摘要
为了验证“传统观点”——即遗传多样性较低的宿主群体平均而言更容易经历大规模疫情——我重新分析了211个来自植物学领域之外的效应大小数据，以验证我的“多样性-不确定性”模型。通过结合Ekroth等人（2019年）的67个效应大小和Gibson与Nguyen（2020年）的155个效应大小（总共211个），我发现证据表明疫情规模（通过“寄生虫成功率”来衡量）受到宿主和寄生虫群体遗传多样性的共同影响。此外，我认为传统观点可能需要重新诠释，因为它似乎只适用于那些寄生虫宿主范围较窄（1种物种）的情况，而忽略了那些宿主范围较广（超过1种物种）的情况。这些结果对于预测特别大规模和严重的疫情具有重要意义。
1. 引言
根据“传统观点”（King和Lively，2012年），遗传多样性较低的宿主群体似乎比遗传多样性较高的宿主群体更容易遭受更严重的病原体爆发。事实上，有许多例子表明遗传多样性较低的宿主群体受到了传染病的严重破坏，包括农业中的单一作物种植（称为“单一作物效应”，Elton，1958年）。尽管平均疫情规模可能取决于宿主遗传多样性与寄生虫遗传多样性之间的相互作用（根据Boomsma，1996年；Van Baalen和Beekman，2006年），以及Bensch等人（2021年）关于相关性的研究，而且增加的变异性并不一定意味着极度严重的疫情（参见Tarpy，2003年），但宿主遗传多样性、寄生虫遗传多样性和疫情规模之间的精确关系往往被误解了（参见Ganz和Ebert，2010年的附录B）。因此，我在我的“多样性-不确定性”模型中重新诠释了这一传统观点（表1）。表1中的模型描述了宿主遗传多样性对疫情规模（寄生虫成功率）的影响如何取决于寄生虫遗传多样性。
- 低遗传多样性：寄生虫成功率将具有很高的变异性，因为宿主群体可能主要由易感或抗性基因型组成。寄生虫的平均成功率将是中等的，由抗性和易感群体的相对频率决定。
- 高遗传多样性：寄生虫的平均成功率将较高，而其变异性将较低，因为许多宿主会遇到相应的寄生虫基因型，从而建立有效的传播链。
请注意：该模型设想了在群体内部遗传多样性方面存在差异的假想宿主群体，这与群体间遗传多样性水平的差异相对（见图S1中的解释）。该模型假设感染具有高度的遗传特异性，类似于匹配等位基因类型的模型（Luijckx等人，2013年）。另请参见相应的图S2。该模型改编自Bensch等人（2021年）引言中的总结。尽管有大量证据表明更高的遗传多样性有助于减少疫情的平均规模（Ekroth等人，2019年；Gibson和Nguyen，2020年），但在我的“多样性-不确定性”模型中关于变异性的成分的证据仍然有限。正如先前提到的，Tarpy（2003年）的一项里程碑式研究表明，更高的遗传多样性可以保护蜜蜂群体免受特别高的寄生虫感染率的影响。尽管这些发现引起了广泛关注，但在后续实验中难以复制（Tarpy和Seeley，2006年；Seeley和Tarpy，2007年），并且这一观点与我的“多样性-不确定性”模型的预测相矛盾，后者预计低遗传多样性的宿主会经历最大的疫情。少数关于其他宿主-寄生虫系统的研究表明，宿主遗传多样性对寄生虫传播率和宿主死亡率的变化影响并不一致（Johnson等人，2006年；Thonhauser等人，2016年）。在一项罕见的实验操作中，一项关于Daphnia宿主的单克隆（1种基因型）和多克隆（10种基因型）培养的研究测量了疾病流行度的平均值和变异性（Ganz和Ebert，2010年）。然而，他们的结果也与我的“多样性-不确定性”模型不符。鉴于缺乏支持我提出的模型的实证证据，我重新分析了Ekroth等人（2019年）和Gibson与Nguyen（2020年）的这两项元分析中的效应大小数据。我没有扩大他们的选择范围以包括更广泛的宿主-寄生虫系统，而是专门分析了非植物（动物或细菌）宿主物种的相关数据。通过将他们的分析扩展到对寄生虫成功率的变异性的研究（见方法部分），并利用综合的效应大小数据集来克服他们调节变量分析可能存在的局限性（例如，Ekroth等人2019年的一个类别中有2个效应大小），基于我的“多样性-不确定性”模型，我预测较高的宿主遗传多样性会减少疫情规模（见图1-平均值）。相比之下，我预测较高的宿主遗传多样性会根据寄生虫遗传多样性的高低分别增加或减少疫情规模的变异性（见图1-变异性）。
图1显示了宿主遗传多样性差异对疫情规模（寄生虫成功率）的平均值和变异性的影响方向如何随着寄生虫遗传多样性的变化而变化。虽然我的“多样性-不确定性”模型得到了部分支持，但这基于某些假设。首先，我假设感染具有高度的遗传特异性（Schmid-Hempel和Ebert，2003年）。对于任何特定的宿主-寄生虫系统，感染的精确遗传特异性及其在遗传特异性连续体上的位置各不相同（Agrawal和Lively，2002年）。在某些情况下，如果寄生虫毒力基因型可以感染许多（或所有）宿主基因型（基因对基因），我的模型预测可能会失效。其次，由于感染遗传特异性在广泛的宿主-寄生虫系统中尚未得到明确界定（但参见Luijckx等人，2013年），我使用宿主范围作为这一缺失信息的替代指标。这是基于这样一个假设：宿主范围较窄（1种物种）的寄生虫也可能具有相对较高的感染遗传特异性（由于与宿主的共同进化历史），而宿主范围较广（超过1种物种）的寄生虫则不然。考虑到这两个关于感染遗传特异性的假设（后者没有考虑到宿主转换的情况，Russo等人，2018年），这项研究的结论受到了很大程度的限制。
