Avant propos - Bioversity International · rnell University, 2003 Traduction française: Cirad & SupAgro, 2006 Introduction 2 f La méthode scientifique •Définir la question biologique

Avant propos « Analyse de la diversité génétique à l’aide des marqueurs moléculaires : module d’enseignement », est le second des deux supports pédagogiques produits dans le but de promouvoir l’application raisonnée des techniques moléculaires dans les études de biodiversité. Il complète le premier module, « Utilisation des marqueurs moléculaires dans les études de diversité génétique des plantes : module d’enseignement » et vise également à diffuser la connaissance relative à la technologie des marqueurs moléculaires pour l’évaluation de la diversité génétique et fournir ainsi une base pour comprendre les analyses de données et leur interprétation au-delà de l’utilisation courante des technologies par phénomène de mode. L’organisation par l’IPGRI d’un séminaire de formation sur les technologies moléculaires en Chine, avec la participation de chercheurs impliqués dans la diversité génétique des fruits tropicaux de Chine, d’Inde, d’Indonésie, de Malaisie, des Philippines, du Sri Lanka et de Thaïlande, a été le facteur déclenchant la production de ce module de formation. A la fin de la formation l’enseignement des techniques avait abouti à faire d’excellents techniciens de laboratoire. Cependant si des chercheurs compétents dans la gestion et l’utilisation des ressources génétiques doivent être formés, les partenaires de l’IPGRI doivent disposer d’outils d’interprétation et d’analyse de données. Le module de formation s’adresse tout particulièrement à des chercheurs qui sont intéressés par l’évaluation de la diversité génétique et qui ont une connaissance de base en biologie et en génétique, qui sont familiers avec les technologies moléculaires et qui ont besoin d’un appui pour planifier leur recherche et pour analyser et interpréter leurs résultats. Les auteurs espèrent que les utilisateurs de ces modules de formation ne trouveront pas seulement l’information éclairante mais également pratique et que l’utilisation des technologies des marqueurs moléculaires peut être une approche stimulante et utile pour quiconque oriente sa recherche sur l’analyse de la diversité génétique.

Ce que vous devez savoir à propos de ce module. Quand vous vous lancez dans une recherche, il est crucial de bien définir les questions auxquelles vous cherchez à répondre même si d’autres questions viennent ensuite et impliquent des changements dans le plan d’origine au fur et à mesure de l’avancement du projet. Vous devez aussi connaître quelques principes de mise en place des expérimentations afin de s’assurer d’obtenir des résultats convaincants. Dans le contexte de votre travail avec les ressources génétiques vous devez être familier avec les bases fondamentales de la diversité génétique et avec les outils disponibles pour examiner vos données afin de pouvoir les interpréter correctement. Quelques uns des outils et concepts discutés comprennent : • les stratégies d’échantillonnage; • les bases de la génétique de population; • les mesures mathématiques utilisées pour décrire la diversité génétique, les indices de distance génétique et les méthodes utilisées pour exprimer les liens de parenté entre échantillons; • les logiciels et ressources internet disponibles. Les calculs qui sous-tendent dans les concepts clés de la génétique des populations, les mesures de diversité génétique, les indices et méthodes de regroupement sont illustrés avec des exemples qui ont été spécifiquement préparés pour cette publication. L’utilisateur peut immédiatement voir comment les formules mathématiques sont appliquées. De plus, nous voulons montrer, même si ces calculs sont souvent obtenus avec l’aide d’un logiciel, que la plupart peuvent s’effectuer manuellement. Même si un logiciel est utilisé nous pensons que le chercheur doit comprendre ce que l’ordinateur fait et doit être capable de développer ses propres critères pour décider quelle méthode utiliser. Ce module de formation est destiné à aider ceux qui veulent analyser la diversité génétique avec l’aide des données moléculaires. Comme tel, ce n’est pas un outil complet pour apprendre ou enseigner la génétique des populations. Cependant nous avons listé des références bibliographiques pour appuyer des notions importantes de génétique des populations, pour expliciter les formules mathématiques et fournir une meilleure compréhension de comment appliquer ces méthodes dans des situations de recherche courante. L’idée est que ce module peut être utilisé comme un outil autonome pour faciliter l’acquisition de connaissances, en particulier pour aider les étudiants, et notamment les étudiants de deuxième cycle, pour comprendre comment choisir parmi les techniques moléculaires appliquées en étude de diversité génétique et être capable de les appliquer dans leurs projets de recherche. Il peut être également utilisé pour l’enseignement et la préparation de cours en salle ou comme guide de référence pour les professionnels qui ont besoin d’appliquer les techniques moléculaires, les méthodes statistiques et les analyses de données nécessaires pour mettre en œuvre leur recherche. Les utilisateurs de ce module doivent avoir une connaissance de base de la génétique. De plus s’ils ne sont pas familiers avec les technologies des marqueurs moléculaires, nous leur recommandons fortement de débuter la formation par le premier module: « Utilisation des

marqueurs moléculaires dans les études de diversité génétique des plantes : module d’enseignement ». Une fois que les principes de bases sont acquis le second module peut être suivi avec une meilleure base pour comprendre les algorithmes mathématiques. Nous avons organisé le module de formation en sous-modules complémentaires et indépendants, de manière à ce que l’utilisateur puisse sélectionner à tout moment l’unité qui l’intéresse. Dans certains cas nous avons donné une information supplémentaire, ajoutée en annexe pour ne pas trop compliquer l’essentiel, ou encore fourni des formules mathématiques additionnelles ou des exemples pour ceux qui les trouveraient utiles pour une parfaite compréhension. Ce module de formation est présenté de façon à ce que l’on puisse utiliser les diapositives soit seules soit avec leur notes d’accompagnement. Vos commentaires sur cette publication sont extrêmement importants pour nous car nous sommes convaincus qu’elle peut être améliorée. Pour mieux répondre à nos partenaires et aux besoins d’autres utilisateurs, nous apprécierions d’avoir votre avis sur l’organisation, le contenu et l’utilité de cet outil aux adresses suivantes : M.Carmen de Vicente International Plant Genetic Resources Institute (IPGRI) Via dei Tre Denari 472/a 00057 Maccarese Rome, Italy E.mail : [email protected] César Lopez Universidad Nacional Agraria « La Molina » Av. La Universidad s/n Apdo. 456 Lima 12 Lima, Peru E.mail: [email protected] Theresa Fulton Institute for Genomic Diversity 130 Biotechnology Building Cornell University Ithaca, New York 14583, USA E.mail: [email protected] Nous espérons que ce module complète le module précédent, « Utilisation des marqueurs moléculaires dans les études de diversité génétique des plantes : module d’enseignement » , et que les deux modules réunis offrent à nos partenaires, tout spécialement à ceux des pays en développement qui ont un accès limité aux technologies avancées et à la formation ou à la littérature scientifique, une chance pour conduire une recherche avancée en diversité génétique des plantes et contribuer ainsi aux connaissances mondiales sur ces ressources de grande valeur. M.Carmen de Vicente Cesar Lopez Theresa Fulton IPGRI Univ. La Molina IGD, Cornell University

Objectifs de ce module : Ce module vise à permettre aux les utilisateurs : • de comprendre les concepts scientifiques de la diversité génétique au travers des bases fondamentales de la génétique des populations. • de se familiariser avec les expressions mathématiques utilisées pour décrire la diversité génétique et d’ être capable d’exécuter les calculs indispensables en utilisant les données de marquage moléculaire. • d’acquérir les connaissances de base nécessaires pour appliquer les technologies moléculaires à l’évaluation de la diversité génétique et interpréter les données moléculaires.

Cop

yrig

ht: I

PG

RI e

tCor

nell

Uni

vers

ity, 2

003

Tra

duct

ion

fran

çais

e: C

irad

& S

upA

gro,

200

6In

trod

uctio

n1

Ana

lyse

de la

div

ersi

tégé

nétiq

ueà

l’aid

e de

mar

queu

rs m

oléc

ulai

res

:M

odul

e d’

appr

entis

sage

Intr

oduc

tion

Cop

yrig

ht: I

PG

RI e

tCor

nell

Uni

vers

ity, 2

003

Tra

duct

ion

fran

çais

e: C

irad

& S

upA

gro,

200

6In

trod

uctio

n2

fLa

mét

hode

scie

ntifi

que

•D

éfin

irla

que

stio

n bi

olog

ique

•D

ével

oppe

run

epr

oblé

mat

ique

scie

ntifi

que

−E

chan

tillo

nner

dans

des

popu

latio

ns−

Ech

antil

lonn

erda

nsle

gen

ome

•C

ondu

irele

s ex

périe

nces

•A

naly

ser

et in

terp

réte

rle

s do

nnée

s

fLe

s ni

veau

xde

div

ersi

tébi

olog

ique

fM

esur

erla

var

iatio

n gé

nétiq

ue

fR

elat

ions

ent

reph

énot

ypes

et g

énot

ypes

Con

tenu

Cop

yrig

ht: I

PG

RI e

tCor

nell

Uni

vers

ity, 2

003

Tra

duct

ion

fran

çais

e: C

irad

& S

upA

gro,

200

6In

trod

uctio

n3

fD

éfin

irla

que

stio

n bi

olog

ique

fP

oser

une

hypo

thès

eet

met

tre

en

plac

e l’e

xpér

ienc

e

fC

ondu

irel’e

xpér

ienc

e

fA

naly

ser

et in

terp

réte

rle

s do

nnée

s

La m

étho

de s

cien

tifiq

ue

Cop

yrig

ht: I

PG

RI e

tCor

nell

Uni

vers

ity, 2

003

Tra

duct

ion

fran

çais

e: C

irad

& S

upA

gro,

200

6In

trod

uctio

n4

fQ

uele

stle

pro

blèm

e?

fF

aire

le p

oint

sur

la q

uest

ion

:•

Est

-ce

que

cela

a dé

jàét

éét

udié

?•

Est

-ce

qu’il

exis

teun

eex

plic

atio

n ?

Def

inir

la q

uest

ion

biol

ogiq

ue

Cop

yrig

ht: I

PG

RI e

tCor

nell

Uni

vers

ity, 2

003

Tra

duct

ion

fran

çais

e: C

irad

& S

upA

gro,

200

6In

trod

uctio

n5

Se

pose

r de

s qu

estio

ns s

ur:

•Le

s st

raté

gies

de c

onse

rvat

ion

•U

tilis

atio

npo

ur l’

amél

iora

tion

des

espè

ces

culti

vées

(cro

p br

eedi

ng)

•E

volu

tion

et d

omes

ticat

ion

Que

l typ

e de

que

stio

n ?

Cop

yrig

ht: I

PG

RI e

tCor

nell

Uni

vers

ity, 2

003

Tra

duct

ion

fran

çais

e: C

irad

& S

upA

gro,

200

6In

trod

uctio

n6

I 3I 3

I 2I 26 I

etc.ແ

I 1I 3

I 1I 2

I 1I 1⎯I 3I 2I 1I

H1

H1

G2

G3

F2

F2

E1

E3

D1

D1

C1

C1

B1

B2

A1

A1

Un

autr

e in

divi

du

H1

H1

G1

G3

F1

F1

E2

E4

D1

D1

C2

C3

B2

B2

A1

A2

Un

indi

vidu

5832

01

6 3

10

1 6

3 3

Gen

otyp

es(N

)

HG

FE

DC

BA

Loci

ΣK(K

+ 1)

/2N

ombr

e to

tal d

e gé

noty

pes

etc.

etc.

etc.

ແແ

ແ

G1

G3

F2

F2

E1

E3

C1

C3

B2

B2

A2

A2

G1

G2

F1

F2

E1

E2

C1

C2

B1

B2

A1

A2

H1

H1

G1

G1

F1

F1

E1

E1

D1

D1

C1

C1

B1

B1

A1

A1

Gén

otyp

e

⎯⎯

⎯E

4⎯

⎯⎯

⎯

⎯G

3⎯

E3

⎯C

3⎯

⎯

⎯G

2F

2E

2⎯

C2

B2

A2

H1

G1

F1

E1

D1

C1

B1

A1

Allè

le

HG

FE

DC

BA

Loci

Un

exem

ple,

deu

x qu

estio

ns :

Que

l est

le d

egré

de v

aria

bilit

é?

Que

lle p

art p

eut-

on s

e pe

rmet

tre

de p

erdr

e ?

Cop

yrig

ht: I

PG

RI e

tCor

nell

Uni

vers

ity, 2

003

Tra

duct

ion

fran

çais

e: C

irad

& S

upA

gro,

200

6In

trod

uctio

n7

fC

omm

ent t

raite

rau

mie

uxla

que

stio

n ?

fE

xist

e-t-

ild’

autr

esst

raté

gies

?

fC

onsi

déra

tions

de c

oût,

de te

mps

et d

e re

ssou

rces

disp

onib

les

fS

trat

égie

sd’

écha

ntill

onna

ge•

Pop

ulat

ions

ou

indi

vidu

s•

Gén

ome

Pos

er u

ne h

ypot

hèse

et

met

tre

en p

lace

l’ex

péri

ence

Cop

yrig

ht: I

PG

RI e

tCor

nell

Uni

vers

ity, 2

003

Tra

duct

ion

fran

çais

e: C

irad

& S

upA

gro,

200

6In

trod

uctio

n8

fD

e co

mbi

ende

pop

ulat

ions

et/o

ud’

indi

vidu

sa-

t-on

bes

oin

pour

atte

indr

eno

tre

obje

ctif

?

fE

st-c

equ

eno

tre

obje

ctif

estr

éalis

te?

Ech

antil

lonn

er d

ans

les

popu

latio

ns

Cop

yrig

ht: I

PG

RI e

tCor

nell

Uni

vers

ity, 2

003

Tra

duct

ion

fran

çais

e: C

irad

& S

upA

gro,

200

6In

trod

uctio

n9

fC

ombi

endo

it-on

util

iser

de lo

cus

?

fD

eux

stra

tégi

esso

ntpo

ssib

les

:•

Sél

ectio

nner

peu

de m

arqu

eurs

très

info

rmat

ifs

•S

élec

tionn

erde

nom

breu

xm

arqu

eurs

peu

info

rmat

ifs, d

istr

ibué

sau

has

ard

sur

le g

énom

e

Ech

antil

lonn

er d

ans

legé

nom

e

Cop

yrig

ht: I

PG

RI e

tCor

nell

Uni

vers

ity, 2

003

Tra

duct

ion

fran

çais

e: C

irad

& S

upA

gro,

200

6In

trod

uctio

n10

1.S

i la

taill

e de

l’éc

hant

illon

est

trop

faib

le, o

n ob

tient

des

rés

ulta

ts b

iais

és

0.53

50.

465

3439

2710

0

0.50

350.

4965

306

395

299

1000

0.5

0.6

0.25q

0.5

0.4

0.75p

Fréq

uenc

es a

llèliq

ues

Gén

otyp

es

300,

000

400,

000

300,

000

1,00

0,00

0

1016

430

21

710

A2

A2

A1

A2

A1

A1

Nb

indi

vidu

s

Pro

blèm

es p

osés

par

un

mau

vais

éch

antil

lon

Cop

yrig

ht: I

PG

RI e

tCor

nell

Uni

vers

ity, 2

003

Tra

duct

ion

fran

çais

e: C

irad

& S

upA

gro,

200

6In

trod

uctio

n11

2.Q

uelq

ues

allè

les

écha

ppen

t àl’é

chan

tillo

n et

so

nt d

onc

typé

s co

mm

e “a

bsen

ts”

:

Pop

ulat

ion

initi

ale

Freq

uenc

e de

A1

(p) =

25/

96 =

0.2

60

Fréq

uenc

e de

A2

(q) =

68/

96 =

0.7

08

Fréq

uenc

e de

A3

(s) =

3/9

6 =

0.03

1

Ech

antil

lon

Freq

uenc

e de

A1

(p) =

8/3

6 =

0.22

2 Fr

eque

nce

de A

2(q

) = 2

8/36

= 0

.778

Fr

eque

nce

deA

3(s

) = 0

/36

= 0.

000

(per

du)

n =

48

A1A

2

A1A

1

A2A

2

A2A

2

A2A

2A2A

2A2A

2

A2A

2A2A

2

A2A

2

A2A

2

A1A

2A1A

2

A1A

2A1A

2

A1A

2

A1A

2

A1A

2A1A

1

A1A

1

A1A

1A1A

1A1A

1

A1A

1

A1A

1

A2A

2

A2A

2

A2A

2

A2A

2

A2A

2

A2A

2

A2A

2

A2A

2

A2A

2

A1A

3

A2A

2

A2A

2

A2A

2

A2A

2

A2A

3

A2A

2

A2A

2

A2A

2

A2A

2

A2A

2

A2A

3

A2A

2

A2A

2

n =

18

A2A

2

A2A

2

A2A

2A2A

2

A2A

2

A2A

2

A1A

2A1A

2

A1A

2

A1A

2A1A

1

A1A

1

A2A

2

A2A

2

A2A

2

A2A

2A2A

2

A2A

2

Pro

blèm

es p

osés

par

un

mau

vais

éch

antil

lon

(sui

te)

Cop

yrig

ht: I

PG

RI e

tCor

nell

Uni

vers

ity, 2

003

Tra

duct

ion

fran

çais

e: C

irad

& S

upA

gro,

200

6In

trod

uctio

n12

fU

tilis

erl’o

util

appr

oprié

pour

test

er l’

hypo

thès

e

fIn

clur

ede

s té

moi

nsqu

i per

met

tent

de s

uivr

ela

qu

alité

lors

de l’

expé

rienc

eet

la s

aisi

ede

s do

nnée

s

Men

er d

es e

xpér

ienc

es

Cop

yrig

ht: I

PG

RI e

tCor

nell

Uni

vers

ity, 2

003

Tra

duct

ion

fran

çais

e: C

irad

& S

upA

gro,

200

6In

trod

uctio

n13

fE

st-c

equ

ele

s do

nnée

sco

nfor

tent

l’hyp

othè

se?

fQ

uels

outil

sdo

it-on

util

iser

pour

l’an

alys

e?

fA

utre

sbe

soin

s:

•C

once

pts

scie

ntifi

ques

sous

-jace

nts

àla

not

ion

de

dive

rsité

, par

ex

:−

Niv

eaux

de d

iver

sité

biol

ogiq

ue−

Var

iatio

n en

tre

et v

aria

tion

àl’i

ntér

ieur

−R

elat

ion

entr

eph

énot

ype

and

géno

type

•C

once

pts

de b

ase

en g

énét

ique

des

popu

latio

ns

Ana

lyse

r et

inte

rpré

ter

les

donn

ées

Cop

yrig

ht: I

PG

RI e

tCor

nell

Uni

vers

ity, 2

003

Tra

duct

ion

fran

çais

e: C

irad

& S

upA

gro,

200

6In

trod

uctio

n14

1.D

iver

sité

intr

a-po

pula

tion

(= d

iver

sité

géné

tique

)

2.D

iver

sité

entr

e le

s es

pèce

s

3.D

iver

sité

au s

ein

de l’

écos

ystè

me

Niv

eaux

de

dive

rsité

biol

ogiq

ue

Cop

yrig

ht: I

PG

RI e

tCor

nell

Uni

vers

ity, 2

003

Tra

duct

ion

fran

çais

e: C

irad

& S

upA

gro,

200

6In

trod

uctio

n15

fLa

var

iabi

téou

pol

ymor

phis

me

peut

êtr

e év

alué

e au

x di

ffére

nts

nive

aux

de l’

orga

nisa

tion

fLa

dis

trib

utio

n de

s po

lym

orph

ism

es e

st

obse

rvée

pou

r di

ffére

nts

nive

aux

hiér

arch

ique

s (a

ires,

régi

ons,

pop

ulat

ions

, sou

s-po

pula

tions

, in

divi

dus)

Mes

urer

la v

aria

bilit

égé

nétiq

ue

Air

e 1 P

opul

atio

n1

Rég

ion

1R

égio

n2

Rég

ion

3

Pop

ulat

ion

j Pop

ulat

ion

k

Pop

ulat

ion

u

Pop

ulat

ion

tP

opul

atio

ni

Pop

ulat

ion

s

Indi

vidu

Pop

ulat

ion

2

Pop

ulat

ion

3

Cop

yrig

ht: I

PG

RI e

tCor

nell

Uni

vers

ity, 2

003

Tra

duct

ion

fran

çais

e: C

irad

& S

upA

gro,

200

6In

trod

uctio

n16

•P

héno

type

–S

péci

fique

duca

ract

ère

•M

arqu

eurs

mol

écul

aire

s–

Div

ersi

téne

utre

–A

DN

ou

prot

éine

•S

éque

nce

d’A

DN

–D

iver

sité

allè

lique

•E

xpre

ssio

n–

Niv

eau

de l’

AR

N

Rel

atio

n en

tre

le p

héno

type

et le

géno

type

A1

Chr

omos

ome

DN

AR

NA

Pol

ypep

tide

(Į1

enzy

me)

OH

O

Pré

curs

eur

du p

igm

ent

Pig

men

t ro

uge

A1G

énot

ype

Phé

noty

pe

Cop

yrig

ht: I

PG

RI e

tCor

nell

Uni

vers

ity, 2

003

Tra

duct

ion

fran

çais

e: C

irad

& S

upA

gro,

200

6In

trod

uctio

n17

fU

nean

alys

ede

div

ersi

tégé

nétiq

uedo

itsu

ivre

une

mét

hode

scie

ntifi

que

fA

vant

d’ét

udie

rla

div

ersi

tégé

nétiq

ue, i

lfau

tpo

ser

la q

uest

ion

biol

ogiq

ue

fIl

faut

suiv

rele

s co

nsei

lsd’

