Riduzionismo in biologia evolutiva e oltre
Biologia teorica · Fisica statistica · Filosofia della scienza
Come la selezione naturale emerge come teorema statistico da un sistema di entità fisiche che si riproducono con ereditarietà — con derivazioni complete, parallelismi con la termodinamica e la teoria dell’informazione, e un’estensione ai sistemi culturali.
Il problema dei livelli di descrizione
Una delle intuizioni più potenti della scienza moderna è che i concetti indispensabili a un certo livello di descrizione possono rivelarsi, a un livello più profondo, proprietà emergenti di strutture più fondamentali. Il calore non è una sostanza: è energia cinetica media delle molecole. La pressione non è una forza primitiva: è il momento trasferito per unità di superficie e di tempo dalle molecole che urtano una parete. In entrambi i casi il concetto macroscopico non viene eliminato — rimane indispensabile per descrivere il sistema alla scala giusta — ma viene spiegato: derivato come conseguenza necessaria delle relazioni tra entità di livello inferiore.
In biologia evolutiva questo programma ha raggiunto una maturità matematica straordinaria. Concetti come “adattamento”, “selezione naturale”, “altruismo” e “strategia evolutiva” emergono come proprietà statistiche di popolazioni di organismi fisici che si riproducono con ereditarietà imperfetta. Non è necessario postulare un fine, un progetto, un’intenzione. È sufficiente la struttura della varianza.
Il presente saggio percorre questo arco in quattro movimenti: la scomposizione del carattere fenotipico, il modello e il Teorema di Fisher derivati passo per passo, l’Equazione di Price nella sua generalità, l’altruismo come teorema, e infine l’analogia strutturale con la termodinamica e la teoria dell’informazione — con un’estensione alla diffusione culturale.
Vocabolario di base e scomposizione del carattere fenotipico
- Allele
- Variante di un gene a un dato locus del genoma. In un organismo diploide (due copie del genoma) ogni locus porta due alleli, uno per cromosoma. Se identici: omozigote; se diversi: eterozigote. La notazione standard usa lettere: \(A_1, A_2\) per alleli a un locus.
- Genotipo
- La costituzione allelica completa di un organismo. Per un singolo locus diallele i genotipi possibili sono tre: \(A_1A_1\), \(A_1A_2\), \(A_2A_2\). Il genotipo è la descrizione al livello molecolare — le istruzioni.
- Fenotipo
- L’insieme delle caratteristiche osservabili che emergono dall’interazione tra genotipo e ambiente durante lo sviluppo. Il fenotipo è la descrizione alla scala dell’organismo — il risultato.
- Fitness
- Il contributo relativo di un individuo (o genotipo) alla generazione successiva, misurato come numero atteso di copie dei propri alleli nella prole. Non è una proprietà assoluta: dipende dall’ambiente e dalla composizione della popolazione. La fitness di un genotipo in un deserto è diversa da quella nella foresta pluviale.
2.1 La scomposizione quantitativa del carattere
Sia \(z\) il valore di un carattere fenotipico misurabile (per esempio: dimensione del becco in millimetri, concentrazione di un enzima, intensità di un comportamento). La genetica quantitativa mostra che \(z\) si scompone come:
\(\mu\) = media della popolazione; \(g\) = deviazione genotipica individuale dalla media; \(e\) = deviazione ambientale (rumore di sviluppo, condizioni postnatali, ecc.). Per semplicità il termine di interazione \(g \times e\) viene omesso qui ma è formalmente trattato in Falconer & Mackay (1996).
La componente genotipica \(g\) si scompone ulteriormente. Definiti gli effetti medi degli alleli — il contributo che ciascun allele aggiunge al carattere indipendentemente dall’altro allele con cui si trova — la componente additiva del valore genotipico è \(a = \alpha_1 + \alpha_2\) (somma degli effetti dei due alleli portati dall’individuo). La dominanza \(d\) è la deviazione dal modello puramente additivo causata dall’interazione tra i due alleli di un locus. L’epistasi \(i\) cattura le interazioni tra loci diversi:
La distinzione tra componenti è cruciale per la risposta alla selezione. Solo la componente additiva \(a\) — chiamata breeding value o valore riproduttivo — viene trasmessa in modo predicibile ai discendenti, perché alla meiosi i gameti contengono un solo allele per locus (scelto casualmente) e le combinazioni di dominanza vengono “rimescolate” ogni generazione. Questo porta all’Equazione dell’Allevatore:
\(R\) = cambiamento fenotipico medio in una generazione; \(S\) = differenziale di selezione (differenza tra la media dei riproduttori scelti e la media della popolazione); \(h^2\) = ereditabilità in senso stretto = rapporto tra varianza genetica additiva \(V_A\) e varianza fenotipica totale \(V_P\). Fonte: Lush (1937).
