-控制模拟中观察到的2.5倍，后者的相对变化从11.4%的损失到6.11%的增益不等（S3图）。
在31.6%的高度持续入侵中，相对多样性损失大于上95千在控制-控制模拟中观察到的相对多样性变化的百分位数，表明对入侵模拟中观察到的多样性变化不能用重复群落动态的预期随机变化来解释的假设的有力统计支持。
时间旅行入侵模拟的多样性变化与当代病原体富集
另一个潜在的混杂效应可能来自在将古代病原体重新注入现代社区5%的网格细胞期间病原体密度的增加。也就是说，我们需要解决观察到的生态变化在多大程度上仅仅是由于时间旅行入侵后病原体密度的突然增加，而不是入侵者本身的古老起源。因此，我们进行了另一个实验，其中我们对比了对照模拟（没有入侵），模拟在现有病原体中随机选择的当代病原体被重新注入5%的网格细胞中（随机时间在150，000到200，000次更新之间）。对于这些当代入侵模拟，我们使用了与时间旅行入侵实验相同的模型设置和重复次数。
演习证实了古代入侵者和现代社区之间的进化差距在决定生态变化方面的根本重要性。事实上，控制/时间旅行入侵模拟之间平均多样性变化的变化范围是对照/当代入侵模拟的1.9倍，后者的相对变化从13.72%损失到9.34%增益不等（S3图）。
解释入侵成功及其对入侵社区的影响
我们探讨了受体群落和入侵者的各种（入侵前）特征之间的成对关系，以及入侵者持久性、多样性丧失和绝对多样性变化（即物种丰富度与对照相比的绝对百分比变化，包括多样性丧失/增加）方面的入侵结果。特别是，我们考虑了对入侵者持久性和入侵引起的多样性变化的潜在影响：（i）模拟世界的大小;（二） 可用资源的净额;（三） 不同可用资源的多样性（即数量）;入侵时入侵群落的局部，（iv）自由生活和（v）病原体物种丰富度，（vi，vii）丰度和（viii，ix）密度（模拟世界中每个细胞的个体数）;（x） 入侵者血统在入侵前最初持续存在的更新次数;（xi） 入侵者在入侵前存在的所有更新中的平均和 （xi） 入侵者总丰度;（十三） 来源群落中的入侵者丰度，从中“取样”以供将来入侵;（xiv） 入侵者完成的任务数量，以及 （xv） 最大任务复杂性;（十六）入侵者的原始通用性（来源群落中被入侵者感染的不同宿主物种的数量）;（十七）入侵者在入侵后2500次更新中的一般性;（十八）受体群落中入侵者和病原体之间的平均系统发育距离;（十九）入侵者来源的时刻与入侵时间之间的时差;（xx）从源社区采样时入侵者的进化年龄（模拟开始的更新次数）;以及（二十一）受助群体的进化年龄。我们为关注方法中的每个特定变量提供了理由（在“入侵者成功的决定因素的假设”一节中）。我们使用斯皮尔曼秩相关系数r 量化关系s (S1 表）。
我们发现模拟世界的“环境”特征（即世界大小、丰度、资源多样性）与模拟结果之间没有直接关联。相反，我们确定了入侵者的特征与其在受体社区中的持久性之间的各种正相关（图5）。特别是，能够执行许多复杂任务的入侵者往往持续更长时间（rs= 0.56 对于任务复杂性和多样性与入侵者持久性）。成功的入侵者在入侵前的“第一次”存在中，在接受社区中重新出现的可能性更高（rs= 入侵者入侵前的平均和总丰度、源群落丰度和入侵前持久性分别为0.48、0.47、0.45和0.39）。与观测到的任务复杂性的关系一致，入侵者的进化年龄与持久性呈正相关（rs= 0.29）。在源（古代）社区中是通才的入侵者（即能够使用许多不同的宿主）也往往更持久（rs= 0.24）。这与观察到的任务多样性关系一致，由于任务匹配标准决定了 Avida 中的病原体感染，这有助于普遍性。反过来，高度持久的入侵者在重新引入未来社区后倾向于使用更多种类的宿主（rs= 0.70）。相反，入侵群落中的病原体丰富度、丰度和密度对入侵者的持久性有负贡献（rs= -0.14、-0.24 和 -0.36）。这可能是由入侵者和本地病原体之间的潜在竞争来解释的，这反过来又表明富含病原体的社区可能面临较少的入侵风险。
thumbnail Download:
PPTPowerPoint slide
PNGlarger image
TIFForiginal image
Fig 5. Pairwise correlations (Spearman’s rank correlation coefficient rs）在入侵者和接受者社区的特征以及入侵的结果之间。
入侵结果是根据入侵者及其后代在入侵社区中的持久性以及入侵模拟中多样性的相对变化与对照模拟相比来衡量的。
https://doi.org/10.1371/journal.pcbi.1011268.g005
自由生活物种的密度也与入侵者的持久性呈负相关（rs= -0.25），这支持了高宿主多样性对病原体患病率和传播的稀释作用的证据[35，36]。根据入侵者年龄的积极影响，持久性随着入侵者与原生病原体群落系统发育距离的增加而降低（rs= -0.22），这意味着与现代病原体无关的古代病原体成功的可能性很低。同样，来自远离被入侵社区的源社区的入侵者持续存在的可能性低于来自更现代社区的入侵者（rs= -0.28）。
与我们的期望相反（参见方法中“入侵者成功决定因素的假设”部分），所考虑的变量都与（符号）多样性变化无关（rs在 -0.14 和 0.09 之间变化）。我们发现，当关注绝对多样性变化时，相关性略强;自由生活的物种和病原体的丰富度、丰度和密度与绝对变化呈负相关，与观察到的入侵者持久性模式一致——rs= -0.16、-0.16 和 -0.22 的丰富度、丰度和密度（自由生活物种），分别为 0.33、0.34、0.34（病原体）。
入侵者持久性也与符号和绝对多样性变化弱相关（rs= -0.16 和 0.19）。因此，持久性总体上增加了多样性丧失和变化的风险，但我们无法确定入侵者持续的时间与对入侵群落多样性的影响之间的明确关系（S4图）。然而，我们发现模拟中入侵者的持久性存在显着差异，导致多样性增加或减少>与对照组相比增加了或减少 5%（n = 23 表示损失;n = 13 表示增益）。虽然多样性丧失发生在中度至高度持续的入侵期间，但仅在入侵者未能持续时发生增益（Wilcoxon p = 3.3×10?5; 图6）。总之，这意味着虽然成功建立时间旅行入侵者并不一定会减少多样性，但即使是短暂的入侵也会加速生物多样性的大量丧失，而持续的入侵者不太可能对当地生物多样性有任何好处。
thumbnail 下载：
.PPT幻灯片
.PNG大图
.TIFF原始图像
图6. 在模拟中比较入侵者的持久性，我们观察到自由生活物种多样性的损失或收益（与对照模拟相比）。
从威尔科克森双侧检验推导出的I型概率（n高损耗= 23;n高增益= 13）， p = 3.3×10?5.方框表示第一和第三四分位数，水平线表示中值，晶须表示 1 定义的范围内的最大/最低点圣或 3RD四分位数 + 四分位数间距和圆圈的 1.5 倍表示异常值。
