Génétique évolutive et des populations
Transcription
Génétique évolutive et des populations
Génétique évolutive et des populations Nicolas Lartillot 16 janvier 2012 Nicolas Lartillot (Universite de Montréal) Évolution moléculaire 16 janvier 2012 1 / 34 1 Génétique évolutive : traitement déterministe Cas haploide Cas diploide 2 Dynamique adaptative 3 Génétique quantitative des traits complexes 4 Génétique des populations. La dérive génétique le modèle de Wright et Fisher Coalescent et diversité Nicolas Lartillot (Universite de Montréal) Évolution moléculaire 16 janvier 2012 2 / 34 Génétique évolutive : traitement déterministe Génétique évolutive Objet général rendre compte de l’évolution phénotypique en termes de changement de fréquences des gènes et génotypes dans les populations en premier lieu, modèles déterministes (larges populations) calculer l’évolution de la fréquence de plusieurs allèles au cours des générations, en fonction de la valeur sélective de chacun utiliser ces modèles pour étudier l’évolution d’une espèce, ou de plusieurs espèces en interaction Ronald A. Fisher, Sewall Wright, John B.S. Haldane, ... John Maynard Smith. Evolutionary Genetics, 2d edition (1998) Nicolas Lartillot (Universite de Montréal) Évolution moléculaire 16 janvier 2012 3 / 34 Génétique évolutive : traitement déterministe Sélection naturelle = compétition intraspécifique Sélection requiert variation phénotypique héritable compétition entre individus d’une même espèce (pousser plus haut que ses congénères) entre allèles en un même locus Attention aux arguments fallacieux sélection de groupe (selection ne travaille pas pour le bien de l’espèce) arguments panglossiens (tout n’est pas dû à de l’adaptation) R. Butler, copyright mangabey.com Nicolas Lartillot (Universite de Montréal) Évolution moléculaire 16 janvier 2012 4 / 34 Génétique évolutive : traitement déterministe Sélection directionnelle : mélanisme industriel Biston bitularia Wikimedia commons genet.univ-tours.fr Test de l’hypothèse industrielle (Kettlewell, 1955) relâchés recapturés proportion rec. zone non polluée (Dorsey) carbonaria typica 473 496 30 62 6,3 % 12,5 % zone polluée (Birmingham) carbonaria typica 154 64 82 16 52,3 % 25,0 % genet.univ-tours.fr (excellent site pédagogique génétique/évolution) Nicolas Lartillot (Universite de Montréal) Évolution moléculaire 16 janvier 2012 5 / 34 Génétique évolutive : traitement déterministe Fitness et coefficient de sélection Fitness ou valeur sélective d’un allèle contribution moyenne à la génération suivante des individus porteurs de l’allèle. sélection de viabilité : fitness = taux de survie forme sauvage (typica) : w1 forme mutante (carbonaria) : w1 ' 0, 5w1 en zone non polluée, w2 ' 2w1 en zone polluée. Coefficient de sélection différence relative entre mutant et sauvage s = (w2 − w1 )/w1 s = −0.5 en zone non polluée, s = 1 en zone polluée s < 0 : sélection négative, ou purificatrice s > 0 : sélection positive, ou directionnelle s = 0 : régime neutre (pas de différence sélective entre 2 allèles) Nicolas Lartillot (Universite de Montréal) Évolution moléculaire 16 janvier 2012 6 / 34 Génétique évolutive : traitement déterministe Cas haploide Sélection directionnelle, cas haploide : formalisation Hypothèses population haploide, asexuée générations discrètes (t = 1..T ) fluctuations stochastiques négligées 2 allèles A1 et A2 au locus considéré fitness allèle sauvage w1 , mutant w2 = w1 (1 + s), s > 0 Position du problème allèle sauvage : N1 (t), allèle mutant N2 (t), (N1 (t) + N2 (t) = N(t)). proportion allèle sauvage : p(t) = N1 (t)/N. proportion allèle mutant : q(t) = N2 (t)/N (p(t) + q(t) = 1). calculer q(t) en fonction de t et s (variation de fréquence de l’allèle mutant due à la sélection) Nicolas Lartillot (Universite de Montréal) Évolution moléculaire 16 janvier 2012 7 / 34 Génétique évolutive : traitement déterministe Cas haploide Analyse ∆q(t) = q(t + 1) − q(t) = p(t)q(t) w2 − w1 pw1 + qw2 Programmation w1 = 1; w2 = 1 + s; q = q0; for t = 1 .. T { // calculer q pour la génération suivante p = 1-q; deltaq = p * q * (w2 - w1) / (w1*p + w2*q); q = q + deltaq; // afficher print q; } Nicolas Lartillot (Universite de Montréal) Évolution moléculaire 16 janvier 2012 8 / 34 Génétique évolutive : traitement déterministe Cas haploide Simulations différentes valeurs de s différentes valeurs de q0 Enseignements sélection efficace, même pour s très petit. évolution rapide pour p intermédiaire, mais très lente pour p proche de 0 ou de 1. Nicolas Lartillot (Universite de Montréal) Évolution moléculaire 16 janvier 2012 9 / 34 Génétique évolutive : traitement déterministe Cas haploide approximation en sélection faible (s << 1) générations discrètes ∆q = spq = sq(1 − q) limite continue : dq dt = sq(1 − q) solution : p(t) = Nicolas Lartillot (Universite de Montréal) 1 1− p(0) −st q(0) e Évolution moléculaire 16 janvier 2012 10 / 34 Génétique évolutive : traitement déterministe Cas diploide Population diploïde sexuée Sélection chez les diploides A11 , fréquence P11 , fitness w11 = 1 A12 , fréquence P12 , fitness w12 = 1 + hs A22 , fréquence P22 , fitness w22 = 1 + s h : coefficient de dominance différents modes de dominance h = 0 : allèle A2 récessif h = 1/2 : allèle A2 codominant h = 1 : allèle A2 dominant h > 1 : allèle surdominant (avantage hétérozygote) tous les intermédiaires sont possibles Nicolas Lartillot (Universite de Montréal) Évolution moléculaire 16 janvier 2012 11 / 34 Génétique évolutive : traitement déterministe Cas diploide Équilibre de Hardy-Weinberg Principe allèles A1 , A2 , fréquences p + q = 1 fréquences des individus A1 A1 (P11 ), A1 A2 (P12 ), A2 A2 (P22 ), P11 + P12 + P22 = 1. en panmixie : P11 = p2 P12 = 2pq P22 = q 2 Nicolas Lartillot (Universite de Montréal) Évolution moléculaire 16 janvier 2012 12 / 34 Programmation w11 = 1; w12 = 1 + h*s; w22 = 1 + s; // initialiser q q = q0; for t = 0.. T { p = 1 - q; // P11 P12 P22 fréquences des génotypes (Hardy Weinberg) = p * p; = 2 * p * q; = q * q; // fréquences des génotypes après sélection PP11 = P11 * w11; PP12 = P12 * w12; PP22 = P22 * w22; // récupérer fréquences alléliques après sélection pp2 = 2*PP11 + PP12; qq2 = 2*PP22 + PP12; // normaliser total = pq2 + qq2; q = qq2 / total; // afficher print q; } Génétique évolutive : traitement déterministe Cas diploide Simulations dominance 0 ≤ h ≤ 1 super dominance h > 1 Enseignements récessifs sont longs à monter dominants sont longs à terminer leur fixation super-dominants : équilibre stable intermédiaire Nicolas Lartillot (Universite de Montréal) Évolution moléculaire 16 janvier 2012 14 / 34 Dynamique adaptative Dynamique adaptative (analyse par invasion évolutive) Principe une population initiale un allèle mutant apparaît cet allèle modifie un trait phénotypique ou comportemental déterminer si cet allèle peut envahir la population (se fixer) états évolutivement stables (qu’aucun mutant ne peut envahir) Applications évolution du sex-ratio, de l’histoire de vie modèles d’évolution altruisme / tricheurs interactions proie/prédateur ou hôte/parasite évolution de la parthénogénèse John Maynard Smith (Evolution and the theory of