Il modello di Fisher: derivazione completa
3.1 L’equilibrio di Hardy-Weinberg e le frequenze genotipiche
Prima di ricavare la dinamica selettiva, è necessario giustificare le frequenze genotipiche che Fisher utilizza. Il punto di partenza è il principio di Hardy-Weinberg, che afferma: in una popolazione con appaiamento casuale, assenza di selezione, mutazione, migrazione e deriva genetica, le frequenze genotipiche si stabilizzano in una sola generazione ai valori \(p^2, 2pq, q^2\).
Derivazione delle frequenze genotipiche per appaiamento casuale
Sia \(p\) la frequenza dell’allele \(A_1\) e \(q = 1-p\) quella di \(A_2\) nel pool gametico della generazione corrente. L’appaiamento è casuale: ciascun individuo si forma combinando due gameti estratti indipendentemente dal pool.
Un gamete porta \(A_1\) con probabilità \(p\) e \(A_2\) con probabilità \(q\). Il genotipo \(A_1A_1\) si forma estraendo \(A_1\) due volte indipendentemente:
\[ \Pr(A_1A_1) = p \cdot p = p^2 \]Il genotipo \(A_2A_2\) si forma estraendo \(A_2\) due volte:
\[ \Pr(A_2A_2) = q \cdot q = q^2 \]L’eterozigote \(A_1A_2\) si forma in due modi equiprobabili (gamete paterno \(A_1\) e materno \(A_2\), oppure il contrario). Sommando le due probabilità:
\[ \Pr(A_1A_2) = p \cdot q + q \cdot p = 2pq \]Verifica: le tre frequenze sommano a 1, come richiesto:
\[ p^2 + 2pq + q^2 = (p + q)^2 = 1^2 = 1 \checkmark \]L’assunzione di appaiamento casuale è la traduzione formale dell’idea che non ci siano preferenze di accoppiamento legate al genotipo. È una prima approssimazione che permette di calcolare analiticamente le frequenze: nella realtà la selezione, la struttura della popolazione e la deriva modificano queste proporzioni, ma per popolazioni grandi e moderatamente selezionate il sistema tende a rimanere vicino all’equilibrio di Hardy-Weinberg ogni generazione.
3.2 La fitness marginale degli alleli e il cambiamento di frequenza
Con le frequenze genotipiche note, definiamo le fitness. Assegniamo a ciascun genotipo una fitness assoluta \(W_{ij}\): il numero atteso di copie dei propri geni che l’individuo \(ij\) produce nella prole. La fitness media della popolazione è la media pesata per le frequenze genotipiche:
Ora ricaviamo la frequenza dell’allele \(A_1\) nella generazione successiva. L’allele \(A_1\) compare nella prole portato dagli individui \(A_1A_1\) (con due copie di \(A_1\) ciascuno) e dagli eterozigoti \(A_1A_2\) (con una copia di \(A_1\)). Il numero totale di copie di \(A_1\) nella generazione successiva è proporzionale a:
Ogni individuo \(A_1A_1\) (frequenza \(p^2\), fitness \(W_{11}\)) contribuisce \(2 \times W_{11}\) copie totali di alleli, delle quali tutte sono \(A_1\). La frequenza relativa di \(A_1\) proveniente da questo genotipo è \(p^2 W_{11} \cdot 1\) (il fattore 1 è la proporzione di \(A_1\) nei gameti prodotti).
Ogni individuo \(A_1A_2\) (frequenza \(2pq\), fitness \(W_{12}\)) produce gameti che sono \(A_1\) con probabilità \(1/2\). Il contributo è \(2pq \cdot W_{12} \cdot \tfrac{1}{2} = pq\,W_{12}\).
Gli individui \(A_2A_2\) non contribuiscono copie di \(A_1\). Sommando e normalizzando per il totale \(\bar{W}\):
\[ p’ = \frac{p^2 W_{11} + pq\,W_{12}}{\bar{W}} = \frac{p\,(p\,W_{11} + q\,W_{12})}{\bar{W}} \]Definiamo la fitness marginale di \(A_1\) come la fitness media di un individuo portatore casuale di \(A_1\): se un individuo porta \(A_1\), l’altro allele è \(A_1\) con probabilità \(p\) e \(A_2\) con probabilità \(q\), quindi:
\[ \bar{W}_1 \;=\; p\,W_{11} + q\,W_{12} \]Analogamente: \(\bar{W}_2 = p\,W_{12} + q\,W_{22}\).
Il cambiamento di frequenza in una generazione è:
\[ \Delta p = p’ – p = \frac{p\,\bar{W}_1}{\bar{W}} – p = \frac{p\,(\bar{W}_1 – \bar{W})}{\bar{W}} \]L’allele \(A_1\) aumenta (\(\Delta p > 0\)) se e solo se la sua fitness marginale supera la media della popolazione. Non è un assioma: è una conseguenza diretta della riproduzione proporzionale alla fitness e dell’appaiamento casuale.