https://doi.org/10.1371/journal.pcbi.1011268.g006
对可能影响入侵者持久性的其他变量的类似处理揭示了在成对比较背景下与上述一致的模式（在图5中总结）。具体来说，在导致损失的模拟中，入侵者入侵前成功以及入侵者任务复杂性和多样性的所有指标都高于导致收益的模拟（S5图）。此外，我们发现，在导致损失的模拟中，与导致收益的模拟相比，入侵时受体群落的自由生活物种丰富度和丰度要高得多。这表明，与低多样性社区相比，高度多样性的社区可能更容易受到时间旅行入侵者的负面影响。最后，尽管入侵群落中的寄生虫多样性、丰度和密度倾向于降低入侵者的持久性，但我们无法在统计上区分导致多样性丧失的入侵中的这些参数和导致多样性增加的入侵中的这些参数。后一种结果可能表明，虽然本地病原体群落对于确定入侵者是否会在入侵社区中建立和持续存在至关重要，但它们在调节入侵者对自由生活社区的影响方面可能发挥的作用较小。
预测入侵者的持久性和对现代社区的潜在影响
我们设计了一个模型来预测入侵者在现代社区中的潜在持久性，以及它对被入侵社区多样性的可能影响。为此，我们测试了不同的多变量方法（例如，广义线性混合模型、结构方程建模、机器学习），使用入侵者（入侵后）的持久性，以及控制与入侵模拟中的符号和绝对多样性变化作为因变量——我们还测试了入侵者和上一节中描述的入侵群落的 17 个特征作为自变量。在多样性变化模型中，我们将入侵群落中的入侵者持久性添加到自变量列表中。我们使用随机森林回归获得了排名靠前的模型[37]，但即使这些模型也只能解释因变量的适度方差（入侵者持久性、符号多样性变化和绝对多样性变化分别为19.2%、12.4%和18.0%）。在我们考虑的变量中，寄生虫多样性、密度和丰度是所有三个模型中最重要的预测因子之一（S6图）。
讨论
到目前为止，关于古代重新出现的生物对现代群落的潜在威胁的讨论中，推测一直占主导地位[16-21，38]。我们首次利用计算机进化的灵活性和现实性，对时间旅行病原体的生态风险进行了广泛的探索。我们表明，这些入侵者实际上可能通常在现代社区中建立，有时会促进不可忽视的生态变化。在最坏但仍然合理的案例中，与非入侵对照相比，单个古代病原体的成功入侵使受体社区的丰富度降低了30%。
尽管病原体再次出现的风险很低，但其灾难性影响的推断概率和频率实际上比我们的模拟所暗示的要高得多。只关注入侵企图的平均影响是欺骗性的，即使大多数入侵最终都不成功。对现实世界的生态系统产生影响的不是很多险些失误，而是即使是低概率的“黑天鹅”发生的可能性，也可以单独产生大规模的、不可逆转的变化[39]。风险不仅仅来自事件发生的几率，而是来自概率和事件潜在影响程度的组合[40]。从这个角度来看，我们的结果令人担忧，因为它们指出了时间旅行入侵产生严重生态影响的罕见事件所带来的实际风险。
此外，在我们的模拟中观察到的少数成功和/或有影响力的入侵可能是欺骗性的。我们模拟了单一病原体基因型的单次入侵尝试。也就是说，在我们的实验中，产生效果的概率与一次入侵尝试有关。但是，事实上，冰盖和冰川中的长期低温形成可以容纳10-100个细菌毫升。-1，最多可以有 10 个7单元格 G-1在冻土和埋藏土壤中——今天，估计有4×1021每年非南极冰川系统冰融化的细胞[41，42]。冰川环境还拥有每毫升数百万至数千万的病毒样颗粒密度[43]。因此，即使只有0.1%的尝试促成了群落的实质性生态变化，暴露细胞的绝对数量表明，由古代入侵者推动的不可忽视的生态变化可能已经发生。此外，在我们的模拟中，入侵者对现代社区有害的风险随着入侵者在入侵后很长一段时间内建立自己的能力而增加，这反过来又与入侵者在其“第一次”存在的持久性和丰富性呈正相关。这使得现实世界的潜在生态风险很大，因为这种具有成功过去历史的病原体也更有可能出现在“冷冻记录”中。
尽管Avida已被证明在模拟进化和生态过程方面具有非凡的真实感[28，29，44，45]，但很明显，Avidian数字世界与我们自己的数字世界之间存在根本差异。一个重要的方面是，Avida中的模拟更新和生成无法直接转换为一致的时间度量，这可能会使我们的实验如何与现实世界的设置保持一致产生怀疑。换句话说，模拟中的更新数量与例如融冰中估计的干预世代数相比如何？虽然我们不能为这个问题提供一个明确的答案，但我们可以使用费米估计，结合进化的鸟类和他们的祖先之间的突变距离。在这些运行中，我们发现沿着祖先最丰富的寄生虫谱系平均有~400个替换（S7图）。如果我们认为沿Avidian谱系的单个固定突变等同于大肠杆菌中的单个替代（在某些方面是一个保守的假设，考虑到Avida中的突变比单个核苷酸更“功能”），并且估计每代E使用0.0001-0.0002个突变。大肠杆菌 为了扩大我们的观察，我们可以估计模拟的长度大致相当于~2-4百万代的微生物进化。因此，我们的入侵者（从总共50，000次更新的150，000到250，000次更新中的种群中抽样）可能来自大约相当于400，000-2，400，000细菌世代。考虑到活细菌已经从~750万年前的冰川冰中恢复[000]，并且天然微生物种群通常具有很长的生成时间，我们的模拟落在一个非常合理（共同）进化的时间范围内。
虽然我们的模型代表了量化时间旅行病原体风险的首次尝试，但它也引入了一个灵活的建模框架，可以理想地与其他人工生命系统和进化模拟平台结合使用。这些组合不仅能够测试我们研究结果的有效性和普遍性，还可以研究新兴生物体对生物群落未来风险的无数基本问题。这些问题当然延伸到对“空间”生物入侵的研究。未来的工作可以调查调节时间旅行入侵的机制与决定空间入侵的机制有何不同以及在多大程度上不同。更一般地说，我们的研究提供了另一个具体的例子，说明“数字孪生”如何帮助探索未来复杂的场景，并测试我们没有经验数据的假设 [47-49]。
我们的发现证实了普遍的共识，即由于所涉及的生态和进化因素的复杂性，生物入侵几乎不可能预测[8]。具体而言，我们的分析表明，与入侵者或被入侵社区的特征相关的多个变量可能对入侵的潜在结果产生复杂而对比的影响。这种复杂性阻碍了设计一个能够笼统地预测入侵结果的模型。虽然我们确实尝试应用各种多变量方法来解释多样性丧失和入侵者持久性作为成对模拟结果中比较的所有特征变化的函数，但这些方法仅显示出适度的预测能力。考虑到计算机社区是实现这一目标的理想选择，因为它们对变量的数量和可以检索并包含在模型中的数据量没有限制，我们的挣扎表明，准确预测时间旅行入侵在现实世界中的潜在影响可能极具挑战性。
尽管如此，我们的结果提供了有助于通过识别漏洞来改善准备工作的见解。特别是，他们支持经验观察，即多样化和密集的社区比贫民社区更不容易受到入侵。事实上，高病原体多样性和丰度可以降低时间旅行入侵者在现代社区中建立的可能性，这一结果强调了不仅保护自由生活的物种，而且保护其病原体和寄生虫的重要性[50，51]。
