Modélisations de la dispersion du pollen et estimation à partir de marqueurs génétiques.

Modellings of pollen dispersal and estimation from genetic markers

• Auteur / Autrice : Florence Carpentier
• Direction : Claire Lavigne, Joël Chadoeuf, Etienne Klein
• Type : Thèse de doctorat
• Discipline(s) : Biologie des populations et écologie
• Date : Soutenance le 29/06/2010
• Etablissement(s) : Montpellier 2
• Ecole(s) doctorale(s) : Systèmes Intégrés en Biologie, Agronomie, Géosciences, Hydrosciences, Environnement (Montpellier ; École Doctorale ; 2009-2015)
• Jury : Président / Présidente : Francois Rousset
• Jury : Examinateurs / Examinatrices : Joël Chadoeuf, Etienne Klein, Cyril Dutech
• Jury : Rapporteur / Rapporteuse : Olivier Hardy, Olivier François

Mots clés

Mots clés contrôlés

Plantes -- Ressources génétiques

Pollen -- Dissémination

Flux génique

Mots clés libres

Flux de gènes

Noyau de dispersion

Fonction backward

Fonction forward

Calcul bayésien approché

Méthodes indirectes

Gene flow

Dispersal kernel

Backward function

Forward function

Approximate bayesian computation

Indirect methods

Résumé

La dispersion du pollen est une composante majeure des flux de gènes chez les plantes, contribuant à la diversité génétique et à sa structure spatiale. Son étude à l'échelle d'un épisode de reproduction permet de comprendre l'impact des changements actuels (fragmentation, anthropisation....) et de proposer des politiques de conservation. Deux types de méthodes basées sur les marqueurs microsatellites estiment la fonction de dispersion du pollen: (i) les méthodes directes (e.g. mating model) basées sur l'assignation de paternité et nécessitant un échantillonnage exhaustif (position et génotype des individus du site étudié, génotypes de graines échantillonnées sur des mères); (ii) les méthodes indirectes (e.g. TwoGener), nécessitant un échantillonnage réduit (génotypes des graines, génotypes et positions des mères) et résumant les données en indices génétiques. Nous proposons la formalisation statistique de ces deux types de méthodes et montrons qu'elles utilisent des fonctions de dispersion différentes: les méthodes directes estiment une fonction forward potentielle (déplacement du pollen depuis le père), les méthodes indirectes une fonction backward intégrative (de la fécondation jusqu'à l'existence du père). Nous explicitons le lien entre fonctions backward et forward, des hypothèses menant à leur équivalence, et des contraintes affectant les fonctions backward. Nous développons enfin une méthode de calcul bayésien approché qui permet (i) une estimation forward, (ii) avec des intervalles de crédibilité, (iii) à partir d'un jeu de données non exhaustif et d'informations partielles (e.g. positions sans génotype) et (iv) l'utilisation de différents modèles de dispersion.

Pollen dispersal is a major component of gene flow in plants. It determines to genetic diversity and spatial genetic structure.Studying it at the scale of a single reproduction event enables to understand the impact of current changes (fragmentation, anthropization ...) and to propose conservation practices.Two types of methods, based on microsatellite markers, estimate pollen dispersal functions : (i) direct methods (e.g. mating model) based on paternity assignment require exhaustif sampling (position and genotype of individuals in the study plot, genotypes of seeds harvested on mothers); (ii) indirect methods (e.g. TwoGener), require a weaker sampling (seeds genotypes, genotypes and positions of their mothers) and summarize data through genetic indices.We propose a statistical formalization of both types of methods and show that they rely on different dispersal functions : the direct methods estimate a potential forward function (pollen transfer from the father), whereas the indirect methods estimate an integrative backward one (from fecondation to father existence). We exhibit the link between forward and backward functions, assumptions leading to their equivalence and constrains affecting the backward functions.Finally, we develop an Approximate Bayesian Computation method, which enable (i) a forward estimation, (ii) with credibility intervals, (iii) from a non exhaustive dataset and partial information (e.g. positions without genotypes) and (iv) the use of different dispersal models.