écha

ntill

onna

ge, n

on

seul

emen

tpou

r le

s in

divi

dus,

mai

sau

ssip

our

les

popu

latio

ns e

t le

géno

me

fO

n ne

peut

inte

rpré

ter

les

donn

ées

sans

avo

irde

s co

nnai

ssan

ces

de b

ases

con

cern

antl

es

conc

epts

sou

s-ja

cent

sà

la d

iver

sité

biol

ogiq

ueet

àla

gén

étiq

uede

s po

pula

tions

En

résu

mé

Cop

yrig

ht: I

PG

RI e

tCor

nell

Uni

vers

ity, 2

003

Tra

duct

ion

fran

çais

e: C

irad

& S

upA

gro,

200

6In

trod

uctio

n18

fLe

s pr

inci

pale

sét

apes

de la

mis

een

pla

ce

d’un

eex

périe

nce

fL’

impo

rtan

ced’

iden

tifie

rla

prin

cipa

lequ

estio

n da

nsvo

tre

rech

erch

e

fLe

s po

ints

impo

rtan

tsà

cons

idér

erlo

rsde

l’é

chan

tillo

nnag

e

fLe

s co

ncep

ts d

e ba

se s

ous-

jace

nts

àla

div

ersi

tégé

nétiq

ue

A p

artir

de

mai

nten

ant,

vous

dev

ez c

onna

ître

…

Cop

yrig

ht: I

PG

RI e

tCor

nell

Uni

vers

ity, 2

003

Tra

duct

ion

fran

çais

e: C

irad

& S

upA

gro,

200

6In

trod

uctio

n19

Réf

éren

ces

Cop

yrig

ht: I

PG

RI e

tCor

nell

Uni

vers

ity, 2

003

Tra

duct

ion

fran

çais

e: C

irad

& S

upA

gro,

200

6In

trod

uctio

n20

fC

once

pts

de b

ase

de la

gén

étiq

uede

s po

pula

tions

fM

esur

esde

la d

iver

sité

géné

tique

fP

rogr

amm

epo

ur a

naly

ser

la d

iver

sité

géné

tique

fG

loss

aire

A s

uivr

e

Cop

yrig

ht: I

PG

RI e

tCor

nell

Uni

vers

ity, 2

003

Gén

étiq

ue d

es p

opul

atio

ns1

Tra

duct

ion

fran

çais

e: C

irad

& S

upA

gro,

200

6

Ana

lyse

de la

div

ersi

tégé

nétiq

ueà

l’aid

ede

mar

queu

rsm

oléc

ulai

res

: M

odul

e de

form

atio

n

Con

cept

s de

bas

e en

gé

nétiq

uede

s po

pula

tions

Cop

yrig

ht: I

PG

RI e

tCor

nell

Uni

vers

ity, 2

003

Gén

étiq

ue d

es p

opul

atio

ns2

Tra

duct

ion

fran

çais

e: C

irad

& S

upA

gro,

200

6

fD

éfin

ition

s

fLe

prin

cipe

de H

ardy

-Wei

nber

g

fE

xem

ples

de c

alcu

lde

fréq

uenc

esal

lèliq

ues

fR

epro

duct

ion

et s

ystè

mes

de r

epro

duct

ions

fF

orce

s in

fluan

tsur

la d

iver

sité

géné

tique

fA

nnex

e1

: Val

eurs

seui

lde

la d

istr

ibut

ion

duχ2

Con

tenu

Cop

yrig

ht: I

PG

RI e

tCor

nell

Uni

vers

ity, 2

003

Gén

étiq

ue d

es p

opul

atio

ns3

Tra

duct

ion

fran

çais

e: C

irad

& S

upA

gro,

200

6

fM

esur

ede

la v

aria

bilit

égé

nétiq

ueen

déc

rivan

tle

s ch

ange

men

tsde

s fr

éque

nces

allè

lique

sd’

un

cara

ctèr

epa

rtic

ulie

rau

cou

rsdu

tem

ps

fA

naly

sede

s ca

uses

con

duis

antà

ces

chan

gem

ents

Déf

initi

ons

: Gén

étiq

uede

s po

pula

tions

Cop

yrig

ht: I

PG

RI e

tCor

nell

Uni

vers

ity, 2

003

Gén

étiq

ue d

es p

opul

atio

ns4

Tra

duct

ion

fran

çais

e: C

irad

& S

upA

gro,

200

6

fLa

des

crip

tion

de to

usle

s ca

ract

ères

d’un

in

divi

duco

ncer

nant

sam

orph

olog

ie, s

aph

ysio

logi

e, s

esre

latio

ns é

colo

giqu

eset

son

co

mpo

rtem

ent

fQ

uelq

ueso

itle

mom

ent d

e la

mes

ure,

le

phén

otyp

ees

tle

résu

ltatd

e l’i

ntér

actio

nen

tre

les

gène

sde

l’in

divi

duet

son

env

ironn

emen

t

Un

phén

otyp

e, c

’est

…

Cop

yrig

ht: I

PG

RI e

tCor

nell

Uni

vers

ity, 2

003

Gén

étiq

ue d

es p

opul

atio

ns5

Tra

duct

ion

fran

çais

e: C

irad

& S

upA

gro,

200

6

Ros

eC

rèm

eR

ose

sout

enu

Bla

ncB

leu

clai

rV

iole

t

Crè

me

sout

enu

Jaun

eR

ouge

Var

iatio

n ph

énot

ypiq

ue

Cop

yrig

ht: I

PG

RI e

tCor

nell

Uni

vers

ity, 2

003

Gén

étiq

ue d

es p

opul

atio

ns6

Tra

duct

ion

fran

çais

e: C

irad

& S

upA

gro,

200

6

fU

n gè

nees

tl’u

nité

de b

ase

phys

ique

et

fonc

tionn

elle

de l’

héré

dité

, tra

nsm

etta

ntde

s in

form

atio

nsd’

une

géné

ratio

nà

la s

uiva

nte

fU

n al

lèle

estu

nede

s di

ffére

ntes

form

esd’

un

gène

/locu

s

Gèn

eet

allè

le

Cop

yrig

ht: I

PG

RI e

tCor

nell

Uni

vers

ity, 2

003

Gén

étiq

ue d

es p

opul

atio

ns7

Tra

duct

ion

fran

çais

e: C

irad

& S

upA

gro,

200

6

fLa

des

crip

tion

dupa

nel c

ompl

etde

s gè

nes

dont

un in

divi

duhé

rite

de s

espa

rent

s

fLe

gén

otyp

ed’

un in

divi

dure

ste

le m

ême

tout

au

long

de

savi

e, q

uelq

ueso

itso

n en

viro

nnem

ent

Le g

énot

ype,

c’e

st…

Cop

yrig

ht: I

PG

RI e

tCor

nell

Uni

vers

ity, 2

003

Gén

étiq

ue d

es p

opul

atio

ns8

Tra

duct

ion

fran

çais

e: C

irad

& S

upA

gro,

200

6

fLa

var

iatio

n gé

nétiq

uees

tass

ocié

eau

con

cept

de

gén

otyp

e

fLa

var

iatio

n gé

nétiq

ueay

antu

n ef

fets

urun

trai

t ex

iste

dans

la p

lupa

rtde

s po

pula

tions

na

ture

lles,

mai

sce

str

aits

son

tinf

luen

cés

par

les

allè

les

de n

ombr

eux

gène

s, a

uxqu

els

s’aj

oute

ntle

s ef

fets

de l’

envi

ronn

emen

t

fIl

estd

iffic

iled’

asso

cier

les

diffé

renc

esph

énot

ypiq

ues

aux

effe

tsde

gèn

espa

rtic

ulie

rs

Var

iatio

n gé

nétiq

ue

Cop

yrig

ht: I

PG

RI e

tCor

nell

Uni

vers

ity, 2

003

Gén

étiq

ue d

es p

opul

atio

ns9

Tra

duct

ion

fran

çais

e: C

irad

& S

upA

gro,

200

6

f‘P

rése

nce

de p

lusi

eurs

form

es’

fE

n te

rmes

géné

tique

s, c

ela

se r

éfèr

eà

la

coex

iste

nce

d’au

moi

nsde

uxph

énot

ypes

alte

rnat

ifsda

nsun

epo

pula

tion

ouen

tre

popu

latio

ns. E

n gé

néra

l, ce

sdi

ffere

nts

phén

otyp

esso

ntca

usés

par

les

dive

rs a

llèle

sd’

un m

ême

gène

.

fA

u ni

veau

mol

écul

aire

, le

poly

mor

phis

me

se

réfè

reà

la c

oexi

sten

ce d

e di

ffére

ntes

band

es,

ouva

riant

s A

DN

, sii

lsso

ntré

vélé

spa

r un

em

étho

dede

dét

ectio

ndo

nnée

Qu’

est-

cequ

ele

pol

ymor

phis

me?

Cop

yrig

ht: I

PG

RI e

tCor

nell

Uni

vers

ity, 2

003

Gén

étiq

ue d

es p

opul

atio

ns10

Tra

duct

ion

fran

çais

e: C

irad

& S

upA

gro,

200

6

fD

’un

poin

t de

vue

écol

ogiq

ue:

Un

grou

ped’

indi

vidu

sde

la m

ême

espè

cevi

vant

dan

sun

ezo

ne g

éogr

aphi

que

rest

rein

teau

sei

nde

laqu

elle

deux

indi

vidu

sse

repr

odui

sent

fD

’un

poin

t de

vue

géné

tique

:U

n gr

oupe

d’in

divi

dus

qui p

arta

gent

des

gène

sen

co

mm

unet

qui

ont

la p

ossi

bilit

éde

se

repr

odui

re

Une

popu

latio

n, c

’est

…

Cop

yrig

ht: I

PG

RI e

tCor

nell

Uni

vers

ity, 2

003

Gén

étiq

ue d

es p

opul

atio

ns11

Tra

duct

ion

fran

çais

e: C

irad

& S

upA

gro,

200

6

Tro

isni

veau

xde

str

uctu

re d

e po

pula

tion

sont

iden

tifié

s:

•O

rgan

ism

e•

Sou

s-po

pula

tion

•P

opul

atio

n to

tale

La s

truc

ture

des

pop

ulat

ions

Cop

yrig

ht: I

PG

RI e

tCor

nell

Uni

vers

ity, 2

003

Gén

étiq

ue d

es p

opul

atio

ns12

Tra

duct

ion

fran

çais

e: C

irad

& S

upA

gro,

200

6

Pop

ulat

ion

X

p =

0.10

(fr

éque

nce

de l’

allè

leA

)q

= 0.

90 (f

réqu

ence

de

l’allè

lea)

Mig

rant

de la

po

pula

tion

Y

Les

inse

ctes

pol

linis

ateu

rs

port

ent d

es g

rain

s de

po

llen

de la

pop

ulat

ion

Y

(alle

lea

> al

lele

A) v

ers

la

popu

latio

nX

p =

0.80

(fr

éque

nce

de l’

allè

le A

)q

= 0.

20 (f

réqu

ence

de

l’allè

lea)

Flux

de

gène

s

a

a

Aa

aa

Aa

Cop

yrig

ht: I

PG

RI e

tCor

nell

Uni

vers

ity, 2

003

Gén

étiq

ue d

es p

opul

atio

ns13

Tra

duct

ion

fran

çais

e: C

irad

& S

upA

gro,

200

6

fLa

fréq

uenc

eal

lèliq

uees

tle

conc

ept u

tilis

épo

ur

quan

tifie

r la

var

iatio

n gé

nétiq

ue

fM

esur

ede

la p

ropo

rtio

n d’

un a

llèle

dans

une

popu

latio

n

Fréq

uenc

eal

lèliq

ue

Cop

yrig

ht: I

PG

RI e

tCor

nell

Uni

vers

ity, 2

003

Gén

étiq

ue d

es p

opul

atio

ns14

Tra

duct

ion

fran

çais

e: C

irad

& S

upA

gro,

200

6

P(A

) = [2

(AA

) + (A

a)]/2

n

f2

fois

le n

ombr

ede

gén

otyp

esho

moz

ygot

espo

rteu

rsde

l’al

lèle

cons

idér

é(p

uisq

uele

s ho

moz

ygot

esso

ntpo

rteu

rsde

deu

xco

pies

du

mêm

eal

lèle

),

f+

le n

ombr

ede

gén

otyp

eshé

téro

zygo

tes

avec

ce

tallè

le(p

uisq

uele

s hé

téro

zygo

tes

neso

ntpo

rteu

rsqu

ed’

une

copi

e),

fdi

visé

par

deux

fois

le n

ombr

ed’

indi

vidu

sda

nsl’é

chan

tillo

n(p

uisq

uech

aque

indi

vidu

dipl

oïde

port

ede

uxal

lèle

sà

chaq

uelo

cus)

Cal

culd

e la

fréq

uenc

eal

lèliq

ue

Cop

yrig

ht: I

PG

RI e

tCor

nell

Uni

vers

ity, 2

003

Gén

étiq

ue d

es p

opul

atio

ns15

Tra

duct

ion

fran

çais

e: C

irad

& S

upA

gro,

200

6

fC

’est

la fr

éque

nce

d’un

gén

otyp

edo

nné

dans

une

popu

latio

n

fLe

s fr

éque

nces

de d

iver

s ty

pes

de s

ystè

mes

de

repr

oduc

tion

déte

rmin

entl

es r

elat

ions

m

athé

mat

ique

sen

tre

les

fréq

uenc

esal

lèliq

ues

et g

énot

ypiq

ues

Fréq

uenc

egé

noty

piqu

e

Cop

yrig

ht: I

PG

RI e

tCor

nell

Uni

vers

ity, 2

003

Gén

étiq

ue d

es p

opul

atio

ns16

Tra

duct

ion

fran

çais

e: C

irad

& S

upA

gro,

200

6

fU

nepo

pula

tion

dans

laqu

elle

les

croi

sem

ents

se

font

au

hasa

rdpr

ésen

teun

edi

strib

utio

n de

s gé

noty

pes

cons

tant

eap

rès

une

seul

egé

néra

tion,

de

telle

sort

equ

ela

var

iatio

n gé

nétiq

uees

tmai

nten

ue.

fQ

uand

les

hypo

thès

esso

ntvé

rifié

es, l

a fr

éque

nce

d’un

gén

otyp

ees

téga

lau

prod

uitd

es

fréq

uenc

esal

lèliq

ues

AA

Aa

aap2

2pq

q2

Le p

rinc

ipe

de H

ardy

-Wei

nber

g

Cop

yrig

ht: I

PG

RI e

tCor

nell

Uni

vers

ity, 2

003

Gén

étiq

ue d

es p

opul

atio

ns17

Tra

duct

ion

fran

çais

e: C

irad

& S

upA

gro,

200

6

Fréq

uenc

es

des

géno

type

s

Gén

érat

ion

0

N

�

A1

A1

, A

1A

2,

A2

A2

p2,

2p

q,

q2

La fr

éque

nce

des

géno

type

s ne

cha

nge

pas

d’un

e gé

néra

tion

àl’a

utre

Gam

ètes

Ƃ

A1

A2

A2

A1

Gam

ètes

ƃ

(p)

(p)

(q)

(q)

A2

A2

(q2 )

A1

A1

(p2 )

A

1A

2 (p

q)

A1

A2

(pq)

Ƃƃ

A 2A 1

A 1 A 2Cro

isem

ent a

u ha

rsar

d

Zygo

tes

N

�

A1

A1

, A

1A

2, A

2A

2

p2,

2pq

,

q2

Gén

érat

ion

1

Dém

onst

ratio

n du

pri

ncip

e de

H-W

Cop

yrig

ht: I

PG

RI e

tCor

nell

Uni

vers

ity, 2

003

Gén

étiq

ue d

es p

opul

atio

ns18

Tra

duct

ion

fran

çais

e: C

irad

& S

upA

gro,

200

6

0.42

0.42

0.42

A1

A2

0.49

0.49

0.49

A1

A1

Gén

otyp

esà

G1

0.3

0.3

0.3q

0.09

0.09

0.09

A2

A2

0.7

0.7

0.7p

G0

G1

Gén

otyp

esà

G0

0.7

0.7

0.7p

0.3

0.3

0.3q

0.0

0.6

0.4

Pop

. 3

0.09

0.42

0.49

Pop

. 2

0.2

0.2

0.6

Pop

. 1

A2

A2

A1

A2

A1

A1

Pop

ul.

Fréq

uenc

es

Exe

mpl

e : 3

pop

ulat

ions

àl’é

quili

bre

de H

-W

Cop

yrig

ht: I

PG

RI e

tCor

nell

Uni

vers

ity, 2

003

Gén

étiq

ue d

es p

opul

atio

ns19

Tra

duct

ion

fran

çais

e: C

irad

& S

upA

gro,

200

6

fU

tilis

épo

ur d

éter

min

er s

i les

fréq

uenc

es

allè

lique

s so

nt à

l’équ

ilibr

e de

H-W

fIl

s’ut

ilise

ain

si :

•D

éfin

irH

0(e

tHa)

•D

éfin

ir le

deg

réde

sig

nific

ativ

itédu

ris

que Į

•E

ffect

uer

le te

st s

tatis

tique

•A

ppliq

uer

le c

ritèr

e de

déc

isio

n

Le te

st d

uC

hi 2

Cop

yrig

ht: I

PG

RI e

tCor

nell

Uni

vers

ity, 2

003

Gén

étiq

ue d

es p

opul

atio

ns20

Tra

duct

ion

fran

çais

e: C

irad

& S

upA

gro,

200

6

α= 0

.05

N. o

bser

vés

169

520

311

N. a

ttend

us25

050

025

0Ca

lcul d

u X2

(169

-250

-0.5

)2 /250

(520

-500

-0.5

)2 /500

(311

-250

-0.5

)2 /250

Vale

ur d

u X2

+25.

921

+0.

760

+14.

641

41.32

2

Crit

ère

de d

écis

ion:

χ2 cal (

41.3

22)>

χ2 tab

(3.8

)

H0

est r

ejet

ée

App

licat

ion

dute

st d

uχ2

: un

exem

ple

Cop

yrig

ht: I

PG

RI e

tCor

nell

Uni

vers

ity, 2

003

Gén

étiq

ue d

es p

opul

atio

ns21

Tra

duct

ion

fran

çais

e: C

irad

& S

upA

gro,

200

6

fC

alcu

ldes

fréq

uenc

esal

lèliq

ues

avec

un

mar

queu

rco

dom

inan

t

fC

alcu

ldes

fréq

uenc

esal

lèliq

ues

avec

un

mar

queu

rdo

min

ant

fC

alcu

l des

fréq

uenc

es a

llèliq

ues

avec

un

gène

co

dom

inan

t pré

sent

ant p

lusi

eurs

allè

les

Cal

culd

es fr

éque

nces

allè

lique

s: E

xem

ples

Cop

yrig

ht: I

PG

RI e

tCor

nell

Uni

vers

ity, 2

003

Gén

étiq

ue d

es p

opul

atio

ns22

Tra

duct

ion

fran

çais

e: C

irad

& S

upA

gro,

200

6

Indi

v. 1

Indi

v. 2

Indi

v. 3

A11

10

A20

11

Rel

evé

des

band

es

Indi

vidu

s

Gén

otyp

es

M

Locu

s A

A1A1

A1A2

A2A2

Gel

12

3

1,0

1

,1

0,

1Lo

cus

A

M1

23

…av

ec u

n m

arqu

eur

codo

min

ant

Cop

yrig

ht: I

PG

RI e

tCor

nell

Uni

vers

ity, 2

003

Gén

étiq

ue d

es p

opul

atio

ns23

Tra

duct

ion

fran

çais

e: C

irad

& S

upA

gro,

200

6

1,1

1

,0

1

,1

0

,1

0,

1

1,1

1

,0

0

,1

0

,1

0,

1

12

34

56

78

910

Locu

s A

Locu

s B

Locu

s D

1,0

1

,0

1

,0

1

,1

0,

1

1,0

1

,0

1

,0

1

,0

1,

0

1,0

1

,0

1

,1

0

,1

0,

1

1,1

0

,1

0

,1

1

,1

1,

1

M

Locu

s A

Locu

s B

Locu

s D

Indi

vidu

sM

12

34

56

78

910

…av

ec u

n m

arqu

eur

codo

min

ant(

suite

)

Cop

yrig

ht: I

PG

RI e

tCor

nell

Uni

vers

ity, 2

003

Gén

étiq

ue d

es p

opul

atio

ns24

Tra

duct

ion

fran

çais

e: C

irad

& S

upA

gro,

200

6

1

0 Lo

cus

A

M1

2

Rel

evé

des

band

es

Gen

otyp

es

Gel

M

Locu

s A

AA, A a

a a

12

Indi

vidu

als

…av

ec u

n m

arqu

eur

dom

inan

t

Cop

yrig

ht: I

PG

RI e

tCor

nell

Uni

vers

ity, 2

003

Gén

étiq

ue d

es p

opul

atio

ns25

Tra

duct

ion

fran

çais

e: C

irad

& S

upA

gro,

200

6

…av

ec u

n m

arqu

eur

dom

inan

t (su

ite)

1

0

1

1

0

1

1

1

1

1

M1

23

45

67

89

10

Locu

s A

Locu

s B

Locu

s D

0

1

0

0

0

1

0

0

1

0

1

1

1

1

0

1

1

0

1

1

Locu

s A

Locu

s B

Locu

s D

M1

23

45

67

89

10In

divi

dus

Cop

yrig

ht: I

PG

RI e

tCor

nell

Uni

vers

ity, 2

003

Gén

étiq

ue d

es p

opul

atio

ns26

Tra

duct

ion

fran

çais

e: C

irad

& S

upA

gro,

200

6

P23

=

n 23/

n

n 23

2p2p

3

A2 A

3

Pnn

= n n

n/n

n nn

p n2

An

An

............

P13

=

n 13/

n

n 13

2p1p

3

A1

A3

P22

=

n 22/

n

n 22

p 22

A2

A2

P12

=

n 12/

n

n 12

2p1p

2

A1

A2

1P

11 =

n 1

1/n

Fré

quen

ces

des

géno

type

s (o

bser

vées

)

nn 1

1N

ombr

e d’

indi

vidu

s

1p 1

2F

réqu

ence

s de

s gé

noty

pes

(atte

ndue

s)

Tota

lA

1A

1G

énot

ypes

p 1=

P11

+ ½Ȉ i

≠1 P

1j

p 2=

P22

+ ½Ȉ j

≠2 P

2j

p 3=

P33

+ ½Ȉ j

≠3 P

3j

p 4=

P44

+ ½Ȉ j

≠4 P

4j

p n=

Pnn

+ ½Ȉ j

≠n P

nj

... A

vec

un g

ène

codo

min

ant p

rése

ntan

t pl

usie

urs

allè

les

Cop

yrig

ht: I

PG

RI e

tCor

nell

Uni

vers

ity, 2

003

Gén

étiq

ue d

es p

opul

atio

ns27

Tra

duct

ion

fran

çais

e: C

irad

& S

upA

gro,

200

6

Rel

evé

des

band

es

Ind.

1In

d.2

Ind.

3In

d.4

Ind.

5In

d.6

A1

11

10

00

A2

01

01

10

A3

00

10

11

Locu

s A

MG

el

A2A3

A1A1

A2A2

A1A2

A1A3

A3A3

12

34

56

Indi

vidu

s

Gén

otyp

es

... A

vec

un m

arqu

eur

codo

min

ant p

rése

ntan

t pl

usie

urs

allè

les

(sui

te)

(1,0

,0) (

1,1,

0) (1

,0,1

) (0,

1,0)

(0,1

,1) (

0,0,

1)Lo

cus

A

M1

23

45

6

Cop

yrig

ht: I

PG

RI e

tCor

nell

Uni

vers

ity, 2

003

Gén

étiq

ue d

es p

opul

atio

ns28

Tra

duct

ion

fran

çais

e: C

irad

& S

upA

gro,

200

6

fA

lloga

me,

aut

ogam

eou

asex

ué

fIls

influ

ence

nt:

•Le

deg

réde

rel

atio

n gé

nétiq

ueen

tre

indi

vidu

sse

re

prod

uisa

nt•

L’or

gani

satio

nde

s gè

nes

en g

énot

ypes

Rep

rodu

ctio

n et

sys

tèm

esde

rep

rodu

ctio

n

Cop

yrig

ht: I

PG

RI e

tCor

nell

Uni

vers

ity, 2

003

Gén

étiq

ue d

es p

opul

atio

ns29

Tra

duct

ion

fran

çais

e: C

irad

& S

upA

gro,

200

6

fC

rois

emen

tss’

effe

ctua

ntau

has

ard,

c’e

stà

dire

qu

ela

pro

babl

ilité

qu’u

nin

divi

duA

se

repr

odui

seav

ec u

n in

divi

duB

ne

dépe

ndpa

s de

s gé

noty

pes

de c

haqu

ein

divi

du

fS

iles

cro

isem

ents

se fo

nt a

u ha

sard

, la

prob

abili

téqu

’un

indi

vidu

se c

rois

eav

ec u

n gé

noty

pedo

nné

esté

galà

la fr

éque

nce

de c

egé

noty

peda

nsla

pop

ulat

ion

Cro

isem

ents

aléa

toir

es

Cop

yrig

ht: I

PG

RI e

tCor

nell

Uni

vers

ity, 2

003

Gén

étiq

ue d

es p

opul

atio

ns30

Tra

duct

ion

fran

çais

e: C

irad

& S

upA

gro,

200

6

fC

rois

emen

tscl

assé

s:

•P

ositi

f: c

rois

emen

tsen

tre

indi

vidu

say

ant

des

phén

otyp

essi

mila

ires

•N

égat

if: C

rois

emen

tsen

tre

indi

vidu

say

antd

es p

héno

type

sno

n se

mbl

able

s

fC

onsa

ngui

nité

: •

Cro

isem

ents

entr

eap

pare

ntés

XX

X

Indi

vidu

sco

nsan

guin

s

Ple

infr

ères

Par

ents

Cro

isem

entn

on a

léat

oire

Cop

yrig

ht: I

PG

RI e

tCor

nell

Uni

vers

ity, 2

003

Gén

étiq

ue d

es p

opul

atio

ns31

Tra

duct

ion

fran

çais

e: C

irad

& S

upA

gro,

200

6

fIl

com

pare

la p

ropo

rtio

n ré

elle

de g

énot

ypes

hété

rozy

gote

sà

celle

qu’o

nat

tend

qua

ndil

y a

des

croi

sem

ents

aléa

toire

s

fF

est

le c

oeffi

cien

t de

cons

angu

inité

, ilm

esur

ele

déf

icit

en h

étér

ozyg

otes

()

0

0

HH

HF

−=

Coe

ffic

ient

de

cons

angu

inité

Cop

yrig

ht: I

PG

RI e

tCor

nell

Uni

vers

ity, 2

003

Gén

étiq

ue d

es p

opul

atio

ns32

Tra

duct

ion

fran

çais

e: C

irad

& S

upA

gro,

200

6

0

1

2

3

4

5

6

7

8

Gén

érat

ions

100.