2. 材料与方法
2.1 摘要
我重新分析了之前两项关于不同遗传多样性水平宿主群体之间寄生虫成功率标准化平均差异（SMD）的元分析数据（Ekroth等人，2019年；Gibson和Nguyen，2020年）。这些研究包括了被定性分类为“高”或“低”遗传多样性的宿主群体（48项研究中的27项），或者使用连续变量（如平均同工酶杂合度（Meagher，1999年）、核苷酸多样性（Field等人，2007年）或平均等位基因数量（Rahn等人，2016年）来量化其遗传多样性的宿主群体。后者的研究通过将其分为高和低多样性两个相等的类别，以便使用相同的两个效应大小SMD和变异系数对数比（lnCVR）在所有收集的数据集中进行比较。除了他们原始元分析中未发现宿主遗传多样性与寄生虫成功率之间存在相关性（Gibson和Nguyen，2020年）之外，这种方法还能够比较更多的效应。在Ekroth等人（2019年）和Gibson与Nguyen（2020年）的研究基础上，我将他们的分析从仅关注平均值扩展到关注变异性，使用lnCVR。具体来说，我测试了以下三个研究问题（Q1-Q3）：
- Q1. 宿主遗传多样性对寄生虫成功的平均值和变异性的总体影响是什么？
- Q2. 宿主遗传多样性的影响如何取决于相应的寄生虫遗传多样性水平及其宿主范围？
- Q3. 影响宿主遗传多样性对寄生虫成功的平均值和变异性的总体影响的因素有哪些？我重新分析中的原始研究中的变异性主要涉及实验室环境中实验重复之间的变化，或者具有相似遗传多样性的多个自然宿主群体之间的变化。偶尔，这种变异性也涉及随时间序列重复测量的单个群体之间的变化。此外，为了说明目的，具有定性分类遗传多样性的宿主群体示例包括：（i）与低近交状态相比具有高近交状态的宿主群体（Baer和Schmid-Hempel，1999年），（ii）由不同宿主基因型组成的群体（Altermatt和Ebert，2008年），以及（iii）由于不同的历史模式（被动遗传漂变或适应性选择导致的种群瓶颈）而具有不同遗传多样性水平的宿主群体（Hale和Briskie，2006年）。请注意，在后续分析中使用了“遗传多样性来源”作为调节变量，以明确考虑这些不同遗传多样性来源可能对宿主群体遗传多样性影响的影响。特别是，这解释了（ii）中可能具有低群体间遗传多样性变化的研究，这与我的“多样性-不确定性”模型的预期相反（表1，图S1）。
2.2 数据收集
每组高遗传多样性与低遗传多样性宿主群体之间寄生虫感染成功率比较的数据收集包括五个步骤（见图2）：
图2显示了每种比较的数据收集过程，这些数据后来被用来计算效应大小。n=我最终数据集中的研究/实验/比较数量。改编自系统评价和元分析的优先报告项目（PRIMSA）声明（Page等人，2021年）。首先，我汇总了Ekroth等人（2019年）和Gibson与Nguyen（2020年）的研究列表，去除了任何重复的研究，并添加了用于计算寄生虫成功率平均值（SMD）及其抽样方差的数据（平均值、标准差、样本大小）、寄生虫成功率指标以及用于说明效应大小独立性的唯一研究、实验和重复标识符。需要注意的是，Ekroth等人（2019年）提供的数据中缺少关键信息，他们只包含了数据的群体级别总结。虽然这不是故意的，但这不符合系统评价和元分析报告的一般标准（例如，Page等人，2021年），导致作者不得不费力地从原始出版研究中提取每一个缺失的数据点。此外，鉴于这些数据中的许多来源于已发表研究的图表，并通过PlotDigitizer提取，这可能引入了一定的主观性。同时，这也暗示了选择性分析的可能性。尽管如此，Ekroth等人（2019年）的研究是一项出色的研究。考虑到我对开放交流的一些担忧，我决定不在我的分析中包括Gibson和Nguyen（2020年）的任何寄生虫成功率数据，而是在数据收集的第四和第五步中花费了大量努力来重新计算这些数据。此外，用于计算Gibson和Nguyen（2020年）观察性现场研究中Fisher's z（两个相关系数差异的效应大小）的数据格式不正确，无法用于计算SMD或lnCVR。因此，在这个阶段我没有包含这些信息（来自具有连续遗传多样性测量的多个群体），而是自己从原始出版物中提取数据，并在第四步和第五步中重新进行了计算。筛选：其次，我修正了原始元分析中使用的纳入标准（Ekroth等人2019年；Gibson和Nguyen 2020年；表S1），并移除了不符合这些标准的任何研究、实验或比较。