3.3 La varianza genetica additiva: derivazione
Definiamo l’effetto additivo di un allele come la deviazione della sua fitness marginale dalla fitness media della popolazione:
L’effetto additivo misura di quanto migliora (o peggiora) la fitness di un individuo il solo fatto di portare quell’allele, mediando su tutti i possibili partner allelici.
Il breeding value (valore riproduttivo additivo) di ciascun genotipo è la somma degli effetti additivi dei due alleli che porta: \( a_{11} = 2\alpha_1 \), \( a_{12} = \alpha_1 + \alpha_2 \), \( a_{22} = 2\alpha_2 \). La varianza genetica additiva è la varianza dei breeding values nella popolazione, pesata per le frequenze genotipiche:
Media dei breeding values (deve essere zero per costruzione, verifichiamolo):
\[ \bar{a} = p^2(2\alpha_1) + 2pq(\alpha_1+\alpha_2) + q^2(2\alpha_2) = 2\alpha_1(p^2+pq) + 2\alpha_2(pq+q^2) = 2p\alpha_1 + 2q\alpha_2 \]Sostituendo le definizioni di \(\alpha_1, \alpha_2\):
\[ \bar{a} = 2p(\bar{W}_1 – \bar{W}) + 2q(\bar{W}_2 – \bar{W}) = 2(p\,\bar{W}_1 + q\,\bar{W}_2) – 2\bar{W} = 2\bar{W} – 2\bar{W} = 0 \checkmark \]La varianza additiva è \(V_A = \mathbb{E}[a^2] – (\bar{a})^2 = \mathbb{E}[a^2]\) (perché \(\bar{a}=0\)):
\[ V_A = p^2(2\alpha_1)^2 + 2pq(\alpha_1+\alpha_2)^2 + q^2(2\alpha_2)^2 \]Espandiamo e raccogliamo i termini. Notiamo che \(\alpha_1 + \alpha_2 = \bar{W}_1 + \bar{W}_2 – 2\bar{W}\). Con qualche algebra (sviluppando i quadrati e raccogliendo per \(p\) e \(q\)):
\[ V_A = 4p^2\alpha_1^2 + 2pq(\alpha_1^2 + 2\alpha_1\alpha_2 + \alpha_2^2) + 4q^2\alpha_2^2 \] \[ = 2\alpha_1^2(2p^2+pq) + 2\alpha_2^2(pq+2q^2) + 4pq\,\alpha_1\alpha_2 \] \[ = 2p\alpha_1^2(2p+q) + 2q\alpha_2^2(p+2q) + 4pq\,\alpha_1\alpha_2 \]Usando il vincolo \(p\,\alpha_1 + q\,\alpha_2 = 0\) (che segue da \(\bar{a}=0\)), cioè \(q\,\alpha_2 = -p\,\alpha_1\), si sostituisce e si ottiene la forma compatta:
\[ \boxed{V_A = 2p\,q\,(\alpha_1 – \alpha_2)^2} \]Questa è la varianza dei breeding values per un locus diallele in una popolazione Hardy-Weinberg. È massima quando \(p = q = 1/2\) e si annulla quando \(p=0\) o \(p=1\) (un allele fissato): la fissazione elimina la varianza selezionabile.
3.4 Derivazione del Teorema Fondamentale
Vogliamo calcolare quanto cambia \(\bar{W}\) in una generazione, partendo da \(\Delta p\). Scriviamo \(\bar{W}\) come funzione di \(p\):
Deriviamo \(\bar{W}\) rispetto a \(p\) (con \(q = 1-p\), quindi \(dq/dp = -1\)):
\[ \frac{d\bar{W}}{dp} = 2p\,W_{11} + 2(1-2p)W_{12} – 2q\,W_{22} = 2(p\,W_{11} + (1-2p)W_{12} – q\,W_{22}) \]Raccogliendo:
\[ \frac{d\bar{W}}{dp} = 2(p\,W_{11} + q\,W_{12} – p\,W_{12} – q\,W_{22}) = 2(\bar{W}_1 – \bar{W}_2) = 2(\alpha_1 – \alpha_2) \]Il cambiamento in \(\bar{W}\) per un cambiamento \(\Delta p\) è (al primo ordine):
\[ \Delta\bar{W} \approx \frac{d\bar{W}}{dp}\,\Delta p = 2(\alpha_1-\alpha_2)\cdot\frac{p(\bar{W}_1-\bar{W})}{\bar{W}} \]Sostituiamo \(\bar{W}_1 – \bar{W} = \alpha_1\) per definizione, e \(2pq(\alpha_1-\alpha_2) = V_A/(\alpha_1-\alpha_2)\cdot(\alpha_1-\alpha_2)\). Più direttamente: moltiplichiamo e dividiamo per \(\bar{W}\):
\[ \Delta\bar{W} = \frac{2(\alpha_1-\alpha_2)\cdot p\,\alpha_1}{\bar{W}} \]Usando il vincolo \(q\,\alpha_2 = -p\,\alpha_1\) si ha \(\alpha_1 = q(\alpha_1-\alpha_2)\), quindi:
\[ \Delta\bar{W} = \frac{2p\,q\,(\alpha_1-\alpha_2)^2}{\bar{W}} = \frac{V_A}{\bar{W}} \]Riarrangiando, in forma continua:
\[ \boxed{\frac{d\bar{W}}{dt} = V_A(W)} \]
Teorema Fondamentale della Selezione Naturale (Fisher, 1930).
