Featured image of post 顛覆世界常識的生命系譜：達爾文演化論「物種起源」與天擇說全解析
科學 歷史

顛覆世界常識的生命系譜：達爾文演化論「物種起源」與天擇說全解析

關於查爾斯·達爾文提出的「物種起源」與天擇說，從歷史背景到現代族群遺傳學，以及模擬實作進行徹底解說。

導論：生命的多樣性與達爾文的革命

1859年11月24日，查爾斯·達爾文發表的《物種起源 (On the Origin of Species)》，不僅在生物學界，更從根本上顛覆了人類的世界觀，成為一部歷史性的著作。相對於以往「所有物種皆由神個別創造且永恆不變」的神創論典範，達爾文提出了基於「天擇 (Natural Selection)」機制的演化論。

在本文中，我們將極為詳細地深入探討達爾文的演化論是如何形成的，其核心的天擇說邏輯結構，現代族群遺傳學（新達爾文主義）的數學基礎，以及使用 Python 實作遺傳演算法來模擬演化過程。

1. 歷史背景：小獵犬號的航海與啟發

查爾斯·達爾文在1831年至1836年期間，以博物學家的身分搭乘英國海軍測量船小獵犬號進行環球航行。特別是在加拉巴哥群島的觀察，對他的思想產生了決定性的影響。

加拉巴哥雀的多樣性

加拉巴哥群島上棲息著不同形狀鳥喙的雀鳥（現分類為唐納雀科），牠們在各個島嶼上皆有所不同。有吃仙人掌的、吃昆蟲的、咬碎種子的等等，鳥喙根據食性產生了特化。

  graph TD
    A["祖先雀鳥 (從南美大陸飛來)"]
    A -- "適應輻射" --> B["地雀 (食種子)"]
    A -- "適應輻射" --> C["樹雀 (食昆蟲)"]
    A -- "適應輻射" --> D["鶯雀"]
    B -- "鳥喙強大化" --> B1["大加拉巴哥地雀"]
    C -- "鳥喙銳利化" --> C1["啄木鳥雀"]

達爾文認為，這些雀鳥是由共同的祖先分化而來，是適應各島嶼環境的結果。

2. 天擇說的邏輯結構

達爾文的天擇說由以下三個觀察事實和兩個推論組成。

  1. 過度繁殖 (Overproduction)：生物會繁衍出超過環境所能負荷數量的後代。
  2. 個體變異 (Variation)：即使是同一物種，個體之間也存在形態或性質上的差異（變異）。
  3. 遺傳 (Inheritance)：這些變異的一部分會從親代遺傳給子代。

由此推導出的機制就是天擇 (Natural Selection)。在生存競爭（鬥爭）中，擁有更適應環境特徵的個體能夠存活下來，並留下更多的後代。這在世代交替中不斷重複，使得整個物種朝著適應環境的方向發生變化。

適應度的數學定義

在現代族群遺傳學中，天擇透過「適應度 (Fitness)」的概念被公式化。適應度 $W$ 被定義為某個基因型在下一代留下的相對後代數量。

$$ \Delta p = \frac{p q [p(W_{11} - W_{12}) + q(W_{12} - W_{22})]}{\bar{W}} $$

這裡，

  • $p, q$ 是對偶基因 $A, a$ 的頻率
  • $W_{11}, W_{12}, W_{22}$ 是各基因型 ($AA, Aa, aa$) 的適應度
  • $\bar{W}$ 是族群的平均適應度 ($\bar{W} = p^2 W_{11} + 2pq W_{12} + q^2 W_{22}$)

這個方程式表明，基因頻率會朝著提高平均適應度的方向改變，從而在數學上證明了達爾文的天擇說。

3. 現代綜合理論（新達爾文主義）的發展

在達爾文的時代，變異是如何產生以及如何遺傳的「遺傳機制」尚不清楚（孟德爾遺傳定律直到1900年才被重新發現）。

在1930年代到40年代，達爾文的天擇說與孟德爾的遺傳學，加上族群遺傳學、古生物學等相結合，確立了「現代綜合理論 (Modern Synthesis)」。羅納德·費雪 (Ronald Fisher)、J.B.S. 霍爾丹 (J.B.S. Haldane) 與休厄爾·賴特 (Sewall Wright) 等人奠定了其數學基礎。