“寄生虫成功”是指寄生虫在宿主体内传播的能力（传播率、感染率、流行率）、在宿主体内复制的能力（宏寄生虫/微寄生虫负担、疾病严重程度）或杀死宿主的能力（毒力，即宿主存活/死亡率）。寄生虫成功的数据是在时间和空间上对重复群体进行测量的。寄生虫成功数据来自两个或更多的宿主群体，这些群体的遗传多样性通过以下指标进行评估：个体近交状态（近交与远交）、基因型多样性（高与低）或杂合度（高与低）。遗传多样性是在宿主群体层面量化的，而不是在社区层面。研究专注于动物或细菌宿主物种。该研究没有重新分析之前已发表的研究的数据。寄生虫成功数据并不是简单地通过使用另一种测量宿主群体多样性的方法来复制的。提取寄生虫成功数据所需的图表清晰可读。验证：第三，我检查了用于计算每组具有高或低遗传多样性的宿主群体寄生虫数据摘要的Excel电子表格中的数据准确性，这些数据来自之前的一项元分析（Gibson和Nguyen 2020年），并在将它们纳入我的分析之前，在数据收集的第四步中进行了纠正。用纠正后的错误重新分析（Gibson和Nguyen 2020年）并没有影响该研究的主要结论。提取：第四，对于那些我因为数据缺失或数据错误而排除的研究或比较，我通过回到原始出版物中提取了数据（我使用了PlotDigitizer（https://plotdigitizer.com/）来提取任何图表的信息）。除了在数据收集的第三步中移除的比较外，这还包括：（i）26项研究，尽管符合我的纳入标准，但由于缺少重复级别的原始数据[9]或它们是基于具有连续遗传多样性测量的多个群体的观察性现场研究（Gibson和Nguyen 2020年），以及（ii）Gibson和Nguyen（2020年）原始分析中未包括的3个比较的额外数据（Baer和Schmid-Hempel 2001年；Giese和Hedrick 2003年；Agha等人2018年）。尽管标准分类数据和寄生虫遗传多样性的环境因素，我在环境因素分析中使用的其他9个调节变量是从原始元分析中提取的，并根据是否有可检验的假设进行了标准化（表S2）。重新计算：第五，我计算了在数据收集的第四步中提取的数据中，高与低遗传多样性宿主群体比较的均值、标准差和样本量（Gibson和Nguyen 2020年）。对于某些研究，我计算了每组高和低遗传多样性宿主群体的寄生虫感染成功的汇总度量指标的均值，以及汇总的标准差和汇总的样本量。这包括：（i）具有共同比较的研究（例如，多个高多样性群体与同一个低多样性群体配对）（Schmidt等人2011年；Agha等人2018年）或（ii）基于具有一个或多个连续遗传多样性测量的多个群体的研究（n=21）。在后一种情况下，使用了最合适的群体水平遗传多样性度量方法（例如，基于Hardy-Ibberg平衡的群体水平遗传多样性度量），并且每组都有相同数量的宿主群体。此外，在一些研究中，宿主存活率被转换为宿主死亡率，以反映我对寄生虫成功定义的理解（见数据收集的第二步）。总的来说，这第五步的数据收集涉及为130个比较计算寄生虫成功数据。表2. 关于额外调节变量对宿主群体遗传多样性对寄生虫成功均值和变异性影响性质的假设。
我的“寄生虫成功”研究结合了几种类型的数据（例如，流行率、毒力、感染负担）。使用这个调节变量，我测试了宿主群体遗传多样性的影响是否在这些不同的指标之间有所不同。
宿主类型的遗传多样性可能会受到宿主和寄生虫之间遗传相互作用特异性的影响。这些遗传相互作用在无脊椎动物中比在脊椎动物中更为具体（Dybdahl等人2014年），因此我测试了这两组中宿主群体遗传多样性效应的不一致性。
微寄生虫和宏寄生虫往往具有不同的感染生物学特征：感染持续时间不同，它们引发的免疫反应也不同（Sorci 2014年）。这些差异可能会导致宿主群体遗传多样性的影响有所不同。因此，我测试了这两组中宿主群体遗传多样性效应的不一致性。
宿主遗传多样性的来源通常通过以下方式来研究其影响：（i）控制交配策略来比较具有不同“亲缘关系”（例如，一夫多妻制与一妻多夫制）或不同近交水平的宿主；（ii）使用一组野生型基因型进行控制实验，这些实验的宿主具有低或高遗传多样性；或者（iii）从已被确定为具有不同遗传多样性水平的野生群体中采样生物。我使用这个调节变量来测试这些不同的遗传多样性来源是否影响了宿主群体遗传多样性的影响。此外，如前所述，这也解释了（ii）中的一些研究可能具有较低的宿主群体间遗传多样性变异，这与我的多样性-不确定性模型的预期相反（表1，图S1），因为这些研究使用了相同的基因型组合。
宿主群体被预先确定为具有高或低多样性（离散的），或者我在数据收集的过程中将它们分成了这样的类别（图2，步骤5），因为作者使用了具有连续多样性测量的多个群体。我使用这个调节变量来测试研究的这种设计特征是否影响了宿主群体遗传多样性的影响。
宿主繁殖方式可以是性繁殖、无性繁殖或两者的结合（例如，兼性繁殖，如水蚤）。我使用这个调节变量来测试这些不同的宿主繁殖方式是否影响了宿主群体遗传多样性的影响。
研究的寄生虫范围可以根据感染是否通常会导致宿主死亡进一步分类（这可能是毒力的一个代理指标）。我使用这个调节变量来测试寄生虫的毒力效应的差异是否影响了宿主群体遗传多样性的影响。
实验室环境：我使用这个调节变量来测试研究环境（实验室与野外）的差异是否影响了宿主群体遗传多样性的影响。
