MODELE DE DYNAMIQUE DE POPULATION DE PARASITES

Slides:



Advertisements
Présentations similaires
3ème Colloque International Francophone de Bactériologie Vétérinaire
Advertisements

LIMPORTANCE DU RESQUILLAGE DANS LE TRAVAIL DÉQUIPE. UNE EXPÉRIENCE SUR LES PLANTEURS DARBRES EN COLOMBIE-BRITANNIQUE Par Maryse Champagne Dirigée par:
ANOVA à un facteur (Rehailia)
PROPAGATION SPATIO-TEMPORELLE D’UNE MINEUSE ET DE SES PARASITOIDES
Soutenance du stage de DEA.
La microbiologie prévisionnelle
UNIVERSITÉ MARNE-LA-VALLÉE 23 Février 2005 Les scénarios SRES Emeric Fortin.
Démarches de modélisation
Conception Préliminaire de Manipulateurs Mobiles et Génération de Consignes Évolutionnaires : une Méthodologie pour Intégrer la Commande dans l’Évaluation.
Les apports de la recherche : conclusions du projet ANR « Autrement »
Les TESTS STATISTIQUES
Alain Franc(1) & Nathalie Peyrard(2) (1) INRA, UMR BioGEco, Bordeaux
Intégration métier pour l’émergence progressive de la solution produit : application aux mécanismes multi-physiques  Jean-Sébastien Klein Meyer Journées.
Matrices.
Les TESTS STATISTIQUES
Equipe optimisation TempoSoft
Présentation d’un modèle d’aide à la réalisation d’un jeu : BatSim
3. Analyse et estimation du mouvement dans la vidéo
1 Intégration numérique garantie de systèmes décrits par des équations différentielles non-linéaires Application à l'estimation garantie d'état et de paramètres.
Sélection automatique d’index et de vues matérialisées
18/03/20051 Perspectives Perspectives dutilisation et de développement 1 - Calculs à la demande 2 - Intégration dans les outils de planification 3 - Amélioration.
Travail de génétique G9 :
Un neurone élémentaire
Travaux Initiative Personnels Encadrés
Incorporation des effets compétitifs dans les programmes d’élevage afin d’améliorer les performances et le bien-être animal Dederen Priscilla Groupe.
Aide à la décision multicritères
Journée thématique du GDR IFS « Réduction de modèle en IFS » ENSAM – Jeudi 18 mai 2006 Validation de l’approche de la réduction a priori - POD sur l'équation.
La maîtrise de l'environnement
La Démarche Scientifique
Baï Flavien Bailly Christophe Baumgarte Audette
Autres exemples de modèles
CHAPITRE 19 - La génétique des populations
Emmanuel Chassot et Didier Gascuel
1 Evaluer le risque en situation de changement climatique : mission impossible ? SAMA, 19 Janvier 2007 Eric Parent 1, Jacques Bernier 1 et Vincent Fortin.
Gritti et al. Journal of Biogeography 2006
Explaining the explosion: modelling hybrid invasions Hall et al 2006.
Coordinated by Sven Bergmann
Neuroénergétique Etudiantes :
Anne-Claire Chéron Elsa Kalogreas Caroline Rodriguez
Estimation des paramètres génétiques influençant le taux de parasites gastro-intestinaux chez des veaux de race Angus à l’aide d’un modèle de régression.
Autres outils de diagnostic de l’impact : modélisation d’un écosystème
Effet tunnel dans les systèmes quasi-intégrables
Thèse CNES-region PACA ( ) Laboratoire dOcéanographie de Villefranche (UMR7093) Observatoire Océanologique de Villefranche (OOV) Etude de la variabilité.
1 Workshop : modelling relationships between agriculture and environment - Brussels - 15/02/2001 Ecole Doctorale SPI Mercredi 27 Juin 2001 Prospective.
Lequel du tabac, de l'alcool ou des drogues illicites impose le plus grand fardeau à la collectivité ? Claude Jeanrenaud et Sonia Pellegrini IRER, Université.
Modélisation de la formation de bancs de poissons
ONO Kotaro – AFH Modélisation statistique bayesienne dun modèle de production de biomasse. Application à la pêcherie de poulpe (Octopus vulgaris)
La régression multiple
Introduction aux équations différentielles ordinaires (EDO)
1 Introduction à la théorie des tests. 2 Plan I- choix entre 2 paramètres de tendance centrale Choix entre 2 proportions pour un caractère qualitatif.
Dynamique des ligneux dans les écosystèmes tropicaux
Caswell 2001 Sinauer Associates
Physiologically Structured Population Models. Modèle de population non structurée Un exemple de modèle Ressource Consomateur classique: Rozenweig – McArthur:
V. M.-R. Arnould 1,2,*, E. Froidmont 3, H. N. Nguyen 4, F. Dehareng 4, P. Dardenne 4, A. Gillon 2,5, N. Gengler 2,6 et H. Soyeurt 2,6 1 CONVIS, Zone Artisanale.
Interactions Hôte-Parasite
Colloque JOCAIR 2006, Amiens Les forums de discussion en milieu éducatif, Etat de recherches et des questions France Henri, Bernadette Charlier et Daniel.
Couche limite atmosphérique
Modelisation/ Analyse - Equations differentielles
République Algérienne Démocratique et Populaire
Concepts fondamentaux: statistiques et distributions
Principales distributions théoriques
Université Kasdi Merbah, Ouargla Masteriales 1/2/3/4/5 Mars 2015
UNIVERSITE CHEIKH ANTA DIOP DE DAKAR FACULTE DES SCIENCE ET TECHNIQUES DEPARTEMENT DE CHIMIE DEA DE CHIMIE PHYSIQUE APPLIQUEE A L ENERGIE Présenté Par.
Comparaison multi-échelle des précipitations du modèle Méso-NH et des données radar Colloque CNFSH – Ecole des Ponts ParisTech – 11/12 juin 2009 A., Gires.
MODULE FTH 2007 Diversité génétique
Capital humain et croissance Le rôle de l’éducation Béatrice Van Haeperen (IWEPS, UCL) CEBLF, 26 novembre
Couche limite atmosphérique Micrométéorologie. Exemples de paramétrisations de K Contraintes: K=0 quand il n ’y a pas de turbulence K=0 au sol (z=0) K.
Tests relatifs aux variables qualitatives: Tests du Chi-deux.
L’influence du climat sur la transmission de la malaria dépend de la variation journalière de température Krijn P. Paaijmans, Simon Blanford, Andrew S.
Biostatistique pour le troisième cycle P. Leroy, F. Farnir 2013.
Transcription de la présentation:

MODELE DE DYNAMIQUE DE POPULATION DE PARASITES Présenté par Dorothée HERMANN Sous la direction de: Sébastien GOURBIERE Laboratoire de Mathématique Et Physique pour les Systèmes

Isolement reproducteur INTRODUCTION Spéciation sympatrique ? Études empiriques: Libres:Drosophiles (Bolnick 2001), cichlides (Barlengua & al. 2006) et palmiers (Savolainen 2006)… Parasites: Schistosoma mansoni(Théron & Combes 1995), Rhagoletis pomonella (Feder & al. 2005)… Etudes théoriques: spéciation adaptative (Dieckmann & Doebeli 1999) Intense compétition Spéciation ressource ressource phénotypes phénotypes Isolement reproducteur

OBJECTIFS PROJET: étendre la théorie de la spéciation compétitive aux espèces parasites Conception du modèle: Ecrire un modèle mathématique polymorphique Implémenter un modèle informatique individu-centré Valider le modèle individu-centré Définir le type de distribution parasitaire en absence et en présence de compétition (distribution type binomiale négative?)

MATERIEL ET METHODE 1) le modèle mathématique polymorphique = généralisation du modèle de Anderson et May (1978) par : - la description d’un caractère quantitatif - la compétition entre parasites à l’intérieur de l’hôte Paramètres: Hi1i2 (t) Nombre d'hôtes porteur de i1 i2. μ1, μ2 Taux de mortalité β1, β2 Taux de colonisation K1, K2 Nombre maximal de parasites dans un hôte α12, α21 Coefficients de compétition

Équation aux différences MATERIEL ET METHODE Équation de dynamique des parasites Hi1, i2 (t+ δt) = [Hi1+1, i2 (t) * P-] + [Hi1-1, i2 (t) *P+] + [Hi1, i2 i (t) *P] Équation aux différences quand δt  0 Équation différentielle ordinaire Somme: d P1/dt = - μ1 P1 + β1 H - α12 Σi1i2 (i1 i2 / K1*Hi1i2 (t))

dPi/dt = - μi Pi + βi H –Σj αij (ii ij / Ki* Hiiij (t)) MATERIEL ET METHODE Équation de dynamique des parasites de type 1: d P1/dt = - μ1 P1 + β1 H - α12 Σi1i2 (i1 i2 / K1*Hi1i2 (t)) Équation de dynamique des parasites de type 2: dP2/dt = - μ2 P2 + β2 H - α12 Σi1i2 (i1 i2 / K2 * Hi1i2 (t)) Généralisation: dPi/dt = - μi Pi + βi H –Σj αij (ii ij / Ki* Hiiij (t))