games) Richard Dawkins (The selfish gene, le gène égoiste) Nicolas Lartillot (Universite de Montréal) Évolution moléculaire 16 janvier 2012 15 / 34 Dynamique adaptative Sélection diversifiante Cepaea nemoralis Taylor, J. W. (1894-1914) : Monograph of the land and freshwater Mollusca of the British Isles Nicolas Lartillot (Universite de Montréal) Évolution moléculaire 16 janvier 2012 16 / 34 Dynamique adaptative Sélection sexuelle Teleopsis compétition entre individus du même sexe en vue de la reproduction conflits entre mâles choix par la femelle (good-gene and sexy-son hypotheses) Nicolas Lartillot (Universite de Montréal) Évolution moléculaire 16 janvier 2012 17 / 34 Dynamique adaptative L’hypothèse de la reine rouge (L. van Valen, 1973) "In this place it takes all the running you can do, to keep in the same place" (Lewis Carroll, Through the looking glass) John Tenniel, 1871, Alice et la Reine rouge. Course aux armements perpétuelle entre hotes-parasites proies-prédateurs espèces concurrentes Nicolas Lartillot (Universite de Montréal) Évolution moléculaire 16 janvier 2012 18 / 34 Génétique quantitative des traits complexes Variation phénotypique des traits complexes Evolution (2007), Cold Spring Harbor, ch. 14 de nombreux traits présentent une variation graduelle approximativement normale dans de nombreux cas suggère que le trait est polygénique Nicolas Lartillot (Universite de Montréal) Évolution moléculaire 16 janvier 2012 19 / 34 Génétique quantitative des traits complexes Traits polygéniques : génétique quantitative Evolution (2007), Cold Spring Harbor, ch. 1 Nicolas Lartillot (Universite de Montréal) Évolution moléculaire 16 janvier 2012 20 / 34 Génétique quantitative des traits complexes Génétique quantitative Objet comprendre comment la sélection modifie un trait quantitatif polygénique, sans connaître les détails moléculaires discriminer entre variation génétique et environnementale estimer le nombre de locus déterminant le trait, et leur importance respective déterminer efficacité des schémas de sélection artificielle Méthodes mesurer corrélations phénotypiques entre individus apparentés mesurer réponse des populations à de la sélection artificielle expliquer ces mesures par des modèles statistiques multi-locus Nicolas Lartillot (Universite de Montréal) Évolution moléculaire 16 janvier 2012 21 / 34 Génétique des populations. La dérive génétique Effets stochastiques Génétique des populations comprendre les mécanismes de l’évolution à l’échelle intraspécifique en population finie, effets stochastiques (dérive génétique) sont importants génétique des populations nécessite des outils probabilistes étude de l’évolution des fréquences alléliques en fonction de la sélection et de la dérive (et de la mutation) mesurer l’importance relative des effets stochastiques et de la sélection Nicolas Lartillot (Universite de Montréal) Évolution moléculaire 16 janvier 2012 22 / 34 Le modèle de Wright et Fisher : cas neutre Time Hypothèses population panmictique et de taille constante à chaque génération, tirage binomial du nombre de descendants de chaque individu Simulations, Wright Fisher, haploide. s = 0.01 N = 100000 N = 10000 N = 1000 N = 100 Simulations, Wright Fisher, haploide. s = −0.01 (mutant délétère) N = 100000 N = 10000 N = 1000 N = 100 Génétique des populations. La dérive génétique le modèle de Wright et Fisher La dérive génétique large population : loi des grands nombres, fluctuations sont moyennées petites populations : fluctuations très importantes en petite population, un allèle avantageux peut être perdu