Modélisation de l'effet de la sélection naturelle sur la distribution des génotypes dans des gradients environnementaux (MODEGRAD)

Contexte et enjeux

Les conditions environnementales fluctuent dans le temps et dans l’espace, ce qui induit le maintien d’une diversité génétique au sein des populations par un double mécanisme : d’une part, l’hétérogénéité spatiale des pressions de sélection conduit vers différents optima adaptatifs et, d’autre part, les flux de gènes entre sous-ensembles de la population globales soumis à différentes pressions de sélection font que les optima locaux ne sont jamais atteints. En effet, les variations spatiales imposent un régime d’adaptation variable au sein du peuplement. Cette hétérogénéité spatiale peut favoriser le maintien d’une diversité génétique dans l’ensemble du peuplement, qui peut ensuite être mobilisée dans l’adaptation au changement climatique (CC).

Chez les arbres forestiers, on observe régulièrement une corrélation entre valeurs des variables environnementales et fréquences alléliques. Cela suggère que des processus de sélection et adaptation ont façonné ces patrons, en produisant une distribution non homogène des génotypes dans l’espace en fonction des conditions environnementales. Ces résultats empiriques sont cohérents avec des prédictions théoriques de  mise en place de la divergence entre sous-populations par sélection divergente même en présence de flux de gènes. Cependant, bien que ces études empiriques ont le mérite d’avoir identifié des processus de divergence entre groupes, elles n’ont pas abordé la distribution des génotypes individuels au sein des peuplements. Cette tâche est rendue compliquée par la nécessité d’observer des processus dont l’intensité est potentiellement faible, ce qui requiert une grande puissance analytique.

La caractérisation précise de cette diversité adaptative dans une population d’intérêt a besoin de l’identification des traits responsables des adaptations et leur architectures génétiques. En populations naturelles d’organismes non-modèle, cette information est coûteuse et lente à obtenir. Pourtant, l’étude de la diversité génétique moléculaire permet de mettre en évidence l’action de la sélection locale, même a l’échelle fine du paysage. Est-il possible de prédire le potentiel adaptatif de la population à partir de cette information ? Le projet MODEGRAD abordera cette question et le défi d’utiliser cette approche pour la prédiction de la trajectoire évolutive globale de la population dans des scenarios de changement climatique, ainsi que de l’impact de la gestion sur l’adaptation à court terme (d’une à quelques générations) et sur le maintien du potentiel d’adaptation à moyen terme.

Objectifs

MODEGRAD établira un cadre de modélisation des processus adaptatifs à l’échelle du peuplement et l’appliquera à des données génétiques empiriques issues de peuplements d’arbres forestiers. Actuellement, la génétique des populations est principalement une discipline focalisé dans l’étude du passé : elle est capable de produire des inférences sur l’histoire démographique des populations et identifier des régions du génome affectés par des éventements de sélection dans le passé. La prédiction de scénarios futures est l’originalité du projet MODEGRAD.

MODEGRAD va répondre :

• à deux questions fondamentales :

- Comment la variation spatiale et temporelle de la pression de sélection, en interaction avec les capacités de dispersion, façonne-t-elle l’adaptation d’un peuplement ?

- Comment l’adaptation sera-t-elle impactée par le CC ?

• et à une question appliquée :

- Comment orienter / faciliter par la gestion sylvicole les processus d’adaptation afin de faciliter la résilience des peuplements ?

MODEGRAD réunit des chercheurs sur l’adaptation des peuplements sauvages et sur l’étude des processus dynamiques spatio-temporels. La complémentarité des deux disciplines permet un développement théorique et méthodologique original.

Unités INRAE impliquées

• URFM, Avignon
• LESSEM, Grenoble
• CBGP, Montpellier
• ECOBIOP, Saint-Pée sur Nivelle
• BioSP, Avignon