虽然我们的工作重点是微生物群落规模上时间旅行入侵的生态影响，但古代病原体也是对人类健康的潜在威胁，既是疾病的直接病原体，也是新型人畜共患风险的潜在来源，鉴于最近的COVID-19大流行，这是一个高度相关的话题[52，53].类似事件的发生本质上是不可预测的，但像我们这样的建模框架可以通过正式量化古代入侵者在现代社区中茁壮成长的几率来提供独特的机会来改善风险评估。
在线方法
模拟设置
使用 Avida（版本 2.14;avida.devosoft.org），我们生成了100个不同的世界，随机大小在2500到15，000个网格细胞之间，我们在整个实验中保持不变。这些配置还涵盖了广泛的不同（随机）环境设置，从具有少量稀缺资源的环境到具有许多丰富资源的设置。我们创建了九个不同的资源池，并将每个资源池随机分配给Avida数字有机体可以执行的标准九个逻辑操作[45]。相同的资源也作为副产品随机分配给逻辑函数，投入产出比在0到0.5之间随机选择。这有效地创建了每种配置独有的随机生化网络。为了进一步创建环境异质性，我们在每次更新时随机设置每个资源的输入和输出。
然后，我们运行了两组 1100 次模拟（每个 Avida 配置重复 11 次）。在第一组中，我们让社区从一个单一的、自由生活的祖先和一个单一的病原体祖先进化而来，超过250，000次更新。我们通过拍摄生物多样性（丰富度）和丰度以及宿主-病原体相互作用的快照，记录了每个群落的完整生态进化历史。然后，我们在更新50，000和150，000之间随机选择一个社区快照，并从该社区中随机存储一个病原体基因型（选择概率与社区中病原体的丰度成正比）。在第二组模拟中，我们重播了每个社区的确切生态进化历史，就像第一次设置一样，直到在更新150，000和200，000之间随机选择的步骤，然后我们将一小部分先前储存的过去病原体注射到Avida世界细胞的5%中（两组实验中的每对社区在每一步都是相同的，直到引入时间旅行入侵者）。我们让模拟完成（直到更新250，000），然后将它们的结果与相应的对照实验的结果进行比较，以评估时间旅行入侵者的命运和对接收社区的潜在影响。
在控制和入侵模拟中，我们记录了入侵后前100，10次更新的社区每000次更新，此后每1000次更新。在所有实验中，成功入侵者的谱系在入侵时已经灭绝（即，来源群落和受体群落之间选择的最小时间滞后足以确保入侵者和受体群落之间的完全系统发育分离 - 现代群落中的任何物种都不能来自入侵者或其后代）。为了确保模拟之间的公平比较，我们从最终分析中排除了病原体在入侵前灭绝的所有模拟，留下了748个模拟。
入侵者成功的决定因素的假设
古代病原体对现代生态群落构成的潜在威胁大多尚未解决。最接近的经验例子是最近几乎根除的疾病重新出现的罕见和孤立的发作[54]。过去病原体再次出现的类似事件通常会导致严重感染，例如当西伯利亚的几个人暴露于炭疽孢子时，炭疽孢子可能来自埋在永久冻土中的受感染、长期死亡的动物的尸体，这些动物是通过冰融释放的[55]。可能存在许多未记录的病原体严重影响宿主群落的案例（特别是对于类似于我们的模型代理的细菌群落），以及过去病原体与现代生态群落之间的接触导致病原体死亡或其良性重建的未记录示例。然而，这种知识差距并不妨碍在计算机假设中提出和测试的机会，这些假设涉及导致根据记录的生物入侵在受援社区成功建立和对受援社区造成有害后果的更高概率的过程。
虽然随着全球化，生物入侵的机会呈指数级增长[56]，但大多数入侵尝试预计会失败[57，58]。例如，虽然压载水是海洋入侵者的主要载体，但它们携带的生物的数量和多样性比成功建立的数量大得多[59，60]。因此，我们假设时间旅行病原体的模式相同 - 大多数入侵应该提前失败，或者解决而不会对受体社区产生明显影响。
生物入侵成功的主要决定因素之一是环境过滤——沿非生物梯度进行群落分类[61]。然而，环境过滤的作用对于时间旅行的入侵者来说可能不那么重要，因为我们预计环境条件的时间变化相对小于空间变化，这取决于调查的时间尺度。在我们的模拟中尤其如此，因为我们没有模拟随时间变化的环境条件。与不同模拟世界之间的生物体空间易位相比，这可能会导致在我们的模拟中成功建立时间旅行入侵者的可能性更高。
Avida中的生物不仅通过消耗资源，还通过转化资源并释放代谢副产物来与环境相互作用。因此，即使给定的模拟环境不断接收到非生物资源的输入，入侵病原体在入侵时所经历的环境条件也不一定与它在源群落中所经历的环境条件相同。这是因为资源的整体多样性和可用性是由资源的稳定流入和流出以及在任何给定时间存在的社区（使用和转换可用资源，产生可变的生态复杂性以及在某种程度上的营养结构）的组合决定的[62]。因此，当生物体在其他相同的环境中跨时间移动时，这可能会促进环境过滤。
各种用于识别生物入侵者成功预测因素的尝试表明，这些预测因素在很大程度上是上下文相关的，因此排除了概括[63，64]。然而，与现有研究相比，我们的方法至少具有三个主要优势。首先是提供有关入侵者和被入侵社区的详尽生态和进化信息。其次，我们从同一起点模拟两个平行未来（有和没有入侵者）的能力提供了入侵者成功的标准量化。第三，通过复制相同种类的生物和一致（尽管不同）的环境环境，来自分类和特定地点特征的潜在混杂因素较少。综上所述，我们希望能够确定至少一些入侵者成功的一般决定因素（我们将其量化为入侵者及其后代在被入侵社区中的持久性）。我们在下面列出了一组潜在的假设，括号中的罗马数字是指“预测入侵者的持久性及其对被入侵社区的潜在影响”一节中描述的分析中使用的实际参数。
我们对环境变量（世界规模、丰度和资源多样性;i-iii）关于入侵者对被入侵社区的持久性和生态影响。然而，我们预计这些变量将通过影响进化群落的多样性和复杂性而对入侵的结果产生潜在的间接影响。我们专门研究了本地物种的丰富度和丰度如何影响入侵者定居和改变入侵群落的机会（iv-ix）。我们考虑了关于多样性对入侵影响的两种替代假设。基于在广泛的空间尺度上观察到的外来物种多样性与当地多样性的相关性，“富人变得更富有”假说[65]表明，拥有许多物种和个体的社区更容易受到入侵。另一种假设是，富裕社区可能会减少入侵的机会，因为对资源的竞争加剧，或者由于存在对抗机制的机会更高[66，67]。由于我们在虚拟实验中专注于病原体，因此我们可以将这两个假设分别分配给自由生活的宿主物种及其病原体。也就是说，我们预计潜在自由生活宿主的高度多样性会促进入侵，而病原体的高度多样性（和丰度/密度）会减少入侵者由于对资源的竞争加剧而建立的机会。
