Un modèle géostatistique pour la détection et la localisation des discontinuités génétiques spatiales entre populations

La génétique du paysage est une nouvelle discipline dont le but est de décrire l'influence des structures paysagères et environnementales sur la structuration spatiale de la variabilité génétique. Cette approche est de première importance pour la gestion des populations et en biologie de la conservation car elle donne des informations pertinentes sur la connectivité des habitats. La première étape de la génétique du paysage est la détection et la localisation dans l'espace des discontinuités génétiques entre populations. Pourtant, il n'existait pas jusqu'à présent de méthode d'analyse efficace pour atteindre ce but. Dans ce programme, nous avons clarifié les concepts liés à la modélisation spatiale des données génétiques. Nous avons ensuite décrit un modèle Bayésien permettant d'inférer les discontinuités génétiques à partir de génotypes multilocus individuels géoréférencés, sans à priori sur le nombre de populations et leurs limites spatiales. Dans cette méthode, le jeu de données global (génétique et spatial) est modélisé comme un mélange de populations panmictiques, dont l'organisation spatiale est modélisée par des cellules de Voronoi. Outre la localisation des discontinuités génétiques, la méthode quantifie le degré de dépendance spatiale dans le jeu de données, estime le nombre de populations dans l'aire d'étude, assigne les individus à leur population d'origine, et détecte les éventuels migrants entre ces populations. La performance de cette méthode a été évaluée grâce à l'analyse de données simulées. Les résultats ont montré de bonnes performances pour des jeux de données standards à des locus microsatellites (une centaine d'individus génotypés à 10 locus avec 10 allèles chacun), y compris pour des niveaux de différenciation relativement faibles (Fst< 0,05). Cette méthode a ensuite été appliquée à deux jeux de données réels sur des grands mammifères avec des niveaux de différentiation très différents. La première application, sur le glouton (Culo gulo) dans l'Ouest des États-Unis, montre la capacité de cette méthode à détecter des populations cohérentes avec les structures paysagères connues pour freiner la dispersion chez cette espèce, et à localiser un certain nombre de migrants potentiels dans un contexte de différentiation génétique assez élevée entre unités panmictiques (Fst de 0,08 à 0,17). La deuxième application, sur le chevreuil dans le Sud Ouest de la France, illustre la capacité de cette approche à inférer des discontinuités génétiques cohérentes d'un point de vue paysager (autoroutes, canaux), dans un contexte de très faible différentiation génétique (Fst = 0,008). Un programme informatique, dénommé GENELAND, est disponible gratuitement à : http://www.inapg.inra.fr/ens_rech/mathinfo/personnel/guillot/Geneland.html. Une mailing liste a également été mise en place et compte une soixantaine d'utilisateurs enregistrés.

Saved in:
Bibliographic Details
Main Authors: Cosson, Jean François, Estoup, Arnaud, Coulon, Aurélie, Galan, Maxime, Mortier, Frédéric, Hewison, A.J.Marc, Guillot, Gilles
Format: conference_item biblioteca
Language:fre
Published: BRG
Subjects:U10 - Informatique, mathématiques et statistiques, L20 - Écologie animale, L60 - Taxonomie et géographie animales, distribution géographique, statistique démographique, flux de gènes, paysage, modélisation environnementale, génétique des populations, dynamique des populations, analyse de données, modèle mathématique, étude de cas, chevreuil, Mustelidae, intéraction génotype environnement, http://aims.fao.org/aos/agrovoc/c_5083, http://aims.fao.org/aos/agrovoc/c_8268, http://aims.fao.org/aos/agrovoc/c_37331, http://aims.fao.org/aos/agrovoc/c_4185, http://aims.fao.org/aos/agrovoc/c_9000056, http://aims.fao.org/aos/agrovoc/c_34326, http://aims.fao.org/aos/agrovoc/c_6111, http://aims.fao.org/aos/agrovoc/c_15962, http://aims.fao.org/aos/agrovoc/c_24199, http://aims.fao.org/aos/agrovoc/c_24392, http://aims.fao.org/aos/agrovoc/c_24107, http://aims.fao.org/aos/agrovoc/c_15605, http://aims.fao.org/aos/agrovoc/c_24577, http://aims.fao.org/aos/agrovoc/c_8114,
Online Access:http://agritrop.cirad.fr/543797/
http://agritrop.cirad.fr/543797/1/document_543797.pdf
Tags: Add Tag
No Tags, Be the first to tag this record!