0

75.5

50.0

25.5 0.0%

Pro

port

ion

d’ho

moz

ygot

es

Pro

port

ion

d’hé

téro

zygo

tes

Que

se p

asse

-t-il

en c

asd’

auto

féco

ndat

ion

?

Cop

yrig

ht: I

PG

RI e

tCor

nell

Uni

vers

ity, 2

003

Gén

étiq

ue d

es p

opul

atio

ns33

Tra

duct

ion

fran

çais

e: C

irad

& S

upA

gro,

200

6

fM

utat

ion

fM

igra

tion

fR

ecom

bina

ison

fS

élec

tion

fD

ériv

e

Forc

es in

fluen

çant

la d

iver

sité

géné

tique

Cop

yrig

ht: I

PG

RI e

tCor

nell

Uni

vers

ity, 2

003

Gén

étiq

ue d

es p

opul

atio

ns34

Tra

duct

ion

fran

çais

e: C

irad

& S

upA

gro,

200

6

fC

’est

la p

rem

ière

sou

rce

de v

aria

tion.

Elle

peu

têt

reca

usée

par

:•

Des

err

eurs

lors

de la

rép

licat

ion

de l’

AD

N•

Dom

mag

essu

bis

par

l’AD

Nlo

rsde

rad

iatio

ns

fLe

s m

utat

ions

aug

men

tent

la d

iver

sité

mai

s,

parc

equ

ele

s m

utat

ions

spo

ntan

ées

sont

rare

s,

le ta

uxde

cha

ngem

entd

es fr

éque

nces

allè

lique

ses

tbas

fLa

mut

atio

n se

ule

n’en

trai

nepa

s l’é

volu

tion

des

popu

latio

ns e

t des

esp

èces

Mut

atio

n

Cop

yrig

ht: I

PG

RI e

tCor

nell

Uni

vers

ity, 2

003

Gén

étiq

ue d

es p

opul

atio

ns35

Tra

duct

ion

fran

çais

e: C

irad

& S

upA

gro,

200

6

fC

’est

le d

épla

cem

entd

es in

divi

dus

outo

ute

form

ed’

intr

oduc

tion

de g

ènes

d’un

epo

pula

tion

dans

une

autr

e

fLa

mig

ratio

n au

gmen

tela

div

ersi

téet

son

taux

peut

être

impo

rtan

t, ca

usan

tdes

cha

ngem

ents

sign

ifica

tifs

dans

les

fréq

uenc

es

fLe

cha

ngem

entd

es fr

éque

nces

allè

lique

ses

tpr

opor

tionn

elà

la d

iffér

ence

en fr

éque

nces

entr

ela

pop

ulat

ion

d’or

igin

eet

la p

opul

atio

n d’

arriv

ée

Mig

ratio

n

Cop

yrig

ht: I

PG

RI e

tCor

nell

Uni

vers

ity, 2

003

Gén

étiq

ue d

es p

opul

atio

ns36

Tra

duct

ion

fran

çais

e: C

irad

& S

upA

gro,

200

6

fC

’est

le p

rocé

dépa

r le

quel

une

cellu

le g

énèr

ede

no

uvel

les

com

bina

ison

sch

rom

osom

ique

s, c

ompa

rées

àce

ttece

llule

ou

àce

lles

de s

ade

scen

danc

e

fC

ela

necr

éepa

s de

div

ersi

téno

uvel

le, m

ais

génè

rede

no

uvel

les

com

bina

ison

sde

la d

iver

sité

exis

tant

e

fLa

var

iabi

lité

géné

tique

obte

nue

par

reco

mbi

nais

onpe

utap

para

ître

très

rapi

dem

ent,

d’au

tant

plus

qu’

ilex

iste

des

allè

les

ségr

égan

tsà

diffé

rent

slo

ci.

Rec

ombi

nais

on

Cop

yrig

ht: I

PG

RI e

tCor

nell

Uni

vers

ity, 2

003

Gén

étiq

ue d

es p

opul

atio

ns37

Tra

duct

ion

fran

çais

e: C

irad

& S

upA

gro,

200

6

C’e

stl’a

ptitu

dehé

ritée

des

orga

nism

esà

surv

ivre

et à

se r

epro

duire

. Elle

agi

tde

telle

sort

equ

ela

fr

éque

nce

des

géno

type

ssu

périe

urs

augm

ente

avec

le te

mps

.

Sél

ectio

n

Cop

yrig

ht: I

PG

RI e

tCor

nell

Uni

vers

ity, 2

003

Gén

étiq

ue d

es p

opul

atio

ns38

Tra

duct

ion

fran

çais

e: C

irad

& S

upA

gro,

200

6

Zygo

tes

a

Aa

a

aa

a

AA A

AA

aA

AA

aa

aa

AA

aA

aA

aA

AA

AA

aA

AA

aa

aa

AA

aA

AA

AA

a

a

a

aa

aA

A

AA

A

a a

aa

a

AA

aa

aa

aA

AA

a

a

a

aa

aA

A

a a

aa

aa

aa

a

aa

aa

a

a

a

a

aa

a

a a

aa

aa

aa

a

aa

a

aa

aa

aa

Ens

embl

e de

s gè

nes

Ech

antil

lonn

age

des

gam

ètes

G0

p =

0.5

q

= 0.

5

G1

p =

0.62

5 q

= 0.

375

G2

p =

0.31

25

q =

0.68

75

G3

p =

0.0

q =

1.0

La d

ériv

e

Cop

yrig

ht: I

PG

RI e

tCor

nell

Uni

vers

ity, 2

003

Gén

étiq

ue d

es p

opul

atio

ns39

Tra

duct

ion

fran

çais

e: C

irad

& S

upA

gro,

200

6

fN

ees

tle

nom

bre

de p

aren

ts r

espo

nsab

les

de la

co

mpo

sitio

n gé

nétiq

ueà

la g

énér

atio

nsu

ivan

te

fN

ees

tgén

éral

emen

tplu

s pe

tit q

ueN

àca

use

de

•La

var

iatio

n de

la ta

ille

de la

pop

ulat

ion

d’un

egé

néra

tion

àl’a

utre

•U

n se

xera

tio in

égal

•U

n ch

evau

chem

entd

e gé

néra

tions

•U

nedi

sper

sion

géo

grap

hiqu

ede

s po

pula

tions

Eff

ectif

effic

ace

Cop

yrig

ht: I

PG

RI e

tCor

nell

Uni

vers

ity, 2

003

Gén

étiq

ue d

es p

opul

atio

ns40

Tra

duct

ion

fran

çais

e: C

irad

& S

upA

gro,

200

6

fD

ériv

e gé

nétiq

ue, a

vec

une

varia

tion

aléa

toire

de

s fr

éque

nces

allè

lique

s f

Con

sang

uini

téf

Hom

ozyg

otie

: fix

atio

n et

per

te d

’allè

les

fD

iffér

enci

atio

n en

tre

sous

-pop

ulat

ions

aaA

a

AA

AA

AA

aa

aa Aa

AA

AA

aaaaA

a

AA

AA

aa

aa

AaA

A

AA

aa

aa

Aa

Aa A

aAa A

aA

a

Aa

AA

AA

aa

Aa

AA

AA

Aaaa

AA

AA

aaAa

AA

AA

AAA

A

Diff

éren

ciat

ion

de

sous

-pop

ulat

ions

Rep

rodu

ctio

n en

tre

appa

rent

és

La ta

ille

de la

po

pula

tion

rédu

ite

aa

AA A

aaa

aaaa

aaaa

AA

AA

AA

AA

AA

AA

AA

AA

AA

Aug

men

tatio

n de

l’h

omoz

ygot

ie

aaaa

aaaa

aa

aaaa

aa

aa

Fixa

tion

Con

séqu

ence

sd’

une

dim

inut

ion

de la

taill

ed’

une

popu

latio

n

Cop

yrig

ht: I

PG

RI e

tCor

nell

Uni

vers

ity, 2

003

Gén

étiq

ue d

es p

opul

atio

ns41

Tra

duct

ion

fran

çais

e: C

irad

& S

upA

gro,

200

6

fU

n go

ulot

d’é

tran

glem

ent s

e dé

velo

ppe

quan

d la

ta

ille

de la

pop

ulat

ion

dim

inue

rap

idem

ent

fU

n ef

fet d

e fo

ndat

ion

appa

rait

quan

d pe

u d’

indi

vidu

s s’

inst

alle

nt d

ans

un n

ouve

l en

viro

nnem

ent

N

tem

ps

Gou

lot d

’étr

angl

emen

t

A1A

2

A1A

1

A2A

2

A2A

2A

2A2

A2A

2A

2A2

A2A

2A

2A2

A2A

2

A2A

2

A1A

2A

1A2

A1A

2A

1A2

A1A

2

A1A

2

A1A

2A

1A1

A1A

1

A1A

1A

1A1

A1A

1

A1A

1

A1A

1

A2A

2

A2A

2A

2A2

A2A

2A

2A2

A2A

2A

2A2

A2A

2A

2A2

A2A

2A

2A2

A2A

2A

2A2

A2A

2A

2A2

A2A

2A

2A2

p =

0.5

(fré

quen

ce d

eA

1)q

= 0.

5 (f

réqu

ence

de

A2)

p =

0.0

(fré

quen

ce d

eA

1)q

= 1.

0 (f

réqu

ence

de

A2)

Con

séqu

ence

s…

(sui

te)

Cop

yrig

ht: I

PG

RI e

tCor

nell

Uni

vers

ity, 2

003

Gén

étiq

ue d

es p

opul

atio

ns42

Tra

duct

ion

fran

çais

e: C

irad

& S

upA

gro,

200

6

fLe

taux

d’h

étér

ozyg

otes

dim

inue

:

H1

= (1

–1/

2N)H

0

fLe

s al

lèle

s so

nt p

erdu

s :

P =

p2N

+ q2N

Ave

c un

gou

lotd

’étr

angl

emen

tou

un e

ffet

de fo

ndat

ion

…

Cop

yrig

ht: I

PG

RI e

tCor

nell

Uni

vers

ity, 2

003

Gén

étiq

ue d

es p

opul

atio

ns43

Tra

duct

ion

fran

çais

e: C

irad

& S

upA

gro,

200

6

Ann

exe

1

Cop

yrig

ht: I

PG

RI e

tCor

nell

Uni

vers

ity, 2

003

Gén

étiq

ue d

es p

opul

atio

ns44

Tra

duct

ion

fran

çais

e: C

irad

& S

upA

gro,

200

6

Pou

r an

alys

eret

inte

rpré

ter

des

donn

ées

de

dive

rsité

géné

tique

, on

doit

être

fam

ilier

avec

:•

Que

lque

sdé

finiti

ons

de b

ase

de la

gén

étiq

uede

s po

pula

tions

•

Le p

rinci

pede

Har

dy-W

einb

erg

•C

alcu

ler

les

fréq

uenc

esal

lèliq

ues

et g

énot

ypiq

ues

•Le

s ca

uses

orig

inel

les

de c

hang

emen

tdan

sla

di

vers

itégé

nétiq

ue: m

utat

ion,

mig

ratio

n,

reco

mbi

nais

on, s

élec

tion

et d

ériv

e

En

résu

mé

Cop

yrig

ht: I

PG

RI e

tCor

nell

Uni

vers

ity, 2

003

Gén

étiq

ue d

es p

opul

atio

ns45

Tra

duct

ion

fran

çais

e: C

irad

& S

upA

gro,

200

6

fLe

s dé

finiti

ons

de b

ase

en g

énét

ique

des

popu

latio

ns

fLe

prin

cipe

de H

ardy

-Wei

nber

g

fC

omm

ent c

alcu

ler

des

fréq

uenc

esal

lèliq

ues

avec

des

don

nées

de m

arqu

eurs

fL’

effe

tdu

régi

me

de r

epro

duct

ion

sur

la d

iver

sité

géné

tique

fLe

s pr

inci

pale

sso

urce

s de

var

iatio

n et

leur

sco

nséq

uenc

es

Vou

sde

vez

déso

rmai

sco

nnaî

tre

…

Cop

yrig

ht: I

PG

RI e

tCor

nell

Uni

vers

ity, 2

003

Gén

étiq

ue d

es p

opul

atio

ns46

Tra

duct

ion

fran

çais

e: C

irad

& S

upA

gro,

200

6

Siv

ous

voul

ezen

sav

oir

plus

…

Cop

yrig

ht: I

PG

RI e

tCor

nell

Uni

vers

ity, 2

003

Gén

étiq

ue d

es p

opul

atio

ns47

Tra

duct

ion

fran

çais

e: C

irad

& S

upA

gro,

200

6

fLe

s m

esur

esde

la d

iver

sité

géné

tique

fP

rogr

amm

esin

form

atiq

ues

pour

ana

lyse

rla

di

vers

itégé

nétiq

ue

fG

loss

aire

A s

uivr

e

1

Annexe 1 : Concepts de base en génétique des populations Valeurs seuil de la distribution de Chi2

0.05 0.01

1 3.84 6.64 2 5.99 9.21 3 7.81 11.34 4 9.49 13.28 5 11.07 15.09

6 12.59 16.81 7 14.07 18.48 8 15.51 20.09 9 16.92 21.67

10 18.31 23.21

11 19.68 24.72 12 21.03 26.22 13 22.36 27.69 14 23.68 29.14 15 25.00 30.58

16 26.30 32.00 17 27.59 33.41 18 28.87 34.80 19 30.14 36.19 20 31.41 37.57

21 32.67 38.93 22 33.92 40.29 23 35.17 41.64 24 36.41 42.98 25 37.65 44.31

26 38.88 45.64 27 40.11 46.96 28 41.34 48.28 29 42.56 49.59 30 43.77 50.89

Cop

yrig

ht: I

PG

RI e

t Uni

vers

itéde

Cor

nell,

200

3 M

esur

es 1

Tra

duct

ion

fran

çais

e pa

r le

CIR

AD

, 200

5

Ana

lyse

de

la d

iver

sité

géné

tique

àl’a

ide

de m

arqu

eurs

mol

écul

aire

s:M

odul

e d’

appr

entis

sage

Mes

ures

de

dive

rsité

géné

tique

Cop

yrig

ht: I

PG

RI e

t Uni

vers

itéde

Cor

nell,

200

3 M

esur

es 2

Tra

duct

ion

fran

çais

e pa

r le

CIR

AD

, 200

5

fA

naly

ses

fond

amen

tale

s de

div

ersi

tégé

nétiq

ue

fV

aria

bles

fM

esur

er la

div

ersi

tégé

nétiq

ue:

•D

iver

sité

géné

tique

intr

apop

ulat

ion

•D

iver

sité

géné

tique

ent

re le

s po

pula

tions

fM

esur

er le

s re

latio

ns g

énét

ique

s:•

Div

ersi

téet

diff

éren

ciat

ion

au n

ivea

u nu

cléo

tidiq

ue

•D

ista

nce

géné

tique

fM

ise

en é

vide

nce

de r

elat

ions

:•

Cla

ssifi

catio

n ou

reg

roup

emen

t•

Mis

e en

ord

re

fS

uppl

émen

ts

Con

tenu

Cop

yrig

ht: I

PG

RI e

t Uni

vers

itéde

Cor

nell,

200

3 M

esur

es 3

Tra

duct

ion

fran

çais

e pa

r le

CIR

AD

, 200

5

1.D

escr

iptio

n de

la v

aria

tion

intr

a-et

inte

r-po

pula

tions

, ré

gion

s, e

tc.

2.R

elat

ions

ent

re in

divi

dus,

po

pula

tions

, rég

ions

, etc

.

3.R

epré

sent

atio

n de

s re

latio

ns à

part

ir de

don

nées

diff

éren

tes

Ind 5

Ind 3

Ind 6

Ind 4

Ind 2

Ind 1

Ana

lyse

s fo

ndam

enta

les

00,

460,

370,

560,

560,

3306

00,

280,

370,

430,

3205

00,

500,

260,

4704

00,

330,

3303

00,

5602

001

0605

0403

0201

D o n n é e s0

00

11

11

10

10

1

00

11

00

11

00

01

01

01

10

11

00

01

10

11

01

Indi

vidu

s

Cop

yrig

ht: I

PG

RI e

t Uni

vers

itéde

Cor

nell,

200

3 M

esur

es 4

Tra

duct

ion

fran

çais

e pa

r le

CIR

AD

, 200

5

fQ

ualit

ativ

es. E

lles

repr

ésen

tent

des

car

actè

res

ou d

es q

ualit

és e

t son

t soi

t bin

aire

s, s

oit

caté

gorie

lles

: •

Bin

aire

s, d

eux

vale

urs

seul

emen

t : p

rése

nce

(1)

ou

abse

nce

(0)

•C

atég

orie

lles,

diff

éren

tes

poss

ibili

tés,

soi

t ord

inal

es

ou n

omin

ales

:−

Ord

inal

es :

caté

gorie

s or

donn

ées

−N

omin

ales

: ca

tégo

ries

non

relié

es

fQ

uant

itativ

es. E

lles

sont

num

ériq

ues

et s

ont

cont

inue

s ou

dis

crèt

es :

•C

ontin

ues,

ave

c un

e am

plitu

de d

onné

e •

Dis

crèt

es, e

ntiè

res

ou d

écim

ales

Var

iabl

es

Cop

yrig

ht: I

PG

RI e

t Uni

vers

itéde

Cor

nell,

200

3 M

esur

es 5

Tra

duct

ion

fran

çais

e pa

r le

CIR

AD

, 200

5

Mes

urer

la d

iver

sité

géné

tique

: D

iver

sité

géné

tique

intr

a-po

pula

tion

fA

par

tir d

u no

mbr

e d’

indi

vidu

s po

lym

orph

es

•P

olym

orph

ism

e ou

taux

de

poly

mor

phis

me

(Pj)

•P

ropo

rtio

n de

loci

pol

ymor

phes

•N

ombr

e d’

allè

les

(A)

•N

ombr

e m

oyen

d’a

llèle

s pa

r lo

cus

fA

par

tir d

e la

fréq

uenc

e de

s in

divi

dus

poly

mor

phes

•N

ombr

e d’

allè

les

effic

aces

(A

e)•

Tau

x d’

hété

rozy

gote

s at

tend

u (H

e;D

iver

sité

géné

tique

de

Nei

)

Cop

yrig

ht: I

PG

RI e

t Uni

vers

itéde

Cor

nell,

200

3 M

esur

es 6

Tra

duct

ion

fran

çais

e pa

r le

CIR

AD

, 200

5

On

dit q

u’un

gèn

e es

t pol

ymor

phe

si la

fréq

uenc

e d’

un d

e se

s al

lèle

s es

t inf

érie

ure

ou é

gale

à0,

95

ou 0

,99 P

j = q

�0,

95

ou

P

j = q

�0,

99

Pol

ymor

phis

me

ou ta

ux d

e po

lym

orph

ism

e (P

j)

Cop

yrig

ht: I

PG

RI e

t Uni

vers

itéde

Cor

nell,

200

3 M

esur

es 7

Tra

duct

ion

fran

çais

e pa

r le

CIR

AD

, 200

5

C’e

st le

nom

bre

de lo

ci p

olym

orph

es d

ivis

épa

r le

no

mbr

e to

tal d

e lo

ci (

poly

mor

phes

ou

mon

omor

phes

),

c’es

t àdi

re :

P =

npj

/nto

tal

Pro

port

ion

de lo

ci p

olym

orph

es

Cop

yrig

ht: I

PG

RI e

t Uni

vers

itéde

Cor

nell,

200

3 M

esur

es 8

Tra

duct

ion

fran

çais

e pa

r le

CIR

AD

, 200

5

fR

epré

sent

e le

nom

bre

d’al

lèle

s da

ns u

n éc

hant

illon

fLa

mes

ure

de la

ric

hess

e en

allè

les

est (

A -

1)

de m

aniè

re à

ce q

ue d

ans

une

popu

latio

n m

onom

orph

e, e

lle s

oit é

gale

à0

Ric

hess

e en

allè

les

(A)

Cop

yrig

ht: I

PG

RI e

t Uni

vers

itéde

Cor

nell,

200

3 M

esur

es 9

Tra

duct

ion

fran

çais

e pa

r le

CIR

AD

, 200

5() ∑ =

=K 1i

in1/

K

n

Nom

bre

moy

en d

’allè

les

par

locu

s

C’e

st la

som

me

des

allè

les

trou

vés

pour

un

locu

s,

divi

sée

par

le n

ombr

e to

tal d

e lo

ci

Cop

yrig

ht: I

PG

RI e

t Uni

vers

itéde

Cor

nell,

200

3 M

esur

es 1

0T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

005

Nom

bre

effic

ace

d’al

lèle

s (A

e)

C’e

st le

nom

bre

d’al

lèle

s qu

i peu

vent

êtr

e pr

ésen

ts

dans

une

pop

ulat

ion

Ae

= 1/

(1 –

h) =

1/Ȉ

p i2

Cop

yrig

ht: I

PG

RI e

t Uni

vers

itéde

Cor

nell,

200

3 M

esur

es 1

1T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

005

⎯0,

30⎯

⎯⎯

⎯F

réqu

ence

de

l’allè

le 4

2,00

0,50⎯

0,50

0,502

A1

A2

A2

A2

A2

A2

A1

A1

A1

A1P

opul

atio

n 2

3,33

0,70

0,20

0,10

0,404

B4

B4

B1

B1

B1

B4

B2

B3

B1

B3

1,00

2,94

2,17

2,17

Nom

bre

effe

ctif

d’al

lèle

s

0,00

0,66

0,54

0,54

Hét

éroz

ygot

ie (

h)