在完成所有五个数据收集步骤后，有足够的寄生虫成功数据来计算211个非独立比较的高与低遗传多样性宿主群体的SMD和lnCVR。
2.3 效应大小的计算（SMD和lnCVR）
我计算了两个效应大小指标：标准化均值差（SMD）和对数变异系数比（lnCVR）。这些指标量化了宿主群体遗传多样性对不同研究中寄生虫成功均值或变异性的影响（Borenstein等人2009年）。之所以这样做，是因为我有兴趣比较“高”与“低”遗传多样性宿主群体之间各种寄生虫感染成功度量的均值和变性（Sánchez-Tójar等人2020年）。SMD和lnCVR捕捉了组间差异的互补方面，同时适应了生态数据的特点（Sánchez-Tójar等人2020年）。SMD以标准差为单位量化了两组（高与低遗传多样性）之间的均值差异（Borenstein等人2009年；Field和Gillet 2010年），使得可以比较在不同尺度上测量的指标（例如，流行率、负担和毒力；Higgins和Green 2024年）。它还考虑了小样本大小的校正，这是生态研究的常见特征（Jennions 2003年）。同时，lnCVR通过比较组间的变异系数来量化变异性的差异，同时考虑到它们均值之间的差异（Nakagawa等人2015年）。这使得它适用于综合多个响应指标的结果。对于计数数据（例如，寄生虫负担），变异性通常与均值成比例，例如在Poisson类似分布下。在计算我的效应大小之前，我在每对高和低遗传多样性宿主群体的寄生虫成功均值和标准差中添加了一个小值（0.001），以确保对数值计算正确。为了保持一致性，我根据（Gibson和Nguyen 2020年的支持信息中的公式计算了SMD及其抽样方差，而使用（Nakagawa等人2015年的代码计算了变异效应大小（lnCVR）及其抽样方差。为了考虑基于具有低遗传多样性的共享宿主群体的比较（即共享对照组），我使用metaAidR包v0.0.0.9000中的make_VCV_matrix函数计算了每个效应大小的方差-协方差矩阵（Lagisz等人2024年）。虽然选定的SMD和lnCVR指标适合比较不同形式的数据，但值得注意的是，计数和比例具有根本不同的均值-方差关系，这可能会影响基于变异性的效应大小。对于Poisson分布（或类似Poisson的）计数数据，方差与均值成比例，因此随着均值的增加，变异系数（CV）会可预测地减小（Taylor 1961年；McArdle等人1990年）。相比之下，对于二项比例，方差由给出，这意味着随着ρ→0或1，CV会缩小，而CV强烈依赖于基础概率ρ和样本量n（Sokal和Rohlf 1995年；Warton和Hui 2011年）。因此，从计数和比例得出的CV并不遵循相同的均值-方差关系。这种区别很重要，因为lnCVR继承了CV的缩放属性，因此可能反映了这些不同的方差结构，而不仅仅是纯粹的生物变异（Senior等人2020年；Nakagawa等人2015年）。结果，一些观察到的变异差异可能是由于分布限制而不是真正的生物效应造成的。尽管统计效应可能表现为生物效应，但有几个因素可以缓解这种担忧。首先，lnCVR是作为治疗组与对照组之间的研究内比较计算的。因为两组都受到相同的统计约束，所以在取比值时，许多分布特定的效应预计会相互抵消（Nakagawa等人2015年；Senior等人2020年）。其次，这里分析的比例数据并不集中在二项方差行为最非线性的边界附近（低与高宿主遗传多样性群体的均值±SE分别为0.47±0.37和0.46±0.39），减少了边界效应影响结果的可能性（Warton和Hui 2011年）。第三，在生态和生物学数据集中，真正的生物异质性通常超过了由分布强加的纯粹数学约束，特别是在多样的宿主-寄生虫系统中（Taylor 1961年；Violle等人2012年）。尽管如此，我还是使用标准的元分析方法明确测试了结果的稳健性。首先，我将测量类型（流行率、负担、毒力）作为调节变量，这些类别之间的效应大小没有显著差异（图5A，I），表明结果不是由数据类型的差异驱动的（Higgins等人；Borenstein等人）。其次，一系列敏感性分析（表3和图S8，S9）表明，总体结论不依赖于极端值，表明发现对潜在的异常值或分布伪影具有鲁棒性（Borenstein等人；Viechtbauer 2010年）。所有效应大小的计算和随后的计算都是在R v4.3.2中进行的（R核心团队2023年）。
2.4 混合效应元分析
针对SMD和lnCVR对应的效应大小数据，分别拟合了一组两个混合效应元分析模型。在测试出版偏倚和Q1-Q3时使用了相同的基本模型结构（方法总结）。模型是使用metafor包v4.4.0中的rma.mv函数对效应大小数据进行了拟合（Viechtbauer 2010）。我包括了每种效应大小的固定效应、抽样误差的方差-协方差矩阵、研究和宿主属的标准随机效应，以及来自相同实验的比较的相关随机效应。研究和宿主属的标准随机效应用于解释来自同一研究的实验之间可能的不独立性，以及来自密切相关的宿主物种的效应之间的潜在相关性。同样，相关随机效应用于解释来自同一实验的比较之间的潜在不独立性（例如，对高和低遗传多样性宿主群体的单次比较的多个时间点，或基于不同寄生虫成功度量的同一群体中的效应大小）。