id dig-cirad-fr-543797
record_format koha
institution CIRAD FR
collection DSpace
country Francia
countrycode FR
component Bibliográfico
access En linea
databasecode dig-cirad-fr
tag biblioteca
region Europa del Oeste
libraryname Biblioteca del CIRAD Francia
language fre
topic U10 - Informatique, mathématiques et statistiques
L20 - Écologie animale
L60 - Taxonomie et géographie animales
distribution géographique
statistique démographique
flux de gènes
paysage
modélisation environnementale
génétique des populations
dynamique des populations
analyse de données
modèle mathématique
étude de cas
chevreuil
Mustelidae
intéraction génotype environnement
http://aims.fao.org/aos/agrovoc/c_5083
http://aims.fao.org/aos/agrovoc/c_8268
http://aims.fao.org/aos/agrovoc/c_37331
http://aims.fao.org/aos/agrovoc/c_4185
http://aims.fao.org/aos/agrovoc/c_9000056
http://aims.fao.org/aos/agrovoc/c_34326
http://aims.fao.org/aos/agrovoc/c_6111
http://aims.fao.org/aos/agrovoc/c_15962
http://aims.fao.org/aos/agrovoc/c_24199
http://aims.fao.org/aos/agrovoc/c_24392
http://aims.fao.org/aos/agrovoc/c_24107
http://aims.fao.org/aos/agrovoc/c_15605
http://aims.fao.org/aos/agrovoc/c_24577
http://aims.fao.org/aos/agrovoc/c_8114
U10 - Informatique, mathématiques et statistiques
L20 - Écologie animale
L60 - Taxonomie et géographie animales
distribution géographique
statistique démographique
flux de gènes
paysage
modélisation environnementale
génétique des populations
dynamique des populations
analyse de données
modèle mathématique
étude de cas
chevreuil
Mustelidae
intéraction génotype environnement
http://aims.fao.org/aos/agrovoc/c_5083
http://aims.fao.org/aos/agrovoc/c_8268
http://aims.fao.org/aos/agrovoc/c_37331
http://aims.fao.org/aos/agrovoc/c_4185
http://aims.fao.org/aos/agrovoc/c_9000056
http://aims.fao.org/aos/agrovoc/c_34326
http://aims.fao.org/aos/agrovoc/c_6111
http://aims.fao.org/aos/agrovoc/c_15962
http://aims.fao.org/aos/agrovoc/c_24199
http://aims.fao.org/aos/agrovoc/c_24392
http://aims.fao.org/aos/agrovoc/c_24107
http://aims.fao.org/aos/agrovoc/c_15605
http://aims.fao.org/aos/agrovoc/c_24577
http://aims.fao.org/aos/agrovoc/c_8114
spellingShingle U10 - Informatique, mathématiques et statistiques
L20 - Écologie animale
L60 - Taxonomie et géographie animales
distribution géographique
statistique démographique
flux de gènes
paysage
modélisation environnementale
génétique des populations
dynamique des populations
analyse de données
modèle mathématique
étude de cas
chevreuil
Mustelidae
intéraction génotype environnement
http://aims.fao.org/aos/agrovoc/c_5083
http://aims.fao.org/aos/agrovoc/c_8268
http://aims.fao.org/aos/agrovoc/c_37331
http://aims.fao.org/aos/agrovoc/c_4185
http://aims.fao.org/aos/agrovoc/c_9000056
http://aims.fao.org/aos/agrovoc/c_34326
http://aims.fao.org/aos/agrovoc/c_6111
http://aims.fao.org/aos/agrovoc/c_15962
http://aims.fao.org/aos/agrovoc/c_24199
http://aims.fao.org/aos/agrovoc/c_24392
http://aims.fao.org/aos/agrovoc/c_24107
http://aims.fao.org/aos/agrovoc/c_15605
http://aims.fao.org/aos/agrovoc/c_24577
http://aims.fao.org/aos/agrovoc/c_8114
U10 - Informatique, mathématiques et statistiques
L20 - Écologie animale
L60 - Taxonomie et géographie animales
distribution géographique
statistique démographique
flux de gènes
paysage
modélisation environnementale
génétique des populations
dynamique des populations
analyse de données
modèle mathématique
étude de cas
chevreuil
Mustelidae
intéraction génotype environnement
http://aims.fao.org/aos/agrovoc/c_5083
http://aims.fao.org/aos/agrovoc/c_8268
http://aims.fao.org/aos/agrovoc/c_37331
