To make a case for or against a trend in the evolution of complexity in biological evolution, complexity needs to be both rigorously defined and measurable. A recent information-theoretic (but intuitively evident) definition identifies genomic complexity with the amount of information a sequence stores about its environment. We investigate the evolution of genomic complexity in populations of digital organisms and monitor in detail the evolutionary transitions that increase complexity. We show that, because natural selection forces genomes to behave as a natural "Maxwell Demon," within a fixed environment, genomic complexity is forced to increase.

Avida is a software platform for experiments with self-replicating and evolving computer programs. It provides detailed control over experimental settings and protocols, a large array of measurement tools, and sophisticated methods to analyze and post-process experimental data. We explain the general principles on which Avida is built, as well as its main components and their interactions. We also explain how experiments are set up, carried out, and analyzed.

Abstract Simple multicellularity evolves readily in diverse unicellular species, but nascent multicellular groups are prone to reversion to unicellularity. Successful transitions to multicellularity therefore require subsequent mutations that promote the entrenchment of the higher-level unit, stabilizing it through time. Here we explore the causes of entrenchment using digital evolution. When faced with a trade-off between cellular metabolic productivity and information fidelity, digital “multicells” often evolve reproductive division of labor. Because digital “unicells” cannot circumvent this trade-off, unicellular revertants tend to exhibit low fitness relative to their differentiated multicellular ancestors. Thus, division of labor can drive the entrenchment of multicellularity. More generally, division of labor may play a crucial role in major transitions, enriching the complexity and functionality of higher-level units while enhancing their evolutionary stability.

Abstract Fluctuating environmental conditions are ubiquitous in natural systems, and populations have evolved various strategies to cope with such fluctuations. The particular mechanisms that evolve profoundly influence subsequent evolutionary dynamics. One such mechanism is phenotypic plasticity, which is the ability of a single genotype to produce alternate phenotypes in an environmentally dependent context. Here, we use digital organisms (self-replicating computer programs) to investigate how adaptive phenotypic plasticity alters evolutionary dynamics and influences evolutionary outcomes in cyclically changing environments. Specifically, we examined the evolutionary histories of both plastic populations and non-plastic populations to ask: (1) Does adaptive plasticity promote or constrain evolutionary change? (2) Are plastic populations better able to evolve and then maintain novel traits? And (3), how does adaptive plasticity affect the potential for maladaptive alleles to accumulate in evolving genomes? We find that populations with adaptive phenotypic plasticity undergo less evolutionary change than non-plastic populations, which must rely on genetic variation from de novo mutations to continuously readapt to environmental fluctuations. Indeed, the non-plastic populations undergo more frequent selective sweeps and accumulate many more genetic changes. We find that the repeated selective sweeps in non-plastic populations drive the loss of beneficial traits and accumulation of maladaptive alleles via deleterious hitchhiking, whereas phenotypic plasticity can stabilize populations against environmental fluctuations. This stabilization allows plastic populations to more easily retain novel adaptive traits than their non-plastic counterparts. In general, the evolution of adaptive phenotypic plasticity shifted evolutionary dynamics to be more similar to that of populations evolving in a static environment than to non-plastic populations evolving in an identical fluctuating environment. All natural environments subject populations to some form of change; our findings suggest that the stabilizing effect of phenotypic plasticity plays an important role in subsequent adaptive evolution.

Abstract Gould’s thought experiment of “replaying life’s tape” provides a conceptual framework for experiments that quantify the contributions of adaptation, chance, and history to evolutionary outcomes. For example, we can empirically measure how varying the depth of history in one environment influences subsequent evolution in a new environment. Can this “footprint of history”—the genomic legacy of prior adaptation—grow too deep to overcome? Can it constrain adaptation, even with intense selection in the new environment? We investigated these questions using digital organisms. Specifically, we evolved ten populations from one ancestor under identical conditions. We then replayed evolution from three time points in each population’s history (corresponding to shallow, intermediate, and deep history) in two new environments (one similar and one dissimilar to the prior environment). We measured the contributions of adaptation, chance, and history to the among-lineage variation in fitness and genome length in both new environments. In both environments, variation in genome length depended largely on history and chance, not adaptation, indicating weak selection. By contrast, adaptation, chance, and history all contributed to variation in fitness. Crucially, whether the depth of history affected adaptation depended on the environment. When the ancestral and new environments overlapped, history was as important as adaptation to the fitness achieved in the new environment for the populations with the deepest history. However, when the ancestral and novel environments favored different traits, adaptation overwhelmed even deep history. This experimental design for assessing the influence of the depth of history is promising for both biological and digital systems.

