自从1950年克劳德·香农（Claude Elwood Shannon）提出信息论以来，很多学者探讨了信息在进化和生态中起的作用[1,2]。然而，对于信息如何具体发挥作用，尤其是如何将其整合到在进化的框架下的问题，由于数据的缺少，以及缺乏能够将信息和适应度映射起来的方法，目前仍知之甚少[3]。

该文基于植物用于生长发育的次级代谢产物，将植物和昆虫（AP），和植物和自身释放的信息素（PV）这两个二分网络结合了起来。前者描述了植物与植食性昆虫的对应关系，而后者描述了植物与自身释放化学物质类型的对应关系。该文在位于墨西哥的Chamela-Cuixmala自然保护区内热带森林中，采集鳞翅目昆虫的幼虫以及对应宿主植物的叶片，通过野外调查与室内实验相结合的方式，阐明自然生态群落中植物与植食性昆虫间的“军备竞赛”过程。

在自然生态系统中，交流是不对称的，例如食草动物在取食植物的过程中，交流双方的利益是相互冲突的。食草动物需要识别出哪种植物可以食用，而植物需要避免让自己成为食物。该研究的目标，是通过将这两个网络信息层面的描述，用一个简单的共进化模型，解决为植物和食草动物定义进化适应度的问题。

根据该模型的规则，研究模拟了影响这两个二分网络交互的基因突变情况。在模拟中随机选择一个植物-释放信息素（挥发性有机物）的配对，按照一定概率，增加或去除这样的连接，由此增加或降低信息素的可能性组合。通过熵，计算该信息素在动物识别时的不确定性，计算该植物的适应性得分。如果适应性得分高于之前，那么则接受该信息素对信号库的扩充。

特别值得注意的是，一般的交流网络是通过降低噪音，以提高交流通道的效率；而在该模型中，一种植物释放信息素，是为了提高交流时的变化性，从而使捕食者更加迷惑。在信息论的框架下，即提高食草动物选择植物的不确定性。

同样的进化过程，之后被用于植物和昆虫的网络。植物和昆虫的连接，根据相反的适应度评价方式，被增加到网络中，或从网络中被删除。在该例中，植物要降低信息素的可能范围，从而减少不确定性，以确保授粉。

由此，适应度（fitness measure）可以通过信息论中的另一种熵来定义，它描述了昆虫基于植物-信息素网络矩阵，决定专门针对一种植物授粉而得到的对植物的改进的程度。而这反映了两个网络间的信息传递。因此，优化中的两个约束条件必须被同时满足：植物产生信息素和昆虫的专业分工。

上图展示了通过模拟，不同数量的信息素（横轴）及其对应的互信息熵（纵轴），左图代表植物通过信息素吸引昆虫，称为编码；右图代表食草动物通过信息素决定可否食用该植物，称为解码；图中虚线代表真实场景中信息素的个数，可以看出，两幅图中，真实数量和模拟展示的刚刚能够最大化互信息的数量是一致的。

由网络模型预测得出的数据，和包括食草植物和植物之间密集网络，以及昆虫专业授粉集合中的实地真实数据拟合的很好。上述结果和初始条件无关，适用于稀疏及稠密的交互网络。上述发现说明，植物释放的化学信息素，在植物和食草动物，以及植物和昆虫之间的共演化中发挥着重要作用[4]。

生物个体的生命活动离不开物质与能量，而存储在生物体DNA中的信息，以及个体之间的信息传递，则是驱动生物学发展的关键[5]。

在生态学中，信息论能针对能量转移网络[6]，以及植物授粉者网络[7]，给出可验证的预测。该研究提供的理论框架，将协同进化（coevolution）动力学和网络结构联系在了一起。该框架可以应用在和植物共生的微生物所产生的化学信息素上[8]，以及与多种真菌，植物，以及微生物共生的植物根部的研究中[9]。

在更广的视野上，该研究提出的形式化的对网络协同进化的研究，可以帮助形成生态系统中经由协同进化学习的理论[10]。进一步来看，语言进化中不同需求形成的张力，和本研究的昆虫植物之间相互作用有类似之处，都需要最小化交流的成本，并产生能够解释语言普遍组织规律的统计分布[11]。

（参考文献可上下滑动）

编译：郭瑞东

审校：彭莳嘉、李周园、曾祥轩

编辑：张希妍

相互适应，协同进化，生命如此多姿多彩！你一定意犹未尽，最好论文作者直播搞起~

然而人气、人气、人气呀，人够多才搞得起。主编说，要没100位听众，咱都不好意思联系作者(´-ι_-｀) 

所以我们在此发起投票：

– 如果超过100人报名，集智编辑部承诺会邀请相关研究者作客集智直播间，讲透论文。你的问题，统统当面回应！

– 如果超过200人报名，编辑部会尽力邀请领域专家，针对强化学习、图嵌入在网络科学中前沿应用，撰写专题综述文章！（只在集智才有的那种，你懂得）

具体投票方法：扫描下方二维码，在集智斑图上点击「我要听」报名，推动这次直播的行动，你的一票很重要！

特别是读到文末的你( ¯•ω•¯ )

👇点击“阅读原文”，了解更多论文信息