http://aims.fao.org/aos/agrovoc/c_4185
http://aims.fao.org/aos/agrovoc/c_9000056
http://aims.fao.org/aos/agrovoc/c_34326
http://aims.fao.org/aos/agrovoc/c_6111
http://aims.fao.org/aos/agrovoc/c_15962
http://aims.fao.org/aos/agrovoc/c_24199
http://aims.fao.org/aos/agrovoc/c_24392
http://aims.fao.org/aos/agrovoc/c_24107
http://aims.fao.org/aos/agrovoc/c_15605
http://aims.fao.org/aos/agrovoc/c_24577
http://aims.fao.org/aos/agrovoc/c_8114
Cosson, Jean François
Estoup, Arnaud
Coulon, Aurélie
Galan, Maxime
Mortier, Frédéric
Hewison, A.J.Marc
Guillot, Gilles
Un modèle géostatistique pour la détection et la localisation des discontinuités génétiques spatiales entre populations
description La génétique du paysage est une nouvelle discipline dont le but est de décrire l'influence des structures paysagères et environnementales sur la structuration spatiale de la variabilité génétique. Cette approche est de première importance pour la gestion des populations et en biologie de la conservation car elle donne des informations pertinentes sur la connectivité des habitats. La première étape de la génétique du paysage est la détection et la localisation dans l'espace des discontinuités génétiques entre populations. Pourtant, il n'existait pas jusqu'à présent de méthode d'analyse efficace pour atteindre ce but. Dans ce programme, nous avons clarifié les concepts liés à la modélisation spatiale des données génétiques. Nous avons ensuite décrit un modèle Bayésien permettant d'inférer les discontinuités génétiques à partir de génotypes multilocus individuels géoréférencés, sans à priori sur le nombre de populations et leurs limites spatiales. Dans cette méthode, le jeu de données global (génétique et spatial) est modélisé comme un mélange de populations panmictiques, dont l'organisation spatiale est modélisée par des cellules de Voronoi. Outre la localisation des discontinuités génétiques, la méthode quantifie le degré de dépendance spatiale dans le jeu de données, estime le nombre de populations dans l'aire d'étude, assigne les individus à leur population d'origine, et détecte les éventuels migrants entre ces populations. La performance de cette méthode a été évaluée grâce à l'analyse de données simulées. Les résultats ont montré de bonnes performances pour des jeux de données standards à des locus microsatellites (une centaine d'individus génotypés à 10 locus avec 10 allèles chacun), y compris pour des niveaux de différenciation relativement faibles (Fst< 0,05). Cette méthode a ensuite été appliquée à deux jeux de données réels sur des grands mammifères avec des niveaux de différentiation très différents. La première application, sur le glouton (Culo gulo) dans l'Ouest des États-Unis, montre la capacité de cette méthode à détecter des populations cohérentes avec les structures paysagères connues pour freiner la dispersion chez cette espèce, et à localiser un certain nombre de migrants potentiels dans un contexte de différentiation génétique assez élevée entre unités panmictiques (Fst de 0,08 à 0,17). La deuxième application, sur le chevreuil dans le Sud Ouest de la France, illustre la capacité de cette approche à inférer des discontinuités génétiques cohérentes d'un point de vue paysager (autoroutes, canaux), dans un contexte de très faible différentiation génétique (Fst = 0,008). Un programme informatique, dénommé GENELAND, est disponible gratuitement à : http://www.inapg.inra.fr/ens_rech/mathinfo/personnel/guillot/Geneland.html. Une mailing liste a également été mise en place et compte une soixantaine d'utilisateurs enregistrés.