0,00

0,40

0,30

0,30

Fré

quen

ce d

e l’a

llèle

3

0,00

0,30

0,10

0,10

Fré

quen

ce d

e l’a

llèle

2

1,00

0,30

0,60

0,60

Fré

quen

ce d

e l’a

llèle

1

13

33

Nom

bre

d’al

lèle

s

C1

C1

C3

C3

B3

B3

A3

A3

Indi

vidu

5

C1

C1

C2

C3

B1

B3

A1

A3

Indi

vidu

4

C1

C1

C1

C3

B1

B1

A1

A1

Indi

vidu

3

C1

C1

C2

C2

B1

B2

A1

A2

Indi

vidu

2

C1

C1

C1

C1

B1

B1

A1

A1

Indi

vidu

1

Pop

ulat

ion

1Lo

ci (A

, B, C

)

Cal

cul d

eA

e: U

n ex

empl

e

Cop

yrig

ht: I

PG

RI e

t Uni

vers

itéde

Cor

nell,

200

3 M

esur

es 1

2T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

005

fC

'est

la p

roba

bilit

équ

'àun

locu

s do

nné,

deu

x al

lèle

s qu

elco

nque

s ch

oisi

s au

has

ard

dans

la

popu

latio

n so

ient

diff

éren

ts.

fT

rois

form

ules

de

calc

ul s

ont p

ossi

bles

:•

Locu

s j b

iallé

lique

:h j

= 1

–p2

–q2

•Lo

cus

j ave

c i a

llèle

s:h j

= 1

–Ȉp

i2

•M

oyen

ne d

e pl

usie

urs

loci

:H

= Ȉ

jL hj/L

fLa

moy

enne

de

He

pour

tous

les

loci

est

un

estim

ateu

r de

l'ét

endu

e de

la v

aria

bilit

égé

nétiq

ue d

e la

pop

ulat

ion

Hét

éroz

ygot

ie m

oyen

ne a

tten

due

(He)

(indi

ce [D

] de

dive

rsité

géné

tique

de

Nei

)

Cop

yrig

ht: I

PG

RI e

t Uni

vers

itéde

Cor

nell,

200

3 M

esur

es 1

3T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

005

Cal

cul d

e di

vers

itéav

ec u

n m

arqu

eur

mol

écul

aire

cod

omin

ant In

divi

dus

Locu

s A

Locu

s B

Locu

s E

Locu

s C

Locu

s D

M1

23

45

67

89

10

Gel

1112

1314

1516

1718

1921

2223

2425

2627

2829

2030

Cod

age

des

donn

ées

Locu

s A

Locu

s B

Locu

s E

Locu

s C

Locu

s D

1,1

0,1

1,1

0,

1 0

,1

0,1

0,1

0,

1 0

,1

1,0

0,1

0,1

0,1

0,1

0,

1 1

,1

0,1

0,1

0,

1 0

,1

0,1

0,1

0,

1

1,0

0,1

0,

1 1

,1 0

,1 0

,1 0

,1

M1

23

45

67

89

1011

1213

1415

1617

1819

2122

2324

2526

2728

2920

30

0,1

0,1

0,1

0,

1 0

,1 1

,1

0,1

0,1

0,

1 0

,1

0,1

0,1

0,1

1,0

1,

0 1

,0

0,1

0,1

0,

1 0

,1

0,1

0,1

1,

0

0,1

1,1

0,

1 1

,0 1

,0 1

,0 1

,1

1,0

1,0

1,0

1,

0 1

,0 1

,0

1,0

1,0

1,

0 1

,0

1,0

1,0

1,0

1,0

1,

0 1

,0 1

,0 1

,0

1,0

1,0

1,

0 1

,0

1,0

1,

0 1

,0

1,0

1,0

1,0

1,0

1,0

1,0

1,0

1,0

1,

0 1

,0 1

,0

1,0

1,0

1,

0 1

,0

1,0

1,0

1,0

1,0

1,

0 1

,0 1

,0 1

,0

1,0

1,0

1,

0 1

,0

1,0

1,

0 1

,0

1,0

1,0

1,0

1,0

1,0

0,1

1,1

0,1

1,

1 0

,1 1

,0

1,1

1,0

1,

1 1

,1

1,1

1,0

1,0

1,0

1,

0 1

,0 1

,0 1

,0

1,0

0,1

0,

1 1

,0

1,0

1,

0 1

,0

1,0

1,1

1,1

0,1

0,1

Cop

yrig

ht: I

PG

RI e

t Uni

vers

itéde

Cor

nell,

200

3 M

esur

es 1

4T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

005

0,22H

i

0,46

0,41

0,23

h j=

(1 -

p2-q

2 )

0,37q

0,72q

0,87q

0,63p

0,28p

0,13pFréq

uenc

eal

léliq

ue

1301

Tota

l

1301

Tota

l

1301

Tota

l

E2

E2

E1

E2

E1

E1

Gén

otyp

es

Eq2

2pq

p2Fr

q. g

én. (

atte

ndue

)

78

15N

b d'

indi

vidu

s

P22

= 0

,23

P12

= 0

,27

P11

= 0

,50

Frq.

gén

. (o

bs,)

B2

B2

B1

B2

B1

B1

Gén

otyp

es

Bq2

2pq

p2Fr

q. g

én.

(att

endu

e)

203

7N

b d'

indi

vidu

s

P22

= 0

,67

P12

= 0

,10

P11

= 0

,23

Frq.

gén

. (o

bs)

P22

= 0

,80

P12

= 0

,13

P11

= 0

,07

Freq

. gén

. (ob

s.)

Ana

lyse

de

donn

ées

Locu

s

2p2

A1

A1

244

Nb

d'in

divi

dus

q22p

qFr

q. g

én. (

atte

ndue

)

A2

A2

A1

A2

Gén

otyp

es

ACal

cul d

e di

vers

itéav

ec u

n m

arqu

eur

mol

écul

aire

cod

omin

ant (

suite

)

Cop

yrig

ht: I

PG

RI e

t Uni

vers

itéde

Cor

nell,

200

3 M

esur

es 1

5T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

005

Locu

s A

Locu

s B

Locu

s E

Indi

vidu

s

Locu

s C

Locu

s D

M1

23

45

67

89

1011

1213

1415

1617

1819

2122

2324

2526

2728

2920

30

Cod

age

des

donn

ées

1

0

1

0

0

0

0

0

0

1

0

0

0

0

0

1

0

0

0

0

0

0

0

1

0

0

1

0

0

0

M1

23

45

67

89

1011

1213

1415

1617

1819

2122

2324

2526

2728

2920

30

0

0

0

0

0

1

0

0

0

0

0

0

0

1

1

1

0

0

0

0

0

0

1

0

1

0

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

0

1

0

1

0

1

1

1

1

1

1

1

1

1

1

1

1

1

1

0

0

1

1

1

1

1

1

1

0

0

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

Locu

s A

Locu

s B

Locu

s E

Locu

s C

Locu

s D

Cal

cul d

e di

vers

itéav

ec u

n m

arqu

eur

mol

écul

aire

dom

inan

t

Cop

yrig

ht: I

PG

RI e

t Uni

vers

itéde

Cor

nell,

200

3 M

esur

es 1

6T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

005

0,19

8

Hi

0,50

0,30

0,19

h j=

(1 -

p2 –

q2 )

0,48q

0,82q

0,89q

0,52p

0,18p

0,11pFréq

uenc

e al

léliq

ue

1301

Tota

l

1301

Tota

l

1301

Tota

l

eeE

eE

EG

énot

ypes

Eq2

2pq

p2Fr

eq. g

én. (

atte

ndue

)

723

Nb

d'in

divi

dus

P2

= 0,

23P

1 =

0,77

Freq

. gén

. (o

bs.)

bbB

bB

BG

énot

ypes

Bq2

2pq

p2Fr

eq. g

én. (

atte

ndue

)

2010

Nb

d'in

divi

dus

P2

= 0,

67P

1 =

0,33

Freq

. gén

. (o

bs.)

P2

= 0,

80P

1 =

0,20

Freq

. gén

. (o

bs.)

Ana

lyse

de

donn

ées

Locu s

6

p2

Aa

24N

b d'

indi

vidu

s

q22p

qFr

eq. g

én. (

atte

ndue

)

aaA

aG

énot

ypes

ACal

cul d

e di

vers

itéav

ec u

n m

arqu

eur

mol

écul

aire

dom

inan

t (su

ite)

Cop

yrig

ht: I

PG

RI e

t Uni

vers

itéde

Cor

nell,

200

3 M

esur

es 1

7T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

005

fD

iffér

entia

tion

entr

e po

pula

tions

pou

r un

locu

s (g

ST)

fD

iffér

entia

tion

entr

e po

pula

tions

àpl

usie

urs

loci

(G

ST)

fC

ontr

ibut

ion

d'un

e po

pula

tion

àla

div

ersi

tégé

nétiq

ue to

tale

fS

tatis

tique

s F

de

Wrig

ht

fA

naly

se d

e va

rianc

e m

oléc

ulai

re (

AM

OV

A)

Qua

ntifi

catio

n de

la d

iver

sité

géné

tique

: mes

ure

de la

div

ersi

tégé

nétiq

ue in

ter-

popu

latio

ns

Cop

yrig

ht: I

PG

RI e

t Uni

vers

itéde

Cor

nell,

200

3 M

esur

es 1

8T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

005

g ST

= 1

–(h

S/h

T)

h S=

dive

rsité

de la

pop

ulat

ion

h T=

dive

rsité

tota

le

Diff

éren

tiatio

n en

tre

popu

latio

ns p

our

un

locu

s (g

ST)

Cop

yrig

ht: I

PG

RI e

t Uni

vers

itéde

Cor

nell,

200

3 M

esur

es 1

9T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

005

g ST

= 1

–(h

s/h T

) = 1

–(0

,419

6/0,

8065

) =

0,47

97

h T=

1 –

0,19

67 +

[0,4

196/

(33,

33 x

3)]

–[0

,20/

(2 x

33,

33 x

3)] =

0,8

065

�[1

/3�

x ij]2

= (1

/3(0

,35)

)2+

(1/3

(0,6

5))2

+ (1

/3(0

,20)

)2+

…+

(1/3

(0,3

5))2

= 0,

1967

h s=

(33,

33/3

3,33

–1)

[1 –

1/3(

1,77

) –

(0,2

0/2(

33,3

3))]

= 0

,419

6

ñ=

33,3

31/

ñ=

1/n 1

+ 1/

n 2+

1/n 3

= 1/

100

+ 1/

100

+ 1/

100

= 0,

03

�(p

2+

q2)=

1,7

7s

= 3

h o=

1/3(

0,3

+ 0,

2 +

0,1)

= 0

,20

0,54

50,

350,

6530

1060

Pop

. 3

0,68

00,

800,

2070

2010

Pop

. 2

0,54

50,

650,

3550

3020

Pop

. 1

p2+

q2q

pA

2A

2A

1A

2A

1A

1G

énot

ypes

Cal

cul d

u g S

T

Cop

yrig

ht: I

PG

RI e

t Uni

vers

itéde

Cor

nell,

200

3 M

esur

es 2

0T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

005

HS

HS

DS

T

Pop

1

Pop

2

Pop

3

HS

DS

TD

ST

HT

Diff

éren

tiatio

nen

tre

popu

latio

ns p

our

plus

ieur

s lo

ci (G

ST)

GS

Tes

t le

coef

ficie

nt d

e di

ffére

ntia

tion

géni

que

GS

T=

DS

T/H

T

Cop

yrig

ht: I

PG

RI e

t Uni

vers

itéde

Cor

nell,

200

3 M

esur

es 2

1T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

005

Cet

te c

ontr

ibut

ion

est c

alcu

lée

en r

etira

nt la

po

pula

tion

de m

aniè

re à

pouv

oir

éval

uer

sa

cont

ribut

ion

àla

div

ersi

tégé

nétiq

ue

CT(

K)=

(HT

–H

T/K)/H

T

CS

(K)=

(HS

–H

S/K

)/HT

CS

T(K

)=

(DS

T–

DS

T/K)/H

T

Con

trib

utio

n d'

une

popu

latio

n à

la d

iver

sité

géné

tique

tota

le

Cop

yrig

ht: I

PG

RI e

t Uni

vers

itéde

Cor

nell,

200

3 M

esur

es 2

2T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

005

L'éq

uatio

n de

la s

truc

ture

gén

étiq

ue d

'une

po

pula

tion

est: (1

-F I

T) =

(1 –

F IS)(

1 –

F ST)

F IT

= 1

–(H

I/HT)

F IS

= 1

–(H

I/HS)

F ST

= 1

–(H

S/H

T)

Sta

tistiq

ues

F de

Wri

ght

Cop

yrig

ht: I

PG

RI e

t Uni

vers

itéde

Cor

nell,

200

3 M

esur

es 2

3T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

005

La g

amm

ede

s va

leur

s de

FS

T e

st:

10

(fix

atio

n d'

allè

les

diff

éren

ts d

ans

des

sous

-pop

ulat

ions

di

ffér

ente

s)

(pas

de

dive

rgen

ce

géné

tique

)

Qua

nd o

n a

une

F ST

de:

alor

s la

diff

éren

tiatio

n gé

nétiq

ue e

st:

0,00

à0,

05fa

ible

0,

05 à

0,15

mod

érée

0,15

à0,

25fo

rte

>0,2

5trè

s fo

rte

Inte

rpré

tatio

n de

s va

leur

s de

FS

T

Cop

yrig

ht: I

PG

RI e

t Uni

vers

itéde

Cor

nell,

200

3 M

esur

es 2

4T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

005

(0,4

95 +

0,4

20)/

2 =

0,45

75

Fréq

uenc

e gé

noty

piqu

e

HS

(0,4

5 +

0,30

)/2

= 0,

375

q o(0

,3 +

0,2

)/2

= 0,

25H

I

(0,5

5 +

0,70

)/2

= 0,

625

p o2(

0,62

5)(0

,375

) =

0,46

88H

T

0,52

380,

4200

0,30

0,70

0,20

0,20

0,60

2

0,39

390,

4950

0,45

0,55

0,30

0,30

0,40

1

F2p

iqi

q ip i

A2

A2

A1

A2

A1

A1

Pop

.

F IT

= 1

–(0

,25/

0,46

88) =

0,4

667

F IS

= 1

–(0

,25/

0,45

75) =

0,4

536

F ST

= 1

–(0

,457

5/0,

4688

) = 0

,024

1

Cal

cul d

es s

tatis

tique

s F

Cop

yrig

ht: I

PG

RI e

t Uni

vers

itéde

Cor

nell,

200

3 M

esur

es 2

5T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

005

q o

Fréq

uenc

e gé

noty

piqu

e

(0,5

00 +

0,2

55)/

2 =

0,37

75H

S

(0,5

0 +

0,15

)/2

= 0,

325

(0,5

+ 0

,1)/

2 =

0,30

HI

(0,5

0 +

0,85

)/2

= 0,

675

p o2(

0,67

5)(0

,325

) =

0,43

88H

T

0,60

780,

255

0,15

0,85

0,10

0,10

0,80

2

0,00

000,

500

0,50

0,50

0,25

0,50

0,25

1

F2p

iqi

q ip i

A2

A2

A1

A2

A1

A1

Pop

.

F IT

= 1

–(0

,30/

0,43

88) =

0,3

163

F IS

= 1

–(0

,30/

0,37

75) =

0,.2

053

F ST

= 1

–(0

,377

5/0,

4388

) = 0

,139

7

Cal

culd

es s

tatis

tique

s F

(sui

te)

Cop

yrig

ht: I

PG

RI e

t Uni

vers

itéde

Cor

nell,

200

3 M

esur

es 2

6T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

005

fL'

AM

OV

A e

st u

ne m

étho

de d

'étu

de d

e la

var

iatio

n m

oléc

ulai

re a

u se

in d

'une

esp

èce

fE

lle e

st b

asée

sur

un

mod

èle

hiér

arch

ique

ou

imbr

iqué

fE

lle d

iffèr

e d'

une

anal

yse

de v

aria

nce

(AN

OV

A)

du

fait

que:

•

Elle

peu

t pre

ndre

en

com

pte

diffé

rent

es h

ypot

hèse

s év

olut

ives

san

s m

odifi

er la

str

uctu

re d

e ba

se d

e l'a

naly

se•

L'hy

poth

èse

prin

cipa

le u

tilis

e de

s m

étho

des

de

perm

utat

ions

qui

ne

néce

ssite

nt p

as l'

hypo

thès

e d'

une

dist

ribut

ion

norm

ale

Ana

lyse

de v

aria

nce

mol

écul

aire

(AM

OV

A)

Cop

yrig

ht: I

PG

RI e

t Uni

vers

itéde

Cor

nell,

200

3 M

esur

es 2

7T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

0050

11

01

115

01

01

11

14

10

11

11

13

01

11

00

12

11

10

01

11

10

01

11

10

01

11

01

9

00

11

00

8

11

11

11

7

00

10

00

6

10

10

00

5

11

01

01

4

10

11

00

3

11

10

11

2

11

10

00

1

A2

A1

A2

A1

A2

A1

Pop

. 3P

op. 2

Pop

. 1In

d.

Abs

ent

A1

= 0

Pré

sent

A1

= 1

2916

X...

2

5418

2115

��

Xijk

2

8828

3327

��

Xi..

. k2

990

324

441

225

X...

k2

5418

2115

X...

k

0,22

2222

22C

Mw

10S

Cw

0,26

1904

76C

Mb

11S

Cb

0,3

CM

a0,

6S

Ca

Un

exem

ple

d'A

MO

VA

Cop

yrig

ht: I

PG

RI e

t Uni

vers

itéde

Cor

nell,

200

3 M

esur

es 2

8T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

005

ı w2

0,22

2222

2210

45In

tra-

indi

vidu

ı w2

+ 2ı

b20,

2619

0476

1142

Indi

vidu

/pop

.

ı w2

+ 2ı

b2+

2*15ı a

20.

30.

62

Pop

ulat

ions

CM

AC

MS

Cdd

lS

ourc

es V

ar.

0,91

324

(1 -

FIS

)(1

-F

ST)

0,91

324

(1 -

FIT

)

0,00

5218

5F

ST

0,08

1967

2F

IS

0,08

6758

FIT

0,24

333

ı20,

2222

222

ı w2

0,01

9841

3ı b

2

0,00

1269

8ı a

2

Est

imat

eurs

des

var

ianc

es e

t sta

tistiq

ues

F

Un

exem

ple

d'A

MO

VA

(sui

te)

Cop

yrig

ht: I

PG

RI e

t Uni

vers

itéde

Cor

nell,

200

3 M

esur

es 2

9T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

005

fA

par

tirde

séq

uenc

es•

Div

ersi

ténu

cléo

tidiq

ue in

tra-

popu

latio

n •

Div

ersi

ténu

cléo

tidiq

ue e

ntre

pop

ulat

ions

fA

par

tir d

e do

nnée

s de

res

tric

tion

•V

aria

tions

dan

s le

s pr

ofils

de

band

es•

Div

ersi

ténu

cléo

tidiq

ue in

tra-

popu

latio

n

•D

iver

sité

nucl

éotid

ique

ent

re p

opul

atio

ns

Qua

ntifi

catio

n de

la p

roxi

mité

géné

tique

: D

iver

sité

et d

iffér

entia

tion

au n

ivea

u nu

cléo

tidiq

ue

Cop

yrig

ht: I

PG

RI e

t Uni

vers

itéde

Cor

nell,

200

3 M

esur

es 3

0T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

005

Cet

indi

ce m

esur

e la

div

ersi

ténu

cléo

tidiq

ue e

ntre

sé

quen

ces

dans

une

rég

ion

donn

ée d

u gé

nom

e da

ns u

ne p

opul

atio

n (ʌ

X)

ʌX

= n/

(n –

1)ȈX

iXjʌ

ij

A p

artir

de

séqu

ence

s: D

iver

sité

nucl

éotid

ique

intr

a-po

pula

tion

Cop

yrig

ht: I

PG

RI e

t Uni

vers

itéde

Cor

nell,

200

3 M

esur

es 3

1T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

005

102125n

2/10

= 0

,2TC

C G

CG

AT

TA

TT

C T

CA

GG

GT

GC

GG

AT

G A

AT

Séq

4

1/10

= 0

,1TC

C A

CG

AT

CA

TT

C C

CA

GG

GT

GC

AG

AT

G G

AT

Séq

3

2/10

= 0

,2TC

C A

CG

AT

TA

TT

C G

CA

GG

GT

GC

C G

AT

G A

AT

Séq

2

5/10

= 0

,5TC

C T

CG

AT

TA

TT

C C

CA

GG

GT

GC

CG

AT

G A

AT

Séq

1

Fréq

. Xi

Séq

uenc

e

Ȇ1,

2 =

2/30

, Ȇ

1,3

= 4/

30, Ȇ

1,4

= 3/

30, Ȇ

2,3

= 4/

30, Ȇ

2,4

= 3/

30, Ȇ

3,4

= 5/

30

ʌX

=10

/(10

–1)ȈX

iXjʌ

ij

=(1

0/9)

[0,5

∗0,2

∗(2/

30)

+ 0,

5∗0,

1∗(4

/30)

+ ..