2.5 出版偏倚
在测试方法部分总结中概述的假设之前，我使用漏斗图和Egger回归（Sutton 2009）来检测任何潜在的出版偏倚。漏斗图用于通过检查结果随其精确度（标准误差）的变化来识别已发表的效应大小是否均匀分布在模型均值周围。对宿主种群多样性对寄生虫平均成功率（图3A）及其对寄生虫成功率变异性的影响（图3B）的漏斗图进行视觉检查，没有发现出版偏倚的证据。更严格的评估显示，效应本身的大小与其标准误差之间没有相关性（Egger对SMD和lnCVR的测试：R = 0.06，95% CI [-0.24, 0.37]，p = 0.67 和 R = -0.03，95% CI [-0.38, 0.32]，p = 0.86）。
2.6 Q1：整体效应
Q1：宿主遗传多样性对寄生虫成功率的平均值和变异性有什么整体影响？这是使用混合效应元分析模型（如前所述）进行量化的，并使用R V2.0中的orcaRd包的orchard图进行了可视化（Nakagawa等人2023），分别使用SMD和lnCVR。
2.7 Q2：交互效应
Q2：宿主遗传多样性的效应如何依赖于相应的寄生虫遗传多样性水平及其宿主范围？这是通过在混合效应元分析模型中包括寄生虫遗传多样性和宿主范围的调节变量及其交互作用来量化的（如前所述）。除了交互作用中每个调节变量水平的个别显著性水平（相对于0）之外，还使用multcomp包v1.4.25中的glht函数（Hothorn等人2008）测量了特定调节变量水平组合之间的差异，包括：
无论寄生虫群体的遗传多样性水平如何，专业寄生虫（1种）与广食性寄生虫（>1种）在宿主遗传多样性梯度上的寄生虫成功率平均值和变异性的差异是什么？对于专业寄生虫（1种）或广食性寄生虫（>1种），在寄生虫群体的遗传多样性水平较高或较低的情况下，具有高遗传多样性的宿主群体与低遗传多样性的宿主群体之间的寄生虫成功率平均值和变异性的差异是什么？
2.8 个别调节变量
Q3：影响宿主遗传多样性对寄生虫成功率平均值和变异性的整体效应的因素有哪些？我通过在混合效应元分析模型中为每个情境因素包括一个单独的调节变量来测试我的假设列表（表2）。我使用ANOVA和多重比较校正（Holm方法）比较了模型中每个单独预测因子的显著性水平以及它们之间的对比。我还测试了寄生虫遗传多样性和实验环境（实验室与野外条件）之间的共线性，因为这些变量在数据集中的分布不均匀，并且在解释寄生虫多样性效应时可能是一个合理的混淆来源。
2.9 整体效应的敏感性分析
为了测试我的结果对于整体效应的稳健性，我进行了一系列“留一法”敏感性分析。这涉及到每次迭代排除一个独立比较（即，将共享一组低多样性宿主群体的高多样性宿主群体合并为一个比较）或一个研究。
3 结果
3.1 宿主遗传多样性对寄生虫平均成功率有整体负面影响
我的数据集包含了来自48项不同研究的211个效应大小，包括一系列（主要是动物）宿主和寄生虫物种（图S3-S6）。这些效应大小代表了宿主种群遗传多样性变化对寄生虫成功率的个别估计；我评估了这对寄生虫平均成功率（SMD）和寄生虫成功率变异性（lnCVR）的影响。在整个数据集上平均来看，宿主种群遗传多样性对寄生虫平均成功率有显著影响（SMD = -0.29，95% CI = [-0.57, -0.02]，p = 0.04；图4A）：较高的宿主种群遗传多样性水平与较低的寄生虫平均成功率相关。相比之下，在整个数据集中，寄生虫成功率的变异性并未受到宿主种群遗传多样性的显著影响（lnCVR = 0.02，95% CI = [-0.30, 0.35]，p = 0.89；图4B）。
3.2 宿主遗传多样性对专业寄生虫与广食性寄生虫成功率的差异影响
接下来，我研究了宿主种群遗传多样性对寄生虫感染成功率的影响如何受到寄生虫的两个基本特征的影响：寄生虫的宿主特异性和所研究的寄生虫种群的潜在遗传多样性。我在整个数据集中观察到的宿主种群遗传多样性对寄生虫平均感染成功率的负面影响实际上只对专业（单宿主）寄生虫显著（SMD = -0.54，95% CI = [-1.02, -0.06]，p = 0.03 和 SMD = -0.76，95% CI = [-1.16, -0.37]，p < 0.001；图5A）。对于广食性（多宿主）寄生虫，宿主种群遗传多样性对平均感染成功率的效应的点估计也是负面的；然而，这些估计不显著，也不受寄生虫分离株遗传多样性的影响（SMD = -0.42，95% CI = [-0.91, 0.07]，p = 0.09 和 SMD = -0.23，95% CI = [-0.55, 0.08]，p = 0.15；图5A）。专业寄生虫与广食性寄生虫在宿主种群遗传多样性对平均感染成功率影响方面的这种差异非常显著（glht = 0.47，SE = 0.16，p < 0.01；图5A）。图5显示了宿主种群遗传多样性对寄生虫感染成功率的平均值和变异性的影响取决于宿主范围和寄生虫种群遗传多样性的组合。图中的虚线表示宿主种群遗传多样性没有影响的效应大小为零。模型平均值显示了95%置信区间（黑色矩形）和预测区间（细黑线）。圆圈表示个别效应大小，并根据其标准误差的倒数进行了缩放。n = 数据的样本大小（效应数量：研究数量）。星号表示模型平均值显著不同于零（p < 0.05）。图S7中显示了森林图替代方案。在这些分析中，数据中的残差变异（异质性）对于寄生虫成功率的平均值和变异性都很高（I2 = 84.0% 和 82.0%）。其中大部分变异由研究效应解释（84.0% 和 80.7%），只有少量由宿主属解释（0.0% 和 3.3%）。