format conference_item
topic_facet U10 - Informatique, mathématiques et statistiques
L20 - Écologie animale
L60 - Taxonomie et géographie animales
distribution géographique
statistique démographique
flux de gènes
paysage
modélisation environnementale
génétique des populations
dynamique des populations
analyse de données
modèle mathématique
étude de cas
chevreuil
Mustelidae
intéraction génotype environnement
http://aims.fao.org/aos/agrovoc/c_5083
http://aims.fao.org/aos/agrovoc/c_8268
http://aims.fao.org/aos/agrovoc/c_37331
http://aims.fao.org/aos/agrovoc/c_4185
http://aims.fao.org/aos/agrovoc/c_9000056
http://aims.fao.org/aos/agrovoc/c_34326
http://aims.fao.org/aos/agrovoc/c_6111
http://aims.fao.org/aos/agrovoc/c_15962
http://aims.fao.org/aos/agrovoc/c_24199
http://aims.fao.org/aos/agrovoc/c_24392
http://aims.fao.org/aos/agrovoc/c_24107
http://aims.fao.org/aos/agrovoc/c_15605
http://aims.fao.org/aos/agrovoc/c_24577
http://aims.fao.org/aos/agrovoc/c_8114
author Cosson, Jean François
Estoup, Arnaud
Coulon, Aurélie
Galan, Maxime
Mortier, Frédéric
Hewison, A.J.Marc
Guillot, Gilles
author_facet Cosson, Jean François
Estoup, Arnaud
Coulon, Aurélie
Galan, Maxime
Mortier, Frédéric
Hewison, A.J.Marc
Guillot, Gilles
author_sort Cosson, Jean François
title Un modèle géostatistique pour la détection et la localisation des discontinuités génétiques spatiales entre populations
title_short Un modèle géostatistique pour la détection et la localisation des discontinuités génétiques spatiales entre populations
title_full Un modèle géostatistique pour la détection et la localisation des discontinuités génétiques spatiales entre populations
title_fullStr Un modèle géostatistique pour la détection et la localisation des discontinuités génétiques spatiales entre populations
title_full_unstemmed Un modèle géostatistique pour la détection et la localisation des discontinuités génétiques spatiales entre populations
title_sort un modèle géostatistique pour la détection et la localisation des discontinuités génétiques spatiales entre populations
publisher BRG
url http://agritrop.cirad.fr/543797/
http://agritrop.cirad.fr/543797/1/document_543797.pdf
work_keys_str_mv AT cossonjeanfrancois unmodelegeostatistiquepourladetectionetlalocalisationdesdiscontinuitesgenetiquesspatialesentrepopulations
AT estouparnaud unmodelegeostatistiquepourladetectionetlalocalisationdesdiscontinuitesgenetiquesspatialesentrepopulations
AT coulonaurelie unmodelegeostatistiquepourladetectionetlalocalisationdesdiscontinuitesgenetiquesspatialesentrepopulations
AT galanmaxime unmodelegeostatistiquepourladetectionetlalocalisationdesdiscontinuitesgenetiquesspatialesentrepopulations
AT mortierfrederic unmodelegeostatistiquepourladetectionetlalocalisationdesdiscontinuitesgenetiquesspatialesentrepopulations
AT hewisonajmarc unmodelegeostatistiquepourladetectionetlalocalisationdesdiscontinuitesgenetiquesspatialesentrepopulations
AT guillotgilles unmodelegeostatistiquepourladetectionetlalocalisationdesdiscontinuitesgenetiquesspatialesentrepopulations
_version_ 1792496835475013632
spelling dig-cirad-fr-5437972024-01-28T15:46:30Z http://agritrop.cirad.fr/543797/ http://agritrop.cirad.fr/543797/ Un modèle géostatistique pour la détection et la localisation des discontinuités génétiques spatiales entre populations. Cosson Jean François, Estoup Arnaud, Coulon Aurélie, Galan Maxime, Mortier Frédéric, Hewison A.J.Marc, Guillot Gilles. 2006. In : Les ressources génétiques : des ressources partagées : 6ème Colloque national BRG, La Rochelle, 2-4 octobre 2006. BRG. Paris : BRG, 41-55. (Les Actes du BRG, 1768-2215, 6) Colloque national BRG Ressources génétiques. 