. + 1

∗0,2

∗(5/

30)]

= 0,

037

Cal

cul d

e la

div

ersi

ténu

cléo

tidiq

ue in

tra-

popu

latio

n

Cop

yrig

ht: I

PG

RI e

t Uni

vers

itéde

Cor

nell,

200

3 M

esur

es 3

2T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

005

fV

XY

mes

ure

la d

iver

genc

e en

tre

popu

latio

ns b

asée

sur

le

degr

éde

var

iatio

n de

s sé

quen

ces

(une

séq

uenc

e, d

eux

popu

latio

ns)

VX

Y=

d XY

–(ʌ

X+ ʌ

Y)/2

fV

Wm

esur

e la

div

ersi

tém

oyen

ne d

ans

une

popu

latio

n à

part

ir de

plu

sieu

rs s

éque

nces

VW

= (1

/s)Ȉʌ

X

fV

bm

esur

e la

diff

éren

tiatio

n to

tale

ent

re p

opul

atio

ns

Vb

= [1

/(s(s

–1)

)]Ȉ XȈ Y

VX

Y

fN

ST

est l

a di

ffére

ntia

tion

rela

tive

NS

T=

Vb/

(Vb

+ V

W)

A p

artir

de s

éque

nces

: div

ersi

ténu

cléo

tidiq

ue in

ter-

popu

latio

ns

Cop

yrig

ht: I

PG

RI e

t Uni

vers

itéde

Cor

nell,

200

3 M

esur

es 3

3T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

005

Diff

éren

tiatio

n re

lativ

eN

ST

= V

b/(V

b+

VW

) =

0,03

825/

(0,0

3825

+ 0

,063

5) =

0,3

759

Div

ersi

tém

oyen

ne d

ans

chaq

ue p

opul

atio

nV

W=

(1/s

)Ȉʌ

X=

½(0

,037

+ 0

,09)

= 0

,063

5

Diff

éren

tiatio

n to

tale

V

b=

[1/(s

(s –

1))]Ȉ XȈ Y

VX

Y=

[1/(

2(2

–1)

)]0,

0765

= 0

,038

25

Div

erge

nce

nucl

éotid

ique

ent

re X

et Y

VX

Y=

d XY

–(ʌ

Xʌ

Y)/2

= 0,

14 –

(0,0

37 +

0,0

9)/2

= 0

,076

5

Cal

cul d

e la

div

ersi

ténu

cléo

tidiq

ue in

ter-

popu

latio

ns

Cop

yrig

ht: I

PG

RI e

t Uni

vers

itéde

Cor

nell,

200

3 M

esur

es 3

4T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

005

…GACTGAATTCCACGGCACTGACGAATTCGA…AGTGAATTCTTACTTAAGCTAGCCTGAATTCGATAC…

…CTGACTTAAGGTGCCGTGACTGCTTAAGCT…

TCACTTAAGAATGAATTCGATCGGACTTAAGCTATG…

…GACTGATTTCCACGGCACTGACGAATTCGA…AGTGAATTCTTACTTAAGCTAGCCTGAATTCGATAC…

…CTGACTAAAGGTGCCGTGACTGCTTAAGCT…

TCACTTAAGAATGAATTCGATCGGACTTAAGCTATG…

DN

A

Indi

v. 1

DN

A

Indi

v. 2

Site

de

rest

rict

ion

Eco

RI

Pas

de

site

re

conn

aiss

able

pa

r E

coR

I

Frag

men

t 1Fr

agm

ent 2

Frag

men

t 2

MI 1

I 2

Gel

Frag

men

t 2

Frag

men

t 1

A p

artir

de

donn

ées

de r

estr

ictio

n:

Var

iatio

ns d

e pr

ofils

de

band

es

Cop

yrig

ht: I

PG

RI e

t Uni

vers

itéde

Cor

nell,

200

3 M

esur

es 3

5T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

005

Cet

indi

ce (ʌ

)es

t bas

ésu

r le

nom

bre

de fr

agm

ents

de

res

tric

tion

prés

ents

dan

s de

ux é

chan

tillo

ns

ʌ=

-(1/

r)ln

G

(si ʌ

< 5%

)

A p

artir

de d

onné

es d

e re

stri

ctio

n: d

iver

sité

nucl

éotid

ique

intr

a-po

pula

tion

Cop

yrig

ht: I

PG

RI e

t Uni

vers

itéde

Cor

nell,

200

3 M

esur

es 3

6T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

005

fC

et in

dice

(V

XY)

indi

que

la d

iver

genc

e ou

la

diffé

rent

iatio

n en

tre

popu

latio

ns s

ur la

bas

e de

s do

nnée

s de

res

tric

tion

VX

Y=

d XY

–(ʌ

X+ ʌ

Y)/2

fC

et in

dice

est

éga

lem

ent u

tilis

éav

ec d

es

donn

ées

issu

es d

e m

arqu

eurs

RA

PD

A p

artir

de

donn

ées

de r

estr

ictio

n: d

iver

sité

nucl

éotid

ique

ent

re p

opul

atio

ns

Cop

yrig

ht: I

PG

RI e

t Uni

vers

itéde

Cor

nell,

200

3 M

esur

es 3

7T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

005

Cal

cul d

e la

div

ersi

ténu

cléo

tidiq

ue e

ntre

po

pula

tions

P o p u l a t i o n XπX

= -(

1/6)

ln (0

,039

358)

= 0

,539

176

G =

0,0

325[

3 –

2(0,

4245

91)]

1/4

= 0,

0393

58G

°=

(0,0

325)

1/4

= 0,

4245

91

F =

[0,3

0(0,

30 ∗3

–1)

+ 0

,25(

0,25

∗3 –

1) +

0,4

5(0,

45 ∗3

–1)

] = 0

,032

5

0,30

(3 –

1) +

0,2

5(3

–1)

+ 0

,45(

3 –

1)

9/20

= 0

,45

A3

5/20

= 0

,25

A2

6/20

= 0

,30

A1

Fréq

. Xi

2019

1817

1615

1413

1211

109

87

65

43

21

Séq

.

P o p u l a t i o n YπY

= -(

1/6)

ln (0

,272

587)

= 0

,216

633

G =

0,2

425[

3 –

2(0,

7017

43)]

1/4

= 0,

2725

87G

°=

(0,2

425)

1/4

= 0,

7017

43

F =

[0,2

5(0,

25 ∗3

–1)

+ 0

,65(

0,65

∗3 –

1) +

0,1

0(0,

10 ∗3

–1)

] = 0

,242

5

0,25

(3 –

1) +

0,6

5(3

–1)

+ 0

,10(

3 –

1)

2/20

= 0

,10

A3

13/2

0 =

0,65

A2

5/20

= 0

,25

A1

Fréq

. Xi

2019

1817

1615

1413

1211

109

87

65

43

21

Séq

.

Cop

yrig

ht: I

PG

RI e

t Uni

vers

itéde

Cor

nell,

200

3 M

esur

es 3

8T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

005

fLa

dis

tanc

e gé

nétiq

ueen

tre

deux

éch

antil

lons

es

t déf

inie

com

me

la p

ropo

rtio

n d'

élém

ents

gé

nétiq

ues

(allè

les,

gèn

es, g

amèt

es,

géno

type

s) q

u'ils

n'o

nt p

asen

com

mun

fD

= 1

si e

t seu

lem

ent s

i les

deu

x éc

hant

illon

s n'

ont p

asd'

élém

ents

gén

étiq

ues

en c

omm

un

Qua

ntifi

catio

n de

s re

latio

ns g

énét

ique

: di

stan

ces

géné

tique

s

Cop

yrig

ht: I

PG

RI e

t Uni

vers

itéde

Cor

nell,

200

3 M

esur

es 3

9T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

005

Le c

alcu

l de

dist

ance

s, o

u de

dis

sim

ilarit

és, s

uit l

'un

de d

eux

mod

èles

pos

sibl

es

Mod

èle

àl'é

quili

bre

La d

ista

nce

rest

e co

nsta

nte

au

cour

s du

tem

ps (

il ex

iste

un

équi

libre

ent

re m

igra

tion

et d

ériv

e gé

nétiq

ue)

La d

ista

nce

chan

ge a

vec

le

tem

ps d

u fa

it de

phé

nom

ènes

de

mig

ratio

n ou

dér

ive

géné

tique

d d

t

t + 1

t + 1

d 2d 1

t

Mod

èle

de d

éséq

uilib

re

Mod

èles

de

dist

ance

Cop

yrig

ht: I

PG

RI e

t Uni

vers

itéde

Cor

nell,

200

3 M

esur

es 4

0T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

005

Mod

èle

en d

éséq

uilib

re: D

ista

nce

géom

étri

que

fC

eci m

esur

e la

rel

atio

n di

rect

e en

tre

l'ind

ice

de

sim

ilarit

é(s

) et

la d

ista

nce

(D =

1 –

s)

fD

iffér

ente

s si

tuat

ions

son

t pos

sibl

es. P

ar

exem

ple:

•V

aria

bles

bin

aire

s•

Var

iabl

es q

uant

itativ

es•

Mél

ange

de

type

s de

var

iabl

es•

Nom

bre

P d

e va

riabl

es

Cop

yrig

ht: I

PG

RI e

t Uni

vers

itéde

Cor

nell,

200

3 M

esur

es 4

1T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

005

Ave

c de

s va

riabl

es b

inai

res:

•

Des

ana

lyse

s m

ultiv

arié

es s

ont u

tilis

ées

et d

es

mat

rices

de

sim

ilarit

éou

de

diffé

rent

iatio

n so

nt

cons

titué

es e

ntre

tout

es le

s pa

ires

d'in

divi

dus

ou

d'un

ités

taxo

nom

ique

s op

érat

ionn

elle

s (O

TU

s)

poss

ible

s

•D

eux

indi

vidu

s si

mila

ires

ont à

la fo

is u

ne v

aleu

r de

di

stan

ce m

inim

ale

et u

ne v

aleu

r de

sim

ilarit

ém

axim

ale

•D

ista

nces

et s

imila

rités

son

t nég

ativ

emen

t cor

rélé

es

•La

sim

ilarit

ées

t est

imée

par

le n

ombr

e de

coï

ncid

ence

Dis

tanc

e gé

omét

riqu

e (s

uite

)

Cop

yrig

ht: I

PG

RI e

t Uni

vers

itéde

Cor

nell,

200

3 M

esur

es 4

2T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

005

Indi

vidu

s

Locu

s A

di

ploï

de

(2X

) Lo

cus

A

tétr

aplo

ïde

(4X

)

M1

23

45

67

89

1810

1112

1716

1514

13

Cal

cul d

e la

fréq

uenc

e al

léliq

ue c

hez

des

dipl

oïde

s et

des

tétr

aplo

ïdes

: Cas

d'u

n m

arqu

eur

dom

inan

t

M1

23

45

67

89

1810

1112

1716

1514

13

1

1

0

1

1

1

1

0

1

1

1

0

1

1

1

0

1

1

1

1

0

1

1

1

1

0

1

1

1

0

1

1

1

0

1

1

Mat

rice

bi

nair

e

Cop

yrig

ht: I

PG

RI e

t Uni

vers

itéde

Cor

nell,

200

3 M

esur

es 4

3T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

005

Locu

s A

di

ploï

de

(2X

)

Locu

s A

tétr

aplo

ïde

(4X

)

Mat

rice

bi

nair

e di

ploï

de

I N

D

I

V

I

D

U

O

S

(1,0

,0) (

1,0,

1) (0

,0,1

) (1,

0,1)

(0,1

,1) (

1,0,

0) (1

,0,1

) (0,

0,1)

(0,0

,1) (

0,1,

0) (1

,1,0

) (0,

0,1)

(0,0

,1)(

0,0,

1) (0

,0,1

)(0,

1,1)

(1,0

,1) (

0,0,

1)

M1

23

45

67

89

1810

1112

1716

1514

13

Cal

cul d

e la

fréq

uenc

e al

léliq

ue c

hez

des

dipl

oïde

s et

des

tétr

aplo

ïdes

: cas

d'u

n m

arqu

eur

co-d

omin

ant

Indi

vidu

s

A1A1 A1 A1

A1A1 A2 A3

A1A2 A2 A3

A1A2 A3 A3

A3A3 A3 A3

M1

23

45

67

89

1810

1112

1716

1514

13A1A1

A1A2

A1A3

A2 A2

A2A3

A3A3

Cop

yrig

ht: I

PG

RI e

t Uni

vers

itéde

Cor

nell,

200

3 M

esur

es 4

4T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

005

1,25

0(a

+ d

)/(b

+ c

)S

okal

and

Sne

ath

3 (1

963)

S13

0,71

4(a

+ d

)/[a

+ d

+ (

b +

c)/2

]S

okal

and

Sne

ath

1 (1

963)

S12

0,38

5(a

+ d

)/[a

+ d

+ 2

(b +

c)]

Rog

ers

and

Tan

imot

o (1

960)

S11

0,55

6(a

+ d

)/nS

okal

and

Mic

hene

r (1

958)

S10

0,75

0a/

(b +

c)

Kul

czyn

ski 1

(19

28)

S9

0,27

3a/

[a +

2(b

+ c)

]S

okal

and

Sne

ath

5 (1

963)

S8

0,42

9a/

(a +

b +

c)

Jacc

ard

(190

0, 1

901,

190

8)S

7

0,62

5(a

/2)(

[1/(

a+b)

] + [1

/(a+

c)])

Kul

czyn

ski 2

S6

0,61

2a/

[(a

+ b)

(a +

c)]

1/2

Och

iai (

1957

)S

5

0,60

0a/

[a +

(b +

c)/2

]D

ice

(194

5); N

ei a

nd L

i (19

79)

S4

0,50

0a/

max

[(a

+ b)

,(a

+ c)

]B

raun

-Bla

nque

tS

3

0,75

0a/

min

[(a

+ b)

,(a

+ c)

]S

imps

onS

2

0,33

3a/

nR

usse

l and

Rao

(19

40)

S1

Exe

mpl

e de

val

eur

de l'

indi

ce s

i a

= 3,

b =

1, c

= 3

, et d

= 2

Exp

ress

ion

Aut

eur

Indi

ce d

e si

mila

rité

s po

ur d

es v

aria

bles

bi

nair

es: E

xem

ples

Cop

yrig

ht: I

PG

RI e

t Uni

vers

itéde

Cor

nell,

200

3 M

esur

es 4

5T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

005

Indi

ce d

e S

okal

et M

iche

ner

(Sim

ple

Mat

chin

g),

ou in

dice

de

conc

orda

nce

sim

ple:

(a +

d)/

(a +

b +

c +

d)

Indi

ce d

e Ja

ccar

d:

a/(a

+ b

+ c

)

Indi

ce d

e N

ei-L

i ou

indi

ce d

eD

ice:

2a/(

2a +

b +

c)

Indi

ces

de d

ista

nce

géom

étri

que

Cop

yrig

ht: I

PG

RI e

t Uni

vers

itéde

Cor

nell,

200

3 M

esur

es 4

6T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

005

fM

esur

e la

diff

éren

ce e

ntre

deu

x gè

nes,

pr

opor

tionn

elle

au

tem

ps d

e sé

para

tion

de

l'anc

être

com

mun

fP

lusi

eurs

mod

èles

son

t pos

sibl

es:

•M

odèl

e de

mut

atio

n à

nom

bre

infin

i d'a

llèle

spa

r ex

empl

e, d

ista

nce

géné

tique

de

Nei

•M

odèl

e de

mut

atio

n pa

s à

pas

par

exem

ple,

dis

tanc

e à

part

ir de

mic

rosa

telli

tes

•M

utat

ion

dans

la s

éque

nce

nucl

éotid

ique

Mod

èles

en

désé

quili

bre:

Dis

tanc

e gé

nétiq

ue

Cop

yrig

ht: I

PG

RI e

t Uni

vers

itéde

Cor

nell,

200

3 M

esur

es 4

7T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

005

fLa

dis

tanc

e gé

nétiq

ue c

lass

ique

de

Nei

est

:

fE

lle e

st b

asée

sur

le c

once

pt d

'iden

tité

géné

tique

(I X

Y):

)J

(JJI

yxxy

xy=

)(I

ln

DX

YX

Y−

=

Cal

cul d

e la

dis

tanc

e gé

nétiq

ue d

e N

ei

Cop

yrig

ht: I

PG

RI e

t Uni

vers

itéde

Cor

nell,

200

3 M

esur

es 4

8T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

005

D2,

3 =

0,04

40D

1,3

= 0,

0107

D1,

2 =

0,08

52D

ii’D

ista

nce

géné

tique

I 2,3

= 0

,957

0I 1

,3 =

0,9

894

I 1,2

= 0

,918

3I ii

’Id

entit

égé

nétiq

ue

J 2,3

= 0

,898

6J 1

,3 =

0,9

346

J 1,2

= 0

,873

3J i

i’H

omoz

ygot

ie m

oyen

ne e

ntre

pop

s

0,93

270,

9453

0,95

67J i

Hom

ozyg

otie

moy

enne

0,06

730,

0547

0,04

33H

iH

étér

ozyg

otie

moy

enne

0,42

000,

000,

0000

h ijk

Hét

éroz

ygot

ie d

u lo

cus

0,70

0,00

1,00

D2

0,30

1,00

0,00

D1

D

0,00

000,

3258

0,24

34h i

jkH

étér

ozyg

otie

du

locu

s

0,00

0,09

0,13

B3

0,00

0,10

0,01

B2

1,00

0,81

0,86

B1

B

0,45

500,

3848

0,32

00h i

jkH

étér

ozyg

otie

du

locu

s

0,35

0,26

0,20

A2

0,65

0,74

0,80

A1

A

Pop

. 3P

op. 2

Pop

. 1

Fréq

uenc

es a

llèliq

ues

Allè

les

Locu

s

Cal

cul d

e la

dis

tanc

e gé

nétiq

ue d

e N

ei (s

uite

)

Cop

yrig

ht: I

PG

RI e

t Uni

vers

itéde

Cor

nell,

200

3 M

esur

es 4

9T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

005

∑<

−−

=i'

i2

i'i'ii

wi

)a

(a1)

2n(2

n2S

∑=

jw

js

wS

)(1

/dS

Cal

cul d

'une

dis

tanc

e in

tra-

popu

latio

n à

part

ir d

e m

arqu

eurs

mic

rosa

telli

tes

fLa

dis

tanc

e in

tra-

popu

latio

n es

t la

moy

enne

des

ca

rrés

moy

ens

des

diffé

renc

es d

e no

mbr

e de

ré

pétit

ions

ent

re a

llèle

s

fLa

dis

tanc

e in

tra-

popu

latio

n m

oyen

ne p

eut ê

tre

calc

ulée

pou

r to

us le

s lo

ci a

naly

sés

(ds)

Cop

yrig

ht: I

PG

RI e

t Uni

vers

itéde

Cor

nell,

200

3 M

esur

es 5

0T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

005

C'e

st la

com

posa

nte

inte

r-po

pula

tion

de la

dis

tanc

e m

oyen

ne c

alcu

lée

àpa

rtir

de to

utes

les

paire

s d'

allè

les

com

pare

s de

ux à

deux ∑

∑−

−=

<<

j'j

i'i

2j'

i'ij

ss

2B

) a

(a

1)

(d d

(2n)

2 S

Cal

cul d

e la

dis

tanc

e en

tre

popu

latio

ns à

part

ir d

e m

arqu

eurs

mic

rosa

telli

tes

Cop

yrig

ht: I

PG

RI e

t Uni

vers

itéde

Cor

nell,

200

3 M

esur

es 5

1T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

005

C'e

st le

pro

cess

us d

e re

grou

pem

ent (

ou c

lust

erin

g)

d'ob

jets

en

caté

gorie

s ou

cla

sses

sur

la b

ase

de le

urs

attr

ibut

s co

mm

uns

ou d

e le

urs

rela

tions

. Ce

regr

oupe

men

t peu

t êtr

e:•

Hié

rarc

hiqu

e:−

Ess

entia

liste

, qui

ess

aye

de r

évél

er la

vra

ie n

atur

e ou

la

vrai

e fo

rme

−C

ladi

stiq

ue, b

asé

sur

la g

énéa

logi

e ou

la p

hylo

géni

e−

Evo

lutio

nnis

te, b

asé

sur

la p

hylo

géni

e et

le n

ombr

e de

ch

ange

men

ts é

volu

tifs

−P

héné

tique

, bas

ésu

r le

plu

s gr

and

nom

bre

poss

ible

de

cara

ctèr

es d

'un

orga

nism

e et

sur

son

cyc

le d

e vi

e

•N

on h

iéra

rchi

que

•C

heva

ucha

nt

Mis

e en

évi

denc

e de

s re

latio

ns:

Cla

ssifi

catio

n ou

reg

roup

emen

t

Cop

yrig

ht: I

PG

RI e

t Uni

vers

itéde

Cor

nell,

200

3 M

esur

es 5

2T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

005

Cla

ssifi

catio

n ph

énét

ique

fM

ontr

e le

s re

latio

ns e

ntre

éch

antil

lons

en

utili

sant

un

indi

ce d

e si

mila

rité

fU

ne m

étho

de d

e re

grou

pem

ent e

st u

tilis

ée d

e m

aniè

re à

pouv

oir

dess

iner

un

diag

ram

me

d'ar

bre

(den

drog

ram

me)

ou

un p

héno

gram

me

(si l

a m

atric

e de

sim

ilarit

éco

ntie

nt d

es d

onné

es p

héno

typi

ques

)

12

33

24

1

1

23

4

Cop

yrig

ht: I

PG

RI e

t Uni

vers

itéde

Cor

nell,

200

3 M

esur

es 5

3T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

005

Mét

hode

s de

reg

roup

emen

t

fE

tape

s du

reg

roup

emen

t: •

Le v

oisi

nage

est

déf

ini

•C

haqu

e re

grou

pem

ent e

st e

stim

éen

fonc

tion

de la

di

stan

ce•

Les

bran

ches

du

dend

rogr

amm

e so

nt r

econ

stru

ites

àch

aque

cyc

le

fLe

s 3

mét

hode

s pr

inci

pale

s so

nt:

•Li

aiso

n si

mpl

e (o

u m

étho

de d

u ‘p

lus

proc

he v

oisi

n’)

•Li

aiso

n to

tale

(ou

mét

hode

du

‘voi

sin

le p

lus

éloi

gné’

)•

Liai

son

moy

enne

(ou

UP

GM

A)

Cop

yrig

ht: I

PG

RI e

t Uni

vers

itéde

Cor

nell,

200

3 M

esur

es 5

4T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

005

fM

étho

de d

u 'p

lus

proc

he v

oisi

n’f

Elle

min

imis

e la

dis

tanc

e en

tre

grou

pes

en p

rena

nt

la d

ista

nce

au v

oisi

n av

ec la

sim

ilarit

éla

plu

s fo

rte

fE

lle m

arch

e bi

en a

vec

des

grou

pes

régu

liers

et

com

pact

s m

ais

est f

orte

men

t inf

luen

cée

par

des

indi

vidu

s di

stan

ts. C

'est

un

inco

nvén

ient

qua

nd il

ex

iste

diff

éren

ts g

roup

es r

épar

tis d

e m

aniè

re p

eu

hom

ogèn

e da

ns l'

espa

ce

Gro

upe

1G

roup

e 2

d(1,

2)d(

1,2)

= d

ista

nce

min

imal

e en

tre

deux

uni

tés

taxo

nom

ique

s

Liai

son

sim

ple

Cop

yrig

ht: I

PG

RI e

t Uni

vers

itéde

Cor

nell,

200

3 M

esur

es 5

5T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

005

Liai

son

sim

ple:

un

exem

ple

00,

400,

600,

28D

00,

350,

43C

00,

30B

0A

DC

BA

(1)

(2)

(3)

00,

400,

30A

D

00,

35C

0B

AD

CB

0,10

0,20

0,30

0,40

0,50

0,0 A D B C

(4)

00,

35A

DB

0C

AD

BC

Cop

yrig

ht: I

PG

RI e

t Uni

vers

itéde

Cor

nell,

200

3 M

esur

es 5

6T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

005

fM

étho

de d

u 'v

oisi

n le

plu

s lo

inta

in'

fE

lle m

inim

ise

la d

ista

nce

entr

e gr

oupe

s en

pr

enan

t la

dist

ance

ave

c l'i

ndiv

idu

prés

enta

nt le

m

oins

de

sim

ilarit

éf

Elle

mar

che

bien

ave

c de

s gr

oupe

s ré

gulie

rs e

t co

mpa

cts

mai

s es

t, el

le-a

ussi

, inf

luen

cée

par

les

indi

vidu

s di

stan

ts

Gro

upe

1G

roup

e 2

d(1,

2)d(

1,2)

= d

ista

nce

la

plus

gra

nde

entr

e de

ux u

nité

s ta

xono

miq

ues

Liai

son

tota

le

Cop

yrig

ht: I

PG

RI e

t Uni

vers

itéde

Cor

nell,

200

3 M

esur

es 5

7T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

005

Liai

son

tota

le: u

n ex

empl

e

00,

400,

600,

28D

00,

350,

43C

00,

30B

0A

DC

BA

(1)

(2)

(3)

(4)