In addition to competition with native species, invading pathogens need to find an appropriate host [50]. In Avida, pathogens can infect a host if they do at least one of the same logic functions as the free-living host organism. The arms race between hosts and parasites in Avida also leads to an increasing complexity, because doing novel, complex tasks permits hosts to escape from previously infective pathogens [27]. The resultant hypotheses predict that invaders capable of doing many tasks (xvi), and possibly complex ones (xv), and that are hence also able to infect many host species in the source community (xvi), are expected to succeed more often than specialized or ‘simpler’ invaders.
Similarly, if the source and the invaded community have a long temporal separation, the modern hosts might be too complex for the pathogen to proliferate. We therefore hypothesize that the chances of a pathogen invading successfully should decrease with the time difference between when the invader was sourced and when the invasion took place (xix), and with the recipient community’s evolutionary age (xxi). In contrast, invasion success should increase with the invader’s evolutionary age (number of updates from the beginning of runs) when sampled from the source community (xx).
Darwin’s naturalization conundrum generates two alternative hypotheses related to how the phylogenetic relatedness of invader and native species (xviii) affects the invader’s probability of establishment. On the one hand, we expect that increasing phylogenetic relatedness between alien pathogens and pathogens of the invaded community will increase the invader’s chances of infecting modern hosts. On the other, we expect that more distantly related pathogens can more completely exploit unused resources (i.e., hosts that had evaded modern pathogens but are possibly susceptible to ancient ones). Recent work suggests that at finer spatial scales (such as in our self-contained Avida world), the effect of competition dominates the advantages of pre-adaptation; hence, the prediction that related pathogens should be less successful is more likely [68].
We also hypothesized that invaders more abundant in the past would have a higher probability of establishing abundant populations in the invaded communities (xi-xiii). This prediction is based on studies showing that invader abundance in the native range predicts abundance in the invaded community [69]. In addition to the different measures of abundance, we also hypothesized that some of the features making an invader highly persistent in the past could promote its persistence in the future invaded community (x) (even though this aspect does not have clear correspondence with elements of spatial invasions).
Finally, we hypothesized a positive relationship between the success of an invader (in terms of long-term persistence in the invaded community) and its effects on the diversity of the invaded community, based on the assumed positive relationship between invader abundance and its impact on the invaded communities [70,71].