La velocità di aumento della fitness media è uguale alla varianza genetica additiva
della fitness. Poiché \(V_A \geq 0\) sempre, \(\bar{W}\) è una funzione non decrescente
del tempo: la selezione non può abbassare la fitness media (in assenza di altri fattori).
L’equazione di Price: derivazione e struttura
4.1 Setup generale
George Robert Price, fisico di formazione, arrivò alla biologia a quarant’anni e pubblicò nel 1970 in sole due pagine su Nature il risultato più generale della biologia teorica del Novecento. Il suo setup evita ogni specificità biologica: considera \(n\) entità qualunque con ereditarietà.
| Simbolo | Significato | Esempio biologico |
|---|---|---|
| \(z_i\) | Carattere dell’entità \(i\) | Dimensione del becco, frequenza altruistica |
| \(w_i\) | Fitness assoluta (numero di discendenti) | Numero di uova deposte |
| \(\delta_i\) | Errore di trasmissione del carattere | Mutazione, deriva dello sviluppo |
| \(\bar{w}\) | Fitness media \(= \frac{1}{n}\sum_i w_i\) | — |
| \(\bar{z}\) | Media del carattere \(= \frac{1}{n}\sum_i z_i\) | — |
4.2 Derivazione passo per passo
La media del carattere nella generazione corrente è \(\bar{z} = \frac{1}{n}\sum_i z_i\). Nella generazione successiva, ogni entità \(i\) produce \(w_i\) discendenti, ciascuno con carattere \(z_i + \delta_i\). La media nella nuova generazione è pesata per il numero di discendenti:
\[ \bar{z}’ = \frac{\sum_i w_i\,(z_i + \delta_i)}{\sum_i w_i} = \frac{\sum_i w_i\,(z_i+\delta_i)}{n\,\bar{w}} \]Il cambiamento nella media è:
\[ \Delta\bar{z} = \bar{z}’ – \bar{z} = \frac{\sum_i w_i\,(z_i+\delta_i)}{n\,\bar{w}} – \bar{z} \]Moltiplicando entrambi i membri per \(\bar{w}\):
\[ \bar{w}\,\Delta\bar{z} = \frac{\sum_i w_i z_i}{n} + \frac{\sum_i w_i\delta_i}{n} – \bar{w}\,\bar{z} \]Riconosco la definizione di covarianza. Per due variabili \(X, Y\) su \(n\) osservazioni: \(\mathrm{Cov}(X,Y) = \frac{1}{n}\sum_i X_i Y_i – \bar{X}\,\bar{Y}\). Quindi:
\[ \frac{\sum_i w_i z_i}{n} – \bar{w}\,\bar{z} = \mathrm{Cov}(w_i,\,z_i) \]Il secondo termine è il valore atteso del prodotto \(w_i \delta_i\):
\[ \frac{\sum_i w_i \delta_i}{n} = \mathbb{E}(w_i\,\delta_i) \]Sostituendo:
\[ \boxed{\bar{w}\,\Delta\bar{z} = \mathrm{Cov}(w_i,\,z_i) + \mathbb{E}(w_i\,\delta_i)} \]Equazione di Price (Price 1970). Il primo termine è la selezione — il carattere cambia proporzionalmente a quanto co-varia con la fitness. Il secondo termine è la trasmissione imperfetta — tutto ciò che avviene durante lo sviluppo e la riproduzione.
4.3 Il Teorema di Fisher come caso speciale
Vedi anche l’approfondimento matematico a fine articolo
Se poniamo \(z_i = w_i\) (il carattere in esame è la fitness stessa) e \(\delta_i = 0\) (trasmissione perfetta, nessuna mutazione), l’equazione di Price diventa:
Considerando solo la componente additiva della varianza: \(\mathrm{Var}(w_i) \to V_A\), e si recupera esattamente \(\Delta\bar{w} = V_A / \bar{w}\), cioè il Teorema di Fisher. Price ha dunque mostrato che Fisher aveva scoperto un caso speciale di un teorema puramente statistico di portata universale.
