Mots-Clés
génomique des populations
sélection
taille efficace
séries temporelles
HMM
Description
L’essor des technologies de génotypage à haut débit (puces ou séquençage) permet de constituer de grands jeux de données de caractérisation de la diversité génétique des populations. Dans plusieurs contextes ces données sont structurées temporellement : schémas de sélection, dispositifs d’évolution expérimentale, suivi de populations naturelles d’intérêt … Les échantillons génomiques prélevés dans une même population sur plusieurs générations donnent un accès direct aux changements de diversité génétique survenus au cours d’une période donnée. Ils renseignent à la fois sur les processus démographiques et adaptatifs qui agissent sur la population pendant cette période. Une approche courante pour analyser ce type de données consiste à modéliser les comptages alléliques observés dans les échantillons temporels à l’aide d’un modèle de Markov caché (HMM), dans lequel les états cachés sont les véritables fréquences alléliques dans la population aux générations correspondantes (qui représentent donc une trajectoire temporelle de fréquence) [1]. Le cadre des HMM permet de calculer la vraisemblance complète des données, tout en tenant compte à la fois de l’évolution stochastique des fréquences alléliques de la population au fil du temps, sous l’effet de la dérive et de la sélection agissant sur les locus adaptatifs, et du bruit provenant de l’échantillonnage d’un nombre limité d’individus, à des générations éventuellement espacées.
Plusieurs méthodes de ce type ont été proposées jusqu’à présent, se distinguant principalement par la façon dont elles modélisent les probabilités de transition de la chaı̂ne de Markov. Sur la base de travaux précédents [2, 3], nous avons proposé une première version du package Python SelNeTime [4], capable d’inférer la taille efficace (Ne ) puis la sélection (s) à partir de ce type de données. Cependant, les méthodes telles qu’implémentées dans l’outil ne permettent actuellement que l’estimation d’un Ne constant au cours du temps. Ceci peut devenir un inconvénient, notamment lorsque les temps considérés (en générations) sont longs et/ou que des évènements démographiques surviennent, modifiant ainsi la taille efficace de la population.
L’objectif du stage sera donc de développer des méthodes permettant l’inférence d’un vecteur de Ne représentant une taille efficace variable au cours de la période d’intérêt. Ce passage à un vecteur de Ne augmente fortement la dimension de l’espace des paramètres à explorer, ce qui pose des enjeux d’identifiabilité et de coût de calcul. Plusieurs pistes sont envisagées dont certaines seront explorées selon l’avancement du stage : optimisation numérique, algorithme EM, approches MCMC… Les méthodes d’estimation produites seront évaluées par simulation afin d’en mesurer la précision. L’étudiant.e contribuera au développement de SelNeTime et sera encadré.e au Centre de Biologie pour la Gestion des Populations (CBGP) par Paul Bunel (doctorant en 3ème année) et Simon Boitard, co-directeur de la thèse.
Références
1.Bollback, J. P., York, T. L. & Nielsen, R. Estimation of 2Ne s From Temporal Allele FrequencyData. Genetics 179, 497-502. issn : 1943-2631. https://doi.org/10.1534/genetics.107.085019 (2008).
2.Paris, C., Servin, B. & Boitard, S. Inference of selection from genetic time series using various parametric approximations to the Wright-Fisher model. G3 : Genes, Genomes, Genetics 9, 4073-4086 (2019).
3.Tataru, P., Bataillon, T. & Hobolth, A. Inference under a Wright-Fisher model using an accurate beta approximation. Genetics 201, 1133-1141. issn : 0016-6731. https://www.genetics.org/content/201/3/1133 (2015).
4.Uhl, M., Bunel, P., de Navascués, M., Boitard, S. & Servin, B. SelNeTime : a python package inferring effective population size and selection intensity from genomic time series data. Peer Community Journal 6. https://peercommunityjournal.org/articles/10.24072/pcjournal.708/(2026).