Assessing invader persistence
在每次入侵模拟中，我们通过入侵后的更新次数来量化入侵者的持久性，其中入侵者的血统（即入侵者或其任何后代）存在。同样，我们量化了源自属于本地病原体的所有个体基因型的谱系的入侵后持久性。我们将评估限制在入侵后的50，000次更新，因为这是入侵后更新的最小可能次数（参见“模拟设置”部分）。然后，我们将入侵者的持久性与本地病原体的持久性进行了比较。我们从比较中排除了入侵群落中种群规模小于入侵者（入侵时）的任何本地病原体物种，以消除由于初始种群规模差异而导致的潜在偏差。比较是通过量化每次模拟中持久性低于入侵者的本地物种的百分比来完成的。我们还量化了任何病原体持续至少50，000次更新的预期概率，作为在所有模拟中至少持续那么长时间的病原体的总体比例。然后，我们计算了有多少入侵者持续了 50，000 次更新，并使用伯努利公式估计了观察相同数量的高度持久性入侵者的概率。
评估多样性变化
为了量化入侵者对受体群落的影响，我们将入侵实验中自由生活物种多样性和丰度的轨迹与对照实验中的相应轨迹进行了比较。我们计算了每个入侵实验和相应对照实验的多样性（物种数量）与时间（入侵以来从0到2500次更新，分辨率为100次更新）曲线下的面积，然后计算了相对（%）变化（与对照模拟相比）。我们使用个体丰度、系统发育多样性和香农基因型多样性（，p我= 人口中具有 i 的个体比例千基因型，S=种群中的物种总数）。由于测量值高度相关，我们仅报告了物种丰富度的结果。
将观察到的变化与模拟之间的“自然”变化进行比较
我们探讨了在对照与入侵模拟中观察到的多样性模式的相对变化是否可以解释为从相同初始条件（即同一时间点的同一群落）开始的复制未来群落动态之间的预期“自然”随机性。为此，我们使用上述相同的过程额外运行了 1000 对模拟，唯一的区别是，我们没有将时间旅行的入侵者注入其中一个模拟中，而是更改了随机种子。换句话说，我们对比了控制与控制模拟。这使我们能够量化每对模拟之间多样性轨迹的预期相对偏差，然后将其与控制入侵模拟中观察到的变化进行比较，并像评估控制入侵模拟一样评估多样性变化。然而，在控制-控制情况下，变化方向（损耗或增益）没有意义，因为选择每对中的哪个仿真作为参考场景是任意的。在这里，我们在运行模拟之前确定了每对的参考模拟，并相应地进行了所有后续分析，从而计算出为指定参考模拟计算的曲线下面积的百分比差异和为配对（非参考）模拟计算的百分比差异。
预测入侵者的持久性及其对入侵社区的潜在影响
我们测试了不同的多变量方法，目的是设计一个模型来预测入侵者的持久性以及相对符号和绝对多样性变化（与对照模拟相比的入侵）——广义线性混合模型、结构方程建模和机器学习。所有方法都产生了低预测能力的模型，但我们使用随机森林回归获得了最佳模型（我们在正文中仅报告随机森林结果）。作为所有模型中的自变量，我们使用了“解释入侵成功及其对入侵群落的影响”一节中列出的入侵者和被入侵群落的17个特征：（i）自由生活和（ii）病原体物种丰富度，（iii，iv）丰度和（v，vi）密度（个体细胞数）-1在模拟世界中）入侵时被入侵的社区;（七） 入侵者血统在入侵前存在的更新次数;（viii） 入侵者在入侵前存在的所有更新中的平均和 （ix） 入侵者总数;（x） 为将来入侵而“取样”的来源群落中的入侵者丰度;（xi） 入侵者完成的任务数量，以及 （xii） 最大任务复杂性;（十三）入侵者的原始通用性（来源群落中被入侵者感染的不同宿主物种的数量）;（xiv）受体群落中入侵者和病原体之间的平均系统发育距离;（十五）入侵者来源的时刻与入侵时间之间的时差;（xvi）从源社区采样时入侵者的进化年龄（模拟开始的更新次数）;以及（十七）受助群体的进化年龄。在旨在预测相对多样性变化（有符号或绝对）的模型中，我们还在自变量集中包括入侵者（入侵后）持久性。我们使用 randomForest 包 [72] 开发了 R 中的随机森林回归，该包实现了 Breiman 的随机森林算法 [37]。对于每个模型，我们种植了1000棵树，并根据解释方差评估性能。
支持信息
S1 表。 成对相关（斯皮尔曼秩相关系数rs）在入侵者和接受者社区的特征以及入侵的结果之间。
入侵结果是根据入侵者及其后代在入侵社区中的持久性以及入侵模拟中多样性的相对变化与对照模拟相比来衡量的。
https://doi.org/10.1371/journal.pcbi.1011268.s001
（文档）
S1 图 比较入侵群落与对照群落多样性变化的不同衡量标准。
https://doi.org/10.1371/journal.pcbi.1011268.s002
（英文）
S2 图 所选生态时间尺度对量化入侵者对入侵群落的影响的影响。
（a） 在2500次更新的时间窗口（x轴）内计算的与入侵模拟相比，入侵后控制自由生活多样性的相对变化百分比，与使用跨越500至5000次更新的替代时间窗口获得的相应值（y轴，不同颜色）相比。（b） 箱线图总结了入侵后控制自由生活多样性的相对百分比变化与使用跨越500至5000次更新的替代时间窗口计算的入侵模拟（第一个白色箱线图是指我们在分析中使用的实际时间窗口，即2500次更新，相当于模拟中更新总数的1%）。方框表示 1圣和 3RD四分位数，水平线表示中值，晶须表示 1 定义的范围内的最大/最低点圣或 3RD四分位数 + 四分位数间距和圆圈的 1.5 倍表示异常值。
https://doi.org/10.1371/journal.pcbi.1011268.s003
（英文）
S3 图 在对照与对照模拟中观察到的多样性变化范围（左小提琴图）;控制模拟与当代入侵模拟（中小提琴图）;控制模拟与时间旅行入侵模拟（右小提琴图）。
方框表示 1圣和 3RD四分位数，白点表示中值，晶须表示 1 定义的范围内的最大/最低点圣或 3RD四分位数 + 四分位数间距的 1.5 倍。
https://doi.org/10.1371/journal.pcbi.1011268.s004
（英文）
S4 图
入侵模拟中物种丰富度的符号（a）和绝对（b）百分比变化与不同入侵者持久性值的对照模拟相比（表示为模拟中更新次数的自然对数）。方框表示 1圣和 3RD四分位数，水平线表示中值，晶须表示 1 定义的范围内的最大/最低点圣或 3RD四分位数 + 四分位数间距和圆圈的 1.5 倍表示异常值。
https://doi.org/10.1371/journal.pcbi.1011268.s005
（英文）
S5 图 入侵的不同特征导致多样性丧失或增加（与对照模拟相比）。
从威尔科克森双侧检验得出的 I 型概率 （p） （n高损耗= 23;n高增益= 13）。方框表示 1圣和 3RD四分位数，水平线表示中值，晶须表示 1 定义的范围内的最大/最低点圣或 3RD四分位数 + 四分位数间距的 1.5 倍。在未另行说明的情况下，社区属性（例如，自由生活的丰富性、病原体丰富性等）是指入侵时的接受者（即被入侵的）社区。
https://doi.org/10.1371/journal.pcbi.1011268.s006
（英文）
S6 图 模型中预测入侵者持久性的十个最重要的变量及其对入侵社区的潜在影响。
这三种模型是随机森林回归，旨在预测时间旅行入侵者入侵后的持久性（左图），以及基于入侵者和入侵群落的几个特征的入侵与对照模拟中的相对符号（中图）和绝对（右图）多样性变化（有关考虑变量的完整列表，请参阅方法或正文）。变量重要性计算为目标变量随机排列后均方预测误差（MSE;通过袋外验证估计）增加的百分比。MSE 越高，表示预测变量越多。
https://doi.org/10.1371/journal.pcbi.1011268.s007
（英文）
S7 图 在对照模拟集合中，沿最终最丰富的寄生虫到祖先的谱系的取代次数分布（n = 654）。
https://doi.org/10.1371/journal.pcbi.1011268.s008
（巴布亚新几内亚）
引用
1.莫尔纳 JL， 甘博亚 RL， 雷文加 C， 斯伯丁医学博士.评估入侵物种对海洋生物多样性的全球威胁。前生态环境。2008;6: 485–492.