00,

400,

30B

D

00,

43C

0A

BD

CA

0,10

0,20

0,30

0,40

0,50

0,60

0,0 ADB C

00,

40D

B

0A

C

DB

AC

Cop

yrig

ht: I

PG

RI e

t Uni

vers

itéde

Cor

nell,

200

3 M

esur

es 5

8T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

005

fM

étho

de n

on p

ondé

rée

des

regr

oupe

men

ts e

n pa

ires

sur

la b

ase

de la

moy

enne

arit

hmét

ique

(‘un

wei

ghte

d pa

ir-gr

oup

met

hod

usin

g th

e ar

ithm

etic

ave

rage

’ou

UP

GM

A)

fE

lle m

inim

ise

la d

ista

nce

entr

e gr

oupe

s en

pre

nant

la

dist

ance

moy

enne

ent

re to

utes

les

paire

s d'

indi

vidu

s de

l'éc

hant

illon

f

Mét

hode

la p

lus

utili

sée

d(1 i

,2j)

= di

stan

ce m

oyen

ne

entr

e l'u

nité

i du

grou

pe 1

et

l'uni

téj d

u gr

oupe

2

Gro

upe

1G

roup

e 2

Liai

son

moy

enne

Cop

yrig

ht: I

PG

RI e

t Uni

vers

itéde

Cor

nell,

200

3 M

esur

es 5

9T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

005

Liai

son

moy

enne

: un

exem

ple

00,

400,

600,

28D

00,

350,

43C

00,

30B

0A

DC

BA

(1)

(2)

(3)

(4)

0,1

0,2

0,3

0,4

0,5

0,0 BDA C

00,

415

0,45

AD

00,

35C

0B

AD

CB

00,

42A

D

0B

C

AD

BC

Cop

yrig

ht: I

PG

RI e

t Uni

vers

itéde

Cor

nell,

200

3 M

esur

es 6

0T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

005

fT

out d

'abo

rd, r

asse

mbl

er le

s él

émen

ts

d'in

form

atio

n su

r l'e

spèc

e ét

udié

e te

ls q

ue s

a di

vers

ité, s

on s

ystè

me

de r

epro

duct

ion,

son

ni

veau

de

ploï

die

et s

on ta

ux d

'hét

éroz

ygot

ie

fC

hois

ir so

igne

usem

ent l

es c

arac

tère

s gé

nétiq

ues

àan

alys

er

fT

este

r di

ffére

ntes

mét

hode

s de

reg

roup

emen

t et

vérif

ier

leur

niv

eau

d'ac

cord

Cho

ix d

'une

mét

hode

de

regr

oupe

men

t

Cop

yrig

ht: I

PG

RI e

t Uni

vers

itéde

Cor

nell,

200

3 M

esur

es 6

1T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

005

fV

alid

atio

n ex

tern

e

fV

alid

atio

n in

tern

e

fV

alid

atio

n re

lativ

e

fR

é-éc

hant

illon

nage

par

boo

tstr

aps

Val

idat

ion

des

regr

oupe

men

ts

Cop

yrig

ht: I

PG

RI e

t Uni

vers

itéde

Cor

nell,

200

3 M

esur

es 6

2T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

005

00,

400,

600,

28D

00,

350,

43C

00,

30B

0A

DC

BA Mat

rice

de

dist

ance

or

igin

ale

Den

drog

ram

me 0,

100,

200,

300,

400,

500,

600,

0

00,

430,

430,

28D

00,

350,

43C

00,

43B

0A

DC

BA

Mat

rice

co-

phén

étiq

ue

BDA C

0,28

0,35

0,43

Cor

réla

tion

co-p

héné

tique

= 0

,555

7

Cor

réla

tion

co-p

héné

tique

: Un

exem

ple

Cop

yrig

ht: I

PG

RI e

t Uni

vers

itéde

Cor

nell,

200

3 M

esur

es 6

3T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

005

10

00

L 5

00

11

L 4

11

01

L 3

10

10

L 2

10

01

L 1

P4

P3

P2

P1

Mat

rice

de

donn

ées

Mat

rice

de

sim

ilari

té

AP

1P

2P

3P

4

Gel

BC D

E

(1)

(2)

(3)Val

idat

ion

par

ré-é

chan

tillo

nnag

e (b

oots

trap

):

Un

exem

ple

10,

400

0,20

00,

400

P4

10,

400

0,60

0P

3

10,

400

P2

1P

1

P4

P3

P2

P1

Cop

yrig

ht: I

PG

RI e

t Uni

vers

itéde

Cor

nell,

200

3 M

esur

es 6

4T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

005

10,

400 ±

0,20

00,

200 ±

0,00

00,

533 ±

0,11

5P

4

10,

400 ±

0,20

00,

600 ±

0,00

0P

3

10,

267 ±

0,11

5P

2

1P

1

P4

P3

P2

P1

Mat

rice

de

sim

ilari

tém

oyen

ne

avec

éca

rt-t

ypes

Den

drog

ram

me

avan

t rem

plac

emen

tD

endr

ogra

mm

e av

ec r

empl

acem

ent

Val

idat

ion

par

ré-é

chan

tillo

nnag

e (b

oots

trap

): U

n ex

empl

e (s

uite

)

1

0,25

0,44

0,63

0,81

1,00

3 2 4

0,11

0,33

0,56

0,78

1,001 3 4 2

Cop

yrig

ht: I

PG

RI e

t Uni

vers

itéde

Cor

nell,

200

3 M

esur

es 6

5T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

005

fL'

anal

yse

fact

orie

lle e

st l'

arra

ngem

ent o

u l'o

rdon

nanc

emen

t d'é

chan

tillo

ns d

ans

des

syst

èmes

de

coor

donn

ées

fLe

but

de

l'ana

lyse

fact

orie

lle, c

omm

e ce

lui d

es

mét

hode

s de

cla

ssifi

catio

n, e

st d

'inte

rpré

ter

les

st

ruct

ures

dan

s la

com

posi

tion

d'éc

hant

illon

s

Rep

rése

nter

les

rela

tions

: ana

lyse

s fa

ctor

ielle

s

Cop

yrig

ht: I

PG

RI e

t Uni

vers

itéde

Cor

nell,

200

3 M

esur

es 6

6T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

005

fA

naly

se e

n C

oord

onné

es P

rinci

pale

s (A

CoP

)

f"M

ultid

imen

sion

al s

calin

g" s

ur le

s ra

ngs

(NM

DS

)

fA

naly

se F

acto

rielle

des

Cor

resp

onda

nces

(A

FC

)

Type

s d'

anal

yses

fact

orie

lles

utile

s po

ur le

s do

nnée

s de

mar

quag

e m

oléc

ulai

re

Cop

yrig

ht: I

PG

RI e

t Uni

vers

itéde

Cor

nell,

200

3 M

esur

es 6

7T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

005

Ann

exes

Cop

yrig

ht: I

PG

RI e

t Uni

vers

itéde

Cor

nell,

200

3 M

esur

es 6

8T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

005

fL'

anal

yse

de la

div

ersi

tégé

nétiq

ue e

t de

la

stru

ctur

e de

s po

pula

tions

com

pren

d:•

La q

uant

ifica

tion

de la

div

ersi

téet

des

rel

atio

ns a

u se

in d

e et

ent

re p

opul

atio

ns e

t/ou

indi

vidu

s•

La r

epré

sent

atio

n de

ces

rel

atio

ns

fLe

s do

nnée

s m

oléc

ulai

res

sont

gén

éral

emen

t gé

rées

com

me

des

donn

ées

bina

ires

fLe

s do

nnée

s m

oléc

ulai

res

peuv

ent ê

tre

utile

men

t co

mpl

étée

s pa

r de

s do

nnée

s m

orph

olog

ique

s ou

de

s do

nnée

s d'

éval

uatio

n. P

our

ce fa

ire, c

e ty

pe

de v

aria

bles

doi

t êtr

e tr

ansf

orm

éen

var

iabl

e bi

naire

En

résu

mé

Cop

yrig

ht: I

PG

RI e

t Uni

vers

itéde

Cor

nell,

200

3 M

esur

es 6

9T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

005

fLe

s ét

apes

élé

men

taire

s né

cess

aire

s à

la m

esur

e de

la

div

ersi

tégé

nétiq

uef

Les

prin

cipa

les

faço

ns d

e dé

crire

la d

iver

sité

géné

tique

intr

a et

inte

r po

pula

tions

fLe

cho

ix d

e la

dis

tanc

e ap

prop

riée

pour

éta

blir

les

rela

tions

ent

re in

divi

dus

dans

l'éc

hant

illon

étu

dié

fLe

s di

ffére

nces

ent

re m

étho

des

de r

egro

upem

ent

fLe

s op

tions

pou

r va

lider

les

regr

oupe

men

tsf

Les

notio

ns d

e ba

se s

ous-

tend

ant l

e co

ncep

t d'

ordo

nnan

cem

ent

fLe

s re

ssem

blan

ces

et le

s di

ffére

nces

ent

re

regr

oupe

men

t et o

rdon

nanc

emen

t

Ce

que

vous

dev

ez s

avoi

r à

prés

ent…

Cop

yrig

ht: I

PG

RI e

t Uni

vers

itéde

Cor

nell,

200

3 M

esur

es 7

0T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

005

Réf

éren

ces

Cop

yrig

ht: I

PG

RI e

t Uni

vers

itéde

Cor

nell,

200

3 M

esur

es 7

1T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

005

fLo

gici

els

pour

ana

lyse

r la

div

ersi

tégé

nétiq

ue

fG

loss

aire

Sui

te

Cop

yrig

ht: I

PG

RI a

nd C

orne

ll U

nive

rsity

, 200

3 Lo

gici

els

1T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

006

Ana

lyse

de la

div

ersi

tégé

nétiq

ueà

l’aid

e de

mar

queu

rs m

oléc

ulai

res:

Mod

ule

d’ap

pren

tissa

ge

Logi

ciel

s d'

anal

yse

de la

di

vers

itégé

nétiq

ue

Cop

yrig

ht: I

PG

RI a

nd C

orne

ll U

nive

rsity

, 200

3 Lo

gici

els

2T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

006

fLe

urs

cara

ctér

istiq

ues

prin

cipa

les

•U

n ta

blea

u de

syn

thès

e•

Que

lque

s lo

gici

els,

leur

aut

eurs

, les

site

s W

eb …

•…

et a

utre

s él

émen

ts

fC

inq

logi

ciel

s en

dét

ail

•A

rlequ

in•

Pow

erM

arke

r•

Dna

SP

•P

AU

P*

•M

EG

A

fLe

s re

ssou

rces

d'In

tern

et

fA

nnex

e 9

:Réf

éren

ces

des

logi

ciel

s

Con

tenu

Cop

yrig

ht: I

PG

RI a

nd C

orne

ll U

nive

rsity

, 200

3 Lo

gici

els

3T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

006

fR

éalis

ent l

e m

ême

type

d'a

naly

ses

fD

iffèr

ent p

ar :

•In

terf

ace

d'ut

ilisa

tion

•F

orm

at d

'ent

rée

et d

e so

rtie

des

don

nées

•S

ystè

me

d'ex

ploi

tatio

n•

Cap

acité

s

fC

hoix

fina

l du

ress

ort d

e ch

acun

Leur

s ca

ract

éris

tique

s pr

inci

pale

s

Cop

yrig

ht: I

PG

RI a

nd C

orne

ll U

nive

rsity

, 200

3 Lo

gici

els

4T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

006

D'a

près

Laba

te(2

000)

TF

PG

A1

Arle

quin

1 *G

DA

1G

EN

EP

OP

1 *G

eneS

trut

PO

PG

EN

E*+

Div

ersi

téH

étér

ozyg

otie

obs

ervé

ex

xx

xx

Hét

éroz

ygot

ie a

ttend

uex

xx

xx

Nb

d'al

lèle

s pa

r loc

usx

xx

xN

b ef

fect

if d'

allè

les

xx

xP

ourc

enta

ge d

e lo

ci p

olym

orph

ex

xx

xS

hann

on-W

eave

r

Stru

ctur

e de

s po

pula

tions

Test

s F

xx

xx

xx

Test

s G

xx

AN

OV

Ax

xTe

sts

Rho

xx

Hom

ogén

éité

xx

xM

igra

tion

xx

xIs

olem

ent p

ar la

dis

tanc

ex

Equ

ilibr

e de

liai

son

Har

dy-W

einb

erg

xx

xx

xx

Situ

atio

n à

deux

loci

xx

xx

xM

ultil

ocus

xTe

st U

x

Dis

tanc

e gé

nétiq

ueN

eix

xx

xx

Rog

erx

xF

sr p

ar p

aire

xx

x

Reg

roup

emen

tsN

eigh

bour

-join

ing

xU

PG

MA

xx

xx

Test

de

neut

ralit

éx

x1 R

éalis

e de

s te

sts

exac

ts p

our d

éter

min

er le

s se

uils

* Le

logi

ciel

peu

t gér

er le

s al

lèle

s nu

ls+

L'ut

ilisa

teur

peu

t ind

ique

r un

coef

ficie

nt d

e co

nsan

guin

ité p

our e

stim

er la

fréq

uenc

e d'

un a

llèle

nul

Un

tabl

eau

de s

ynth

èse

Cop

yrig

ht: I

PG

RI a

nd C

orne

ll U

nive

rsity

, 200

3 Lo

gici

els

5T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

006

Que

lque

s lo

gici

els,

leur

s au

teur

s et

l'a

dres

se d

es s

ites

Web

…

http

://re

sear

ch.a

mnh

.org

/use

rs/d

jani

es/

D.J

anie

set

W.C

. Whe

eler

MA

LIG

N

http

://w

ww

.ebi

.ac.

uk/c

lust

alw

Tho

mps

on, H

iggi

ns e

tGib

son

CLU

ST

AL

W

http

://lif

esci

.rut

gers

.edu

/~he

ylab

/Pro

gram

sand

Dat

a/P

rogr

ams/

SIT

ES

/SIT

ES

_Doc

umen

tatio

n.ht

m#C

onte

nts

Jody

Hey

SIT

ES

http

://ev

olut

ion.

gene

tics.

was

hing

ton.

edu/

phyl

ip.h

tml

Joe

Fel

sent

ein

PH

YLI

P

http

://ph

ylog

eny.

ariz

ona.

edu/

mac

clad

eD

avid

R. e

tWay

ne P

.Mad

diso

nM

acC

lade

http

://w

ww

.ual

bert

a.ca

/~fy

eh/in

dex.

htm

F.C

.Yeh

, R.-

C. Y

ang,

T. B

oyle

PO

PG

EN

Ea

http

://w

ww

vet.m

urdo

ch.e

du.a

u/ve

tsch

l/im

gad/

Gen

Str

ut.h

tmC

onst

antin

e, H

obbs

etL

ymbe

ryG

eneS

truta

http

://pr

itch.

bsd.

uchi

cago

.edu

/Jo

nath

an K

. Prit

char

dS

truc

ture

http

://w

ww

.exe

ters

oftw

are.

com

/cat

/nts

yspc

/nts

yspc

.htm

lF

.J.R

ohlf

NT

SY

Spc

ftp://

ftp.c

efe.

cnrs

-mop

.fr/p

ub/P

C/M

SD

OS

/GE

NE

PO

P/G

enep

op.z

ipég

alem

ent à

<http

://w

biom

ed.c

urtin

.edu

.au/

gene

pop/

>M

iche

l Ray

mon

d,

Fra

ncoi

sR

ouss

etG

EN

EP

OP

a

http

://le

wis

.eeb

.uco

nn.e

du/le

wis

hom

e/so

ftwar

e.ht

ml

Pau

l Lew

is,D

mitr

i Zay

kin

GD

Aa

http

://bi

oweb

.usu

.edu

/mpm

bio/

inde

x.ht

mM

ark

Mill

erT

FP

GA

a

http

://pa

up.c

sit.f

su.e

du/

Dav

idS

wof

ford

PA

UP

*

http

:/ww

w.m

egas

oftw

are.

net

S. K

umar

et a

lM

EG

A2

http

://w

ww

.pow

erm

arke

r.ne

t/K

ejun

(Jac

k) L

iuP

ower

Mar

ker

http

://w

ww

.ub.

es/d

nasp

Julio

etR

icar

doR

ozas

Dna

SP

http

://lg

b.un

ige.

ch/a

rlequ

inLa

uren

tExc

offie

rA

rleq

uina

Télé

char

geab

le à

part

ir d

e :

Aut

eur(

s)N

om

a P

rése

nté

dans

Lab

ate

(200

0)

Cop

yrig

ht: I

PG

RI a

nd C

orne

ll U

nive

rsity

, 200

3 Lo

gici

els

6T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

006

Win

dow

sM

acin

tosh

Autr

eAr

lequ

inX

XX

0D

naS

PX

c0

Pow

erM

arke

rX

0M

EG

A2X

cc

0Ar

lequ

inX

XX

100

TFP

GA

X0

GD

AX

X0

GE

NE

PO

PX

0N

TSYS

pcX

230-

300

Stru

ctur

eX

X0

Gen

eStru

tX

0P

OP

GE

NE

Xc

0M

acC

lade

X12

5 P

HYL

IPX

XX

0S

ITE

SX

X0

CLU

STA

L W

XX

X0

MAL

IGN

X0

Sys

tèm

e d'

expl

oita

tion

Coû

t (U

S$)

Nom

…et

aut

res

élém

ents

Cop

yrig

ht: I

PG

RI a

nd C

orne

ll U

nive

rsity

, 200

3 Lo

gici

els

7T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

006

fA

rlequ

in

fP

ower

Mar

ker

fD

naS

P

fP

AU

P*

fM

EG

A

Pré

sent

atio

n dé

taill

ée d

e 5

logi

ciel

s

Cop

yrig

ht: I

PG

RI a

nd C

orne

ll U

nive

rsity

, 200

3 Lo

gici

els

8T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

006

f<h

ttp://

lgb.

unig

e.ch

/arle

quin

>f

Ver

sion

s po

ur W

indo

ws,

Mac

, et L

inux

. Gra

tuit.

f

Peu

t util

iser

diff

éren

ts ty

pes

de d

onné

es (

mai

s pa

s en

core

les

mar

queu

rs d

omin

ants

) f

Gèr

e le

s do

nnée

s m

anqu

ante

s et

dou

teus

esf

Le lo

gici

el tr

aite

des

séq

uenc

es d

'AD

N, d

es

hapl

otyp

es d

e R

FLP

, des

pro

fils

mic

rosa

telli

te

ou d

es h

aplo

type

s m

ultil

ocus

.f

Les

donn

ées

peuv

ent ê

tre

impo

rtée

s à

part

ir de

fic

hier

s cr

éés

pour

d'a

utre

s pr

ogra

mm

es

Arl

equi

n

Cop

yrig

ht: I

PG

RI a

nd C

orne

ll U

nive

rsity

, 200

3 Lo

gici

els

9T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

006

fA

vant

ages

: •

Doc

umen

tatio

n dé

taill

ée q

ui c

ompr

end

une

gran

de

quan

tité

d'in

form

atio

ns m

étho

dolo

giqu

es, d

e fo

rmul

es e

t de

réfé

renc

es. S

ite W

eb b

ien

orga

nisé

avec

not

amm

ent "

des

répo

nses

aux

que

stio

ns le

s pl

us c

oura

ntes

"•

L'in

terf

ace

grap

hiqu

e es

t trè

s co

nviv

iale

fIn

conv

énie

nts:

•N

ombr

euse

s po

ssib

ilité

s et

opt

ions

àdé

couv

rir•

For

mat

er c

orre

ctem

ent u

n fic

hier

de

donn

ée e

st

une

opér

atio

n qu

i peu

t êtr

e co

mpl

exe

(bon

s ex

empl

es d

ans

la d

ocum

enta

tion)

Arl

equi

n (s

uite

)

Cop

yrig

ht: I

PG

RI a

nd C

orne

ll U

nive

rsity

, 200

3 Lo

gici

els

10T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

006

f<h

ttp://

ww

w.p

ower

mar

ker.

net>

fC

onçu

pou

r le

s an

alys

es d

e gé

nétiq

ue d

es

popu

latio

ns a

vec

des

mar

queu

rs S

SR

ou

SN

P

fP

arm

i les

ana

lyse

s po

ssib

les,

des

sta

tistiq

ues

de

synt

hèse

, not

amm

ent l

es fr

éque

nces

allé

lique

s et

gé

noty

piqu

es, l

esar

bres

con

sens

us, l

'étu

de d

e la

st

ruct

ure

des

popu

latio

ns, l

e te

st d

e M

ante

l, le

s gr

aphe

s en

tria

ngle

et l

a vi

sual

isat

ion

des

résu

ltats

des

ana

lyse

s de

dés

équi

libre

de

liais

on

Pow

erM

arke

r

Cop

yrig

ht: I

PG

RI a

nd C

orne

ll U

nive

rsity

, 200

3 Lo

gici

els

11T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

006

fA

vant

ages

:•

Per

met

d'im

port

er d

es d

onné

es à

part

ir d'

Exc

el, c

e qu

i sim

plifi

e be

auco

up la

ges

tion

des

donn

ées

•L'

inte

rfac

e gr

aphi

que

est t

rès

conv

ivia

le

•Le

s gr

aphi

ques

son

t d'u

ne q

ualit

éad

apté

e au

x pu

blic

atio

ns

fIn

conv

énie

nts:

•Lo

gici

el tr

ès r

écen

t et p

eu te

sté.

Ris

que

de b

ugs

rési

duel

s•

Pas

util

isab

le s

eul.

Sup

pose

de

télé

char

ger

égal

emen

t d'a

utre

s lo

gici

els

et d

'avo

ir E

xcel

Pow

erM

arke

r(s

uite

)

Cop

yrig

ht: I

PG

RI a

nd C

orne

ll U

nive

rsity

, 200

3 Lo

gici

els

12T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

006

f<h

ttp://

ww

w.u

b.es

/dna

sp>

fR

éalis

e de

s an

alys

es d

e gé

nétiq

ue d

es

popu

latio

ns à

part

ir de

séq

uenc

es d

'AD

N

fLa

rge

gam

me

d'an

alys

es, i

nclu

ant d

es m

esur

es

de p

olym

orph

ism

e, d

e di

verg

ence

entr

e po

pula

tions

(in

clua

nt u

ne m

esur

e de

flux

de

gène

s), d

e su

bstit

utio

nssy

nony

mes

et n

on

syno

nym

es, m

esur

es d

u dé

séqu

ilibr

e de

liai

son,

de

la r

ecom

bina

ison

,et n

ombr

eux

test

s st

atis

tique

s (t

ests

de

Hud

son,

Kre

itman

et

Agu

ade,

Fu

et L

i, T

ajim

a, e

t tes

ts d

e M

cDon

ald

et K

reitm

an)

Dna

SP

Cop

yrig

ht: I

PG

RI a

nd C

orne

ll U

nive

rsity

, 200

3 Lo

gici

els

13T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

006

fA

vant

ages

:•

Fac

ilité

d'em

ploi

de

l'int

erfa

ce s

ous

Win

dow

s•

Larg

e ga

mm

e d'

anal

yses

pos

sibl

e

fIn

conv

énie

nts:

•

Uni

quem

ent d

ispo

nibl

e so

us W

indo

ws

(et

Mac

into

sh a

vec

un é

mul

ateu

r)•

Ni d

ocum

enta

tion

ni tu

toria

l pou

r l'i

nsta

nt

•P

as d

'app

ui a

ux u

tilis

ateu

rs fa

cile

men

t mob

ilisa

ble

Dna

SP

(con

tinue

d)

Cop

yrig

ht: I

PG

RI a

nd C

orne

ll U

nive

rsity

, 200

3 Lo

gici

els

14T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

006

f<h

ttp://

ww

w.lm

s.si

.edu

/PA

UP

/abo

ut.h

tml>

fU

tilis

épo

ur b

âtir

et in

terp

réte

r de

s ar

bres

ph

ylog

énét

ique

s

fV

ersi

ons

disp

onib

les

pour

diff

éren

ts s

ystè

mes

d'

expl

oita

tion

fA

naly

ses

poss

ible

s: p

arci

mon

ie, m

atric

es d

e di

stan

ce, i

nvar

iant

s, m

étho

des

du m

axim

um d

e vr

aise

mbl

ance

et d

e no

mbr

eux

indi

ces

et

mét

hode

s st

atis

tique

s

PA

UP

*

Cop

yrig

ht: I

PG

RI a

nd C

orne

ll U

nive

rsity

, 200

3 Lo

gici

els

15T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

006

fA

vant

age:

Bon

app

ui, à

la fo

is e

n lig

ne (

àpa

rtir

de la

long

ue li

ste

des

ques

tions

les

plus

cou

rant

es)

ou p

ar c

ourr

ier

élec

tron

ique

fIn

conv

énie

nt:

Pay

ant

PA

UP

* (s

uite

)

Cop

yrig

ht: I

PG

RI a

nd C

orne

ll U

nive

rsity

, 200

3 Lo

gici

els

16T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

006

f<h

ttp://

ww

w.m

egas

oftw

are.

net/>

fU

tilis

e de

s sé

quen

ces

d'A

DN

, des

séq

uenc

es

prot

éiqu

es, d

es d

ista

nces

ou

des

arbr

es

phyl

ogén

étiq

ues

fN

ombr

euse

s m

étho

des

d'an

alys

e in

clua

nt d

esca

lcul

s de

dis

tanc

es, l

a co

nstr

uctio

n d'

arbr

es e

t di

ffére

ntes

man

ière

s de

vis

ualis

er le

s do

nnée

s

ME

GA

Cop

yrig

ht: I

PG

RI a

nd C

orne

ll U

nive

rsity

, 200

3 Lo

gici

els

17T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

006

fA

vant

ages

: •

Logi

ciel

dis

poni

ble

depu

is 1

993.

