Laurent Lehmann - Evolution of long lasting behaviours

655 vues

Publié le

Publié dans : Technologie, Formation
0 commentaire
0 j’aime
Statistiques
Remarques
  • Soyez le premier à commenter

  • Soyez le premier à aimer ceci

Aucun téléchargement
Vues
Nombre de vues
655
Sur SlideShare
0
Issues des intégrations
0
Intégrations
2
Actions
Partages
0
Téléchargements
4
Commentaires
0
J’aime
0
Intégrations 0
Aucune incorporation

Aucune remarque pour cette diapositive

Laurent Lehmann - Evolution of long lasting behaviours

  1. 1. Presentation The evolution of long-lasting behaviors Laurent Lehmann Universtity of Neuchatel
  2. 2. 2 LongLastingMontpellier.nb Comportements sociaux Beaucoup de comportements dans la nature amenent a des interactions entre conspecifiques.
  3. 3. LongLastingMontpellier.nb 3 Comportements sociaux -C: effet d'un comportement sur la survie ou la fecondite d'un acteur focal. B: effet du comportement sur la survie ou la fecondite des recepteurs.
  4. 4. 4 LongLastingMontpellier.nb Comportements sociaux: effets etendus dans le temps ("niche construction" ou "effets temporel")
  5. 5. LongLastingMontpellier.nb 5 Questions -Est-ce que la selection naturelle favorise des comportements avec effets phenotypiques etendus dans le temps? -Sous quelles conditions?
  6. 6. 6 LongLastingMontpellier.nb But de la presentation -Evaluer le gradient de selection sur des comportements avec effets temporels: -Population panmictique. -Modele de dispersion en iles. -Modele de dispersion avec isolation par la distance.
  7. 7. LongLastingMontpellier.nb 7 Gradient de selection: la regle d'Hamilton Un allele mutant est favorise par rapport a un resident si -c + ‚ ‚ bi,t Ri,t > 0 t i -c : effet direct sur la fitness de l'acteur. bi,t : effet indirect sur la fitness du recepteur de categorie i, t. Ri,t : degre de parente entre acteur et recepteur. i : somme sur "l'espace", t : somme sur le temps.
  8. 8. 8 LongLastingMontpellier.nb Effet ultime et proximal -c et bi,t : effet sur le nombre de descendants dans la generation suivante. -C et Bi,t : effet sur la survie ou la reproduction.
  9. 9. LongLastingMontpellier.nb 9 Hypotheses sur l'histoire de vie Modele Wright-Fisher:
  10. 10. 10 LongLastingMontpellier.nb Population panmictique: le cas classique Degre de parente zero entre individus (R=0).
  11. 11. LongLastingMontpellier.nb 11 Pop panmictique: effets sur la fitness B-C -c = -C - K O cout d. N competition d. HB - CL HN - 1L b= B - benefice ind. N competition ind.
  12. 12. 12 LongLastingMontpellier.nb Pop panmictique: gradient de selection -c > 0 B-C -C - K O>0 N "Harming" (B<0) a la place de "helping" evolue (Hamilton 1971).
  13. 13. LongLastingMontpellier.nb 13 Pop panmictique: effets temporels Bt : effet sur la fecondite des individus vivant t generations dans le futur.
  14. 14. 14 LongLastingMontpellier.nb Pop panmictique avec effets temporels: effets sur la fitness B0 - C -c = -C - K O cout d. N competition d. HB0 - CL HN - 1L b0 = B0 - benefice ind. N competition ind. bt = Bt - Bt =0 benefice ind. competition ind.
  15. 15. LongLastingMontpellier.nb 15 Pop panmictique avec effets temporels: gradient de selection -c > 0 B0 - C -C - K O>0 N "Harming" (B<0) a la place de helping evolue.
  16. 16. 16 LongLastingMontpellier.nb Pop panmictique: conclusion -La selection naturelle n'agit pas sur les effets phenotypiques a long-terme. -Mais les populations naturelles sont rarement panmictiques.
  17. 17. LongLastingMontpellier.nb 17 Nouvelle hypothese: Modele Wright-Fisher avec dispersion:
  18. 18. 18 LongLastingMontpellier.nb Modele en iles (Wright 1931) 1 R= 1+2Nm m : taux de migration.
  19. 19. LongLastingMontpellier.nb 19 Modele en iles: degre de parente R 0.5 0.4 N=5 0.3 0.2 0.1 N=20 0.0 0.0 0.2 0.4 0.6 0.8 1.0 m Degre de parente diminue avec la taille des iles et avec le taux de migration.
  20. 20. 20 LongLastingMontpellier.nb Modele en iles: effets sur la fitness H1 - mL2 HB - CL -c = -C - cout d. N competition d. 2 N-1 b= B + H1 - mL HB - CL benefice ind. N competition ind.
  21. 21. LongLastingMontpellier.nb 21 Modele en iles: gradient de selection Rb-c >0 -C > 0 Helping couteux n'evolue pas (Taylor 92)
  22. 22. 22 LongLastingMontpellier.nb Modele en iles avec effets temporels Bt : effet sur la fecondite des individus vivant dans le patch focal t generations dans le futur.
