從行為到基因：行為生態學與保育遺傳的量化整合

從個體行為到族群命運：為什麼保育需要懂行為與基因

一頭公象在乾旱季記得三十年前的水源、一隻雌鳥對親緣訊號的辨識、一群魚在掠食壓力下的聚散——這些看似瑣碎的行為決策，最終都會寫進族群的等位基因頻率裡。行為生態學研究行為如何在天擇下被塑造成適應策略；保育遺傳則追問當族群縮小、隔離、近交時，這些策略還能不能維繫遺傳變異與演化潛力。兩者交會處，正是現代保育生物學最吃力也最關鍵的戰場：我們保護的不只是個體數量，而是一套能持續演化的「行為—基因」共構系統。

本篇假設你已掌握天擇、孟德爾遺傳與基本族群生態，直接進入機制與量化層次。

行為作為適應：最適化與賽局的量化骨架

行為生態學的核心假設是行為表現型受天擇塑造，趨向使適應度最大化的策略。最經典的量化工具是 最適覓食理論（Optimal Foraging Theory）。以邊際值定理（Marginal Value Theorem）為例，覓食者應在某資源斑塊的瞬時收益率下降到「環境平均收益率」時離開。設斑塊累積能量為 $g(t)$、斑塊間移動時間為 $\tau$，則最適停留時間 $t^*$ 滿足

$$g'(t^*) = \frac{g(t^*)}{\tau + t^*}$$

也就是離開瞬間的邊際收益率等於整體平均收益率。這條切線條件可由作圖直接求解，是大量野外取食數據的理論錨點。

當個體的最適策略取決於他人怎麼做時，最適化要升級為 演化穩定策略（ESS, Maynard Smith）。在 Hawk–Dove 賽局中，若爭奪資源價值為 $V$、受傷成本為 $C$ 且 $C>V$，則混合 ESS 的鷹策略比例為 $p^* = V/C$。這解釋了為何純粹好鬥不會席捲族群——攻擊性是頻率依賴下的平衡，而非單純「越兇越好」。這類頻率依賴選擇也是維持行為多型（如顯性與衛星交配策略）的機制之一。

性擇、訊號與「好基因」假說

性擇是行為最劇烈塑造表現型的力量。Zahavi 的 累贅原則（Handicap Principle） 主張誇耀性訊號之所以誠實，正因其成本高昂：只有高品質個體負擔得起昂貴的尾羽或鳴唱，使訊號難以作弊。Grafen 後續以賽局模型證明，當訊號成本與個體品質呈負相關（高品質者邊際成本較低）時，誠實訊號可成為演化穩定的訊號均衡。

這對保育的意涵在於：性擇往往依賴 遺傳變異。若「好基因」假說成立，雌性偏好的訊號反映了抗病、代謝等位點的優劣，而這正是被近交與遺傳漂變最先侵蝕的部分。MHC（主要組織相容性複合體）的擇偶偏好就是典型案例——許多物種偏好 MHC 相異的配偶，以維持後代免疫多樣性。族群一旦縮小，MHC 多樣性流失，連帶削弱基於嗅覺或免疫訊號的擇偶行為。

保育遺傳的量化基準：Hardy–Weinberg 與有效族群大小

保育遺傳的所有偏離，都以 Hardy–Weinberg 平衡 為對照基準。對雙等位基因座，基因型頻率為

$$p^2 + 2pq + q^2 = 1, \quad p + q = 1$$

真實小族群會系統性偏離此平衡，原因正是近交與漂變。近交係數 $F$ 衡量觀測異型合子相對期望的虧缺：

$$F = \frac{H_e - H_o}{H_e}$$

其中 $H_e = 2pq$ 為期望異型合子率、$H_o$ 為觀測值。$F>0$ 代表近交累積。

更核心的是 有效族群大小 $N_e$。遺傳漂變導致每世代雜合度的流失率約為

$$H_{t} = H_0\left(1 - \frac{1}{2N_e}\right)^{t}$$

關鍵在於 $N_e$ 幾乎總是遠小於普查族群數 $N_c$——而行為正是壓低 $N_e$ 的主因。一夫多妻、偏斜的繁殖成功、性別比失衡都會使 $N_e \ll N_c$。在性別比偏斜下：

$$N_e = \frac{4 N_m N_f}{N_m + N_f}$$

定量小範例： 一座保護區有 90 隻成體，但因強烈一妻多夫的交配系統，僅 5 隻雄性與 85 隻雌性實際參與繁殖。代入：

$$N_e = \frac{4 \times 5 \times 85}{5 + 85} = \frac{1700}{90} \approx 18.9$$

雖然普查數 90，有效族群僅約 19。代入漂變式，每世代雜合度流失約 $1/(2 \times 18.9) \approx 2.6\%$。十個世代後保留比例為 $(1-0.026)^{10} \approx 0.77$，即喪失近四分之一的中性遺傳變異。這正說明：忽略交配行為來估算遺傳健康，會嚴重高估族群的演化壽命。

