La présentation est en train de télécharger. S'il vous plaît, attendez

La présentation est en train de télécharger. S'il vous plaît, attendez

A genome scan method to identify selected loci : A Bayesian perspective. Matthieu Foll 28 aout 2008 Journées MAS.

Présentations similaires


Présentation au sujet: "A genome scan method to identify selected loci : A Bayesian perspective. Matthieu Foll 28 aout 2008 Journées MAS."— Transcription de la présentation:

1 A genome scan method to identify selected loci : A Bayesian perspective. Matthieu Foll 28 aout 2008 Journées MAS

2 2 Environnement MigrationTaille efficace Adaptation locale Différentiation génétique DériveSélection naturelle Fitness Quel facteur ? Intensité ? Quel facteur ? Intensité ? Quel gène ? Ladaptation locale

3 3 Environnement MigrationTaille efficace Adaptation locale Différentiation génétique DériveSélection naturelle Fitness Quel facteur ? Intensité ? Quel facteur ? Intensité ? Quel gène ? Ladaptation locale

4 Mesurer les variations génétiques « La variation, quelle quen soit la cause, est le phénomène essentiel de lévolution » William Bateson Variation des fréquences alléliques Outils : Statistiques bayésiennes Marqueurs moléculaires Génétique des populations 4

5 Lile et le continent 5 p p p ~ Beta(θp, θ(1-p)) θ=4Nm A de fréquence p a de fréquen 1- p F ST =1/(1+θ) Probabilité que deux gènes tirés aléatoirement dans une population aient un ancêtre commun dans celle-ci

6 Sewall Wright,

7 Avec plusieurs iles : 7 p p1p1 p2p2 pJpJ … Avec plusieurs allèles : Beta Dirichlet

8 Sans continent, avec beaucoup diles : 8 p4p4 p2p2 p3p3 p1p1 F ST 1 F ST 3 F ST 4 F ST 2 p

9 Estimer les fréquences alléliques Dans chaque population j : Deux allèles : A de fréquence p j et a 1- p j On prélève n j allèles aléatoirement : épreuves de Bernoulli Le nombre total de A est une loi binomiale de paramètres n j et p j 9 njnj pjpj probabilité n j p j

10 Cas multi-allélique : A 1, A 2 … A k Chaque tirage peut donner k différents allèles La distribution binomiale devient « multinomiale » 10

11 Le modèle complet : 11 n1n1 p1p1 n2n2 p2p2 nJnJ pJpJ … … p F ST 1 F ST 2 F ST J Multinomial Dirichlet N pF ST Dirichlet-Multinomial

12 12 Environnement MigrationTaille efficace Adaptation locale Différentiation génétique DériveSélection naturelle Fitness Ladaptation locale

13 Identifier la sélection Force neutre : influence tous les marqueurs Force adaptative : influence certains marqueurs F ST plus élevé : sélection directionnelle F ST plus faible : sélection balancée On peut séparer ces effets en posant (Beaumont et Balding 2004) : 13

14 Les améliorations : Pour chaque locus i on propose le modèle neutre alternatif (α i =0) Sauts réversibles pour estimer la probabilité que chaque locus soit soumis à la sélection Extension aux marqueurs dominants 14 Foll & Gaggiotti 2008 (in press)

15 Les AFLP : un marqueur dominant Détecte la présence dune bande dune longueur donnée chez un individu Pas de différence détectable si un individu possède 2 fois la même bande (homozygote) Présence [A] = AA ou Aa Absence [a] = aa 15

16 Les marqueurs AFLP Comment estimer les fréquences alléliques ? Hardy-Weinberg : f([a])=f(a)²=q² Hypothèses restrictives Prise en compte de la consanguinité : f([a])=f(aa) =q² (1-F IS )+q F IS AA: p² Aa: 2pq aa: q² AA: p aa: q (1-F IS ) F IS Outbred Inbred 16

17 Simulations : 10 scénarios avec 1000 marqueurs chacun SNP AFLP Microsatellites très performants 17

18 Données humaine HGDP 53 populations, 1056 individus Forte violation du modèle en iles supposé Simulations de lexpansion spatiale : 4-5% de faux positifs pour p>0.99 Sur 560 marqueurs : 15% sous sélection directionnelle, 8% sous sélection balancée 18

19 Résumé Fst = indicateur de la différentiation locale Séparation variation neutre / adaptative Modèle bayesien en iles, plutôt robuste Avoir plusieurs populations : permet de détecter de la sélection balancée Utilisable pour des espèces non-modèles (AFLP) Merci : Oscar Gaggiotti, Mark Beaumont 19


Télécharger ppt "A genome scan method to identify selected loci : A Bayesian perspective. Matthieu Foll 28 aout 2008 Journées MAS."

Présentations similaires


Annonces Google