Schneider, 2000- Evolution of Biological Information

How do genetic systems gain information by evolutionary processes? Answering this question precisely requires a robust, quantitative measure of information. Fortunately, 50 years ago Claude Shannon defined information as a decrease in the uncertainty of a receiver. For molecular systems, uncertainty is closely related to entropy and hence has clear connections to the Second Law of Thermodynamics. TŁUMACZENIE ROBOCZE W jaki sposób systemy genetyczne zyskują informację w procesach ewolucyjnych? Precyzyjna odpowiedź na to pytanie wymaga solidnej, ilościowej miary informacji. Pięćdziesiąt lat temu Claude Shannon zdefiniował informację jako zmniejszenie niepewności odbiorcy. W systemach molekularnych niepewność jest ściśle związana z entropią, a zatem ma wyraźne związki z drugą zasadą termodynamiki.

Here this method is used to observe information gain in the binding sites for an artificial “protein” in a computer simulation of evolution. The simulation begins with zero information and, as in naturally occurring genetic systems, the information measured in the fully evolved binding sites is close to that needed to locate the sites in the genome. The transition is rapid, demonstrating that information gain can occur by punctuated equilibrium. TŁUMACZENIE ROBOCZE Metodę tę zastosowano do obserwacji przyrostu informacji w miejscach wiązania sztucznego „białka” w komputerowej symulacji ewolucji. Symulacja rozpoczyna się od zerowej informacji, a w pełni wyewoluowanych miejscach wiązania zmierzona informacja jest - podobnie jak w naturalnych systemach genetycznych - bliska ilości potrzebnej do zlokalizowania tych miejsc w genomie. Przejście jest szybkie, co pokazuje, że przyrost informacji może zachodzić w trybie równowagi przerywanej.

Then we need to specify a set of locations that a recognizer protein has to bind to. That fixes the number of sites, again as in nature. We need to code the recognizer into the genome so that it can co-evolve with the binding sites. Then we need to apply random mutations and selection for finding the sites and against finding non-sites. Given these conditions, the simulation will match the biology at every point. TŁUMACZENIE ROBOCZE Następnie trzeba wskazać zbiór lokalizacji, z którymi ma się wiązać białko rozpoznające. Ustala to liczbę miejsc, podobnie jak w przyrodzie. Należy zakodować element rozpoznający w genomie, aby mógł współewoluować z miejscami wiązania. Potem stosuje się losowe mutacje oraz selekcję premiującą odnajdywanie miejsc i eliminującą odnajdywanie miejsc niewłaściwych. Przy tych warunkach symulacja ma odpowiadać biologii na każdym etapie.

Because half of the population always survives each selection round in the evolutionary simulation presented here, the population cannot die out and there is no lethal level of incompetence. While this may not be representative of all biological systems, since extinction and threshold effects do occur, it is representative of the situation in which a functional species can survive without a particular genetic control system but which would do better to gain control ab initio. TŁUMACZENIE ROBOCZE Ponieważ w każdej rundzie selekcji zawsze przeżywa połowa populacji, populacja nie może wymrzeć i nie istnieje letalny poziom niesprawności. Może to nie być reprezentatywne dla wszystkich systemów biologicznych, gdyż wymieranie i efekty progowe rzeczywiście zachodzą; model ma natomiast reprezentować sytuację, w której funkcjonalny gatunek może przetrwać bez określonego systemu kontroli genetycznej, lecz zyskałby na jego powstaniu od podstaw.

The ev model shows explicitly how this information gain comes about from mutation and selection, without any other external influence. [...] This situation fits Behe’s definition of “irreducible complexity” exactly [...] yet the molecular evolution of this “Roman arch” is straightforward and rapid, in direct contradiction to his thesis. TŁUMACZENIE ROBOCZE Model ev pokazuje wprost, jak przyrost informacji powstaje wskutek mutacji i selekcji, bez innego wpływu zewnętrznego. [...] Sytuacja ta dokładnie odpowiada definicji „nieredukowalnej złożoności” Behego, a mimo to molekularna ewolucja tego „rzymskiego łuku” jest prosta i szybka, co pozostaje w bezpośredniej sprzeczności z jego tezą.

So, contrary to probabilistic arguments by Spetner, the ev program also clearly demonstrates that biological information, measured in the strict Shannon sense, can rapidly appear in genetic control systems subjected to replication, mutation and selection. TŁUMACZENIE ROBOCZE Wbrew probabilistycznym argumentom Spetnera program ev wyraźnie pokazuje, że informacja biologiczna, mierzona w ścisłym sensie Shannona, może szybko pojawiać się w systemach kontroli genetycznej poddanych replikacji, mutacji i selekcji.