Еволюційний потенціал дієтозалежних впливів на тривалість життя та плодючість у багатьох батьків
Анотація
Вступ
Дієта організму безпосередньо впливає майже на всі фенотипи, визначаючи кількість поживних речовин та енергії, доступних для побудови структур та виконання функцій. На додаток до цього неминучого прямого ефекту, організми можуть також змінити спосіб розподілу ресурсів на різні риси при різному харчуванні. В середовищі, де доступність ресурсів змінюється залежно від простору та/або часу, а оптимальний розподіл ресурсів змінюється залежно від дієти, ми очікуємо побачити еволюцію таких фенотипово пластичних стратегій розподілу ресурсів.
Методи
Експериментальне встановлення
Експериментальний дизайн. Набір з 835 DSPR RIL був схрещений протягом 5 поколінь, щоб створити безпородну синтетичну популяцію. З цієї популяції 28 випадково вибраних синів були спарені на 3 дамби (фактична N = 77 ♀). Отримане потомство від кожної дамби було розділене на кожну з дієтичних процедур C, DR та HS із двома повторними флаконами в кожній дієті.
З кожної з 77 дамб, у більшості випадків, ми встановлювали дві повторювані флакони з 24 жіночими та 6 чоловічими нащадками у кожній з трьох дієтичних процедур (описаних нижче). Ми включили чоловіків, щоб забезпечити можливості спаровування самок протягом усього життя, але вибрали меншу кількість чоловіків, щоб зменшити переслідування самок у флаконах. Як і слід було очікувати, навіть успішні пари сирів і дам не завжди давали достатньо потомства для повноцінного доповнення. Таким чином, деякі флакони містили менше 24 самок, хоча ніколи не менше 15 самок, і набір даних не є повністю збалансованим з усіма сім'ями батьків, що мають усі три дамби, розділені на всі три дієти, і з двома повторностями на дієту. Реалізовані підсумки сімейних напівбратів та сімей, які є повними братами, доступних для аналізу в кожному раціоні, представлені в таблиці S2.
Дієтичні процедури. Потомство кожного сина було розділено на три експериментальні дієти: контроль (C), обмеження в харчуванні (DR) та високий рівень цукру (HS). Ці дієти також використовувались у нашому попередньому картографічному дослідженні, використовуючи DSPR RILs Стенлі та співавт. (2017), а склад кожного з них детально описаний у таблиці S1. Ми використовували дріжджі марки SAFPro Relax + YF 73050, які зазвичай містять 45-60 г білка і 30-38 г вуглеводів на 100 г інактивованих дріжджів (Lesaffre Yeast Corp., Мілуокі, США). Для збереження якості дієти зберігали при 4 ° C і використовували протягом двох тижнів після приготування. Щоб дозволити вимірювання фенотипу та переконатися, що їжа не погіршується, людей переселяли у флакони зі свіжою їжею тричі на тиждень. Усі мухи у всіх описаних тут експериментах вирощувались у камері росту при 23 ° C, ≥ 50% відносної вологості та циклі 24: 0 світло: темно, що є типовими умовами обслуговування для мух DSPR.
Вимірювання фенотипу
Статистичний аналіз
Усі наступні статистичні аналізи були проведені в R (версія 3.5; R Core Team 2018), і весь код доступний в Інтернеті (https://github.com/EGKingLab/h2lifespan).
Оцінки виживання
Ми перетворили щоденний підрахунок загиблих та цензурованих осіб на окремі події в певному віці для проведення аналізу виживання. Використовуючи виживання пакета R (версія 2.38; (Therneau and Grambsch, 2000; Therneau, 2015), ми використовували оцінювач Каплана-Мейєра (Kaplan and Meier, 1958), щоб оцінити виживання у кожній дієті: де час - час (дні)), статус живий/мертвий, дієта - це дієтичне лікування (C, DR, HS) з метою візуалізації кривих виживання у кожній дієті.