3.3 宿主遗传多样性对专业寄生虫与广食性寄生虫成功率的差异影响
接下来，我研究了宿主种群遗传多样性对寄生虫感染成功率的影响如何受到寄生虫的两个基本特征的影响：寄生虫的宿主特异性和所研究的寄生虫种群的潜在遗传多样性。我在整个数据集中观察到的宿主种群遗传多样性对寄生虫平均感染成功率的负面影响实际上只对专业（单宿主）寄生虫显著（SMD = -0.54，95% CI = [-1.02, -0.06]，p = 0.03 和 SMD = -0.76，95% CI = [-1.16, -0.37]，p < 0.001；图5A）。对于广食性寄生虫，宿主种群遗传多样性对平均感染成功率的效应的点估计也是负面的；然而，这些估计不显著，也不受寄生虫分离株遗传多样性的影响（SMD = -0.42，95% CI = [-0.91, 0.07]，p = 0.09 和 SMD = -0.23，95% CI = [-0.55, 0.08]，p = 0.15；图5A）。专业寄生虫与广食性寄生虫在宿主种群遗传多样性对平均感染成功率影响方面的这种差异非常显著（glht = 0.47，SE = 0.16，p < 0.01；图5A）。图显示了宿主种群遗传多样性对寄生虫感染成功率的平均值和变异性的影响取决于宿主范围和寄生虫种群遗传多样性的组合。图中的虚线表示宿主种群遗传多样性对寄生虫成功率没有影响的效应大小为零。模型平均值显示了95%置信区间（黑色矩形）和预测区间（细黑线）。个别效应大小（圆圈）根据其标准误差的倒数进行了缩放。n = 数据的样本大小（效应数量：研究数量）。单个模型平均值的显著性水平以及任何成对对比都由一个（p < 0.05）或三个（p < 0.001）星号表示。与寄生虫平均成功率的结果类似，寄生虫感染成功率的变异性受宿主种群遗传多样性的影响方式也受到寄生虫种群特征的影响。尽管在整个数据集中，宿主种群遗传多样性与寄生虫成功率变异性之间没有显著关系（见上文），但只感染单一宿主物种的专业寄生虫的观察结果符合我的多样性-不确定性概念模型的预测（图5B）。当专业寄生虫的遗传多样性较低时，宿主种群遗传多样性的增加倾向于减少感染成功的变异性（lnCVR = -0.54；95% CI = [-1.14, 0.06]，p = 0.08；图5B）。而对于这些专业寄生虫，当寄生虫的遗传多样性较高时，宿主种群遗传多样性的增加导致感染结果的变异性增加（lnCVR = 0.61，95% CI = [-0.23, 1.47]，p = 0.16；图5B）。尽管这些关联在单独看来不显著，但它们之间存在显著差异（glht = -1.15，SE = 0.53，p = 0.03）。此外，与我的感染成功率平均值的结果类似，多宿主广食性寄生虫的感染成功率变异性也不受宿主种群遗传多样性的影响（图5B）。
3.4 宿主遗传多样性对寄生虫成功率的多个其他情境依赖效应
除了测量寄生虫种群遗传多样性和寄生虫宿主范围对宿主种群遗传多样性与寄生虫感染成功率平均值和变异性之间关系的综合效应（见上文）外，我还分别研究了其他八个情境因素（表2）如何影响这种关系（图6）。图显示了宿主种群遗传多样性对寄生虫成功率平均值和变异性的影响的情境依赖性。图中的y轴显示了宿主种群遗传多样性增加对寄生虫平均成功率差异（SMD）（A-H面板）或寄生虫成功率变异性差异（lnCVR）（I-P面板）的影响。模型平均值显示了95%置信区间，并根据实验数量进行了缩放。虚线表示效应大小为零。单个模型平均值的显著性水平以及任何成对对比都由一个（p < 0.05）、两个（p < 0.01）或三个（p < 0.001）星号表示。Art表示人工；Asex表示无性；Cont表示连续；Disc表示离散；Host mode repro表示宿主繁殖方式；Invert表示无脊椎动物；Macro表示大型寄生虫；Micro表示微小寄生虫；Mixd表示混合；Nat表示自然；Prev表示流行率；Scale host div表示宿主多样性尺度；Sex表示有性；Source gen表示宿主遗传多样性的来源；Vert表示脊椎动物；Vir表示毒力。大多数调节变量水平与零没有显著差异，同一调节变量内的不同水平之间的比较表明，它们的效应在大小和方向上通常相似。