驅動演化的四個因素

在現代生物學中，引發演化（族群內對偶基因頻率改變）的因素主要有以下四個：

  1. 天擇 (Natural Selection)
  2. 突變 (Mutation)：DNA複製錯誤等帶來的新對偶基因供給。
  3. 遺傳漂變 (Genetic Drift)：有限族群中因偶然因素導致的基因頻率變動。
  4. 基因流 (Gene Flow)：族群間個體移動所引起的基因雜交。
  graph TD
    M["突變 (新的變異)"]
    M -- "供給" --> P["族群的基因庫"]
    GF["基因流 (來自其他族群的流入)"] -- "供給" --> P
    P -- "環境篩選" --> NS["天擇 (適應性演化)"]
    P -- "隨機抽樣" --> GD["遺傳漂變 (中性演化)"]
    NS -- "結果" --> E["下一代基因頻率的改變 (演化)"]
    GD -- "結果" --> E

4. 透過程式設計體驗天擇：遺傳演算法

演化機制已被應用於工程學中，作為解決最佳化問題的計算方法——「遺傳演算法 (Genetic Algorithm, GA)」。在這裡，我們將使用 Python 實作一個簡單的模擬，透過演化來生成字串「DARWIN」。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50

import random
import string

TARGET = "DARWIN"
POP_SIZE = 100
MUTATION_RATE = 0.05

def random_string(length):
    return ''.join(random.choice(string.ascii_uppercase) for _ in range(length))

def calculate_fitness(individual):
    # 將與目標字串一致的字元數作為適應度
    return sum(1 for a, b in zip(individual, TARGET) if a == b)

def crossover(parent1, parent2):
    mid = len(TARGET) // 2
    return parent1[:mid] + parent2[mid:]

def mutate(individual):
    res = list(individual)
    for i in range(len(res)):
        if random.random() < MUTATION_RATE:
            res[i] = random.choice(string.ascii_uppercase)
    return "".join(res)

# 產生初始族群
population = [random_string(len(TARGET)) for _ in range(POP_SIZE)]

generation = 0
while True:
    population.sort(key=calculate_fitness, reverse=True)
    best = population[0]
    
    print(f"Generation {generation}: {best} (Fitness: {calculate_fitness(best)})")
    
    if best == TARGET:
        print("Evolution complete!")
        break
        
    # 菁英選擇與產生下一代
    next_gen = population[:10]  # 保留適應度最高的前10名
    
    while len(next_gen) < POP_SIZE:
        # 隨機選擇親代進行交配與突變
        p1, p2 = random.choices(population[:50], k=2)
        child = mutate(crossover(p1, p2))
        next_gen.append(child)
        
    population = next_gen
    generation += 1

這段程式碼從一個隨機字串族群開始，選擇接近目標「DARWIN」（適應度較高）的個體，並經過交配與突變形成下一代，藉此模擬演化過程。您應該能確認目標字串會在數代之內透過「演化」而出現。

5. 結論與演化論的現狀

達爾文的《物種起源》表明了生物並非靜態的存在，而是處於動態且連續的歷史之中。時至今日，透過DNA序列分析（分子系統發生學），已證明所有生命皆是從共同的祖先（LUCA：Last Universal Common Ancestor，最後共同祖先）分化而來的。

演化論不僅僅是一個「假說」，更是統合現代生物學一切的巨大典範。正如演化遺傳學家費奧多西·多布然斯基所言：「若沒有演化之光照耀，生物學中的一切將毫無意義 (Nothing in Biology Makes Sense Except in the Light of Evolution)。」

comments powered by Disqus