Search

We introduce a new method to study the relationships between population genetic structure and environment. This method is based on Bayesian hierarchical models which use both multi-loci genetic data, and spatial, environmental, and/or cultural data. Our method provides the inference of population genetic structure, the evaluation of the relationships between the structure and non-genetic covariates, and the prediction of population genetic structure based on these covariates. We present two applications of our Bayesian method. First, we used human genetic data to evaluate the role of geography and languages in shaping Native American population structure. Second, we studied the population genetic structure of 20 Alpine plant species and we forecasted intra-specific changes in response to global warming. STAR, Nous présentons une nouvelle méthode pour étudier les relations entre la structure génétique des populations et l'environnement. Cette méthode repose sur des modèles hiérarchiques bayésiens qui utilisent conjointement des données génétiques multi-locus et des données spatiales, environnementales et/ou culturelles. Elle permet d'estimer la structure génétique des populations, d'évaluer ses liens avec des covariables non génétiques, et de projeter la structure génétique des populations en fonction de ces covariables. Dans un premier temps, nous avons appliqué notre approche à des données de génétique humaine pour évaluer le rôle de la géographie et des langages dans la structure génétique des populations amérindiennes. Dans un deuxième temps, nous avons étudié la structure génétique des populations pour 20 espèces de plantes alpines et nous avons projeté les modifications intra spécifiques qui pourront être causées par le réchauffement climatique.

National audience; Les résistances génétiques ont permis de réduire fortement l’impact des maladies virales chez de nombreuses plantes cultivées. Cependant, comme pour tous les couples hôte-parasite, les plantes et leurs virus constituent des systèmes dynamiques en perpétuelle évolution. C’est ainsi que les pressions de sélection exercées par la culture à grande échelle de variétés résistantes ont fréquemment induit l’émergence de populations virales adaptées, qualifiées de virulentes en phytopathologie. Si, à l’échelle de plante, les mécanismes générant les variants viraux adaptés sont désormais identifiés, les mécanismes impliqués dans l’émergence de populations virales virulentes à l’échelle de l’agroécosystème restent, eux, largement méconnus. Identifier ces mécanismes est un préalable afin de savoir comment combiner au mieux variétés sensibles et résistantes pour maintenir sur le long terme l’efficacité des gènes de résistances. Cette question est abordée ici par la modélisation car elle permet d’intégrer la diversité des processus et des échelles spatio-temporelles à l’œuvre au cours du contournement d’une résistance. Un modèle représentant la dynamique démo-génétique d’une population virale dans un paysage agricole (composé de plantes cultivées sensibles, de plantes cultivées résistantes et plantes sauvages hébergent les populations virales en dehors de la saison cultivée) au cours d’une succession d’épidémies annuelles est proposé. A l’échelle des plantes hôtes, les processus de sélection, dérive et mutation affectant les populations virales sont décrits par des systèmes d’équations différentielles. A l’échelle du paysage, la dynamique épidémique est modélisée par une approche individu-centré où chaque plante est un individu. L’effet de 6 facteurs sur la réduction des pertes de rendement obtenue grâce au déploiement d’une variété résistante dans un paysage durant 15 saisons culturales a été analysé à l’aide de ce modèle. Ces facteurs sont: (1) le nombre de mutations nécessaires au contournement, (2) le type de ces mutations (transitions - transversions), (3) le coût de fitness associé à ces mutations, (4) l’intensité des épidémies, (5) le type d’épidémies (proportion des événements d’infection primaire et de dissémination secondaire) et (6) la proportion de variété résistante dans le paysage. Les résultats de simulations indiquent notamment que, dans un contexte épidémiologique donnée, le choix du gène de résistance (i.e. les facteurs nombre, nature et coût des mutations nécessaires pour acquérir la virulence) a autant d’importance, voire plus, que la stratégie de déploiement adopté ultérieurement pour ce gène (le facteur proportion de variété résistante cultivée). L’effet de la structure du paysage sur ces stratégies sera également discuté.

Landscape genetics is a new discipline that aims to provide information on how landscape and environmental features influence population genetic structure. The first key step of landscape genetics is the spatial detection and location of genetic discontinuities between populations. However, efficient methods for achieving this task are lacking. In this article, we first clarify what is conceptually involved in the spatial modeling of genetic data. Then we describe a Bayesian model implemented in a Markov chain Monte Carlo scheme that allows inference of the location of such genetic discontinuities from individual geo-referenced multilocus genotypes, without a priori knowledge on populational units and limits. In this method, the global set of sampled individuals is modeled as a spatial mixture of panmictic populations, and the spatial organization of populations is modeled through the colored Voronoi tessellation. In addition to spatially locating genetic discontinuities, the method quantifies the amount of spatial dependence in the data set, estimates the number of populations in the studied area, assigns individuals to their population of origin, and detects individual migrants between populations, while taking into account uncertainty on the location of sampled individuals. The performance of the method is evaluated through the analysis of simulated data sets. Results show good performances for standard data sets (e.g., 100 individuals genotyped at 10 loci with 10 alleles per locus), with high but also low levels of population differentiation (e.g., FST < 0.05). The method is then applied to a set of 88 individuals of wolverines (Gulo gulo) sampled in the northwestern United States and genotyped at 10 microsatellites.

Mémoire numérisé par la Direction des bibliothèques de l'Université de Montréal.

The respective role of factors acting on population functioning can be inferred from a variety of approaches, including population genetics and demography. We here investigated the role of four of these factors (mating systems, population size, bottlenecks and migration) in the hermaphroditic freshwater snail Physa acuta. Twenty-four populations were sampled either around Montpellier (local scale), or at the scale of France (global scale). At local scale, eight populations were sampled twice, before and after summer drying out. The genetic structure of these populations was studied using microsatellite loci. Populations were classified according to openness (ponds vs. rivers) and water regime (permanent vs. temporary) allowing predictions on genetic patterns (e.g. diversity within populations and differentiation). At local scale, progeny-arrays analysis of the selfing rate was conducted, and size distributions of individuals were followed over two years. Results with regard to the four factors mentioned above were: (i) Estimates of population selfing rates derived from inbreeding coefficients were only slightly higher than those from progeny-arrays. (ii) More variation was detected in rivers than in ponds, but no influence of water regime was detected. One reason might be that permanent populations are not going less often through low densities than those from temporary habitats at the time scale studied. (iii) There was limited evidence for genetic bottlenecks which is compatible with the fact that even marked reduction in water availability was not necessarily associated with demographic bottlenecks. More generally, bottlenecks reducing genetic variation probably occur at population foundation. (iv) Lower genetic differentiation was detected among rivers than among ponds which might be related to limitations on gene flow. Demographic and temporal genetic data further indicates that flooding in rivers is unlikely to induce marked gene flow explaining the strong genetic differentiation at short geographical scale in such habitats. Finally, the demographic data suggest that some populations are transitory and subject to recurrent recolonization, a pattern that was also detected through genetic data.

National audience