查看文章谷歌学术搜索
2.Clavero M， Brotons L， Pons P， Sol D. 入侵物种在鸟类生物多样性丧失中的突出作用。生物保护。2009;142: 2043–2049.
查看文章谷歌学术搜索
3.莫洛特 G， 潘特尔 J， 罗曼努克 T.入侵物种对物种丰富度下降的影响：全球荟萃分析。生态学研究进展.爱思唯尔;2017.第61–83页。
4.Doherty TS，Glen AS，Nimmo DG，Ritchie EG，Dickman CR.入侵捕食者和全球生物多样性丧失。国家科学院院刊 2016;113： 11261–11265.密码：27638204
查看文章PubMed/NCBI谷歌学术搜索
5.斯特罗纳G.生物入侵。灭绝的隐藏途径。斯普林格;2022.第203–219页。
6.佩查尔 L， 穆尼哈.入侵物种、生态系统服务和人类福祉。趋势生态埃沃尔。2009;24: 497–504.密码：19577817
查看文章PubMed/NCBI谷歌学术搜索
7.Diagne C， Leroy B， Vaissière A-C， Gozlan RE， Roiz D， Jari? I， et al.全世界生物入侵的经济成本高昂且不断上升。自然界。2021;592: 571–576.密码：33790468
查看文章PubMed/NCBI谷歌学术搜索
8.里卡迪 A， 帕尔默 梅， 严 ND.生物入侵是否应该作为自然灾害来管理？生物。2011;61: 312–317.
查看文章谷歌学术搜索
9.洛奇DM.生物入侵：生态学的教训。趋势生态埃沃尔。1993;8: 133–137.密码：21236129
查看文章PubMed/NCBI谷歌学术搜索
10.Ricciardi A， Blackburn TM， Carlton JT， Dick JT， Hulme PE， Iacarella JC， et al.入侵科学：对新挑战和机遇的地平线扫描。趋势生态埃沃尔。2017;32: 464–474.pmid：28395941
查看文章PubMed/NCBI谷歌学术搜索
11.辛伯洛夫 D， 马丁 J-L， 吉诺维西 P， 马里斯 V， 沃德尔 DA， 阿伦森 J， 等.生物入侵的影响：是什么和前进的道路。趋势生态埃沃尔。2013;28: 58–66.密码：22889499
查看文章PubMed/NCBI谷歌学术搜索
12.Strauss SY， Lau JA， Carroll SP. 本地人对引进物种的进化反应：引言告诉我们关于自然群落的什么？生态学报 2006;9： 357–374.pmid：16958902
查看文章PubMed/NCBI谷歌学术搜索
13.Turner J， Phillips T， Marshall GJ， Hosking JS， Pope JO， Bracegirdle TJ， et al.2016年南极海冰史无前例的春季退缩。地球物理学研究 2017;44： 6868–6875.
查看文章谷歌学术搜索
14.贝维斯 M， 哈里格 C， 汗 SA， 布朗 A， 西蒙斯 FJ， 威利斯 M， 等.加速格陵兰岛内冰块的变化，以及冰盖对大气强迫的敏感性。国家科学院院刊 2019;116： 1934–1939.pmid：30670639
查看文章PubMed/NCBI谷歌学术搜索
15.罗杰斯·苏，斯塔默·WT，卡斯特罗·JD。通过在冰中存活来回收病原微生物。医学假设。2004;63: 773–777.密码：15488645
查看文章PubMed/NCBI谷歌学术搜索
16.Graham DE， Wallenstein MD， Vishnivetskaya TA， Waldrop MP， Phelps TJ， Pfiffner SM， et al.永久冻土融化中的微生物：气候变化方程中的未知变量。ISME J. 2012;6： 709–712.pmid：22094350
查看文章PubMed/NCBI谷歌学术搜索
17.勒让德 M， 巴托利 J， 什马科娃 L， 朱迪 S， 拉巴迪 K， 阿德拉特 A， 等.具有潘多拉病毒形态的巨型二十面体DNA病毒的三万年前远亲。国家科学院院刊 2014;111： 4274–4279.pmid：24591590
查看文章PubMed/NCBI谷歌学术搜索
18.Mackelprang R， Saleska SR， Jacobsen CS， Jansson JK， Ta? N. 永久冻土元组学和气候变化。地球行星科学年鉴 2016;44.
查看文章谷歌学术搜索
19.Ricketts MP， Matamala R， Jastrow JD， Antonopoulos DA， Koval J， Ping C-L， et al.变暖和土壤化学对北极苔原土壤细菌群落结构的影响.土壤生物化学。2020;148: 107882.
