Estimation de paramètres de dispersion en populations structurées à partir de données génétiques

Inference of dispersal parameters from genetic data in subdivided populations

• Auteur / Autrice : Raphaël Leblois
• Direction : François Rousset
• Type : Thèse de doctorat
• Discipline(s) : Biologie de l'évolution
• Date : Soutenance en 2004
• Etablissement(s) : Montpellier, ENSA

Mots clés

Mots clés contrôlés

Démographie

Génétique des populations

Résumé

L'estimation de taux de migration est déterminante pour la résolution des questions portant sur l'évolution des populations naturelles. Le propos de cette thèse est de montrer comment les modèles de populations subdivisées permettent de telles estimations à partir de données génétiques. Une première étude par simulation montre que l'estimation de paramètres démographiques par F-statistiques en isolement par la distance donne de bons résultats, robustes vis à vis: (i) des processus mutationnels des marqueurs génétiques utilisés, et (ii) d'hétérogénéités temporelles et spatiales des paramètres démographiques. Ce travail montre également que les deux approches d'estimation par maximum de vraisemblance fondées sur la coalescence disponibles à ce jour sont fortement limitées par des temps de calculs extrêmement longs. Le développement de nouveaux algorithmes devrait réduire les temps de calculs et ainsi permettre la considération de modèles plus réalistes. Enfin, ce travail montre qu'une dispersion limitée dans l'espace a des conséquences importantes sur la détection d'une réduction de taille de l'habitat par des méthodes génétiques.

Inference of migration in natural populations is important for the understanding of evolution, especially in the context of bioinvasions and conservation biology. The aim of this thesis is to show how subdivided population models allow the estimation of dispersal parameters from genetic data. First, a simulation study show that demographic parameter inference from F-statistics under isolation by distance gives good estimates and is robust to mutational processes of genetic markers and to temporal and spatial heterogeneities of demographic parameters. This work also shows that the two presently available approaches for maximum likelihood estimation based on the coalescence are strongly limited because of high computation times. Moreover, our simulations show relatively bad performances of one of those approaches for isolations by distance models. The development of new algorithms should decrease computational times and thus allow the consideration of more realistic models. Finally, this work shows that geographically limited dispersal has important consequences on the detection of habitat size reduction with genetic methods.