Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

Laurent Lehmann - The evolution of long lasting behaviours

581 views

Published on

  • Be the first to comment

  • Be the first to like this

Laurent Lehmann - The 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.

×