在自然界中，有些生物的行为让人既震撼又困惑：它们会主动选择“自我牺牲”以换取整个群体的生存机会。比如，某些细菌会分泌大肠杆菌素杀死竞争者，却也因此难逃一死；蜜蜂在蜇刺敌人后会牺牲自身，以保护蜂群安全；甚至在人类疾病中，败血性休克可能通过个体的死亡来限制病原体在群体中的传播。这种无私奉献的行为在生物界广泛存在。然而，从演化角度来看，这种“自我牺牲”行为却是一个巨大的谜题：既然这些个体无法存活下来繁殖后代，相关的基因似乎应该逐渐消失。那么，这种行为是如何在自然选择过程中得以延续的呢？

近日，由中国科学院深圳先进技术研究院合成生物学研究所定量合成生物学全国重点实验室/合成生物进化研究中心的黄术强和傅雄飞课题组在国际微生物生态学会期刊The ISME Journal发表了题为"Strong segregation promotes self-destructive cooperation"的研究，通过定量合成生物学方法揭示了微生物如何在压力环境中通过“自我牺牲”行为实现群体生存的新机制。

该研究发现，在极端分散（Strong segregation）的条件下，比如群体被分散成极小的单元（甚至初始群体只有1-2个个体）时，具有自我牺牲行为的群体（Self destructive cooperation,SDC）反而能够在压力环境中稳定存在，在高强度的环境压力下变得更加显著。这一发现不仅解释了微生物自我牺牲行为的演化逻辑，还为理解压力环境如何塑造自我牺牲行为提供了新的理论。

01 理论预测强分散环境有利于自我牺牲行为的演化

另一方面，验证演化理论一直是该领域的一大挑战，因为这需要考虑复杂的环境因素、漫长的演化时间以及众多亚群体。为了应对这一技术挑战，研究团队依托深圳合成生物研究重大科技基础设施（Shenzhen Synthetic Biology Infrastructure）开发了一套自动化实验流程，对含有“牺牲者-作弊者（SDC-cheater）”的合成生物系统进行了高通量实验操作，成功验证了压力环境塑造牺牲行为的新理论。

一般来讲，个体的行为特征应当具备某种有助于生存和繁衍的优势，从而能够代代相传。群体选择理论能够解释弱利他行为的演化，即：虽然群体中的合作者个体相对于非合作者个体处于竞争劣势，但合作者依然能够通过其他方式提升自身亚群（Subgroup）的适应度，从而在群体层面上产生优势。然而，该理论难以解释极端利他行为的演化，比如自我牺牲行为。这种行为看似完全牺牲了自身利益，不会在亚群内留下后代，在群体内部形成极端劣势，而且这种劣势往往难以通过群体层面的潜在收益来弥补。这与传统理论理解存在一定的矛盾。

针对微生物自我牺牲行为的演化，本研究提出了一种新的解释：在极端分散的环境中，会形成大量的同类种群（都具备自我牺牲行为，或都具备作弊行为）和少量的异类种群（自我牺牲行为和作弊行为同时存在）。当施加环境压力或遇到外敌入侵时，具备自我牺牲行为的同类种群会通过部分个体的自我牺牲保护同伴，从而让整个种群存活下来;相反，具备作弊行为的种群则会逐渐消失。最终，大量具备自我牺牲行为的个体得以保留，从而使得“牺牲基因”能够稳定流传。研究还发现，环境压力越强，这种自我牺牲行为的保留效果越显著。这一理论不仅解释了自我牺牲行为的演化逻辑，还为理解压力环境如何塑造自我牺牲行为提供了新的视角。

02 开发自动化实验流程验证自我牺牲行为的演化

尽管理论分析表明，在强分散的环境中，自我牺牲行为可以维持并演化，但实验验证依然面临许多挑战。主要难点在于：如何构建一个可重复的实验方案来准确模拟这种行为及其与“作弊者”之间的关系，以及整个演化过程。

为应对该技术挑战，研究团队首先利用构建的合成生物学系统来分别模拟“牺牲者-作弊者”，其中，“牺牲者”通过程序性死亡（Programmed cell death）释放公共产物（Public goods），公共产物能够有效降低环境压力使幸存者存活；而“作弊者”既不产生公共产物也不进行程序性死亡。然后，依托合成生物研究重大科技基础设施和自主开发的自动化实验流程（自动化生物铸造厂）精确控制两者的初始比例、分散强度和环境压力（Stress）等关键变量，系统性地评估了这些因素对自我牺牲行为的影响。

实验验证了在一定环境压力下，弱分散操作有利于“作弊者”的演化，而强分散操作更有利于“牺牲者”的演化，当增加环境压力（提高抗生素浓度）时，该演化结果更加明显。这一结果与理论预测高度一致，表明定量合成生物学技术和高通量自动化实验流程的结合，可以有效验证复杂的演化生物学问题。

该研究拓展了演化生物学研究中经典的群体选择理论，揭示了强分散如何促进自我牺牲行为的演化，为理解利他行为的演化机制提供了新的视角。同时，本研究展示了定量合成生物学与重大科技基础设施在探索复杂演化现象中的巨大潜力。该发现不仅有助于解析自然界中极端利他行为的演化逻辑，还可能为生物膜控制、抗生素耐药性治理等实际应用领域提供新的理论指导。

中国科学院深圳先进技术研究院研究员黄术强和傅雄飞为本文共同通讯作者。中国科学院深圳先进技术研究院博士生温羚玲；中国科学院深圳先进技术研究院副研究员白阳为论文的共同第一作者。该研究得到了科技部重点研发计划“合成生物学”专项和中国科学院先导项目等支持。

文章上线截图

图1. 强分散促进自我牺牲行为的演化。图中展示了在强分散（Strong segregation）条件下，自我牺牲行为如何通过分散、增殖、加压和合并四个步骤演化的过程。左侧显示，在强分散条件下，自我牺牲者的比例增加，表明自我牺牲行为更易被选择；右侧则显示，在弱分散条件下，自我牺牲者的比例减小，表明自我牺牲行为逐渐消亡。

图2 自动化生物铸造厂验证强分散下的自我牺牲行为演化。展示了使用生物工厂技术的自动化实验流程，包括细胞密度测量、强稀释、分离、培养和监测等步骤。