然而，寄生虫类型（图6C）、宿主多样性来源（图6D）、宿主繁殖方式（图6F）、寄生虫是否杀死宿主（图6G）以及研究是否在实验室进行（图6H）似乎都对宿主种群遗传多样性与寄生虫平均成功率之间的关系有显著影响。首先，在遗传多样性较高的宿主种群中，微小寄生虫的成功率显著降低（SMD = -0.47，95% CI = [-0.77, -0.18]，p < 0.01，图6C），这也与宿主种群遗传多样性对微小寄生虫与大型寄生虫成功率的效应之间的显著差异相关（QM = 13.2，df = 1，p < 0.001，图6C）。其次，对于亲缘关系较低的宿主群体（杂交与近亲繁殖），寄生虫的平均成功率显著降低（SMD = -0.51，95% CI = [-0.98, -0.03]，p = 0.04，图6D），这与由较多选定基因型组成的群体相似（接近95%的显著性阈值；SMD = -0.51，95% CI = [-1.02, 0.01]，p = 0.05，图6D），但与自然上遗传多样性更高的宿主群体相反（SMD = 0.03，95% CI = [-0.40, 0.45]，p = 0.90，图6D）。第三，在遗传多样性较高的有性繁殖宿主群体中，寄生虫的平均成功率也显著降低（SMD = -0.40，95% CI = [-0.73, -0.07]，p = 0.02，图6F），而在无性繁殖和兼性有性繁殖的宿主群体中则没有这种现象（SMD = -0.36，95% CI = [-1.62, 0.91]，p = 0.58；SMD = -0.03，95% CI = [-0.51, 0.57]，p = 0.93，图6F）。第四，在寄生虫通常会杀死宿主的遗传多样性较高的宿主群体中，寄生虫的平均成功率显著降低（SMD = -0.34，95% CI = [-0.68, -0.01]，p < 0.05，图6G），而在寄生虫通常不会杀死宿主的群体中则没有这种现象（SMD = -0.13，95% CI = [-0.56, 0.29]，p = 0.54，图6G）。第五，在非实验室环境中研究的遗传多样性较高的宿主群体中，寄生虫的平均成功率显著降低（SMD = -0.33，95% CI = [-0.65, -0.01]，p = 0.04，图6H），而在实验室中进行的研究中则没有这种现象（SMD = -0.24，95% CI = [-0.60, 0.13]，p = 0.20，图6H）。
3.4 寄生虫遗传多样性与实验设置之间的相关性
为了评估寄生虫遗传多样性与实验设置之间的潜在相关性，我量化了实验室研究和野外研究中的效应量分布。高寄生虫遗传多样性的效应量主要来自野外研究（116项中的88项；76%），而低寄生虫遗传多样性的效应量几乎全部来自实验室研究（89项中的88项；99%）。这种明显的失衡表明寄生虫遗传多样性与实验设置之间存在很强的相关性，即高多样性观测结果主要与野外条件相关，而低多样性观测结果主要与实验室条件相关。因此，这些调节因素在数据集中的分布不是独立的，这可能限制了在先前的分析中完全区分它们效应的能力。只有一个调节因素，即宿主的繁殖方式（图6N），它对宿主群体遗传多样性与寄生虫成功率变异性的关系有显著影响。具体来说，在遗传多样性较高的无性繁殖宿主群体中，寄生虫成功率的变异性显著降低（lnCVR = -0.74，95% CI = [-1.26, -0.21]，p < 0.01，图6N），这也与宿主群体遗传多样性对有性和兼性有性繁殖宿主寄生虫成功率变异性没有影响的结果显著不同（QM = 6.40，df = 1，p = 0.01；QM = 5.53，df = 1，p = 0.02）。
3.5 我的一些结果比其他结果更稳健
为了测试我的第一个分析的稳健性，该分析关注宿主群体遗传多样性对寄生虫成功率的总体影响，我进行了一系列“留一法”敏感性分析。通过对多次迭代的结果进行平均，我发现宿主群体遗传多样性对寄生虫感染成功率均值和变异性的总体影响并不依赖于数据集中任何特定研究或独立比较集的包含。具体来说，宿主群体遗传多样性对寄生虫感染成功率均值的总体影响在两组模型中都是显著的（表3和图S8、S9），而对寄生虫感染成功率变异性的总体影响仍然不显著（表3和图S8、S9）。关于我的主要分析结果，该分析关注宿主群体遗传多样性、寄生虫群体遗传多样性和寄生虫宿主范围之间的三重交互作用如何影响寄生虫成功率均值和变异性的变化，由于潜在的混合效应元分析模型的复杂性，我无法进行任何形式的敏感性分析。然而，值得注意的是，对应于包含低寄生虫群体遗传多样性的专性寄生虫的数据子集的大部分效应量都来自一项关于原核宿主的研究（68项中的49项，Van Houte等人，2016年）。因此，这些元分析模型的结果可能对包含这项研究非常敏感。表3. 留一法敏感性分析的结果。
4 讨论
