Étudier les épidémies historiques et la sélection génétique

Des épidémies de maladies graves ont affecté les populations humaines et animales à travers l'histoire. Les épidémies les plus sévères ont souvent causé la mort de nombreux individus. Les variations génétiques qui aident certains individus à survivre à ces épidémies ont probablement subi une forte sélection au fil du temps. Pourtant, il y a peu de preuves qui soutiennent cette idée, malgré plusieurs études qui essaient de le prouver.

Les premières recherches se concentraient sur la sélection au niveau des gènes causée par les épidémies. Récemment, des scientifiques ont commencé à utiliser des scans de sélection plus avancés pour explorer ces questions. Un exemple célèbre est la peste noire, qui a été largement étudiée dans les populations anciennes et modernes. Cependant, aucune preuve claire d'une sélection induite par cette épidémie n'a été trouvée. Les chercheurs suggèrent que le manque de preuves pourrait être dû au fait que les variantes génétiques protectrices doivent être présentes dans la population avant que l'épidémie ne se produise. Cela pourrait aussi venir de limites, comme des tailles d'échantillon trop petites dans les études existantes. Malgré les avancées dans l'étude de l'ADN ancien, le nombre d'échantillons analysés jusqu'à présent n'a peut-être pas été suffisant pour répondre aux questions sur la sélection induite par les épidémies. Les méthodes actuelles se concentrent souvent sur la sélection à long terme et les nouvelles variantes génétiques, tandis que la sélection causée par les épidémies tend à être à court terme. Donc, elle agit sur les variations génétiques déjà présentes. Ces méthodes sont également limitées car elles se focalisent principalement sur des changements dans des zones génétiques spécifiques, ignorant les effets plus larges des morts massives sur la variation génétique due à la sélection naturelle.

Pour aborder ces problèmes, les chercheurs ont développé un nouveau cadre basé sur des simulations appelé SimOutbreakSelection (SOS). Cet outil permet aux scientifiques d'explorer quelles conditions (comme la Taille de l'échantillon, les méthodes d'étude et les méthodes de détection de sélection) pourraient détecter une sélection induite par des épidémies dans une population spécifique. Par exemple, SOS peut déterminer si le nombre d'échantillons disponibles est suffisant pour détecter la sélection ou quels échantillons supplémentaires pourraient être nécessaires pour obtenir des résultats précis.

#Vue d'ensemble du cadre SOS

SOS est construit sur un simulateur appelé SLiM et offre un moyen convivial d'évaluer l'efficacité de différentes méthodes de détection de sélection causée par des épidémies. Les utilisateurs peuvent simuler un scénario d'épidémie, présentant une variante génétique particulière qui pourrait être sous sélection, échantillonner des individus à certains moments et calculer diverses statistiques de sélection couramment utilisées. Les chercheurs peuvent résumer les résultats de plusieurs simulations pour estimer l'efficacité de chaque méthode, en fonction de la proportion de simulations dans lesquelles la sélection a été détectée.

Pour utiliser SOS, trois types de données sont nécessaires :

1. Données démographiques : Ces données imitent la population juste avant que l'épidémie ne se produise et sont créées en simulant une histoire démographique réaliste.

2. Données épidémiques : Cela inclut des détails sur l'épidémie, comme le nombre d'occurrences, comment elle a affecté les populations et combien de temps elle a duré.

3. Informations sur l'échantillonnage : Les chercheurs doivent spécifier sur quelles générations et populations se concentrer lors de l'analyse de l'épidémie simulée.

Une fois toutes les entrées définies, SOS simule l'épidémie plusieurs fois. Les utilisateurs peuvent ensuite échantillonner ces simulations et calculer diverses statistiques de sélection pour voir quelles méthodes détectent efficacement la sélection en fonction du schéma d'échantillonnage choisi. SOS fournit actuellement des statistiques de sélection comme l'indice de site de fixation (FST) et d'autres méthodes basées sur les haplotypes.

#Exemple 1 : La peste bovine chez le buffle du Cap

À la fin du 19e siècle, le buffle du Cap a été frappé par une épidémie sévère de peste bovine, entraînant un déclin dramatique de la population. Étant donné que la taille de la population a chuté d'environ 90 %, les chercheurs ont voulu savoir si cette épidémie avait causé une sélection positive pour une variante génétique spécifique. Ils avaient 20 échantillons de buffles modernes du parc national de Kruger et voulaient voir si c'était suffisant pour une étude bien alimentée.

En utilisant SOS, les chercheurs ont commencé par les données démographiques de la population de buffles du Cap avant l'épidémie. Ils ont recueilli des informations sur l'épidémie et ses effets sur la population. Pour les données épidémiques, ils ont estimé une diminution significative de la population et une récupération sur les générations suivantes. Enfin, ils ont choisi quels moments étaient intéressants pour des analyses ultérieures.