L’altruismo come teorema: selezione di parentela e Price gerarchica
5.1 Il paradosso e la soluzione di Hamilton
Le api operaie non si riproducono: la loro fitness individuale è zero. Eppure il comportamento altruistico che le porta a sacrificarsi per la colonia è stabilissimo evolutivamente. Come può diffondersi un tratto che azzera la fitness del portatore?
Hamilton (1964) risolve il paradosso spostando l’unità di analisi dall’individuo al gene. Un allele “altruistico” in un’ape operaia è presente anche nelle sue sorelle (con le quali condivide circa il 75% del genoma, per effetto dell’aploidia nei maschi). Il sacrificio dell’operaia aumenta la sopravvivenza della colonia e quindi la produzione di regine future che porteranno copie dello stesso allele. L’allele altruistico si diffonde perché aumenta la propria fitness inclusiva.
Regola di Hamilton. Un comportamento altruistico si diffonde per selezione se il beneficio \(b\) al ricevente, ponderato per il coefficiente di parentela \(r\) (probabilità di condivisione dell’allele per discendenza comune), supera il costo \(c\) al donatore. Per fratelli in diploidia standard \(r=1/2\); per sorelle di operaie apidee \(r \approx 3/4\).
5.2 La forma gerarchica dell’equazione di Price
Price stesso mostrò che la sua equazione si applica ricorsivamente a sistemi strutturati in gruppi. Se la popolazione è divisa in \(K\) gruppi, con individui \(i\) all’interno di ciascun gruppo \(k\), il cambiamento nel carattere medio si decompone esattamente come:
Il primo termine cresce se i gruppi con carattere medio più alto hanno anche fitness media più alta (selezione di gruppo). Il secondo termine cresce se, all’interno di ogni gruppo, gli individui con carattere più alto hanno fitness più alta (selezione individuale). Queller (1992) ha dimostrato che questa forma è algebricamente equivalente alla regola di Hamilton quando i “gruppi” sono famiglie genetiche.
Il risultato di Queller ha un’importanza filosofica notevole: la disputa decennale tra selezione di parentela (Dawkins, Hamilton) e selezione di gruppo (Wilson, Sober) riguarda la scelta della notazione in cui scrivere la stessa identità matematica — non una differenza empirica tra teorie. Lo stesso fenomeno fisico è descritto in due linguaggi ugualmente validi.
Parallelismi strutturali: termodinamica, teoria dell’informazione ed evoluzione
Il Teorema di Fisher non è un risultato isolato della biologia. È un nodo in una rete di connessioni formali con la fisica statistica, la statistica inferenziale e la teoria dell’informazione. Queste connessioni non sono analogie vaghe: sono identità matematiche o disuguaglianze formalmente dimostrate.
6.1 Termodinamica: entropia, fitness e il secondo principio
Nella meccanica statistica, il secondo principio della termodinamica afferma che l’entropia di un sistema isolato non può diminuire nel tempo. Boltzmann ne fornì la base microscopica: l’entropia di un macrostato è proporzionale al logaritmo del numero di microstati compatibili:
\(k_B\) = costante di Boltzmann; \(\Omega\) = numero di microstati compatibili col macrostato. L’entropia aumenta perché gli stati disordinati hanno \(\Omega\) enormemente maggiore degli stati ordinati: l’evoluzione stocastica del sistema esplora microstati con probabilità uniforme, e quindi tende verso i macrostati con più microstati.
Il parallelismo con il Teorema di Fisher è strutturalmente preciso: in entrambi i casi una funzione macroscopica (entropia / fitness media) è non decrescente nel tempo per una ragione puramente combinatoriale / statistica, senza che sia necessario invocare alcuna “tendenza” dell’agente.
| Grandezza / concetto | Termodinamica statistica | Genetica di popolazione (Fisher) |
|---|---|---|
| Entità di base | Molecole / particelle | Geni / alleli in una popolazione |
| Distribuzione microscopica | Distribuzione di Boltzmann \(P_i \propto e^{-E_i/k_BT}\) | Frequenze genotipiche \(p^2, 2pq, q^2\) |
| Funzione macroscopica crescente | Entropia \(S = -k_B \sum_i p_i \ln p_i\) | Fitness media \(\bar{W}\) |
| Legge di non decrescita | \(dS/dt \geq 0\) (secondo principio) | \(d\bar{W}/dt = V_A \geq 0\) (Teorema di Fisher) |
| Carburante del cambiamento | Differenza di temperatura / gradiente energetico | Varianza genetica additiva \(V_A\) |
| Stato di equilibrio | Equilibrio termico: \(dS/dt = 0\), \(\Delta T = 0\) | Fissazione allelica: \(V_A = 0\), \(d\bar{W}/dt = 0\) |
| Meccanismo dell’esaurimento | Il sistema esplora tutti i microstati equiprobabili | La selezione fissa gli alleli, eliminando la varianza |
| Ruolo del caso | Fluttuazioni termiche (deriva dall’equilibrio) | Deriva genetica (campionamento finito della popolazione) |
La conseguenza più importante del Teorema di Fisher è spesso trascurata: poiché \(d\bar{W}/dt = V_A\), e la selezione tende a fissare gli alleli vantaggiosi, con il tempo \(V_A \to 0\) e il cambiamento rallenta fino a fermarsi. La selezione è un processo autolimitante: più è efficace, più velocemente esaurisce il carburante — la varianza genetica — su cui opera.