在我的提出的多样性-不确定性概念模型中重新框定了传统智慧（根据King和Lively 2012年的定义），重新分析了两项先前研究（Ekroth等人2019年；Gibson和Nguyen 2020年）的211个效应量，以对其进行评估。尽管我的结果总体上与先前的研究一致，即较高的宿主遗传多样性会降低寄生虫的平均成功率（Ekroth等人2019年；Gibson和Nguyen 2020年），但我发现这种现象仅限于宿主范围狭窄的寄生虫（1种物种）。此外，支持我的多样性-不确定性模型，我发现宿主遗传多样性对寄生虫成功率变异性的影响取决于寄生虫遗传多样性和宿主范围的组合。重要的是，由于寄生虫遗传多样性与实验设置之间存在很强的相关性，因此应该谨慎解释这种交互作用。高寄生虫多样性的观测结果主要来自野外研究（76%），而低多样性的观测结果几乎全部来自实验室环境（99%），这限制了完全区分生物效应和研究背景的能力。由于野外和实验室系统在环境复杂性、传播动态和宿主条件方面存在差异，观察到的部分关系可能反映了这些背景差异，而不是寄生虫多样性本身，因此应保守地解释这种效应的大小。尽管如此，有几个推理由此支持观察到的模式的生物学相关性。寄生虫多样性和宿主范围之间的交互作用与多样性-不确定性框架的核心预测一致，并且在数据集中方向上是连贯的。此外，高多样性类别中野外研究的占优势可能增强而不是削弱了推断的准确性，因为这些系统更好地捕捉了宿主-寄生虫互动演化的生态复杂性。最后，如果实验室条件系统地降低了生态变异性，那么在低寄生虫多样性下观察到的较弱和变化较小的结果可能反映了真正的生物学约束，而不是实验设计的伪影。总的来说，虽然相关性限制了严格的因果归因，但结果仍然表明寄生虫遗传多样性和宿主范围在塑造寄生虫成功率的均值和变异性方面具有重要作用。尽管我的一些发现具有新颖性，但重要的是要重新强调我的多样性-不确定性模型的概念局限性。我的多样性-不确定性模型假设感染具有高遗传特异性（Schmid-Hempel和Ebert 2003年），因此，如果感染的遗传特异性较低，我模型的预测可能会出现偏差。此外，尽管实证证据有限，但仍使用宿主范围作为感染遗传特异性的代理。这些概念局限性可能由于宿主范围和寄生虫遗传多样性调节因素的分类方式而加剧（表S2）。尽管我的分析结合了两项先前研究的数据以克服它们调节因素分析的某些局限性，这也可能是它们的一些结果与我的研究结果不一致的原因之一，调节因素的不同编码方式很可能产生了很大影响。无论我对寄生虫遗传多样性和宿主范围的主要发现如何，我的其他调节因素的结果与先前的研究（Ekroth等人2019年；Gibson和Nguyen 2020年）大体上不一致。与我的六个显著调节变量相比，他们分别发现了两个和没有（后者还研究了所有可能的调节因素交互组合）。值得注意的是，我们在寄生虫类型上取得了相同的结果，但在实验设置的方向上有所不同（Ekroth等人2019年）。这项研究的大部分数据指的是在空间上重复的宿主群体中测量的寄生虫成功率的差异。尽管有些研究在时间上复制了寄生虫成功率的空间变化（例如，Altermatt和Ebert 2008年），但只有一个例外，一项研究仅在两个时间点测量了寄生虫成功率的变化（在严重宿主群体瓶颈之前和之后，Hale和Briskie 2006年）。虽然大多数这些研究可以作为分析寄生虫成功率空间变化的一部分，但考虑宿主遗传多样性如何不同地影响寄生虫成功率的时间模式和空间模式是很有趣的。根据感染的遗传特异性，宿主-寄生虫的共同进化可以随着时间的推移保持或侵蚀宿主和寄生虫的遗传多样性水平（Paplauskas 2025年）。这可能导致寄生虫成功率的均值和变异性的模式发生变化。尽管具有时间变化的研究数量有限，但这为未来研究提供了机会，以探讨宿主遗传多样性如何不同地影响寄生虫成功率的时间模式和空间模式。
5 结论
考虑到我的研究上述的局限性，我的研究结论应该被适度调整。总体而言，我的结果与先前的研究大致一致，但支持在我的多样性-不确定性模型框架内重新审视传统智慧。作者贡献
Sam Paplauskas：概念化（负责人）、数据整理（负责人）、正式分析（负责人）、调查（负责人）、方法学（负责人）、项目管理（负责人）、验证（负责人）、可视化（负责人）、写作——初稿（负责人）、写作——审阅和编辑（负责人）。致谢
我想再次感谢Ekroth等人（2019年）和Gibson和Nguyen（2020年）完成的先前 meta-analytical 工作。为了确保对他们的工作进行公平和无偏见的解读，推荐助理教授Amanda Kyle Gibson（第一作者）和教授Kayla King（资深作者）作为审稿人（其中一位拒绝了这一邀请）。此外，还要感谢助理教授Alexander Strauss、Dr. Camille Ameline、Dr. Peter Thrall和Dr. Jason Walsman与我们分享他们的原始数据并澄清他们的方法。我还要感谢Dr. Laura Braunholtz、Dr. Katherine Raines、Dr. Luc Bussière和Kyle Morrison在统计和 meta-analytical 方面的建议。资助
这项工作得到了自然环境研究委员会的支持。利益冲突
作者声明没有利益冲突。数据可用性声明
支持这项研究的数据可以从Zenodo仓库获取，网址为https://doi.org/10.5281/zenodo.19083326。请参阅上传的支持信息。
