Title: Bayesian methods for population genetics: relationships between population genetic structure and environment.
Abstract:
We introduce a new method to study the relationships between
population genetic structure and environment. This method is based on
Bayesian hierarchical models which use both multi-loci genetic data, and
spatial, environmental, and/or cultural data. Our method provides the
inference of population genetic structure, the evaluation of the
relationships between the structure and non-genetic covariates, and the
prediction of population genetic structure based on these covariates. We
present two applications of our Bayesian method. First, we used human
genetic data to evaluate the role of geography and languages in shaping
Native American population structure. Second, we studied the population
genetic structure of 20 Alpine plant species and we forecasted
intra-specific changes in response to global warming.
Keywords:
population genetic structure, environmental covariates, Bayesian
hierarchical models, latent class models, MCMC, bioclimatic models.
Titre : Méthodes bayésiennes en génétique des populations : relations entre structure génétique des populations et environnement.
Résumé : Nous présentons une nouvelle méthode pour étudier les relations entre la structure génétique des populations et l’environnement. Cette méthode repose sur des modèles hiérarchiques bayésiens qui utilisent conjointement des données génétiques multi-locus et des données spatiales, environnementales et/ou culturelles. Elle permet d’estimer la structure génétique des populations, d’évaluer ses liens avec des covariables non génétiques, et de projeter la structure génétique des populations en fonction de ces covariables. Dans un premier temps, nous avons appliqué notre approche à des données de génétique humaine pour évaluer le rôle de la géographie et des langages dans la structure génétique de populations amérindiennes. Dans un deuxième temps, nous avons étudié la structure génétique des populations pour 20 espèces de plantes alpines, et nous avons projeté les modifications intraspécifiques qui pourront être causées par le réchauffement climatique.
Mots-clés : structure génétique des populations, covariables environnementales, modèles bayésiens hiérarchiques, modèles à classes latentes, MCMC, modèles bioclimatiques.
Thèse soutenue à l'Université de Grenoble, dirigée par Olivier
François et co-dirigée par Michael Blum, préparée au sein du laboratoire
Techniques de l’Ingénierie Médicale et de la Complexité - Informatique,
Mathématiques et Applications de Grenoble (TIMC-IMAG) et de l’école
doctorale EDISCE. Spécialité Modèles, méthodes et algorithmes en
biologie, santé et environnement
Composition du jury: Florence
Forbes (DR INRIA), Étienne Klein (DR INRA), Renaud Vitalis (CR CNRS),
Stéphanie Manel (Professeur), Bertrand Servin (CR INRA), Olivier
François (Professeur), Michael Blum (CR CNRS)