Questo ha conseguenze empiriche dirette. Le specie che hanno subito intensa selezione artificiale (cani da razza, varietà agricole) mostrano ereditabilità molto ridotta per i caratteri selezionati. Lo stasis osservato nel registro fossile — milioni di anni senza cambiamento morfologico apparente — è almeno in parte spiegabile dall’esaurimento della varianza selezionabile.
6.2 Teoria dell’informazione: Fisher Information e velocità di apprendimento evolutivo
Il collegamento più profondo è con la Fisher Information della statistica. Nella teoria dell’inferenza statistica, la Fisher Information misura quanto informazione un campione porta su un parametro ignoto \(\theta\):
La Fisher Information misura la curvatura attesa della log-verosimiglianza rispetto al parametro: più la distribuzione cambia rapidamente al variare di \(\theta\), più informazione porta il campione su \(\theta\). Dalla disuguaglianza di Cramér-Rao, la varianza del miglior stimatore non distorto di \(\theta\) è \(\geq 1/\mathcal{I}(\theta)\).
Frank (2009) dimostra formalmente il seguente risultato: la varianza additiva della fitness \(V_A\) è proporzionale alla Fisher Information della distribuzione delle frequenze alleliche rispetto al parametro “tempo evolutivo”:
Più precisamente: la velocità di cambiamento della distribuzione delle frequenze alleliche — misurata dalla metrica di Fisher Information sulla varietà statistica delle distribuzioni di probabilità — è uguale alla varianza additiva della fitness. Il Teorema di Fisher diventa: la selezione naturale massimizza la velocità con cui la popolazione acquisisce informazione sulla propria fitness. Fonte: Frank, S.A. (2009), Journal of Evolutionary Biology, 22, 231–244.
| Grandezza / concetto | Statistica inferenziale | Genetica di popolazione (Fisher) |
|---|---|---|
| Parametro da stimare | \(\theta\) (parametro ignoto del modello) | Composizione allelica ottimale |
| Distribuzione osservata | \(p(x;\theta)\) = distribuzione dei dati | \((p^2, 2pq, q^2)\) = distribuzione genotipica |
| Misura dell’informazione | Fisher Information \(\mathcal{I}(\theta)\) | Varianza additiva \(V_A\) |
| Legge di crescita dell’informazione | Ogni osservazione aggiuntiva aumenta \(\mathcal{I}\) | Ogni generazione aumenta \(\bar{W}\) di \(V_A\) |
| Limite dell’informazione | Cramér-Rao: varianza stimatore \(\geq 1/\mathcal{I}\) | Quando \(V_A \to 0\): la popolazione non “impara” più |
| Velocità di convergenza | Proporzionale a \(\mathcal{I}(\theta)\) | Proporzionale a \(V_A\) |
L’interpretazione è illuminante: l’evoluzione per selezione naturale è un processo di inferenza. La popolazione “impara” quale configurazione allelica sia più adatta all’ambiente, aggiornando le frequenze come un algoritmo di stima del massimo di verosimiglianza. La velocità di questo apprendimento è misurata dalla Fisher Information — esattamente come nella statistica classica la precisione di uno stimatore è misurata dalla Fisher Information del campione.
6.3 Un terzo parallelismo: la termodinamica dell’informazione
Il collegamento si chiude elegantemente attraverso la termodinamica dell’informazione. L’entropia di Shannon è formalmente identica all’entropia di Boltzmann (a meno di una costante):
La Fisher Information è la derivata seconda dell’entropia di Shannon rispetto al parametro: misura la curvatura della superficie dell’entropia nello spazio delle distribuzioni. La tabella seguente mostra la struttura del parallelismo a tre vie:
| Grandezza / legge | Termodinamica | Teoria dell’informazione | Genetica evolutiva |
|---|---|---|---|
| Funzione fondamentale | Entropia \(S\) | Entropia \(H\) | Fitness media \(\bar{W}\) |
| Misura della “curvatura” | Capacità termica \(C_V = T\,\partial S/\partial T\) | Fisher Information \(\mathcal{I}\) | Varianza additiva \(V_A\) |
| Legge di monotonia | \(dS/dt \geq 0\) | \(\mathcal{I}\) max per stima efficiente | \(d\bar{W}/dt = V_A \geq 0\) |
| Legge di evoluzione | II Principio | Cramér-Rao | Teorema di Fisher |
| Stato di arresto | Equilibrio termico | Stimatore di massima verosimiglianza | Fissazione allelica (\(V_A=0\)) |
Sella e Hirsh (2005) completano il quadro dimostrando che, in condizioni di equilibrio mutazione-deriva-selezione, la distribuzione stazionaria delle frequenze alleliche converge alla distribuzione di Boltzmann della meccanica statistica, con la fitness che gioca il ruolo dell’energia negativa (hamiltoniana). L’evoluzione in equilibrio è letteralmente fisica statistica applicata a popolazioni genetiche.