Abstract Evolutionary theory seeks to explain the remarkable diversity and adaptability of life on Earth. Current theory offers substantial explanatory power, but it overlooks important transient dynamics that are prominent only when populations are outside equilibrium, such as during selective sweeps. We identify a dynamic that we call “adaptive momentum” whereby lineages with a selective advantage can temporarily sustain more deleterious mutations. This reduction in the strength of purifying selection allows populations to explore fitness valleys that are usually too costly to enter, potentially leading to the discovery of otherwise inaccessible fitness peaks. Using mathematical and agent-based simulations, we demonstrate adaptive momentum and show how periods of disequilibrium become windows of enhanced adaptation. Genetic exploration can occur during these windows without requiring mechanisms such as changing environments or complex landscapes. Adaptive momentum provides a simple potential explanation for bursts of rapid evolution observed in nature, including in pathogens such as SARS-CoV-2 and cancers. (152 words)

Genetic spaces are often described in terms of fitness landscapes or genotype-to-phenotype maps, where each genetic sequence is associated with phenotypic properties and linked to other genotypes that are a single mutational step away. The positions close to a genotype make up its ``mutational landscape'' and, in aggregate, determine the short-term evolutionary potential of a population. Populations with wider ranges of phenotypes in their mutational neighborhood are known to be more evolvable. Likewise, those with fewer phenotypic changes available in their local neighborhoods are more mutationally robust. Here, we examine whether forces that change the distribution of phenotypes available by mutation profoundly alter subsequent evolutionary dynamics. We compare evolved populations of digital organisms that were subject to either static or cyclically-changing environments. For each of these, we examine diversity of the phenotypes that are produced through mutations in order to characterize the local genotype-phenotype map. We demonstrate that environmental change can push populations toward more evolvable mutational landscapes where many alternate phenotypes are available, though purely deleterious mutations remain suppressed. Further, we show that populations in environments with harsh changes switch phenotypes more readily than those in environments with more benign changes. We trace this effect to repeated population bottlenecks in the harsh environments, which result in shorter coalescence times and keep populations in regions of the mutational landscape where the phenotypic shifts in question are more likely to occur. Typically, static environments select solely for immediate optimization, at the expensive of long-term evolvability. In contrast, we show that with changing environments, short-term pressures to deal with immediate challenges can align with long-term pressures to explore a more productive portion of the mutational landscape.

Spatial heterogeneity is believed to be an evolutionary driver of biodiversity. Variability in the distribution of resource patches can allow an environment to support a wider variety of phenotypes for selection to act upon at the ecosystem level, which may lead to more species. However, the generality of this principle has not been thoroughly tested, as the relevant adaptive dynamics occur on evolutionary timescales. We overcame this challenge by performing experiments on populations of digital organisms in the Avida Digital Evolution Platform, in which we investigated the impact of spatial resource heterogeneity on phenotypic diversity. Since an important benefit of diversity may be increased evolutionary potential, we also tracked the probability of a complex trait evolving in the context of various levels of spatial heterogeneity. We found that spatial entropy and phenotypic diversity have a strong positive correlation and this relationship is consistent across various spatial configurations. Diversity also increases evolutionary potential, but has a much smaller impact than other components of environmental composition. The most important of these components was the mean number of resources present in locations across the environment, likely owing to the importance of building blocks for the evolution of complex features. These results suggest that a general relationship exists between spatial heterogeneity and diversity, beyond the specific ecosystems and timescales in which it has previously been studied. By examining this relationship in the context of phenotypic evolution, we advance a mechanistic understanding of the resulting dynamics. Moreover, our results suggest that the likelihood of evolving various traits can be impacted by the spatial configuration of patches in which these traits are advantageous. These findings have implications for both evolutionary biology and evolutionary computation, as generating and maintaining diversity is critical to all forms of evolution.