- Naukowcy z Uniwersytetu Tokijskiego (UTokyo) stworzyli „Evodictor” – framework oparty na uczeniu maszynowym, który przewidywał długoterminowe zyski i straty genów w około 3 000 genomów bakterii — dowód na to, że części ewolucji są przewidywalne na poziomie systemowym. PubMed
- Wirolozy z UTokyo zaprezentowali „CoVFit” – model języka białkowego, który przewidywał, które mutacje kolca SARS‑CoV‑2 zwiększą przystosowanie wariantów — poprawnie wskazując zmiany później zaobserwowane u potomków BA.2.86 (JN.1, KP.2, KP.3). Nature
- Biolodzy z UTokyo wykazali powtarzalność ewolucji białek: dwie różne rodziny enzymów (AdhE i BdhE) niezależnie wyewoluowały niemal identyczne architektury funkcjonalne — dowód na zbieżność strukturalną podlegającą rozpoznawalnym regułom. Nature
- Zespół UTokyo zademonstrował także metody laboratoryjne pozwalające przyspieszyć ewolucję genomu bakterii (aktywując „skaczące geny”), kompresując dekady zmian do kilku tygodni — tworząc środowisko testowe do weryfikacji przewidywań ewolucyjnych. s.u-tokyo.ac.jp
- W biologii przewidywanie poprawia się, gdy selekcja jest silna, ograniczenia są znane, a dane bogate; czołowi teoretycy ewolucji twierdzą, że to „ograniczenia danych”, a nie czysty przypadek, są często główną barierą. Nature
- Jednak przewidywanie ma warstwy: fenotypy mogą być powtarzalne, podczas gdy dokładne zmiany DNA już nie — adaptacja do wysokiej temperatury u chrząszczy z rodzaju Callosobruchus była wysoce powtarzalna dla cech, mniej dla genomów. Nature
- Praktyczne korzyści są już widoczne: Evodictor sugeruje sposoby klasyfikacji bakterii pod kątem ryzyka nabycia genów oporności na antybiotyki; CoVFit wspiera wczesne ostrzeganie przed wariantami wirusów wysokiego ryzyka; zbieżne enzymy wskazują drogi do inżynierii metabolicznej (np. bioetanol). s.u-tokyo.ac.jp
Czy ewolucję można przewidzieć? Odpowiedź oparta na nauce
Od ponad wieku biolodzy spierają się, czy ewolucja to chaotyczny, jednorazowy proces historyczny, czy zjawisko rządzące się regułami, które można przewidywać. Wyłania się konsensus: możemy przewidzieć niektóre aspekty ewolucji — zwłaszcza w krótkiej i średniej perspektywie czasowej, pod silną selekcją lub gdy ograniczenia fizyczne/biochemiczne są ścisłe — pod warunkiem, że mamy wystarczająco dużo danych. Przeglądy w Nature Communications i powiązane prace pokazują, jak umiejętność przewidywania rośnie, gdy łączymy pomiary szeregów czasowych z modelami mechanicznymi i genomicznymi. Nature
Uniwersytet Tokijski stał się centralnym punktem wdrażania tej filozofii w praktyce. Ich zespoły połączyły filogenomikę big data, AI do białek oraz ewolucję laboratoryjną, aby pokazać, przypadek po przypadku, że wyniki ewolucyjne można przewidywać z użyteczną dokładnością—nie wszędzie, nie zawsze, ale wystarczająco często, by miało to znaczenie.Studium przypadku nr 1 — Przewidywanie ewolucji genomu bakterii (Evodictor)
W styczniu 2023 roku badacze z UTokyo ogłosili Evodictor, który uczy się na podstawie historii zysków/utrat genów bakteryjnych, aby prognozować przyszłą ewolucję systemów metabolicznych. Model, wytrenowany na ~2 894–3 000 gatunkach bakterii, przewidywał, gdzie i kiedy geny będą dodawane lub tracone w filogenezie—uchwytując uniwersalne ograniczenia kształtujące metabolizmy bakterii. Co istotne, wykazali również, że nawet „trwające” zmiany wewnątrzgatunkowe są przewidywalne przy analizie z użyciem pan-genomów. To przesuwa prognozowanie poza krótkoterminowe mutacje punktowe w stronę długoterminowej, systemowej ewolucji. PubMed
Podsumowanie UTokyo podkreśla praktyczny aspekt: mapowanie przewidywalnych ścieżek może pomóc priorytetyzować patogeny według prawdopodobieństwa nabycia genów oporności, co może ukierunkować strategię antybakteryjną i projektowanie w biologii syntetycznej. s.u-tokyo.ac.jp
Studium przypadku nr 2 — Prognozowanie ewolucji wirusów za pomocą modelu języka białek (CoVFit)