surtout, en petite population, un allèle délétère peut se fixer Probabilité de fixation pfix (s, N, q0 ) dépend de la sélection, la taille efficace, et la fréquence de départ nouveau mutant : q0 = 1/N en haploide, 1/2N en diploide Nicolas Lartillot (Universite de Montréal) Évolution moléculaire 16 janvier 2012 26 / 34 Génétique des populations. La dérive génétique le modèle de Wright et Fisher Fixation d’un allèle neutre initialement à 1 copie haploide pfix (0) = 1 N diploide pfix (0) = 1 2N www.coalescent.dk Nicolas Lartillot (Universite de Montréal) Évolution moléculaire 16 janvier 2012 27 / 34 Génétique des populations. La dérive génétique le modèle de Wright et Fisher Probabilité de fixation : cas général 0 ! 1 2 P Pfix (s) Pfix (0) 3 4 5 6 sélection purificatrice régime quasi-neutre sélection positive ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! −6 −4 −2 0 2 4 6 S 4Ns probabilité de fixation (relativement à un allèle neutre) d’un mutant de fitness wm = ws (1 + s) initialement présent à une copie quasi-neutre (4N | s |<< 1) : mutations légèrement délétères peuvent se fixer sélection fortement purificatrice : pfix (s) → 0 quand s → −∞ sélection fortement positive : pfix (s) ' 2s Nicolas Lartillot (Universite de Montréal) Évolution moléculaire 16 janvier 2012 28 / 34 Génétique des populations. La dérive génétique Coalescent et diversité Inferer taille efficace N à partir de données haplotypiques Hein, Shierup and Wiuf, 2005 Nicolas Lartillot (Universite de Montréal) Évolution moléculaire 16 janvier 2012 29 / 34 Retracer le dernier ancêtre commun www.coalescent.dk prob. de coalescence à la génération précédente 1/(2N) temps moyen depuis l’ancêtre T = 2N. Génétique des populations. La dérive génétique Coalescent et diversité Diversité augmente avec taille de population N T AACAGT ATCACG 0 T generations depuis le dernier ancêtre commun T = 2N nombre de sites polymorphes proportionnel à T heterozygotie moyenne : θ = 4Nu. donne une estimée de N si µ est connu et π est observée ex : µ = 10−7 , π = 0.04 : N ' 100, 000. Nicolas Lartillot (Universite de Montréal) Évolution moléculaire 16 janvier 2012 31 / 34 Mesures empirique de la diversité Génétique des populations. La dérive génétique Coalescent et diversité Taille efficace 6= taille réelle variations démographiques (goulets d’étranglement) structure de population grande variance reproductive (males dominants) Intérêt du concept de taille efficace taille efficace donne une mesure de l’importance relative des effets stochastiques (de la dérive génétique) par rapport à la sélection. régime évolutif dépend avant tout de la taille efficace, et non de la taille réelle. Différents modes adaptatifs pour différents types d’organismes bactéries ont une sélection plus efficace que les eukaryotes levures ont une sélection plus efficace que les animaux insectes ont une sélection plus efficace que les vertébrés Nicolas Lartillot (Universite de Montréal) Évolution moléculaire 16 janvier 2012 33 / 34 Génétique des populations. La dérive génétique Coalescent et diversité Bilan adaptation peut être très rapide sélection très efficace en grande population dérive génétique (fluctuations) limite l’efficacité de la sélection, en particulier en petite population. dérive génétique a des conséquences très importantes : limite la capacité d’adaptation des génomes. Plusieurs domaines en sciences de l’évolution dynamique adaptative génétique quantitative génétique des populations évolution moléculaire Nicolas Lartillot (Universite de Montréal) Évolution moléculaire 16 janvier 2012 34 / 34