Gautier m grenoble_2011

  • Published on
    01-Nov-2014

  • View
    406

  • Download
    0

Embed Size (px)

DESCRIPTION

 

Transcript

<ul><li> 1. Introduction Mod`les Dmographiques e e Un exemple dapplication Dveloppements e Conclusion Mod`les hirarchiques baysiens de direnciation e e e e gntique et recherche de signatures de slection e e e applications ` des jeux de donnes SNP haut-dbit a e e Mathieu Gautier UMR INRA/CIRAD/IRD/SupAgro CBGP 29 Juin 2011 </li> <li> 2. Introduction Mod`les Dmographiques e e Un exemple dapplication Dveloppements e Conclusion Recherche de signatures de slection e Forces volutives gouvernant lvolution des frquences e e e allliques e Mutation (et recombinaison ` lchelle haplotypique) a e : source de la variabilit e Drive gntique : introduit la stochasticit (Taille nie des populations) e e e e Migration en terme de ux de g`nes e Slection e Inuence dirente ` lchelle du gnome e a e e (Cavalli-Sforza, 1966) Facteurs dmographiques (drive, ux de g`ne) eet global e e e Selection (mutation et recombinaison) eet local </li> <li> 3. Introduction Mod`les Dmographiques e e Un exemple dapplication Dveloppements e Conclusion Direntes approches e Principe Gnral e e Dnition dun estimateur de la variabilit gntique intra/inter e e e e population (e.g. FST , EHH) Recherche doutliers (relativement ` lattendu neutre) a Distribution thorique (Lewontin et Krakauer, 1973, Bonhomme et al., 2010) e Distribution simule (Bowcock et al., 1991, Beaumont &amp; Nichols, 1996) e Distribution empirique (Akey et al., 2002) Mod`lisation Hirarchique (Baysienne) e e e Ecace pour distinguer les eets locus des eets population-spcique e sur la variabilit gntique e e e La distribution (frquences allliques) e e est connue (ou approchable) pour dirents e mod`les e (dmographiques) e </li> <li> 4. Introduction Mod`les Dmographiques e e Un exemple dapplication Dveloppements e Conclusion FST et pure-drive e Mod`le (dmographique) de Wright/Fisher e e Les populations ont volu pendant t gnrations e e e e (non chevauchantes) en complet isolement depuis une population ancestrale commune Illustration dans le cas de taille de population constante (N) Evolution des frquences allliques e e P(Xt+1 = j|Xt = i) = j 2N ij (1 i )2Nj o` i = u i ,E[Xt+1 |Xt = xt ] = xt et V[Xt+1 |Xt = xt ] = 2Nxt (1 xt ) 2N E[Xt ] E[E[Xt |Xt1 ]] = E[Xt1 ] = ... = x0 = 2Np0 E[pt = Xt 2N ] = p0 V[pt ] = p0 (1 p0 )[1 (1 1/2N)t ] </li> <li> 5. Introduction Mod`les Dmographiques e e Un exemple dapplication Dveloppements e Conclusion FST et pure-drive e Mod`le en dsquilibre e ee (e.g. temps de xation) t(p0 ) = 4Ne (1pp0 0 )ln(1p0 ) (Kimura et Ohta, 1971) Si p 1 (e.g. p0 = 2Ne ) t(p0 ) 1 4Ne (px1 = p0 , px2 = 1 p0 ) Evolution de la direntiation e La variabilit des frquences allliques inter-pop e e e (direntiation) e augmente au cours du temps (Vmax = p0 (1 p0 )) Dnition : FST = e V (p) p0 (1p0 ) = 1 (1 2N )t 1 t 2N Mesure de lavancement du processus de drive (aboutissant ` la xation dun all`le) e a e </li> <li> 6. Introduction Mod`les Dmographiques e e Un exemple dapplication Dveloppements e Conclusion Simulations : 8 pops (2Ne = 500), 10000 SNPs (8500 neu, 250 per s class) t = 50 generations t = 100 generations </li> <li> 7. Introduction Mod`les Dmographiques e e Un exemple dapplication Dveloppements e Conclusion Modlisation hirarchique e e Principe {i } (0.7, 0.7) {cj } (1, 1) On veut sparer linuence de i e (p0 ) et cj (drive) e d sur la variance des ij Contraster les ij inter-pop informe sur les i d d Contraster les ij intra-pop informe sur les cj d {ij } f (ij |i , cj ) Distribution a priori sur les ij |i , cj ij |i , cj N[0,1] i , cj i (1 i ) (Nicholson et al.,2002) 1c 1c c ij |i , cj i c j , (1 i ) c j j j Y, N Yij Bin(ij , Nij ) Prior exacte : eq. de diusion de Kimura (en prp.) e </li> <li> 8. Introduction Mod`les Dmographiques e e Un exemple dapplication Dveloppements e Conclusion Comparaisons (4 pops, 300 SNPs, 2Ne=1000) model 1 (Tr. Gaussian) 1.0 1 2 3 4 4 2 1 3 1 3 4 2 4 3 3 4 1 2 2 1 3 1 4 0.8 2 3 4 2 1 0.6 c value 3 0.4...</li></ul>