Sella, G. & Hirsh, A.E. (2005). The application of statistical physics to evolutionary biology. Proceedings of the National Academy of Sciences, 102, 9541–9546.
Cover, T.M. & Thomas, J.A. (2006). Elements of Information Theory, 2nd ed. Wiley.
Dall’evoluzione biologica all’evoluzione delle idee
7.1 La trasposizione formale
L’equazione di Price è un’identità matematica: non contiene nessun termine biologicamente specifico. Qualunque sistema con entità discrete, variazione nel carattere, e trasmissione differenziale vi è soggetto. Le reti sociali e i sistemi mediatici soddisfano tutte le condizioni.
| Biologia evolutiva | Diffusione culturale e informazionale |
|---|---|
| Individuo \(i\) | Agente (persona, account social, nodo di rete) |
| Carattere \(z_i\) | Contenuto informazionale (credenza, ideologia, meme) |
| Fitness \(w_i\) | Tasso di trasmissione (condivisioni, citazioni, endorsement) |
| Errore \(\delta_i\) | Distorsione nel ricevente (fraintendimento, reinterpretazione) |
| Varianza additiva \(V_A\) | Diversità di contenuto che guida la deriva culturale |
| ESS | Narrativa dominante stabile (equilibrio del discorso) |
7.2 Una variante con struttura di rete
Il modello standard di Price assume popolazione well-mixed: tutti interagiscono con tutti. Nelle reti sociali la struttura è fondamentale. Una variante naturale introduce una matrice di adiacenza \(A_{ij}\) (chi è connesso con chi). La fitness trasmissiva diventa:
\(\phi\) è una sigmoide: la probabilità che l’agente \(j\) adotti il contenuto di \(i\) dopo l’interazione. Il parametro \(\beta > 0\) modella il confirmation bias: si tende ad adottare contenuti simili a quelli già posseduti. Lieberman, Hauert e Nowak (2005) dimostrano che le reti con alto clustering (echo-chambers) agiscono da amplificatori della selezione: la narrativa con più alto tasso di trasmissione si fissa più rapidamente che in una popolazione well-mixed.
Conclusione
Il programma intellettuale che abbiamo tracciato converge su un’unica tesi: i concetti della biologia evolutiva non sono ontologicamente primitivi — sono proprietà statistiche emergenti da sistemi fisici con ereditarietà. La selezione naturale è una legge sulla struttura della varianza, non una forza esterna. L’altruismo è un teorema sulle covarianze genetiche, non un paradosso. L’adattamento è la manifestazione macroscopica di un processo di inferenza bayesiana collettiva.
Il Teorema di Fisher e l’Equazione di Price sono le due colonne di questo edificio. Fisher mostra che la fitness media non può che crescere, consumando la varianza. Price mostra che questa è un’identità matematica valida per qualunque sistema con ereditarietà. I parallelismi con la termodinamica (secondo principio) e con la teoria dell’informazione (Fisher Information, Cramér-Rao) non sono metafore: sono identità formalmente dimostrate che collocano l’evoluzione biologica nella stessa struttura matematica della fisica statistica.
Il programma è aperto. Ecosistemi, reti neurali artificiali, mercati finanziari, culture: ovunque vi siano entità che si riproducono con ereditarietà imperfetta e variazione, la stessa macchina matematica gira. Comprendere questa struttura comune — e non solo i casi biologici particolari — è il passo successivo della scienza dei sistemi complessi.
Riferimenti bibliografici
Boag, P.T. & Grant, P.R. (1981). Intense natural selection in a population of Darwin’s finches in the Galápagos. Science, 214, 82–85.
Boyd, R. & Richerson, P.J. (1985). Culture and the Evolutionary Process. University of Chicago Press.
Cover, T.M. & Thomas, J.A. (2006). Elements of Information Theory, 2nd ed. Wiley.
Ewens, W.J. (1989). An interpretation and proof of the fundamental theorem of natural selection. Theoretical Population Biology, 36, 167–180.
Falconer, D.S. & Mackay, T.F.C. (1996). Introduction to Quantitative Genetics, 4ª ed. Longman.
