La capacité de persistance d’une population face à un changement environnemental stressant est une question complexe à l’interface entre l’écologie et l’évolution. Le processus par lequel une population échappe à l’extinction en s’adaptant aux nouvelles conditions environnementales stressantes est nommé sauvetage évolutif. Ce cas particulier de dynamique éco-évolutive est de plus en plus étudié autant théoriquement, qu’expérimentalement, entre autres dans le contexte des changements environnementaux d’origines anthropiques. Cependant, les études modélisant ce processus négligent les interactions entre génotypes et environnements impactant le potentiel évolutif des populations faisant aux changements environnementaux. Dans le cadre de cette thèse, j’ai développé des modèles intégrant ces interactions. Pour cela, j’ai modélisé le processus de sauvetage évolutif de populations à reproduction asexuée, face à des changements environnementaux abruptes, en utilisant le paysage adaptatif de Fisher (modèle géométrique de Fisher (1930)). Ce paysage nous a permis de modéliser ces interactions génotypes-environnement et leur impact sur la proportion de mutations pouvant sauver une population. A travers deux modèles, considérant soit le sauvetage d’une population par une mutation d’effet fort, soit par un grand nombre de mutations d’effets faibles, nous avons pu dégager des prédictions pour la probabilité de sauvetage évolutif en fonction des conditions environnementales et des caractéristiques de l’organisme étudié. Ces modèles peuvent être paramétrés sur des données d’évolution expérimentale et leurs prédictions comparées à des données de traitement antibiotiques visant des pathogènes asexués. Au-delà du sauvetage évolutif, les modèles développés nous ont également permis d’établir des outils permettant de modéliser d’autres dynamiques éco-évolutives, intégrant des interactions génotype-environnement et leurs effets sur la distribution d’effets des mutations. / The persistence ability of a population facing a stressing environmental change is a complex question at the connection between ecology and evolution. The process by which a population avoid extinction by adapting to the new stressing environmental conditions is termed evolutionary rescue. This particular case of eco-evolutionary dynamic is increasingly investigated both theoretically and experimentally, among other things in the context of the environmental changes from human activity. However, the studies modelling this process neglect the interactions between genotypes and environments impacting the evolutionary potential of the populations facing environmental changes. In the context of this thesis, I developed models integrating these interactions. To this end, I modelled the process of evolutionary rescue in asexual populations, facing abrupt environmental changes, using the adaptive landscape of Fisher (Fisher’s geometric model (1930)). This landscape allowed us to model the genotypes-environments interactions and their impact on the proportion of mutations able to save a population. Using two models, considering either the rescue of a population by a mutation of strong effect, either by a large number of mutation of small effect, we derived predictions for the probability of evolutionary rescue, which depends on the environmental conditions and the characteristics of the studied organism. These models can be parametrized on data from evolutionary experiments and their predictions compared to data of antibiotic treatments aiming on asexual pathogens. Beyond evolutionary rescue, the models developed in this thesis also gave tools to model other eco-evolutionary dynamics, integrating genotype-environment interactions and their effects on the distribution of mutations effects.
Identifer | oai:union.ndltd.org:theses.fr/2017MONTT135 |
Date | 15 November 2017 |
Creators | Anciaux, Yoann |
Contributors | Montpellier, Ronce, Ophélie, Martin, Guillaume |
Source Sets | Dépôt national des thèses électroniques françaises |
Language | English |
Detected Language | French |
Type | Electronic Thesis or Dissertation, Text |
Page generated in 0.0288 seconds