查看文章谷歌学术搜索
20.El-Sayed A， Kamel M. 来自过去的未来威胁。环境科学污染研究 2021;28： 1287–1291.密码：33068243
查看文章PubMed/NCBI谷歌学术搜索
21.矿工 KR， D'Andrilli J， Mackelprang R， Edwards A， Malaska MJ， Waldrop MP， et al.北极永久冻土退化带来的紧急生物地球化学风险。纳特克里姆变化。2021;11: 809–819.
查看文章谷歌学术搜索
22.侯文惠斯 S， 麦克 E， 雷瑟霍夫 L， 布尔蒂尔 L， 迪卡斯特克 E.在培养皿中回到未来：复活微生物在自然种群中的起源和影响。应用学报 2018;11： 29–41.pmid：29302270
查看文章PubMed/NCBI谷歌学术搜索
23.史密斯AW，斯基林德，卡斯特罗JD，罗杰斯SO。冰作为致病性人类病毒的宿主：特别是杯状病毒、流感病毒和肠道病毒。医学假设。2004;63: 560–566.pmid：15324997
查看文章PubMed/NCBI谷歌学术搜索
24.贝茨 A， 瓦斯 M， 卡尔茨 O， 霍奇伯格 ME.回到未来：进化噬菌体以提高其对病原体铜绿假单胞菌PAO 1的有效性。应用学报 2013;6： 1054–1063.密码：24187587
查看文章PubMed/NCBI谷歌学术搜索
25.梁斌，德莱尼 DG.管理生物入侵中的稀疏数据：模拟研究。生态模型。2006;198: 229–239.
查看文章谷歌学术搜索
26.Ofria C，Wilke CO. Avida：用于计算进化生物学研究的软件平台。艺术生活。2004;10: 191–229.pmid：15107231
查看文章PubMed/NCBI谷歌学术搜索
27.Zaman L，Meyer JR，Devangam S，Bryson DM，Lenski RE，Ofria C.协同进化推动复杂性状的出现并促进可进化性。公共科学图书馆生物学. 2014;12： e1002023.密码：25514332
查看文章PubMed/NCBI谷歌学术搜索
28.Fortuna MA，Zaman L，Wagner AP，Ofria C.不断发展的数字生态网络。公共科学图书馆计算生物学. 2013;9： e1002928.密码：23533370
查看文章PubMed/NCBI谷歌学术搜索
29.斯特罗纳G，拉弗蒂KD。环境变化使强大的生态网络变得脆弱。纳特公社。2016;7: 1–7.密码：27511722
查看文章PubMed/NCBI谷歌学术搜索
30.德威特 TJ， 西赫 A， 威尔逊 DS.表型可塑性的成本和限制。趋势生态埃沃尔。1998;13: 77–81.密码：21238209
查看文章PubMed/NCBI谷歌学术搜索
31.阿达米 C， 奥弗里亚 C， 科利尔 TC.生物复杂性的演变。国家科学院院刊 2000;97： 4463–4468.密码：10781045
查看文章PubMed/NCBI谷歌学术搜索
32.劳埃德-史密斯乔。腾出的生态位，竞争性释放和消灭病原体的社区生态。Philos Trans R Soc B Biol Sci. 2013;368： 20120150.密码：23798698
查看文章PubMed/NCBI谷歌学术搜索
33.Decaestecker E，Lefever C，De Meester L，Ebert D.过去困扰：水蚤微寄生虫和附生体休眠阶段库的证据。利姆诺尔海洋学。2004;49: 1355–1364.
查看文章谷歌学术搜索
34.Orsini L， Schwenk K， De Meester L， Colbourne JK， Pfrender ME， Weider LJ.进化时间机器：使用休眠繁殖体来预测种群如何适应不断变化的环境。趋势生态埃沃尔。2013;28: 274–282.pmid：23395434
查看文章PubMed/NCBI谷歌学术搜索
35.基辛F，霍尔特RD，奥斯特费尔德RS。物种多样性对疾病风险的影响。生态学杂志 2006;9： 485–498.密码：16623733
查看文章PubMed/NCBI谷歌学术搜索
36.刘旭， 吕淑， 周淑， 布拉德肖 CJ.增温和施肥改变了宿主多样性对疾病严重程度的稀释作用。生态学。2016;97: 1680–1689.pmid：27859159
查看文章PubMed/NCBI谷歌学术搜索
37.布雷曼 L. 随机森林。马赫学习。2001;45: 5–32.
查看文章谷歌学术搜索
38.美国国家科学院E和医学院。了解和应对北极微生物威胁带来的全球卫生安全风险：研讨会记录。国家科学院出版社;2020.
39.安德森SC，分支TA，库珀AB，杜尔维NK。动物种群中的黑天鹅事件。国家科学院院刊 2017;114： 3252–3257.密码：28270622
查看文章PubMed/NCBI谷歌学术搜索
40.Ord T，Hillerbrand R，Sandberg A.探索不可能：低概率和高风险风险的方法挑战。J 风险研究 2010;13： 191–205.
查看文章谷歌学术搜索
41.Irvine-Fynn T， Edwards A， Newton S， Langford H， Rassner S， Telling J， et al.使用流式细胞术定量的北极冰川表面的微生物细胞预算。环境微生物。2012;14: 2998–3012.密码：23016868
查看文章PubMed/NCBI谷歌学术搜索
42.Edwards A. 来自寒冷：来自陆地冰冻圈的潜在微生物威胁。地球前沿科学. 2015;3： 12.
查看文章谷歌学术搜索
43.亚尔扎巴尔LA，萨拉查LMB，巴蒂斯塔-加西亚RA。气候变化、冰冻圈融化和冷冻病原体：我们应该担心吗？环境维持。2021;4: 489–501.