Peu

de

risqu

es d

e dé

couv

rir d

e no

uvea

ux b

ugs

•B

on a

ppui

, ave

c un

e do

cum

enta

tion

en li

gne

et u

n ou

vrag

e pu

blié

fIn

conv

énie

nt:

¾P

as tr

ès fa

cile

d'a

ccès

pou

r le

s dé

buta

nts

ME

GA

(sui

te)

Cop

yrig

ht: I

PG

RI a

nd C

orne

ll U

nive

rsity

, 200

3 Lo

gici

els

18T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

006

fLe

site

de

l'Eur

opea

nM

olec

ular

Bio

logy

La

bora

tory

–E

urop

ean

Bio

info

rmat

ics

Inst

itute

(E

BI)

<http

://w

ww

.ebi

.ac.

uk/s

ervi

ces/

>

fLa

pag

e su

r le

s lo

gici

els

dest

inés

àla

bio

logi

e de

l'In

stitu

tPas

teur

en

Fra

nce

<http

://bi

oweb

.pas

teur

.fr/in

tro-

uk.h

tml >

fLo

gici

els

de p

hylo

géni

e (li

ste

étab

lie p

ar J

oeF

elsl

oens

tein

de l'

Uni

vers

itéde

Was

hing

ton)

<http

://ev

olut

ion.

gene

tics.

was

hing

ton.

edu/

phyl

ip/

softw

are.

htm

l>

Res

sour

ces

disp

onib

les

sur

Inte

rnet

Cop

yrig

ht: I

PG

RI a

nd C

orne

ll U

nive

rsity

, 200

3 Lo

gici

els

19T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

006

fS

ite s

ur la

gén

étiq

ue d

u m

aïs

d'E

d B

uckl

er

<http

://w

ww

.mai

zege

netic

s.ne

t/bio

info

rmat

ics/

inde

x.ht

m>

fS

ite d

e K

ent H

olsi

nger

àl'U

nive

rsité

du C

onne

ctic

ut<h

ttp://

darw

in.e

eb.u

conn

.edu

/arc

hive

s.ht

ml >

fS

ite d

e C

laire

Con

stan

tine

àl'U

nive

rsité

Mur

doch

<h

ttp://

ww

wve

t.mur

doch

.edu

.au/

vets

chl/i

mga

d/G

SLi

nks.

htm

>

fP

age

sur

les

logi

ciel

s de

l'In

stitu

t de

géné

tique

et

d'am

élio

ratio

n de

s ar

bres

fore

stie

rs, U

nive

rsité

de

Göt

tinge

n, A

llem

agne

<http

://w

ww

.uni

-for

st.g

wdg

.de/

fors

t/fg/

inde

x.ht

m>

Res

sour

ces

disp

onib

les

sur

Inte

rnet

(sui

te)

Cop

yrig

ht: I

PG

RI a

nd C

orne

ll U

nive

rsity

, 200

3 Lo

gici

els

20T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

006

Ann

exe

9

Cop

yrig

ht: I

PG

RI a

nd C

orne

ll U

nive

rsity

, 200

3 Lo

gici

els

21T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

006

fD

e no

mbr

eux

logi

ciel

s so

nt d

ispo

nibl

es p

our

l'ana

lyse

de

donn

ées

mol

écul

aire

sde

div

ersi

tégé

nétiq

ue

fLe

plu

part

des

pro

gram

mes

se

vale

nt e

n te

rme

de

type

s d'

anal

yses

réa

lisée

s et

le c

hoix

est

plu

tôt u

ne

affa

ire d

e re

ssou

rce

et d

e pr

éfér

ence

des

ut

ilisa

teur

s

fD

e no

s jo

urs,

en

plus

des

logi

ciel

s lib

res,

il e

st

poss

ible

d'a

voir

accè

s vi

a In

tern

età

une

très

gr

ande

mas

se d

'info

rmat

ions

mét

hodo

logi

ques

de

nive

au é

lém

enta

ire o

u pl

us s

péci

alis

é

En

résu

mé

Cop

yrig

ht: I

PG

RI a

nd C

orne

ll U

nive

rsity

, 200

3 Lo

gici

els

22T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

006

fE

tre

fam

ilier

ave

c:

•Le

s di

ffére

ntes

car

acté

ristiq

ues

des

logi

ciel

s d'

anal

yse

de d

iver

sité

•Le

s av

anta

ges

et le

s in

conv

énie

nts

des

prin

cipa

ux

logi

ciel

s

fA

voir

une

idée

des

res

sour

ces

Inte

rnet

qui

pe

uven

t vou

s ai

der

dans

l'an

alys

e de

don

nées

de

div

ersi

tégé

nétiq

ue

Apr

ès c

ette

ses

sion

, vou

s de

vez

…

Cop

yrig

ht: I

PG

RI a

nd C

orne

ll U

nive

rsity

, 200

3 Lo

gici

els

23T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

006

Réf

éren

ces

Cop

yrig

ht: I

PG

RI a

nd C

orne

ll U

nive

rsity

, 200

3 Lo

gici

els

24T

radu

ctio

n fr

ança

ise

par

le C

IRA

D, 2

006

fG

loss

aire

Sui

te

1

Analyse de la diversité génétique

à partir de données moléculaires:

Module d'enseignement

Adventice: • En agriculture, une plante individuelle ou une espèce poussant où elle n'est

pas souhaitée. • En écologie, une plante capable de pousser dans des habitats ouverts ou

perturbés, par exemple après un feu ou des perturbation dues à l'homme. ADN microsatellite: Type d'ADN répété constitué de répétitions de très courts motifs comme des di, des tri ou des tétranucléotides. Aussi appelé simple sequence repeats (SSRs). AFLP: Amplified fragment length polymorphism (polymorphisme de longueur des fragments amplifiés). Méthode très sensible pour détecter du polymorphisme dans l'ADN. L'ADN subit d'abord une digestion enzymatique et un sous-ensemble des fragments obtenus est alors sélectionné pour une amplification par PCR et une visualisation. Allèle: L'une des différentes formes d'un gène qui peut exister à un locus. Allèles multiples: Existence de plusieurs allèles connus d'un gène. Allogamie: Transfert de pollen (c'est-à-dire pollinisation) des anthères des fleurs d'une plante aux stigmates des fleurs d'une plante génétiquement différente de la première. Aussi appelé hybridation, pollinisation croisée ou xénogamie. AMOVA: Analyse de variance moléculaire. C'est une méthode pour étudier la variation moléculaire au sein d'une espèce. Autofécondation: Fertilisation d'une plante à partir du pollen de la même plante. Autogamie: • Transfert de pollen (pollinisation) des anthères des fleurs d'une plante aux

stigmates des fleurs de la même plante ou, parfois, à ceux d'une plante génétiquement identique.

• Possibilité pour de nombreuses espèces de plantes de s'auto-fertiliser naturellement avec succès. Aussi appelé auto-pollinisation.

Auto-pollinisation: Voir Autogamie.

Glossaire

2

Amélioration des plantes: Multiplication et manipulation génétique par hybridation ou croisement délibéré de plantes dans le but de sélectionner des descendances améliorées. Biodiversité: Ensemble des gènes, espèces et écosystèmes d'une région donnée, que cela soit un micro habitat ou le monde entier. Aussi appelé diversité biologique. Caractérisation: Evaluation des caractères des plantes qui sont hautement héritables, faciles à voir à l'oeil nu, également exprimés dans tous les environnements et utilisables pour distinguer des phénotypes. Collection (de ressources génétiques): • Rassemblement d'individus domestiqués (variétés traditionnelles, cultivars

anciens et modernes, et lignées améliorées), et d'espèces apparentées sauvages ou adventices.

• Le matériel rassemblé lors de ces collectes est appelé collection. Consanguinité: Croisement d'individus apparentés. Croisement d'une succession de parents appartenant à la même race. Aussi appelé endogamie. (voir Pollinisation croisée) Conservation: Gestion de l'utilisation de la biosphère par l'homme de manière à ce qu'elle puisse produire le plus grand bénéfice durable pour les générations actuelles tout en maintenant sa capacité à répondre aux besoins et aspirations des générations futures. De cette manière, la conservation est positive, associant la préservation, le maintien, l'utilisation durable, la restauration et l'amélioration de l'environnement naturel. Conservation ex situ: • Méthode de conservation qui suppose de retirer les ressources génétiques

(semences, pollen, sperme, organismes individuels) de leur habitat d'origine ou de leur environnement naturel.

• Conservation des composantes de la biodiversité vivantes en dehors de leur habitat d'origine ou de leur environnement naturel.

(voir conservation in situ) Conservation in situ: Méthode de conservation qui essaye de préserver l'intégrité génétique des ressources en gènes en les conservant dans les écosystèmes à évolution dynamique de leur habitat d'origine ou de leur environnement naturel. (voir Conservation ex situ) Dérive génétique: Changement imprévisible des fréquences alléliques qui se produit dans des populations de petite taille. Diploïde: Jeu complet de matériel génétique, constitué de paires de chromosomes, avec un chromosome de chaque jeu parental. La plupart des cellules animales, à l'exception des gamètes, ont un nombre diploïde de chromosomes. (Voir Haploïde)

3

Distance génétique: Degré d'apparentement entre sous-groupes ou populations évalué par divers indices. Diversité des espèces: Fonction de la distribution et de l'abondance des espèces. Sens identique à richesse en espèces. Dans la littérature plus technique, comprend des considérations sur la régularité de l'abondance des espèces. Un écosystème est considéré comme ayant une diversité supérieure, d'après la définition la plus technique, si les espèces présentes ont des populations de tailles identiques, et une diversité inférieure si de nombreuses espèces sont rares et certaines très communes. Diversité génétique: Variation dans la composition génétique d'individus d'une espèce ou d'individus d'espèces différentes; variation génétique héritable intra- ou inter-populations. Domestication: Evolution des plantes ou animaux, soit naturellement soit par sélection artificielle, en des formes plus utiles à l'homme, par exemple au travers de la disparition de l'égrenage naturel. Enzyme de restriction: Endonucléase qui reconnaît une séquence spécifique et qui coupe l'ADN en ce point Equilibre de Hardy-Weinberg: Distribution de fréquence stable des génotypes, AA, Aa, et aa, dans des proportions p², 2pq, et q², (où p et q sont les fréquences des allèles A et a), qui est la conséquence de croisements au hasard en l'absence de mutation, migration, sélection naturelle ou dérive aléatoire. Erosion génétique: Perte de diversité génétique au fil du temps entre ou au sein de populations, ou réduction de la base génétique d'une espèce. Espèce sauvage apparentée: Espèce apparentée à l'espèce cultivée qui pousse hors des champs et qui n'est pas utilisée dans un but agricole. Flux de gènes: Echange de matériel génétique entre populations. Ce terme peut être utilisé dans le sens de la reproduction de la plante (c'est-à-dire être dû à la dispersion des gamètes et des zygotes) ou être dû à l'influence humaine, comme l'introduction de nouvelles variétés cultivées par les paysans. Gène: Unité physique et fonctionnelle de base de l'hérédité, qui transmet l'information d'une génération à une autre. C'est un segment d'ADN qui inclut la partie transcrite et l'élément régulateur qui permet sa transcription. Génétique des populations: Etude quantitative et mesure de populations en termes statistiques, par exemple étude de phénomènes génétiques en terme de paramètres génétiques standards tels que des tables et distributions de fréquence, des moyennes, des variances et des écarts-types. Génome: Ensemble du matériel génétique d'un organisme. Haploïde: Jeu unique de chromosome représentant la moitié du jeu complet de matériel génétique, présent dans chaque ovule ou cellule spermatique des animaux et dans chaque ovule et grain de pollen des plantes (du grec haploos, unique).

4

(voir Diploïde) Haplotype: Profil allélique particulier à un ensemble de loci appartenant à un groupe de liaison bien défini. Hétérozygote: Individu diploïde qui a des allèles différents à un ou plusieurs loci (du grec heteros, autre) (voir Homozygote) Homozygote: Individu diploïde qui a des allèles identiques à un ou plusieurs loci (du grec homos, le même) (voir Hétérozygote) Isozyme: Formes multiples d'une enzyme dont la synthèse est contrôlée par plus d'un gène. Locus (pluriel locus ou loci): Position spécifique sur un chromosome où est situé un gène ou un segment particulier d'ADN. Marqueur: Site d'un chromosome identifiable physiquement et dont la transmission peut être suivie (par exemple gène, site de restriction ou marqueur RFLP). Marqueur génétique: Allèle, bande sur un gel ou caractère qui sert de preuve expérimentale pour identifier un individu ou une de ses caractéristiques. Migration: Mouvement d'individus entre des populations qui seraient sinon en isolement reproductif. Mutation: Terme décrivant un changement brutal et héritable du phénotype. Tout changement permanent et héritable de la séquence d'ADN. Les types de mutations incluent des mutations ponctuelles, des délétions, des insertions et des changements dans le nombre et la structure des chromosomes. Pollinisation croisée: Système de croisement allogame dans lequel les croisements se font entre individus moins apparentés que les paires moyennes choisies au hasard dans la population. Appelé aussi exogamie. (Voir Consanguinité) Phylogénie: Histoire évolutive d'une espèce. Diagramme illustrant l'histoire évolutive reconstituée de populations d'organismes apparentés. Polymorphisme: Existence de formes différentes associées à des allèles différents d'un gène ou homologues d'un chromosome. Population: En génétique, groupe d'individus qui partagent un même fond génétique et qui peuvent s'intercroiser. Purine: Un composé de base contenant de l'azote, à double anneau, se rencontrant dans les acides nucléiques. Les purines de l'ADN et de l'ARN sont l'adénine et la guanine.

5

Pyrimidine: Un composé de base contenant de l'azote, à simple anneau, se rencontrant dans les acides nucléiques. Les pyrimidines de l'ADN sont la cytosine et la thymine. Les pyrimidines de l'ARN sont la cytosine et l'uracile. RAPD: Random amplified polymorphic DNA (ADN polymorphique amplifié au hasard). Technique d'amplification de morceaux d'ADN anonymes, faisant appel à une PCR avec des amorces arbitraires. Recombinaison: Production d'une molécule d'ADN avec des morceaux dérivés de plus d'une molécule parentale d'ADN. Chez les eucaryotes, ceci s'obtient par l'échange réciproque d'ADN entre chromatides non sœurs au sein d'une paire de chromosomes homologues durant la prophase de la première division de méiose. La recombinaison permet aux chromosomes de réarranger leur matériel génétique, accroissant de ce fait le potentiel de diversité génétique. Egalement appelé crossing-over. Réjuvénation ou régénération (de collections de ressources génétique): • Culture d'échantillons de semences d'une accession de manière à restaurer

la viabilité des semences de l'accession originelle. Ceci est généralement réalisé quand la faculté germinative du matériel originel tombe en dessous de 85%.

• Processus permettant l'obtention d'une plante entière à partir de cellules individuelles par culture in vitro.

Reproduction asexuée: Formation de nouveau individus à partir de cellules d'un seul parent. Il n'y a pas de recombinaison ou de mélange des formes parentales. RFLP: Restriction fragment length polymorphism (polymorphisme de longueur des fragments de restriction). Variations entre individus détectés par des différences de longueur des fragments d'ADN après une restriction enzymatique. Système de croisement: Nature des croisements entre individus d'une population, incluant des facteurs tel que degré de consanguinité, association par paires et nombre de croisements simultanés. Le système de croisement est d'une importance essentielle pour déterminer à la fois la structure génétique et le potentiel évolutif de populations naturelles. Systèmes de reproduction: Système par lequel une espèce se reproduit. Il y a plusieurs systèmes de reproduction chez les plantes. Voir par exemple allogamie et autogamie. Reproduction sexuée: Production de nouveaux individus, suivant le mélange dans une cellule unique des gènes de deux cellules différentes -généralement des gamètes- provenant généralement de parents différents. SSR: Voir ADN microsatellite. Sympatrique: Se rencontrant dans la même zone géographique.

IPGRI - L’institut international des ressources génétiques végétales (InternationalPlant Genetic Resources Institute , IPGRI) est une organisation scientifiqueinternationale et autonome, financée par le groupe consultatif sur la recherche agricoleinternationale (CGIAR). Le mandat de l’IPGRI est de favoriser la conservation et l’utilisation de la diversité génétique pour le bien-être des générations présente et àvenir. L’IPGRI a ses quartiers généraux à Rome (Italie), et des bureaux répartis dans 22 pays du monde. Il fonctionne en trois programmes: (1) Le programme des ressourcesgénétiques végétales; (2) Le programme support des ressources génétqiue du CGIAR; et (3) Le réseau international pour l’amélioration de la banane et du plantain (INIBAP).

IGD - L’institut pour la diversité du génome (Institute for Genomic Diversity) est situé àl’université de Cornell à Ithaca, New York (USA). Les missions de l’IGD sont de développer, transférer et fournir des technologies et ressources éducatives pourrésoudre les problèmes affectant la conservation de la biodiversité et la sécuritéalimentaire. De façon spécifique, nos objectifs sont: d’utiliser la génomique évolutive et comparative pour résoudre des problèmes appliqués; de développer et transférer des technologies appliquées en génomique et bioinformatique; de proposer un supportcontinu pour des efforts nationaux et internationaux de conservation, d’agriculture et d’amélioration des plantes; enfin d’éduquer et former par la recherche à tous les niveaux(inclus mais non limité à ce niveau des étudiants avant ou après le niveau master, des scientifiques invités, des enseignants du supérieur, des professeurs).

Copyright © 2003 by the International Plant Genetic Resources Institute (IPGRI) and Institute for Genomic Diversity (IGD), Cornell University.

A l’exception d’une autorisation spécifique, les droits de copie et autres droitsliés à ce travail reviennent à l’IPGRI et l’université de Cornell. Toute personnepeut copier et imprimer gratuitement ce matériel pour des objectifsd’enseignement ou autres propos non commerciaux, sans avoir à en demanderl’autorisation préalable des détenteurs des droits de copie. La reconnaissance de l’origine du matériel est requise pour cela.

Citationde Vicente, M.C. and Fulton, T. (eds.). 2003. Using Molecular Marker Technology in Studies on Plant Genetic Diversity Studies: Learning Module. International PlantGenetic Resources Institute (IPGRI), Rome, Italy.

M. Carmen de Vicente, PhD, est généticienne moléculaire végétale à l’IPGRIAmeriques—Bureau Regional, Cali, Colombie; et Theresa Fulton, PhD, est directricedes activités de vulgarisation a l’institut de diversité génomique de l’niversité de Cornell, Ithaca, NY, USA.

ii

C:\unzipped\Vol2\Vol2\16_Feedback Form_FINAL_tradR.doc

1

Fiche d'évaluation Le contenu de ce module change en permanence, rendant nécessaires des mises à jours périodiques. Pour cette raison, nous proposons ce module sous forme électronique. Pour nous aider dans les mises à jour, nous apprécierions de recevoir des commentaires pertinents ainsi que des suggestions des utilisateurs pour améliorer encore ce module. Vos commentaires sur l'utilité de cet outil nous seraient aussi très utiles. Nous avons posé ci-dessous quelques questions pour vous guider dans vos réponses. Vous pouvez nous les envoyer directement en cliquant sur le bouton 'Soumettre' à la fin de cette page, par fax (no: 57-2 445 0096), par courrier à votre contact à l'IPGRI ou par e-mail soit à [email protected], soit à [email protected], soit à [email protected] Questions:

1. Comment avez-vous utilisé cet outil?

2. Pensez-vous que le module: a. Fournit une vue générale des concepts de base de la

génétique des populations permettant d'évaluer la diversité génétique?

Oui Non Pourquoi?

b. Montre comment l'utilisation de technologies de marquage

moléculaire peut être une approche pratique pour toute personne préparant des analyses de diversité génétique?

Oui Non Pourquoi?

c. Donne des informations sur comment analyser et interpréter des données de marquage moléculaire?

Oui Non Pourquoi?

C:\unzipped\Vol2\Vol2\16_Feedback Form_FINAL_tradR.doc

2

d. Donne une liste des ressources bibliographiques actuelles pour chacun des sujets abordés?

Oui Non Pourquoi?