MATERIEL ET METHODE Implémenter un modèle informatique individu-centré suivant la méthode de Gillespie(1976) Initialisation phénotypique et calcul des taux vitaux Calcul des taux d’activités Choix de l’individu et de l’événement Calcul de l’intervalle de temps

RESULTATS Valider le modèle individu-centré dans un cas limite (monomorphique et sans compétition) d Ptotale/dt = (b-μ) P  P(t)=P(0)e(r)t Evolution de la taille de la population de parasites obtenue pour différentes réalisations du même processus stochastique. Comparaison des taux de croissance r prédit r moyen observé test p-value 0,5 0.50033 Student t = 0,0613 0,951 -0.00666 Student: t = -0,7482 0,460 -0,5 -0.53266 t = -1,3098 0,201

RESULTATS Définir le type de distribution en absence de compétition Ajustement à la distribution Binomiale Négative (BN) Ajustement de la distribution observée à la loi BN dans les cas croissance, équilibre et décroissance Effectif parasitaire suivant une BN Effectif parasitaire observé après simulation Nombre d’hôtes moyen Nombre d’hôtes moyen Nombre d’hôtes moyen Nombre de parasites par hôte Nombre de parasites par hôte Nombre de parasites par hôte Ajustement impossible (p-value = 0,914) (p-value = 0,999)

RESULTATS Définir le type de distribution en présence de compétition d P/dt = (b-μ)P- (P2/H2+ P/H)/KH calcul du point d’équilibre stable P*= H {(b-μ) KH - 1} Evolution de la taille de la population de parasites compétition pour différentes réalisations du même processus stochastique. Comparaisons des taux de croissance P* prédit P*moyen observé test p-value 125 189 Student t = -3,0719 0.005

Nombre de parasites par hôte RESULTATS Définir le type de distribution en présence de compétition ajustement à la distribution Binomiale Négative (BN) Figure 4: Ajuste:ment de la distribution observée à la loi BN dans le cas croissance Effectif parasitaire suivant une BN Effectif parasitaire observé après simulation Nombre d’hôtes moyen Nombre de parasites par hôte Siegel et Tukey (P-value= 0,007)

DISCUSSION Conclusions préliminaires: En absence de compétition  distribution type BN. En présence de compétitiondistribution pas de type BN. Processus expliquant les patrons de distributions observés par Gaba & al. (2006).

degrés de compétition ~ type de distribution PERSPECTIVES Obtenir des prédictions mathématiques sur la distribution des parasites avec ou sans compétition. Si compétition: confirmer que la distribution suit une loi de Weibull degrés de compétition ~ type de distribution Tester robustesse des résultats sur la spéciation compétitive des parasites

Projet de Recherche Influence du parasite Spinturnix myoti sur le profil d’hibernation et les réserves énergétiques des chauves-souris grands murins (Myotis myotis).

Contexte et objectif Hibernation = stress  ajustement métabolique Modifications: comportementales, Physiologiques, Moléculaires (e.g. Carey& al. 2003) modulable (Burton & Reichmann 1999) Parasitisme = interaction durable (combes 1995) Action sur:Allocation d’énergie, le comportement, l’immunité L’hibernation agit sur le parasitisme (Frechette 1978, Gau & al. 1999, Caillait & Gauthier 2000)

Contexte et objectif Problématique: Le parasitisme agit il sur la gestion énergétique durant l’hibernation? 2 axes principaux étudiés: Profil d’hibernation Gestion énergétique Confrontation de données dans les conditions hibernants parasités et non parasités

Méthodologie envisagée Modèle d’étude: La chauve-souris, Myotis myotis L’acarien, Spinturnix myoti coût énergétique hors hibernation (Christe & al. 2000 & 2001) Plans d’expérimentation Le profil d’hibernation: Étude du rythme de torpeur Dénombrements des réveils + temps de torpeur

Méthodologie envisagée Plans d’expérimentation… Dépense énergétique Stockage en pré hibernation Pesées journalières Utilisation des réserves en hibernation Pesées journalière + Mesure du taux métabolique et du quotient respiratoire Activité

Résultats attendus Le profil d’hibernation: Dépense énergétique: + de réveils et hibernation + longue (adaptation au statut immunitaire (Burton &Reichmann 1999)) Dépense énergétique: + stockage en pré hibernation + perte de poids en hibernation + O2 consommé et Taux métabolique plus grand (Giorgi & al. 2001)

Perspectives 1ère étude visant à déterminer l’effet du parasitisme sur l’hibernation L’hibernation = processus adaptatif Hibernation un cas de phénotype étendu? Déterminer la contribution immunitaire Si pas de différences parasités/non parasités? Co-hibernation?(Caillait & Gauthier 2000)