查看文章谷歌学术搜索
44.伦斯基·自然的两倍。自然界。2001;414: 255–255.密码：11713507
查看文章PubMed/NCBI谷歌学术搜索
45.伦斯基 RE， 奥弗里亚 C， 彭诺克 RT， 阿达米 C.复杂特征的进化起源。自然界。2003;423: 139–144.密码：12736677
查看文章PubMed/NCBI谷歌学术搜索
46.克里斯特纳BC，莫斯利-汤普森E，汤普森LG，里夫JN。从古代冰川冰中恢复细菌。环境微生物。2003;5: 433–436.密码：12713469
查看文章PubMed/NCBI谷歌学术搜索
47.斯特罗纳G，布拉德肖CJ。气候和土地利用变化导致脊椎动物的未来损失主要由共同灭绝。科学进展 2022;8： eabn4345.密码：36525487
查看文章PubMed/NCBI谷歌学术搜索
48.斯特罗纳G，布拉德肖CJ。在极端环境变化期间，共同灭绝会消灭行星生命。科学代表 2018;8： 1–12.
查看文章谷歌学术搜索
49.Purves D， Scharlemann JP， Harfoot M， Newbold T， Tittensor DP， Hutton J， et al.是时候模拟地球上的所有生命了。自然界。2013;493: 295–297.
查看文章谷歌学术搜索
50.Strona G. 宿主-寄生虫共同灭绝的过去、现在和未来。国际J寄生虫怀尔德。2015;4: 431–441.密码：26835251
查看文章PubMed/NCBI谷歌学术搜索
51.卡尔森 CJ， 霍普金斯 S， 贝尔 KC， 多娜 J， 戈弗雷 SS， 郭 ML， 等.全球寄生虫保护计划。生物保护。2020;250: 108596.
查看文章谷歌学术搜索
52.米什拉、特里帕蒂·COVID-19大流行的一年更新：我们现在在哪里？热带学报 2021;214： 105778.密码：33253656
查看文章PubMed/NCBI谷歌学术搜索
53.Yesudhas D，Srivastava A，Gromiha MM.COVID-19爆发：历史，机制，传播，结构研究和治疗方法。感染。2021;49: 199–213.密码：32886331
查看文章PubMed/NCBI谷歌学术搜索
54.新出现和重新出现的疾病：历史视角。免疫学修订版 2008;225： 9–26.pmid：18837773
查看文章PubMed/NCBI谷歌学术搜索
55.Ezhova E， Orlov D， Suhonen E， Kaverin D， Mahura A， Gennadinik V， et al.影响2016年俄罗斯西伯利亚炭疽疫情的气候因素。生态健康。2021;18: 217–228.密码：34453636
查看文章PubMed/NCBI谷歌学术搜索
56.Seebens H， Blackburn TM， Dyer EE， Genovesi P， Hulme PE， Jeschke JM， et al.全世界外来物种的积累没有饱和。纳特公社。2017;8: 1–9.
查看文章谷歌学术搜索
57.威廉姆森M.解释和预测入侵物种在不同入侵阶段的成功。生物入侵。2006;8: 1561–1568.
查看文章谷歌学术搜索
58.泽尼路，努涅斯马。房间里的大象：失败的入侵在理解入侵生物学中的作用。奥伊科斯。2013;122: 801–815.
查看文章谷歌学术搜索
59.David M， Perkovi? M. 压载水采样是生物入侵风险管理的关键组成部分。三月污染公牛。2004;49: 313–318.密码：15341825
查看文章PubMed/NCBI谷歌学术搜索
60.德雷克洛杉矶，多布林马，多布斯足球俱乐部。通过船舶压载水、沉积物和生物膜的潜在微生物生物入侵。三月污染公牛。2007;55: 333–341.pmid：17215010
查看文章PubMed/NCBI谷歌学术搜索
61.皮尔逊德，奥尔特加YK，艾伦奥，耶罗JL。群落组装理论作为生物入侵的框架。趋势生态埃沃尔。2018;33: 313–325.密码：29605085
查看文章PubMed/NCBI谷歌学术搜索
62.叶迪德 G， 奥弗里亚 CA， 伦斯基 RE.选择性新闻灭绝，而不是随机脉冲灭绝，导致数字生物群落的生态恢复延迟。美国国家 2009;173： E139–E154.密码：19220147
查看文章PubMed/NCBI谷歌学术搜索
63.威廉姆森 M， 菲特 A.入侵者的不同成功。生态学。1996;77: 1661–1666.
查看文章谷歌学术搜索
64.海耶斯，巴里·是否有任何一致的入侵成功预测因素？生物入侵。2008;10: 483–506.
查看文章谷歌学术搜索
65.加利安 L， 卡尔博尼 M.入侵物种的群落生态学：我们在哪里，下一步是什么？生态学。2017;40: 335–352.
查看文章谷歌学术搜索
66.范埃尔萨斯 JD， 奇乌拉齐 M， 马隆 CA， 埃尔霍托瓦 D， 克里什图费克 V， 萨勒斯 JF.微生物多样性决定了细菌病原体对土壤的入侵。国家科学院院刊 2012;109： 1159–1164.pmid：22232669
查看文章PubMed/NCBI谷歌学术搜索
67.De Schryver P， Vadstein O. 生态学理论作为控制水产养殖致病性入侵的基础.ISME J. 2014;8： 2360–2368.密码：24892581
查看文章PubMed/NCBI谷歌学术搜索
68.Park DS， Feng X， Maitner BS， Ernst KC， Enquist BJ.达尔文的归化难题可以用空间尺度来解释。国家科学院院刊 2020;117： 10904–10910.pmid：32366659
查看文章PubMed/NCBI谷歌学术搜索
69.Firn J， Moore JL， MacDougall AS， Borer ET， Seabloom EW， HilleRisLambers J， et al.国内引进物种的丰度预示着草本群落的丰度。生态学报 2011;14： 274–281.密码：21281419
查看文章PubMed/NCBI谷歌学术搜索
70.Cameron EK，Vilà M，Cabeza M.陆生无脊椎动物入侵者对物种，群落和生态系统影响的全球荟萃分析。全球生态生物地理。2016;25: 596–606.
查看文章谷歌学术搜索
71.索法尔人力资源，贾内维奇CS，皮尔斯是。入侵者丰度与影响之间的关系。生态圈。2018;9： e02415.
查看文章谷歌学术搜索
72.Liaw A， Wiener M. 随机森林分类和回归.R 新闻. 2002;2： 18–22.
查看文章谷歌学术搜索