Génomique des populations appliquée : détection de signatures de sélection au sein de populations expérimentales

Applied population genomics : detection of signatures of selection in experimental populations

• Auteur / Autrice : Jean-Noël Hubert
• Direction : Frédéric Hospital
• Type : Thèse de doctorat
• Discipline(s) : Sciences de la vie et de la santé
• Date : Soutenance le 21/06/2018
• Etablissement(s) : Université Paris-Saclay (ComUE)
• Ecole(s) doctorale(s) : École doctorale Agriculture, alimentation, biologie, environnement, santé (Paris ; 2015-....)
• Partenaire(s) de recherche : Laboratoire : Génétique animale et biologie intégrative (Jouy-en-Josas,Yvelines ; 2009-....)
• Partenaire(s) de recherche : établissement opérateur d'inscription : Université Paris-Sud (1970-2019)
• Jury : Président / Présidente : Pierre Boursot
• Jury : Examinateurs / Examinatrices : Frédéric Hospital, Pierre Boursot, Hélène Gilbert, Lluis Quintana-Murci, Laurène Gay, Thomas Heams
• Jury : Rapporteurs / Rapporteuses : Hélène Gilbert, Lluis Quintana-Murci

Mots clés

Mots clés contrôlés

Truite arc-en-ciel

Maladies

Diable de Tasmanie

Séquençage à haut débit

Génétique des populations

Sélection (biologie)

Mots clés libres

Signatures de sélection

Séries génétiques temporelles

Expériences de sélection

Tumeur faciale transmissible du diable de Tasmanie (DFTD)

Truite arc-en-ciel

RAD-Sequencing (RAD-Seq)

Signatures of selection

Genetic time-Series

Selection experiments

Devil Facial Tumor Disease (DFTD)

Rainbow trout

RAD-Sequencing (RAD-Seq)

Résumé

La génomique des populations rend possible la mise en évidence de traces de sélection dans le génome. Les travaux effectués considèrent en général une échelle de temps longue (~ 10³ générations). En comparaison, peu d’intérêt a été porté aux études expérimentales de court terme (~ 10 générations). De telles expériences sont pourtant susceptibles de nous renseigner sur la base génétique de caractères complexes. Nous proposons une méthode de vraisemblance basée sur un modèle de Wright-Fisher pour détecter la sélection à partir d’échantillons génétiques temporels acquis sur une période de dix générations. Nous montrons par simulation que notre méthode permet de différencier les signaux dus à la combinaison de la sélection et de la dérive génétique de ceux dus à la dérive seule. Nous montrons également par simulation qu’il est possible d’estimer le coefficient de sélection appliqué à un locus testé. De plus, nous illustrons l’intérêt de notre méthode pour la détection de marqueurs candidats à la sélection au travers de deux études génomiques sur données réelles, chez le diable de Tasmanie (Sarcophilus harrisii) et chez la truite arc-en-ciel (Oncorhynchus mykiss). Ces applications mettent en évidence des régions génomiques candidates pour des phénotypes complexes dans des contextes différents. Dans l’ensemble, nos résultats montrent qu’il est possible de détecter des gènes sujets à une sélection directionnelle intense à partir d’échantillons génétiques temporels, même si la sélection est de courte durée et si les populations examinées ont un faible effectif.

Population genomics makes it possible to detect traces of selection in the genome. Studies in this field have mainly focused on long time scale (~ 10³ generations). In comparison, short-term experimental studies (~ 10 generations) have attracted much less interest. Such experiments are, however, likely to inform us about the genetic basis of complex characters. We propose a likelihood method based on a Wright-Fisher model to detect selection from genetic temporal samples collected over ten generations. We show through simulation that our method can disentangle signals due to the combination of genetic drift and selection to those due to drift alone. We also show through simulation that it is possible to estimate the selection coefficient applied to a tested locus. In addition, we illustrate the interest of our method for the detection of candidate markers for selection through two genome scans performed on real data, in the Tasmanian devil (Sarcophilus harrisii) and in the rainbow trout (Oncorhynchus mykiss). These practical applications highlight candidate genomic regions for complex phenotypes in different contexts. Collectively, our results show the possibility of detecting genes submitted to strong directional selection from genetic time-series, even if selection is applied on a short time period and if the examined populations are small.