  23. 23. LongLastingMontpellier.nb 23 Modele en iles: degre de parente temporel Rt 0.25 0.20 t 1 N-1 0.15 m=0.1 Rt = H1 - mL + R0 N N 0.10 0.05 m=0.2 5 10 15 20 25 t Parameter value : N = 20
  24. 24. 24 LongLastingMontpellier.nb Modele en iles avec effets temporels: effets sur la fitness H1 - mL2 HB0 - CL -c = -C - cout d. N competition d. 2 N-1 b0 = B0 + H1 - mL HB0 - CL benefice ind. N competition ind. bt = Bt - H1 - mL2 Bt benefice ind. competition ind.
  25. 25. LongLastingMontpellier.nb 25 Modele en iles avec effets temporels: gradient de selection -c + ‚ bt Rt > 0 t ¶ H1 - mLt -C + ‚ Bt >0 t=1 N Effets a long-terme sont sous selection!
  26. 26. 26 LongLastingMontpellier.nb Modele en iles: conclusion -La selection naturelle agit sur les effets phenotypiques a long- terme si la population est structuree.
  27. 27. LongLastingMontpellier.nb 27 Modele isolation par la distance (IBD, Malecot 1946) -Dans les populations naturelles la dispersion se fait souvent vers les patches voisins. Rk : degre de parente entre deux individus pris a "distance" k Hk = nombres de pas separant deux patchesL.
  28. 28. 28 LongLastingMontpellier.nb Modele IBD: apparentement spatial 1.0 0.6 0.8 0.4 0.6 p@iD 0.2 Ri 0.4 0.0 0.2 -0.2 0.0 -0.4 1 2 3 4 5 0 10 20 30 40 50 Spatial distance i Spatial distance i Valeures de parametres: N = 20, m = 0.1, q = 0.1 of p[i]=H1 - qL qi, 100 patches.
  29. 29. LongLastingMontpellier.nb 29 Modele IBD: effets spaciaux Bi : effet sur la fecondite des individus vivant dans le patch a distance i du patch focal.
  30. 30. 30 LongLastingMontpellier.nb Modele IBD: effets sur la fitness 1 -c = -C - ‚ ‚ mi mi-j B£ j cout d. N i j competition d. N - d0,k bk = Bk - ‚ ‚ mi mi-j B£ j-k benefice ind. N i j competition ind. mi : probabilite de migration a distance i IB£j = B j - C if j = 0, B£j = B j sinonM
  31. 31. LongLastingMontpellier.nb 31 Modele IBD: gradient de selection -c + ‚ bk Rk > 0 k 1 -C - ‚ Bk - C >0 NT k NT : taille totale de la population "Harming" evolue!
  32. 32. 32 LongLastingMontpellier.nb Modele IBD: effets temporels et spaciaux Bt,i : effet sur la fecondite des individus vivant dans un patch a distance k et a t generations dans le futur du patch focal.
  33. 33. LongLastingMontpellier.nb 33 Modele IBD: apparentement spatio-temporel 0.8 t=0 0.6 0.4 t=250 1 ltê2 Ri,t k 0.2 Ri,t = ‚ ek,j K k 1 - lk 0.0 -0.2 -0.4 0 10 20 30 40 50 Spatial distance i Valeures de parametres: N = 20, m = 0.1, q = 0.1, et 100 patches.
  34. 34. 34 LongLastingMontpellier.nb Modele IBD avec effets temporels: effets sur la fitness 1 -c = -C - ‚ ‚ mi mi-j B£ j,0 cout d. N i j competition d. N - d0,k bk,0 = Bk,0 - ‚ ‚ mi mi-j B£ j-k,0 N i j benefice ind. competition ind. bk,t = Bk,t - ‚ ‚ mi mi-j Bj-k,t benefice ind. i j competition ind.
  35. 35. LongLastingMontpellier.nb 35 Modele IBD avec effets temporels: gradient de selection (population infinie) -c + ‚ ‚ bk,t Rk,t > 0 t k Pk,t -C + ‚ ‚ Bk,t >0 t¹≠0 k=0 N Pk,t ê N : probabilite qu ' une lignee de genes prise dans le patche k, t descende de l ' individu focal.
  36. 36. 36 LongLastingMontpellier.nb Modele IBD: parente directe Pk,t La distribution s'applatit dans l'espace et dans le temps.
  37. 37. LongLastingMontpellier.nb 37 Modele IBD: gradient de selection (population finie) Bk,t 1 1 -C + ‚ ‚ Pk,t - - ‚ Bk - C > 0 t¹≠0 k=0 N nd NT k positif ou negatif Si Pk,t > 1 ê nd, "helping" des recepteurs de categories k, t est favorise. If Pk,t < 1 ê nd, "harming" des recepteurs de categories k, t est favorise. nd : nombre de demes HNT = N ndL.
  38. 38. 38 LongLastingMontpellier.nb Modele IBD: parente directe Pk,t - 1 ê nd (population finie) 0.10 0.08 Benefit weight 0.06 0.04 0.02 t=501 0.00 -0.02 t=1 0 10 20 30 40 50 Spatial distance Valeures des parametres: m = 0.1, q = 0.1, et 100 patches. Effets temporels a tres long-terme (centaines de generations) peuvent etre sous selection.
  39. 39. LongLastingMontpellier.nb 39 Conclusion generale -Les effets phenotypiques etendus dans le temps peuvent etre sous selection avec dispersion limitee (meme sur des centaines de generations). -Il y a de la selection pour du "helping" et "harming" a long terme. -Combien de temps peuvent durer des effets temporels dans la nature? Des dizaines, centaines, ou milliers de generations? C'est une question empirique ouverte.

×