3. Dites-nous ce que vous avez aimé et ce que vous changeriez dans les éléments suivants:

a. Contenu général

b. Structure des sous-modules

c. Dessins et schémas

d. Annexes

e. Autres

4. Qu'ajouteriez-vous au module pour le rendre plus utile dans votre cas

particulier?

a. Des références de base

b. Des exemples d'application

c. Des informations supplémentaires sur: I. Les concepts de génétique des populations II. Les mesures de diversité génétique III. Les logiciels présentés

d. Autres éléments

5. Quels autres sujets voudriez-vous voir abordés dans ce module?

6. Vous a-t-il été difficile de télécharger le module ou des partie du module? Pourquoi?

Soumettre

Remerciements La réalisation du module d’enseignement sur l’analyse de la diversité génétique à l’aide des marqueurs moléculaires a été possible grâce à une collaboration entre l’International Plant Genetic Resource Institute ( IPGRI) et Institute for Genetic Diversity (IGD) de l’université de Cornell. Les remerciements des auteurs s’adressent plus particulièrement aux organismes et aux personnes suivantes : - Le bureau régional Pacifique et Océanie d’ IPGRI Asie, à travers le projet arbres fruitiers tropicaux, lui-même supporté par la Banque Asiatique de Développement ( ADB), qui a contribué au financement de ce module. - Felix Alberto Guzman (bureau régional IPGRI Amérique), pour son appui dans la clarification de l’information et dans l’adaptation de la version finale aux corrections des différents collègues et de l’éditeur. -Amanda Garris (IGD) et Steve Tanksley (département d’Amélioration des Plantes) tous deux à l’université Cornell, pour nous avoir permis d’utiliser information et figures extraites de leurs diapositives. -Joanne Labate pour les « discussions virtuelles » et Alexandra Casa et Martha Hamblin de l’IGD pour leur avis sur les programmes à discuter. - Humberto Gomez Paniagua, Centro Internacional de Agricultura Tropica (CIAT), pour ses précieux commentaires ayant permis l’amélioration du contenu et de la présentation didactique du produit. - Myriam Cristina Duque (CIAT) pour son aide à la préparation du plan de ce module et la clarification des concepts sur les mesures de la diversité génétique. Marilyn Warburton Centre de biotechnologie appliquée , Centro internacional par Mejoramiento de maiz y Trigo (CIMMYT, Mexico), pour ses suggestions d’amélioration des diapositives relatives aux méthodes de clustering. - L’équipe de l’unité des ressources génétiques, CIAT (Colombie) pour avoir partagé l’image des haricots comme toile de fond pour un des sous-modules. -Le professeur Heiber Cardenas ( département de biologie, université de Valle, Cali, Colombie), pour avoir testé le module d’enseignement auprès de cinq de ses étudiants (Ivan Andres Gonzales, Maria Fernanda Castillo, Carmenza Montoya, Fernando Rondon Gonzales et Diego Mauricio Villamarin Miranda) et pour avoir formulé des commentaires constructifs pour le module. -Luigi Guarino, Ramanatha Rao, Issiaka Zougrana, Margarita Baena, Zongwen Zhang, Mikkel Grum, Jan Engels et Elisabeth Golberg (IPGRI) pour leurs commentaires et suggestions notamment dans l’amélioration de la convivialité du module. -Elizabeth L.McAdam, pour sa contribution dans l’édition du manuscrit et ses suggestions pertinentes quant au format du produit et Lynn Menendez pour la coordination de l’édition du manuscrit et pour la suggestion de plusieurs modifications très utiles. -Gladys Rodriguez (CIAT) pour son aide dans la relecture du produit.

1

Annexe 1 : Concepts de base en génétique des populations Valeurs seuil de la distribution de Chi2

0.05 0.01

1 3.84 6.64 2 5.99 9.21 3 7.81 11.34 4 9.49 13.28 5 11.07 15.09

6 12.59 16.81 7 14.07 18.48 8 15.51 20.09 9 16.92 21.67

10 18.31 23.21

11 19.68 24.72 12 21.03 26.22 13 22.36 27.69 14 23.68 29.14 15 25.00 30.58

16 26.30 32.00 17 27.59 33.41 18 28.87 34.80 19 30.14 36.19 20 31.41 37.57

21 32.67 38.93 22 33.92 40.29 23 35.17 41.64 24 36.41 42.98 25 37.65 44.31

26 38.88 45.64 27 40.11 46.96 28 41.34 48.28 29 42.56 49.59 30 43.77 50.89

1

Annexe 2 à: Mesures de la diversité génétique

Analyse de variance moléculaire: Exemple 1 Ce modèle, aussi appelé AMOVA, mesure la diversité génétique entre populations en référence à des zones d'une région d'un continent (situation 3, diapositive 26). Nous avons: i = individus, j = allèles, k = populations

Yki(j) = Y + ak + bk(i) + wki(j) Où,

Yki(j) = valeur comprise entre 0 et 1 pour l'allèle j de l'individu i issu de la population k

ak = effet de la population k, de variance 2a bk(i) = effet de l'individu i issu de la population k, de variance 2b wki(j) = effet du locus j de l'individu i issu de la population k, de variance 2w

n = produit de i, j et k, soit le nombre total d'observations

Sources de variation ddl SC CM ECM

Entre populations (k – 1) X...k2/ij – X…2/ijk CMa 2w + 2 2b + 2n 2a

Entre individu/pop. k(i – 1) Xi...k2/j – ...k2/ij CMb 2w + 2 2b

Intra-individu ki(j – 1) Xijk2 – Xi...k2/j CMw 2w

Total kij – 1 Xijk2 – X…2/ijk

Variances et estimateurs des statistiques F

2a = FST 2 FIT = ( 2a + 2b)/ 2

2b = (FIT – FST) 2 FST = 2a/ 2

2w = (1 – FIT) 2 FIS = 2b/( 2b + 2w)

2 = 2w + 2b + 2a Où,

2a = variance entre populations qui possèdent des allèles identiques. Cette variance est estimés par (CMa – CMb)/2n

2b = variance entre individus au sein de chaque population. Cette variance est estimée par (CMb – CMw)/2

2w = variance intra-individu ou mesure de la probabilité que les allèles à un locus soient différents. Cette variance est estimée par le carré moyen intra-individu (CMW)

1

Annexe 3 de: Mesures de la diversité génétique

Analyse de variance moléculaire: Exemple 2 Comme décrit dans l'annexe 2, ce modèle (AMOVA) mesure la diversité génétique entre populations, cette fois en référence à des populations dans une zone d'une région d'un continent (situation 4, diapositive 26). Un nouveau niveau hiérarchique est introduit (la région) avec ses paramètres spécifiques et estimateurs des carrés moyens. Nous avons: i = individus, j = allèles, k = populations, l = régions

Ylki(j) = Y + rl + al(k) + blk(i) + wlki(j) Où,

Ylki(j) = valeur comprise entre 0 et 1 pour l'allèle j de l'individu i issu de la population k de la région I

rl = effet de la région I, de variance 2r al(k) = effet de la population k de la région I, de variance 2a blk(i) = effet de l'individu i de la population k de la région I, de variance

2b wlki(j) = effet du locus j de l'individu i de la population k de la région I, de

variance 2c n = produit de i, j, k et l, soit le nombre total d'observations

Sources de variation ddl CM ECM

Entre régions l – 1 CMr 2w + 2 2b + 2n 2a + 2nl 2r Entre populations d'une région l(k – 1) CMa 2w + 2 2b + 2n 2a

Entre individus/ population/ région Ik(i – 1) CMb 2w + 2 2b

Intra-individus lki(j – 1) CMw 2w

Total Ikij – 1

Variance totale (%) % 2r = ( 2r/ 2) 100 % 2a = ( 2a / 2) 100

2 = 2r + 2w + 2b + 2a % 2b = ( 2b / 2) 100 % 2w = ( 2w / 2) 100 2r est la variance entre régions, estimée par (CMa – CMb)/2nl. Dans les estimateurs de la variance, le signe ‘%’ a été ajouté car nous pouvons exprimer la variance due à chaque source de variation (régions, populations d'une région, individus d'une population) comme une fonction de la variance totale et, de ce fait, nous pouvons déterminer laquelle de ces sources de variation est la plus importante. Par exemple, si la valeur de la variation due aux régions était élevée et celles des autres sources étaient faibles, nous pourrions conclure que les populations au sein d'une région ont des fréquences alléliques homogènes mais que les populations de différentes régions diffèrent notablement en terme de fréquences alléliques.

1

Annexe 4 à : Mesures de la Diversité Génétique

Distance géométrique Variables quantitative La distance géométrique, connue aussi comme distance taxonomique (Sokal, 1961), est mesurée par une distance euclidienne, selon la formule suivante :

dij = [ k(Xik – Xjk)2]1/2

où

Xik = valeur de la variable k de l'individu i Voir annexe 5 pour un exemple de calcul Variables mixtes Si il y a des variables mixtes, elles doivent d'abord être standardisées selon la formule suivante Où

Xij = valeur du caractère i de l'individu j Xi = moyenne du caractère i si = écrat type du caractère i

P nombre de variables Si il y a p variables, la distance doit être pondérée pour devenir indépendante du nombre de variables, selon la formule suivante : Référence Sokal, R. 1961. Distance as a measure of taxonomic similarity. Syst. Zool.

10(2):40-51.

i

iijijstand

sX-XX =

P

)X-(X

d

2

kk

jkik

2ij

∑ ⎥⎦⎤

⎢⎣⎡

= ı

1


Transformation des variables quantitatives: Un exemple Nous avons trois caractères mesurés chez 4 individus:

• Taille de la plante (m) • Pois du grain (g) • Diamètre du grain de pollen (µ)

Avant de calculer les distances, nous devons d'abord standardiser les données en utilisant la formule:

mstand = m - m/

Les unités de mesure disparaissent avec la standardisation.

m mstand g gstand µ µstand

Indiv. 1 1,50 0,35 0,02 0,00 80,00 -0,15

Indiv. 2 1,20 -1,41 0,03 1,00 70,00 -1,32

Indiv. 3 1,45 0,06 0,01 -1,00 90,00 1,02

Indiv. 4 1,60 0,94 0,02 0,00 85,00 0,44

Moyenne (Xi) 1,44 0,02 81,25

Ecart-type (si) 0,17 0,01 8,54

Les distances peuvent alors être calculées pour chaque paire d'individus en utilisant la formule déjà connue:

dij = [ (Xij – Xkj)2]1/2

d12 = [(0,35 – (-1,41))2 + (0,0 – 1,0)2 + (-0,15 – (-1,32))2]1/2 = 2,34 d11 = 0

d13 = [(0,35 – 0,06)2 + (0,0 – (-1,0))2 + (-0,15 – 1,02)2]1/2 = 1,57 d22 = 0

d14 = [(0,35 – 0,94)2 + (0,0 – 0,0)2 + (-0,15 – 0,44)2]1/2 = 0,83 d33 = 0

d23 = [(-1,41 – 0,06)2 + (1,0 – (-1,0))2 + (-1,32 – 1,02)2]1/2 = 3,41 d44 = 0

d24 = [(-1,41 – 0,94)2 + (1,0 – 0,0)2 + (-1,32 – 0,44)2]1/2 = 3,10

d34 = [(0,06 – 0,94)2 + (-1,0 – 0,0)2 + (1,02 – 0,44)2]1/2 = 1,45 Une fois calculées les distances de chaque paire, il est possible d'identifier des groupes en utilisant la méthode UPGMA (voir détails dans les diapositives 58 et 59 du module).

2

3

D'abord, nous organisons les distances calculées en les plaçant dans un tableau symétrique:

I1 I2 I3 I4

I1 0

I2 2,34 0

I3 1,57 3,41 0

I4 0,83 3,10 1,45 0

Pour le premier cycle, nous commencons par choisir la distance la plus courte, qui est, dans notre exemple, d1,4 = 0.83. Une nouvelle matrice peut alors être créée en regroupant les individus I1 et I4 et en calculant les distance combinées:

d2(1,4) = (d1,2 + d2,4)/2 = (2,34 + 3,10)/2 = 2,72 d3(1,4) = (d1,3 + d3,4)/2 = (1,57 + 1,45)/2 = 1,51

I1,4 I2 I3

I1,4 0

I2 2,72 0

I3 1,51 3,41 0

La distance la plus courte est maintenant celle qui sépare l'individu I1,4 de l'individu I3. Dans le cycle suivant, une nouvelle matrice est créée en regroupant ces individus en un individu I(1,4)3 et en calculant sa distance à l'individu I2 d((1,4)3)2 = 3,07

I1,4(3) I2

I1,4(3) 0

I2 3,07 0

Il est maintenant possible à partir de ces résultats de tracer un dendrogramme positionnant les 4 individus de l'exemple les uns par rapport aux autres:

4

1,50 1,002,00 0,03,00

1

4

3

2

1


Application du coefficient de simple matching à des caractères morphologiques (variables qualitatives à modalités) Nous avons trois caractères:

• Pilosité des feuilles: rare (1), commune (2), abondante (3) • Couleur des pétales: blanc (1), jaune (2), rouge (3) • Longueur du pétiole: court (1), moyen (2), long (3)

Nous commençons par transformer les données mesurées en données binaires. Les trois caractères initiaux sont transformés en 9 caractères binaires. Ceci peut conduire à augmenter le poids accordé à ces caractères au détriment d'autres utilisés dans l'analyse.

Caractère 1 Caractère 2 Caractère 3

Ind 1 2 1 2

Ind 2 2 3 3

Ind 3 1 2 1

Ind 4 3 3 1

Caractère 1 (code binaire)



Rare CommuneAbondante Blanc Jaune Rouge Court Moyen Long

Ind 1 0 1 0 1 0 0 0 1 0

Ind 2 0 1 0 0 0 1 0 0 1

Ind 3 1 0 0 0 1 0 1 0 0

Ind 4 0 0 1 0 0 1 1 0 0

Nous utilisons ensuite le coefficient de simple matching pour calculer les distance entre paires d'individus:

Comparaison par paires pour tous les caractères

IND 1 vs. 2 1 0 IND 1 vs. 3 1 0 IND 1 vs. 4 1 0

1 a = 1 b = 2 1 a = 0 b = 3 1 a = 0 b = 3

0 c = 2 d = 4 0 c = 3 d = 3 0 c = 3 d = 3

IND 2 vs. 3 1 0 IND 2 vs. 4 1 0 IND 3 vs. 4 1 0

1 a = 0 b = 3 1 a = 1 b = 2 1 a = 1 b = 2

2

0 c = 3 d = 3 0 c = 2 d = 4 0 c = 2 d = 4

Nous pouvons maintenant utiliser la méthode qui permet d'identifier des groupes et tracer le dendrogramme correspondant:

I1 I2 I3 I4

I1 0

I2 0,56 0

I3 0,33 0,33 0

I4 0,33 0,56 0,56 0

Coefficient

0,25 0,44 0,63 0,81 1,00

Dendrogramme basé sur les phénotypes

1

2

3

4

1

Annexe 7 de: Mesure de la diversité génétique

Calcul de la distance génétique de Nei Tout d'abord, avec les données issues de l'exemple (voir diapositive 48), nous construisons une matrice de distance comme suit: Durant le premier cycle, nous choisissons la distance la plus courte: d1,3 = 0,0107 Dans le second cycle, une nouvelle matrice est établie en regroupant l'individu P1 avec l'individu P3 et en calculant leurs distances combinées à l'individu P2:

d2(1,3) = (d1,2 + d2,3)/2 = (0,0852 + 0,044)/2 = 0,0646 Nous pouvons maintenant dessiner le dendrogramme:

P1 P2 P3

P1 0

P2 0,0852 0

P3 0,0107 0,0440 0

P1,3 P2

P1,3 0

P2 0,0646 0

0,02 0,01 0,0 0,08 0,03 0,06 0,05 0,04 0,07

2

3

1

1


Similarités morphologiques et moléculaires

Disons que nous avons trois roses (1, 2, 3). Les roses 2 et 3 semblent identiques morphologiquement alors que la rose 1 semble différente. Si nous regardons les fragments d'ADN, que nous supposons engendrés par un marqueur moléculaire, nous voyons que les roses 1 et 2 semblent plus proches. Qu'est-il arrivé? Ceci montre l'importance d'étudier la diversité génétique à tous les niveaux possibles. La combinaison des informations provenant de différents types de marqueurs -c'est à dire ceux qui correspondent aux gènes fonctionnels et ceux qui montrent du polymorphisme dans les régions génomiques d'intérêt- donnera la meilleur approximation de l'étendue de la variation génétique existante. Le même principe pourrait s'appliquer à la combinaison des données morphologiques et moléculaires. Dans cette annexe, nous montrons le type d'erreurs que nous pouvons faire si nos conclusions sont basées sur un seul type de données de marquage.

Individu1

1 3 4 5

6 7 8

9 10

11 12

2 3 + 4 2 5

6 7 + 8

9 + 10

11 12

1 21 3 4 5

6 7 8

9 10

11 12

1 22

ADN

Individu2 Individu3

2

Sur la base du profil de bandes d'ADN obtenu sur un gel pour les 3 individus, les distances entre paires d'individus sont calculées en utilisant le coefficient de Jaccard. Nous pouvons alors établir la matrice de distance et tracer le dendrogramme:

Ind1 Ind2 Ind3

Ind 1

1

Ind 2

0,786 1

Ind 3

0,400 0,294 1

Ind12 Ind3

Ind 12

1

Ind 3

0,347 1

cba

aJ

a = 11 b = 1

c = 2 d = 3Indi

v. 1

Indiv. 2

a = 5 b = 8

c = 4 d = 0Indi

v. 2

Indiv. 3

a = 6 b = 6

c = 3 d = 2Indi

v. 1

Indiv. 3

Ind.1 Ind.2 Ind.3

21

3

4

5

67

9

10

1112

1

22

2

3+4

7+8

9+10

a = 11 b = 1

c = 2 d = 3Indi

v. 1

Indiv. 2

a = 5 b = 8

c = 4 d = 0Indi

v. 2

Indiv. 3

a = 6 b = 6

c = 3 d = 2Indi

v. 1

Indiv. 3

Ind.1 Ind.2 Ind.3

21

3

4

5

67

9

10

1112

1

22

2

3+4

7+8

9+10

0.7862111

11J1,2 =++

= 0.400366

6J1, 3 =++

= 0.294485

5J2,3 =++

=

0.342

S S S 2,3 1,3

1,2,3

0,347 2

SSS

2,3 1,31,2,3

3

Ce dendrogramme a été établi à partir des données moléculaires. Nous pouvons le comparer avec le dendrogramme ci-dessous établi à partir des données morphologiques et analyser les différences. Selon le dendrogramme moléculaire, les individus 1 et 2 sont proches alors que les données morphologiques suggèrent que les individus 2 et 3 sont plus proches. Mais nous pouvons également utiliser les deux types de données en les combinant et refaire l'analyse avec les deux jeux de données simultanément.

a = 11 b = 2

c = 2 d = 3

Indi

v. 1

Indiv. 2

a = 6 b = 8

c = 4 d = 0

Indi

v. 2

Indiv. 3

a = 6 b = 7

c = 3 d = 2

Indi

v. 1

Indiv. 3

Ind.1 Ind.2 Ind.3

21

3

4

5

6

7

8

9

10

11

12

1

22

2

3+4

7+8

9+10

a = 11 b = 2

c = 2 d = 3

Indi

v. 1

Indiv. 2

a = 6 b = 8

c = 4 d = 0

Indi

v. 2

Indiv. 3

a = 6 b = 7

c = 3 d = 2

Indi

v. 1

Indiv. 3

Ind.1 Ind.2 Ind.3

21

3

4

5

6

7

8

9

10

11

12

1

22

2

3+4

7+8

9+10

Dendrogramme moléculaire

Dendrogrammemorphologique

0.0 1.0

Ind 1 I 1 Ind1

Ind2

Ind3

0.0 1.0 0.8 0.6 0.4 0.2

Ind2

Ind3

Ind1

4

Le dendrogramme combinant les deux types de données montre des distances de regroupement qui diffèrent à la fois de celles des dendrogrammes établis sur les seules données morphologiques ou sur les seules données moléculaires. Nous pouvons donc en conclure que l'information fournie par la combinaison des deux jeux de données est plus proche de la

réalité de la situation.

733.02211

11J1,2 =++

= 375.0376

6J1,3 =++

= 333.0486

6J2,3 =++

=

Ind3Ind2Ind1

Ind3

Ind2

Ind1 10.733 10.375 0.333 1

Ind3Ind2Ind1

Ind3

Ind2

Ind1 10.733 10.375 0.333 1

1

0.554 1

Ind3Ind12

Ind 3

Ind 1

2

0.5542SSS 2,31,3

(1,2)3 =+=

1

0.554 1

Ind3Ind12

Ind 3

Ind 1

2

0.5542SSS 2,31,3

(1,2)3 =+=

Ind2

0,0 1,0 0,8 0,6 0,4 0,2

Ind3

Ind1

1

Annexe 9 de: Logiciels d'analyse de la diversité génétique

Référence des logiciels Arlequin Schneider, S., D. Roessli and L. Excoffier. 2000. Arlequin: A Software for

Population Genetics Data Analysis, Version 2.000. Genetics and Biometry Laboratory, Dept. of Anthropology, University of Geneva, Switzerland.

CLUSTAL W Thompson, J.D., D.G. Higgins and T.J. Gibson. 1994. CLUSTAL W: improving the

sensitivity of progressive multiple sequence alignment through sequence weighting, position-specific gap penalties and weight matrix choice. Nucleic Acids Res. 22:4673-4680.

DnaSP Rozas, J. and R. Rozas. 1995. DnaSP, DNA sequence polymorphism: an

interactive program for estimating population genetics parameters from DNA sequence data. Comput. Appl. Biosci. 11:621-625.

GDA Lewis, P.O. and D. Zaykin. 1999. Genetic Data Analysis: Computer Program for

the Analysis of Allelic Data, Version 1.0 (d12). Distribué par les auteurs. GENEPOP Raymond, M. and F. Rousset. 1995. GENEPOP (version 1.2): Population

genetics software for exact tests and ecumenicism. J. Hered. 86:248-249. GeneStrut Constantine, C.C., R.P. Hobbs and A.J. Lymbery. 1994. FORTRAN programs for

analysing population structure from multilocus genotype data. J. Hered. 85:336-337.

MacClade Maddison, D.R. and W.P. Maddison. 2000. MacClade. Version 4. Sinauer

Associates, Sunderland, MA.

2

MALIGN Janies, D. and W.C. Wheeler. 1998. MALIGN.pdf: Documentation for MALIGN,

software for multiple alignments of DNA sequences. Distribué par les auteurs via Internet à <ftp://ftp.amnh.org/pub/molecular/malign/>.

MEGA2 Kumar, S., K. Tamura, I.B. Jakobsen and M. Nei. 2001. MEGA2: Molecular

Evolutionary Genetics Analysis software. Bioinformatics 17(12):1244-1245. NTSYSpc Rohlf, F.J. 2002. NTSYS pc: Numerical Taxonomy System, Version 2.1. Exeter

Publishing, Setauket, NY. PAUP* Swofford, D.L. 2002. PAUP*: Phylogenetic Analysis Using Parsimony (*and Other

Methods), Version 4. Sinauer Associates, Sunderland, MA. PHYLIP Felsenstein, J. 1993. PHYLIP (Phylogeny Inference Package), Version 3.5c.

Distribué par l'auteur. POPGENE Yeh, F.C., R.C. Yang, T.B.J. Boyle, Z.H. Ye and J.X. Mao. 1997. POPGENE, the

User-Friendly Shareware for Population Genetic Analysis. Molecular Biology and Biotechnology Centre, University of Alberta, Canada.

PowerMarker Liu, J. 2003. PowerMarker: New Genetic Data Analysis Software, Version 3.0.

Logiciel gratuit distribué par l'auteur via Internet à <http://www.powermarker.net>

SITES Hey, J and J. Wakeley. 1997. A coalescent estimator of the population

recombination rate. Genetics 145:833-846. Structure Pritchard, J.K., M. Stephens and P. Donnelly. 2000. Inference of population

structure using multilocus genotype data. Genetics 155:945-959.

3

TFPGA Miller, M.P. 1997. Tools for Population Genetic Analysis (TFPGA), 1.3: A

Windows Program for the Analysis of Allozyme and Molecular Population Genetic Data. Distribué par l'auteur.

Documents

Avant propos - Bioversity International · rnell University, 2003 Traduction française: Cirad & SupAgro, 2006 Introduction 2 f La méthode scientifique •Définir la question biologique