真核细胞的起源——生命演化史上最关键的复杂性跃升——并非渐进过程，而是一次由基因长度驱动的“算法相变”。 一个由德国、西班牙、瑞士四所研究机构科学家组成的国际团队，在 Proceedings of the National Academy of Sciences 上发表了一项跨学科研究，整合了近万个蛋白质组与超过3.3万个基因组的数据，通过理论建模与大数据分析，揭示了真核生物起源的全新定量框架：当平均基因长度达到1500个核苷酸的临界阈值时，生命系统经历了一次物理意义上的相变，从“编码主导”的原核阶段跃入“非编码主导”的真核阶段。这一发现将细胞复杂性的起源归结为可量化、可预测的演化规律。
对数正态分布与乘法随机过程
研究团队首先发现，在整个生命之树（从细菌、古菌到真核生物）中，蛋白质长度及其对应基因长度均遵循对数正态分布（log-normal distribution）。这种分布形式通常源于乘法随机过程（multiplicative stochastic process）——即每次变化以当前值的比例而非绝对值进行增减。
基于此，研究者构建了一个简洁的演化模型：从LUCA（最后普遍共同祖先） 开始，基因长度在每一次遗传变异事件中经历乘性随机变化。模型预测：
-
平均基因长度应随时间呈指数增长；
-
基因长度的方差与均值呈幂律缩放关系（scaling-invariant mechanism）。
对33,627个基因组的验证完全支持这两个预测。更重要的是，研究揭示了一个关键经验规律：一个物种的平均基因长度，与其细胞复杂度高度相关，且可仅凭该平均值预测整个物种的基因长度分布。
临界阈值与蛋白–基因“脱耦”
当将平均蛋白质长度与平均基因长度在物种演化轨迹上作图时，研究者观察到一个清晰的拐点：
-
在原核生物中，蛋白质长度与基因长度同步增长（因原核基因几乎不含非编码序列）；
-
当平均基因长度达到约1500个核苷酸时，平均蛋白质长度稳定在约500个氨基酸，不再随基因增长而增加——出现“脱耦”。
这一阈值正好对应真核细胞的起源。此后，基因长度继续以原核时期的速率增长，但蛋白质长度保持稳定。原因在于：真核生物在基因中插入了大量内含子（非编码序列），使基因可以继续增长而不改变蛋白质编码序列。
算法相变：从编码相到非编码相
研究进一步引入临界现象分析（源于磁性材料物理），发现1500核苷酸阈值对应一次二级相变：
-
相变前（编码相，Prokarya）：基因与蛋白质长度耦合，演化“搜索”新蛋白功能的计算复杂度随序列增长呈指数上升；
-
相变点（临界区）：系统出现临界慢化（critical slowing down），动力学陷入大量亚稳态——这在早期原生生物与真菌的演化记录中得到印证；
-
相变后（非编码相，Eukarya）：内含子、剪接体、核膜的出现，使转录与翻译在时空上分离。这一创新将“搜索”新蛋白的计算复杂度从指数级降为多项式级（通过可变剪接等机制，一个基因可产生多种蛋白质）。
“这种相变是算法性的，”共同作者、苏黎世大学Jordi Bascompte教授指出。在编码相中，增加蛋白质功能主要靠延长编码序列，搜索空间急剧膨胀；而非编码相通过模块化重组绕开了这一计算瓶颈。
时间标定与演化意义
通过模型外推，研究将这一相变发生的时间定在约26亿年前——与地质记录中真核生物首次出现的时间高度吻合。这一框架将真核发生（eukaryogenesis）从“一次偶然的内共生事件”重新理解为由基因长度增长驱动的必然相变：当原核生物通过基因复制、融合等机制使平均基因长度逼近临界值时，系统只有两条出路——要么陷入计算不可行，要么演化出内含子/剪接体等新机制。真核细胞正是后者。
“这一研究结合了计算生物学、演化生物学与物理学，不仅回答了核心问题，还有潜力为其他领域（如能量学或信息理论）提供探索基础，”共同作者、美因茨大学Enrique Muro博士总结道。
更广泛的启示
该研究为理解生命演化中的“重大转型”提供了可量化的新范式：
-
复杂性并非渐进积累，而是跨越临界点后的涌现；
-
基因结构（编码/非编码比例）是比基因数目更根本的复杂度指标；
-
类似的分析框架可应用于多细胞性、有性生殖、社会性等其他重大演化转型。
参考信息
Reference: “The emergence of eukaryotes as an evolutionary algorithmic phase transition” by Enrique M. Muro, Fernando J. Ballesteros, Bartolo Luque and Jordi Bascompte, 27 March 2025, Proceedings of the National Academy of Sciences.
DOI: 10.1073/pnas.2422968122