Fisher, R.A. (1930). The Genetical Theory of Natural Selection. Clarendon Press.
Frank, S.A. (1995). George Price’s contributions to evolutionary genetics. Journal of Theoretical Biology, 175, 373–388.
Frank, S.A. (2009). Natural selection maximizes Fisher information. Journal of Evolutionary Biology, 22, 231–244.
Hamilton, W.D. (1964). The genetical evolution of social behaviour I & II. Journal of Theoretical Biology, 7, 1–52.
Lieberman, E., Hauert, C. & Nowak, M.A. (2005). Evolutionary dynamics on graphs. Nature, 433, 312–316.
Lush, J.L. (1937). Animal Breeding Plans. Iowa State College Press.
Maynard Smith, J. & Price, G.R. (1973). The logic of animal conflict. Nature, 246, 15–18.
Okasha, S. (2006). Evolution and the Levels of Selection. Oxford University Press.
Price, G.R. (1970). Selection and covariance. Nature, 227, 520–521.
Price, G.R. (1972). Extension of covariance selection mathematics. Annals of Human Genetics, 35, 485–490.
Queller, D.C. (1992). A general model for kin selection. Evolution, 46, 376–380.
Sella, G. & Hirsh, A.E. (2005). The application of statistical physics to evolutionary biology. PNAS, 102, 9541–9546.
Taylor, P.D. & Jonker, L.B. (1978). Evolutionary stable strategies and game dynamics. Mathematical Biosciences, 40, 145–156.
Leggere anche
Approfondimento matematico:
Teorema di Fisher come caso particolare dell’equazione di Price
L’equazione di Price fornisce una decomposizione generale del cambiamento evolutivo medio di un carattere da una generazione alla successiva. Il teorema fondamentale di Fisher può essere letto come un caso particolare di questa identità, ottenuto scegliendo in modo opportuno il carattere e isolando il contributo dovuto esclusivamente alla selezione naturale.
Consideriamo una popolazione suddivisa in tipi \(i\), con frequenze iniziali \(q_i\), fitness assolute \(w_i\) e valori del carattere \(z_i\). Se \(\bar w = \sum_i q_i w_i\) è la fitness media, l’equazione di Price si scrive:
Il primo termine misura il cambiamento dovuto alla selezione: se i valori più alti di \(z\) sono associati a fitness maggiore, la media del carattere tende ad aumentare. Il secondo termine rappresenta invece tutto ciò che avviene nella trasmissione tra genitori e discendenti: mutazioni, ricombinazione, cambiamenti ambientali o deviazioni rispetto alla semplice eredità additiva.
Per ottenere Fisher da Price, non bisogna scegliere un carattere qualsiasi. Occorre prendere come carattere il valore genetico additivo per la fitness, che indichiamo con \(a_i\). In questo modo poniamo:
L’equazione di Price diventa allora:
A questo punto si usa la classica scomposizione della fitness osservata:
dove \(\bar w\) è la fitness media, \(a\) è la componente additiva ereditaria e \(d\) raccoglie il residuo non additivo dovuto a dominanza, epistasi, ambiente e altre deviazioni dalla parte lineare additiva.
Sostituendo questa decomposizione nel termine di covarianza, si ottiene:
Per linearità della covarianza:
Ora, \(\operatorname{Cov}(\bar w,a)=0\) perché \(\bar w\) è una costante. Inoltre
perché la covarianza di una variabile con se stessa coincide con la sua varianza. Infine, per costruzione del valore additivo, il residuo \(d\) è ortogonale ad \(a\), quindi
Ne segue:
Poiché la varianza del valore additivo per la fitness è proprio la varianza genetica additiva in fitness, si scrive:
Sostituendo nell’equazione di Price si ottiene:
Questa formula mostra con chiarezza la relazione tra Price e Fisher. Il primo termine rappresenta l’aumento dovuto alla sola selezione naturale; il secondo raccoglie invece tutto ciò che modifica la trasmissione ereditaria o il contesto in cui la fitness viene misurata.
Se ora si isola il solo contributo selettivo, cioè si considera soltanto la parte del cambiamento prodotta dalla selezione naturale, si ottiene:
Questa è la forma moderna del teorema fondamentale di Fisher: l’incremento della fitness media dovuto alla selezione naturale è uguale alla varianza genetica additiva in fitness, salvo il fattore di normalizzazione \(\bar w\), che dipende dalla convenzione adottata per la fitness assoluta o relativa.
In conclusione, l’equazione di Price è la cornice generale. Fisher emerge quando il carattere studiato coincide con il valore genetico additivo della fitness e quando si distingue con precisione ciò che è effetto della selezione da ciò che dipende invece dalla trasmissione e dal cambiamento dell’ambiente genetico o ecologico. In questo senso, il teorema di Fisher è contenuto nell’equazione di Price come suo caso particolare.