近交衰退、適應潛力與族群生存力

近交衰退（inbreeding depression）使隱性有害等位基因暴露於同型合子，壓低存活與繁殖。著名的瑞典 Adder（北蝰）孤立族群與佛州山獅（Florida panther）案例都顯示，當 $N_e$ 跌破門檻，畸形精子、幼體死亡率上升等表現型隨之出現。保育上常引用的 50/500 法則——短期避免近交衰退需 $N_e \geq 50$，長期維持演化潛力需 $N_e \geq 500$——雖是粗略經驗值，但其量化精神正源自上述漂變與近交方程。

行為層面的對策包括 遺傳救援（genetic rescue）：引入少數外來個體以注入新等位基因。佛州山獅引入德州山獅後，後代健康與族群數顯著回升，是行為（遷入與交配）直接逆轉遺傳衰退的範例。但成效取決於外來者能否被接納繁殖——若社會結構排斥外來個體，遺傳救援在分子層次再合理，行為層次仍可能失敗。

深入探討（研究所視角）

進入研究前沿，行為與保育遺傳的整合正被三股技術力量重塑：基因體尺度的選擇偵測、單細胞與多體學、以及機制性的數學模型。

保育基因體學與選擇掃描。 從少數微衛星座位邁向全基因體重定序後，研究者可直接量化 連鎖不平衡 推估的歷史 $N_e$，並以 runs of homozygosity（ROH） 計算個體基因體近交係數 $F_{ROH}$——長 ROH 段代表近期近交，短段反映遠古瓶頸。同時，跨族群的 $F_{ST}$ 與 整合單套型同源性（iHS）、XP-EHH 等統計可定位近期受正向選擇的位點。對行為而言，這意味著我們能反向追問：被天擇保留的，是否正是與覓食、社會性、抗病行為相關的基因座？例如 vasopressin/oxytocin 受體基因（如 avpr1a） 與田鼠（Microtus）配偶連結行為的關聯，已成為「行為基因座如何在族群結構中分佈」的範式系統。

單細胞與神經分子機制。 行為的近因（proximate cause）正被單細胞 RNA-seq 與空間轉錄體解析到神經元型別層次。社會行為（如優勢階層、親代照護）對應的 轉錄體可塑性 顯示，同一基因組可依社會情境快速切換表現型——這是「表現型可塑性如何緩衝遺傳變異流失」的分子證據。表觀遺傳修飾（DNA 甲基化、組蛋白修飾）則提供跨世代傳遞行為傾向的非序列途徑，挑戰了「遺傳變異是適應潛力唯一儲庫」的傳統假設。

系統生物學與整合族群模型。 最前沿的保育預測已從單一 $N_e$ 走向 整合族群模型（Integrated Population Models, IPM） 與 個體本位模型（IBM/ABM）：將標放重捕、遺傳取樣、行為追蹤（GPS、加速度計生物紀錄）資料於貝氏框架下聯合估計。這類模型能捕捉 族群統計—遺傳回饋迴路——例如近交衰退降低存活率，存活率下降又進一步壓低 $N_e$，形成滅絕漩渦（extinction vortex）的正回饋。將 logistic 成長 $\frac{dN}{dt}=rN(1-N/K)$ 與隨機性、Allee 效應（低密度下適應度反降，常源於難以找到配偶的行為機制）耦合後，模型可輸出 最小存活族群（MVP） 的機率分佈而非單一閾值。

結構與分子演化的交會。 在分子層次，MHC 與免疫受體的 超基因（supergene） 與平衡選擇研究，正用結構生物學解釋為何某些等位基因被長期維持——抗原結合溝槽的胺基酸多型直接決定病原辨識廣度。將蛋白結構約束納入族群遺傳模型，使我們能預測哪些變異流失最致命。這條從 行為（擇偶、社會性）→ 神經分子機制 → 基因體選擇訊號 → 蛋白結構功能 的完整因果鏈，正是下一代保育遺傳試圖閉合的迴路：不再只問「還剩多少變異」，而是問「剩下的變異，能不能支撐這個物種繼續演化下去」。