Les chercheurs ont d'abord testé les 20 échantillons existants pour voir s'ils avaient assez de puissance pour détecter une sélection induite par l'épidémie. Ils ont appliqué diverses statistiques visant à mesurer la sélection. Malheureusement, les résultats ont montré qu'en dépit d'un avantage sélectif fort, leurs simulations indiquaient une puissance insuffisante en n'utilisant que des échantillons contemporains.

Ensuite, ils ont essayé d'utiliser un échantillon beaucoup plus grand de 1 000 individus de la génération actuelle. Même avec cette augmentation, la puissance pour détecter la sélection est restée faible. Ils ont décidé d'explorer la possibilité d'inclure des échantillons plus anciens d'avant et d'après l'épidémie, en les comparant aux échantillons modernes.

L'échantillonnage comparatif a montré une meilleure puissance de détection que l'utilisation uniquement d'échantillons contemporains. Spécifiquement, les designs "Avant versus Présent" et "Avant versus Après" ont montré une grande puissance pour détecter la sélection lorsque suffisamment d'échantillons étaient utilisés. Cela a démontré qu'avoir un mélange d'échantillons historiques et modernes améliore considérablement les chances de découvrir des preuves de sélection.

#Exemple 2 : La peste noire en Suède médiévale

Le deuxième exemple explore une épidémie historique connue sous le nom de peste noire, qui a causé un déclin substantiel de la population au 14e siècle en Suède. Cette épidémie, causée par Yersinia pestis, a entraîné la mort d'environ 60 % de la population en une seule génération. Malgré des recherches antérieures, des preuves claires de la sélection génétique due à cette épidémie n'ont pas été établies.

Les chercheurs ont utilisé SOS pour simuler l'histoire démographique d'une population européenne semblable à celle qui existait en Suède médiévale. Ils ont compilé des détails sur la peste noire et ses effets à partir de documents historiques. Plus précisément, ils ont estimé une réduction de la population de 50 % causée par deux épidémies sévères.

Ils ont décidé de sauvegarder des données de générations spécifiques avant, pendant et après les épidémies. Les chercheurs ont d'abord testé les schémas d'échantillonnage "Avant versus Après" et "Morts versus Survivants". Ce dernier schéma visait à identifier si les variantes fournissant une protection contre Y. pestis étaient plus fréquentes chez les survivants que chez ceux qui avaient succombé.

En utilisant le cadre de simulation, ils ont estimé la puissance de chaque schéma d'échantillonnage. Les résultats ont indiqué que pour obtenir une étude bien alimentée en utilisant la méthode "Avant versus Après", un nombre très élevé d'échantillons serait nécessaire, surtout en fonction des niveaux d'avantage pour la variante génétique. Cependant, l'utilisation du schéma d'échantillonnage "Morts versus Survivants" leur a permis d'atteindre de meilleures estimations de puissance avec moins d'échantillons par rapport à l'approche précédente.

#Aperçus et conclusions

À travers les deux exemples, SOS a fourni des informations précieuses sur les conditions nécessaires pour détecter la sélection induite par les épidémies. Parmi les résultats clés, on trouve :

1. La taille de l'échantillon compte : Des tailles d'échantillon plus grandes sont souvent nécessaires pour une puissance statistique adéquate dans la détection de la sélection. Des tailles d'échantillon historiques plus petites peuvent ne pas fournir des résultats fiables.

2. Les schémas d'échantillonnage influencent la puissance : Différents designs d'échantillonnage peuvent entraîner des différences significatives dans la puissance de détection. Prioriser les comparaisons entre survivants et non-survivants a donné des résultats plus solides pour le scénario de la peste noire.

3. Les modèles de sélection influencent les résultats : Le mode d'héritage des variantes génétiques (additif, récessif, etc.) peut mener à des conclusions différentes sur les tailles d'échantillons requises pour détecter la sélection.

4. Importance du contexte : Les caractéristiques uniques de chaque épidémie, y compris l'ampleur de la diminution de la population et la dynamique de récupération, jouent un rôle crucial dans la détermination de la puissance de détection.

Dans l'ensemble, SOS s'avère être un outil utile pour les chercheurs qui cherchent à étudier les impacts génétiques des épidémies historiques. En simulant divers scénarios et en explorant différentes stratégies d'échantillonnage, les scientifiques peuvent mieux concevoir leurs études pour découvrir l'ampleur de la sélection induite par les épidémies dans les populations modernes. Malgré ses limites et les complexités impliquées, ce cadre marque une avancée significative dans la compréhension de la façon dont les épidémies passées ont pu influencer la diversité génétique des espèces contemporaines.