W maju 2025 roku wirusolodzy z UTokyo opublikowali CoVFit w Nature Communications. Model CoVFit, dostrojony na bazie ESM‑2, uczy się związku między sekwencjami białka kolca a przystosowaniem wariantów (względny wzrost epidemiczny). Nie tylko klasyfikuje przystosowanie nieznanych wariantów, ale także wskazuje pojedyncze substytucje aminokwasów prawdopodobnie zwiększające rozprzestrzenianie się. Zarówno retrospektywnie, jak i prospektywnie, CoVFit skutecznie identyfikował pozycje (np. 346, 455, 456), które później pojawiły się w szybko rosnących liniach potomnych BA.2.86—dokładnie taki wczesny sygnał, jakiego potrzebuje nadzór zdrowia publicznego. Nature
Wniosek: gdy krajobraz przystosowania jest ograniczony przez immunologię, wiązanie receptora i epidemiologię—a te ograniczenia są zakodowane w danych—prognozowanie ewolucyjne staje się możliwe do zastosowania. Nature
Studium przypadku nr 3 — „Życie znajduje te same rozwiązania”: powtarzalna ewolucja białek
We wrześniu 2025 roku badacze z UTokyo opisali dwie rodziny enzymów (AdhE i BdhE), które niezależnie wyewoluowały podobne, dwuetapowe mechanizmy metabolizmu alkoholu poprzez odrębne zdarzenia fuzji genów—zbieżność strukturalna w skali całych kompleksów białkowych. Nawet ich interakcje międzydomenowe wykazały zbieżność, pomimo różnych ogólnych architektur (helikalne vs. pierścieniowe multimery). Praca ujawniła także prawdopodobną regułę: sąsiadujące geny mają tendencję do fuzji, tworząc przewidywalną ścieżkę od organizacji genomu do projektu biochemicznego. To rzadki przykład na poziomie strukturalnym, że ewolucja może być powtarzalna—a zatem częściowo przewidywalna—znacznie dalej niż pojedyncze mutacje. NaturePoza teorią, zespół zauważył możliwe zastosowania w bioetanolu—przypominając nam, że powtarzalność nie tylko wyjaśnia przeszłość; wskazuje na możliwe do zbudowania przyszłości w inżynierii metabolicznej. s.u-tokyo.ac.jp
Studium przypadku nr 4 — Przyspieszanie ewolucji, by testować przewidywania
Przewidywanie wymaga weryfikacji. W maju 2025 roku grupa z UTokyo przyspieszyła ewolucję genomu bakterii poprzez aktywację mobilnych „skaczących genów” (sekwencji insercyjnych), kompresując dekady zmian strukturalnych do około dziesięciu tygodni. To tworzy laboratoryjną machinę czasu: sposób na testowanie modeli takich jak Evodictor w kontrolowanych warunkach i obserwowanie na żywo dużych przetasowań genomu. s.u-tokyo.ac.jp
Gdzie przewidywanie błyszczy—a gdzie wciąż się potyka
Co działa teraz
- Silna selekcja + wyraźne ograniczenia. Gdy fizyka lub fizjologia wyznacza twarde granice (np. wnikanie wirusa przez białko kolca, stechiometria sieci metabolicznej), modele mogą uchwycić dominujące ścieżki, którymi podąża ewolucja. Evodictor i CoVFit sprawdzają się tutaj. PubMed
- Cechy zbiorcze lub systemowe. Często łatwiej przewidzieć, które szlaki ulegną zmianie, niż dokładne pary zasad, które będą się zmieniać—stąd sukces w przewidywaniu zawartości genów metabolicznych i dopasowania wariantów. PubMed
- Zbieżność i powtarzalność. Wynik AdhE/BdhE z UTokyo pokazuje, że ewolucja może niezależnie odkrywać podobne rozwiązania, ujawniając reguły (np. sąsiedztwo genów → białka fuzyjne → ukierunkowanie substratu). Nature
Co nas ogranicza
- Kontyngencja genomowa. Nawet gdy cechy się zbieżnie ewoluują, zmiany w DNA mogą się różnić w zależności od tła genetycznego i epistazy. U strąkowców, fenotypy przystosowały się do ciepła równolegle, ale ścieżki genomowe się rozeszły—dlatego prognozy genomowe między populacjami były słabsze. Nature
- Niedobór danych wygrywa z determinizmem. Główną barierą jest często niewystarczająca ilość danych, by rozstrzygnąć selekcję, środowisko i architekturę genetyczną—a nie wewnętrzna nieprzewidywalność. Budowanie szerszych, głębszych zbiorów danych poprawia prognozy. Nature
Dlaczego to ważne: od zdrowia publicznego po bioinżynierię
- Gotowość pandemiczna. Narzędzia takie jak CoVFit mogą klasyfikować nowe warianty, gdy istnieje tylko sekwencja—wykrywając mutacje wysokiego ryzyka zanim wzrosną wykresy zachorowań. Nature
