Thèse Combiner la Dynamique des Populations et la Génétique des Populations pour l'Inférence Conjointe des Processus Écologiques et Évolutifs H/F - Doctorat.Gouv.Fr

Établissement : Institut Agro Montpellier École doctorale : GAIA - Biodiversité, Agriculture, Alimentation, Environnement, Terre, Eau Laboratoire de recherche : CBGP - Centre de Biologie pour la Gestion des Populations Direction de la thèse : Raphael LEBLOIS ORCID 0000000230514497 Début de la thèse : 2026-10-01 Date limite de candidature : 2026-05-07T23:59:59 Le suivi des populations naturelles est crucial pour la gestion des espèces d'intérêt, telles que les ravageurs agricoles, les vecteurs de maladies, et les espèces menacées ou envahissantes. Deux approches d'inférence démographique existent : (1) les approches directes, qui analysent les données démographiques (par exemple, issues de capture-marquage-recapture) avec des modèles de dynamique des populations, et (2) les approches indirectes, qui utilisent des données génétiques via des modèles de génétique des populations. Les méthodes directes, bien qu'elles estiment avec précision les paramètres démographiques sensu stricto, sont coûteuses et difficiles à appliquer aux grandes populations. Les méthodes indirectes, souvent basées sur la simulation, estiment des paramètres démogénétiques efficaces et offrent des informations sur le potentiel évolutif, avec des inférences remontant plus loin dans le passé.
Le projet de thèse a pour objectif de développer des méthodes d'inférence combinant des données démographiques et génétiques afin d'inférer de manière jointe les paramètres démographiques et évolutifs actuels et sur un passé récent en populations naturelles. En intégrant les modèles de dynamique et de génétique des populations dans un cadre unifié, nous supposons que cette approche améliorera la précision des estimations et approfondira la compréhension des interactions écologiques et évolutives.
Un modèle sera développé, combinant ces deux types de modèles. Le modèle sera ensuite utilisé dans le cadre de l'inférence par simulations pour évaluer la performance de cette approche. Des approches mixtes combinant calcul de la vraisemblance et simulations pourront être envisagées selon l'avancement de la thèse. Les méthodes développées seront appliquées à des jeux de données d'espèces d'intérêt pour la conservation et sur des populations d'insectes ravageurs ou auxiliaires. Les interactions entre les êtres humains et l'environnement naturel ont souvent des conséquences négatives importantes pour les écosystèmes et pour la société. Les activités humaines telles que l'exploitation des populations naturelles, la pollution et l'expansion urbaine ont entraîné le déclin de nombreuses espèces, menaçant ainsi la biodiversité. Dans le même temps, d'autres espèces prospèrent dans des environnements anthropiques ou se propagent grâce à l'action humaine et peuvent devenir problématiques en contribuant aux pertes agricoles (ravageurs), en propageant des maladies infectieuses (vecteurs) ou en perturbant les écosystèmes naturels (espèces envahissantes). Il est essentiel de comprendre et de surveiller la dynamique démographique (taille et densités des populations, dispersion) des espèces en déclin, des espèces envahissantes et des ravageurs afin d'élaborer des stratégies de gestion visant à atténuer les impacts négatifs associés à ces populations. Dans un contexte de changements globaux, le nombre croissant de bioagresseurs et d'espèces menacées nécessite des méthodes d'étude puissantes et de moindre coût. De nouvelles approches statistiques et numériques peuvent contribuer à leur développement en fournissant des outils pour l'intégration de données provenant de multiples sources.
Il existe deux grandes catégories de méthodes d'inférence démographique en populations naturelles : (1) les méthodes directes, basées sur des modèles de dynamique des populations et l'analyse des données écologiques issues de l'observation des individus sur le terrain ; et (2) les méthodes indirectes, basées sur des modèles de génétique des populations et l'analyse des données génétiques (données ADN provenant d'un échantillon d'individus). L'objectif du projet de thèse est de développer un nouveau cadre de méthodes computationnelles qui utilisera conjointement des données écologiques et génomiques (c'est-à-dire l'intégration de données de différents types) pour déduire les paramètres écologiques et évolutifs actuels en populations naturelles, ainsi que leurs variations sur un passé récent. Pour ce faire, un cadre unifié fusionnant les modèles de dynamique des populations et de génétique des populations sera développé. Une telle approche intégrée pourrait améliorer la précision de l'estimation des paramètres d'intérêt et permettra de mieux comprendre les interactions entre processus écologiques et évolutifs au sein des populations. 1) Développement d'un ensemble de modèles englobant à la fois des modèles de génétique des populations et des modèles de dynamique des populations. Ces modèles décriront le processus génératif conjoint des données de marqueurs moléculaires (telles que des microsatellites ou des SNPs) et des données démographiques (telles que les observations de capture-recapture, de capture ou de présence/absence).
2) Développement d'une approche d'inférence statistique utilisant les modèles présentés ci-dessus. Cette approche sera basée sur des méthodes d'inférence par simulation telles que le calcul bayésien approximatif (ABC) et la vraisemblance résumée (SL). Les performances de cette approche d'inférence seront évaluées à l'aide de simulations, en termes de précision et de robustesse.
3) Application des approches développées sur un ensemble de jeux de données réelles représentant des situations contrastées en termes de types de données afin d'en démontrer l'intérêt pratique. D'une part sur des populations d'intérêt pour la conservation, notamment sur les données de la littérature sur un oiseau (bulbul de Cabanis, Phyllastrephus cabanisi) et sur des espèces d'amphibiens (Epidalea calamita, Hyla molleri et Pelophylax perezi) avec des données microsatellites et des données de capture-marquage-recapture; sur une métapopulation envahissante de truites brunes (Salmo trutta) dans les îles Kerguelen avec des données génomiques pool-seq et des données de capture; et sur un ravageur agricole, le criquet pèlerin (Schistocerca gregaria) avec des données microsatellites et des données de présence/absence. Les modèles de simulation seront mis en oeuvre à l'aide du logiciel SLiM pour les simulations en avant dans le temps ('forward'), combiné à msprime pour les simulations par coalescence ('backward'). Des scripts en python et R seront développés pour élaborer le modèle, simuler les données selon le modèle, traiter les données (calcul des statistiques résumantes) et analyser les données à l'aide de méthodes d'inférence par simulation telles que le calcul bayésien approximatif (ABC) et la vraisemblance résumée (SL).

Nous recherchons un.e candidat.e motivé.e par les développements méthodologiques en écologie et en biologie évolutive, et avec un goût prononcé pour les approches computationnelles et la programmation. Formation générale de niveau Master 2 recherche en biologie évolutive, écologie, bio-statistique ou bio-informatique avec de bonnes bases ou une volonté d'ouverture vers les statistiques, la bio-informatique et les modèles stochastiques de biologie. Une maîtrise des concepts de génétique des populations et de dynamique des populations et d'un ou plusieurs langages de programmation (notamment R et python) seront des atouts importants.