6, La Rochelle, France, 2 Octobre 2006/4 Octobre 2006.http://www.brg.prd.fr/brg/pdf/LaRochelle_Cosson.pdf <http://www.brg.prd.fr/brg/pdf/LaRochelle_Cosson.pdf> Un modèle géostatistique pour la détection et la localisation des discontinuités génétiques spatiales entre populations Cosson, Jean François Estoup, Arnaud Coulon, Aurélie Galan, Maxime Mortier, Frédéric Hewison, A.J.Marc Guillot, Gilles fre 2006 BRG Les ressources génétiques : des ressources partagées : 6ème Colloque national BRG, La Rochelle, 2-4 octobre 2006 U10 - Informatique, mathématiques et statistiques L20 - Écologie animale L60 - Taxonomie et géographie animales distribution géographique statistique démographique flux de gènes paysage modélisation environnementale génétique des populations dynamique des populations analyse de données modèle mathématique étude de cas chevreuil Mustelidae intéraction génotype environnement http://aims.fao.org/aos/agrovoc/c_5083 http://aims.fao.org/aos/agrovoc/c_8268 http://aims.fao.org/aos/agrovoc/c_37331 http://aims.fao.org/aos/agrovoc/c_4185 http://aims.fao.org/aos/agrovoc/c_9000056 http://aims.fao.org/aos/agrovoc/c_34326 http://aims.fao.org/aos/agrovoc/c_6111 http://aims.fao.org/aos/agrovoc/c_15962 http://aims.fao.org/aos/agrovoc/c_24199 http://aims.fao.org/aos/agrovoc/c_24392 http://aims.fao.org/aos/agrovoc/c_24107 http://aims.fao.org/aos/agrovoc/c_15605 http://aims.fao.org/aos/agrovoc/c_24577 États-Unis d'Amérique http://aims.fao.org/aos/agrovoc/c_8114 La génétique du paysage est une nouvelle discipline dont le but est de décrire l'influence des structures paysagères et environnementales sur la structuration spatiale de la variabilité génétique. Cette approche est de première importance pour la gestion des populations et en biologie de la conservation car elle donne des informations pertinentes sur la connectivité des habitats. La première étape de la génétique du paysage est la détection et la localisation dans l'espace des discontinuités génétiques entre populations. Pourtant, il n'existait pas jusqu'à présent de méthode d'analyse efficace pour atteindre ce but. Dans ce programme, nous avons clarifié les concepts liés à la modélisation spatiale des données génétiques. Nous avons ensuite décrit un modèle Bayésien permettant d'inférer les discontinuités génétiques à partir de génotypes multilocus individuels géoréférencés, sans à priori sur le nombre de populations et leurs limites spatiales. Dans cette méthode, le jeu de données global (génétique et spatial) est modélisé comme un mélange de populations panmictiques, dont l'organisation spatiale est modélisée par des cellules de Voronoi. Outre la localisation des discontinuités génétiques, la méthode quantifie le degré de dépendance spatiale dans le jeu de données, estime le nombre de populations dans l'aire d'étude, assigne les individus à leur population d'origine, et détecte les éventuels migrants entre ces populations. La performance de cette méthode a été évaluée grâce à l'analyse de données simulées. Les résultats ont montré de bonnes performances pour des jeux de données standards à des locus microsatellites (une centaine d'individus génotypés à 10 locus avec 10 allèles chacun), y compris pour des niveaux de différenciation relativement faibles (Fst&lt; 0,05). Cette méthode a ensuite été appliquée à deux jeux de données réels sur des grands mammifères avec des niveaux de différentiation très différents. La première application, sur le glouton (Culo gulo) dans l'Ouest des États-Unis, montre la capacité de cette méthode à détecter des populations cohérentes avec les structures paysagères connues pour freiner la dispersion chez cette espèce, et à localiser un certain nombre de migrants potentiels dans un contexte de différentiation génétique assez élevée entre unités panmictiques (Fst de 0,08 à 0,17). La deuxième application, sur le chevreuil dans le Sud Ouest de la France, illustre la capacité de cette approche à inférer des discontinuités génétiques cohérentes d'un point de vue paysager (autoroutes, canaux), dans un contexte de très faible différentiation génétique (Fst = 0,008). Un programme informatique, dénommé GENELAND, est disponible gratuitement à : http://www.inapg.inra.fr/ens_rech/mathinfo/personnel/guillot/Geneland.html. Une mailing liste a également été mise en place et compte une soixantaine d'utilisateurs enregistrés. conference_item info:eu-repo/semantics/conferenceObject Conference info:eu-repo/semantics/publishedVersion http://agritrop.cirad.fr/543797/1/document_543797.pdf application/pdf Cirad license info:eu-repo/semantics/openAccess https://agritrop.cirad.fr/mention_legale.html http://www.brg.prd.fr/brg/pdf/LaRochelle_Cosson.pdf http://catalogue-bibliotheques.cirad.fr/cgi-bin/koha/opac-detail.pl?biblionumber=199274 info:eu-repo/semantics/altIdentifier/purl/http://www.brg.prd.fr/brg/pdf/LaRochelle_Cosson.pdf