- Oporność na antybiotyki. Predyktory systemowe (Evodictor) mogą pomóc w klasyfikacji patogenów pod kątem prawdopodobieństwa nabycia genów oporności, wspierając nadzór i racjonalne stosowanie antybiotyków. s.u-tokyo.ac.jp
- Zielona biotechnologia. Zrozumienie powtarzalnych architektur białek może ukierunkować projektowanie szlaków metabolicznych (np. wydajny dwustopniowy metabolizm alkoholu). s.u-tokyo.ac.jp
Jak wyniki UTokyo wpisują się w szerszą dziedzinę
Globalne syntezy przemawiają za „inżynierskim podejściem”: określ zakres predykcji, skalę czasową i precyzję, których potrzebujesz; zgromadź odpowiednie dane; i oszacuj niepewność. Prognozowanie już się poprawia w medycynie, rolnictwie i ochronie przyrody—czyli dokładnie tam, gdzie trafiają studia przypadków UTokyo. Wiley Online Library
Jednocześnie najlepsze ostatnie eksperymenty ostrzegają przed nadmierną pewnością: prognozy fenotypowe mogą być dobre, podczas gdy prognozy gen-po-genie pozostają trudne, zwłaszcza między liniami i w ocieplającym się klimacie. Ta niuansowość wyznacza realistyczny sufit dla tego, co dziś oznacza „przewidywalna ewolucja”. Nature
FAQ: Co oznacza—i czego nie oznacza—„przewidywalność”
- Czy przewidywalność oznacza z góry ustalony przebieg? Nie. Modele dają prawdopodobieństwa, a nie pewność. Losowa kolejność mutacji, dryf i epistaza mogą zakłócić przewidywanie dokładnej ścieżki, nawet jeśli cecha końcowa jest przewidywalna. Nature
- Czy przewidywanie dotyczy tylko krótkiego okresu? Niekoniecznie. Evodictor pokazuje, że długoterminowe (filogenetyczne) wzorce w zawartości genów można rozpoznać; CoVFit ekstrapoluje do nieobserwowanych wariantów. Jednak im dalej sięgamy w przyszłość, tym większa niepewność—dlatego ją mierzymy i komunikujemy. PubMed
- A co z ewolucją w stylu powstania życia? Eksperymenty UTokyo śledziły nawet ewolucję darwinowską u replikatorów RNA, dając czyste spojrzenie na najwcześniejsze reguły ewolucji—kolejna dziedzina, gdzie ograniczenia sprzyjają przewidywalności. The University of Tokyo
Oś czasu działań UTokyo na rzecz przewidywalności (najważniejsze wydarzenia)
- 18 marca 2022 — Replikatory RNA ewoluują złożoność w laboratorium (Nature Communications). The University of Tokyo
- 12–13 stycznia 2023 — Evodictor przewiduje ewolucję zawartości genów metabolicznych u bakterii (Science Advances). s.u-tokyo.ac.jp
- 15 maja 2025 — Metoda laboratoryjna przyspiesza ewolucję genomu bakterii w celu weryfikacji przewidywań (Nucleic Acids Research). s.u-tokyo.ac.jp
- 13 maja 2025 — CoVFit przewiduje dopasowanie wariantów SARS‑CoV‑2 i przyszłych mutacji (Nature Communications). Nature
- 22 września 2025 — Powtarzalność ewolucji kompleksów białkowych potwierdzona (Nature Communications). s.u-tokyo.ac.jp
Sedno sprawy
Tak—ewolucję można przewidywać, w istotny sposób. Wyniki Uniwersytetu Tokijskiego pokazują, że gdy poznamy reguły—od struktury kompleksów białkowych, przez krajobraz dopasowania wirusa, po logikę sieci metabolicznych—ewolucja przestaje wyglądać jak szum i zaczyna przypominać mapę, po której można się poruszać. Mapa nie jest doskonała, ale staje się coraz wyraźniejsza—i już jest użyteczna.
Źródła i dalsza lektura
- Konno & Iwasaki. Sci Adv (2023): Uczenie maszynowe umożliwia przewidywanie ewolucji systemów metabolicznych u bakterii. UTokyo press explainer. PubMed
- Ito i in. Nat Commun (2025): Model języka białek do badania krajobrazów dopasowania wirusów. Komunikat prasowy EurekAlert. Nature
- Konno i in. Nat Commun (2025): Powtarzalność ewolucji strukturalnej białek po zbieżnych fuzjach genów. Podsumowanie prasowe UTokyo. Nature
- Kanai i in. Nucleic Acids Research (2025): Ewolucja laboratoryjna struktury genomu bakterii poprzez sekwencje insercyjne. UTokyo press. s.u-tokyo.ac.jp
- Nosil i in. Nat Commun (2020): Zwiększanie naszej zdolności do przewidywania współczesnej ewolucji. Nature
- Rêgo i in. Nat Ecol Evol (2025): Powtarzalność ewolucji vs. przewidywalność genomowa podczas adaptacji termicznej. Nature