Порівняння моделей тривалості життя, ранньої плодючості та загальної плодючості між дієтичними процедурами. Моделі 1 і 2 не включають жодних аспектів родоводу, а моделі 3-6 використовують ієрархічну модель. Терміни в дужках - це випадкові наслідки. Усі випадкові ефекти були термінами «перехоплення», що дозволяло проводити окремі перехоплення для кожного рівня ідентифікатора сида, ідентифікатора дамби, вкладеного в ідентифікатора сира, або ідентифікатора сира, вкладеного в дієтичне лікування.
Оцінки плодючості
Ми використовували метод високої прохідності для вилучення кількості яєць із зображень шляхом побудови оптимальної прогнозної моделі. Для цього ми скористались простим співвідношенням між кількістю яєць та кількістю білої області на пороговому зображенні диска та використали набір зображень, підрахованих вручну, для оптимізації моделі. Нам вдалося визначити оптимальну кількість підрахованих вручну зображень, вибрати відповідне порогове значення та оцінити ефективність моделі за різними параметрами. Цей метод працює дуже добре, з кореляцією 0,88 між прогнозованою кількістю яєць у моделі та підрахунком яєць у руках. Детальний опис нашого методу представлений в іншому місці (Ng’oma et al 2018).
Ми зосередились на двох вимірах плодючості з наших щотижневих вимірів плодючості. Ми розрахували кількість яєць на самку для кожного з наших щотижневих вимірювань, поділивши на кількість живих самок у кожному флаконі. Потім ми отримали оцінку загальної плодючості на самку шляхом простого підсумовування за тижнями (далі - загальна плодючість). Ми зазначаємо, що це не є суто мірою життєвої плодючості, оскільки ми вимірювали плодючість лише раз на тиждень, хоча ми очікували б, що ця оцінка буде сильно корелювати з життєвою плодючістю. По-друге, ми розглянули знімок ранньої плодючості, вибравши часову точку, найближчу до 5 днів після еклозії (далі - рання плодючість). Фактичний вік самок дещо коливається, оскільки флакони встановлювали протягом декількох днів, але наші вимірювання плодючості завжди проводилися протягом 24 годин, починаючи з понеділка.
Ми тестували на наслідки сира, запруди, вкладеної в сира, та лікування, використовуючи набір із шести вкладених ієрархічних (змішаних) лінійних моделей (Gelman and Hill, 2007), які по-різному тестували на ефекти дієтичного лікування, сира та дамби, ідентичні моделі, що використовуються для перевірки оцінок виживання, але без ефекту флакона, враховуючи наші вимірювання плодючості, є середніми значеннями для флакона (Таблиця 1). Вибірка проводилася на нульово-центрованих значеннях для раннього віку та загальної плодючості за допомогою гамільтонівського Монте-Карло з використанням мови статистичного моделювання stan (Carpenter et al., 2017) через інтерфейс rstanarm (вер. 2.13.1; (Stan Development Team, 2016 Ми використовували м'яко регуляризуючі пріори: Нормальний (0, 10) для перехоплення, Нормальний (0, 10) для параметрів лікування дієтою та Коші (0, 1) для дисперсій. Пріори для матриць коваріації були встановлені на 1 для регуляризації, концентрації, форма та масштаб (тобто деков (1, 1, 1, 1)). Зразки моделей відбирали для 20 000 ітерацій, 10 000 відкидали для спалення. Адекватну вибірку оцінювали, а моделі порівнювали за допомогою залишків ( loo) перехресна перевірка та ваги моделі loo, як описано вище.
Спадковість при одноразових дієтах
Результати
Фенотипова реакція на дієтичне лікування Тривалість життя
Ми використовували роздільний сімейний дизайн, розділяючи нащадків з сімей на три різні дієти. Щодо контрольної дієти, медіана виживання була на 24% нижчою при високому вмісті цукру (ГС: 48 днів проти С: 63 дні) та на 8% вище при дієті з АД (68 днів) (рис. 2б). Траєкторії тривалості життя почали розходитися рано, приблизно через 25 днів після яйцекладки, і залишалися розбіжними, поки не вижило менше 10% (рис. 2b, таблиця S3). Індивідуальні реакції сім'ї сирів на дієту представлені на рис. S1.