Echantillonnage et acquisition des données moléculaires

Pour évaluer comment les activités humaines peuvent influencer les caractéristiques génétiques des populations et comment ces différentes populations se structurent à l’échelle de la baie, nous avons réalisé un échantillonnage comprenant des populations de chacune des quatre catégories décrites ci-dessus dans l’introduction :

(1) Deux lots issus des cultures de la société C-Weed Aquaculture

(2) Deux zones portuaires de Saint Malo, Bas-Sablons (M1) et Vauban (M2) ont été échantillonnées. Le port de Bas-Sablons est le principal port de St Malo. Il accueille plusieurs centaines de bateaux de plaisance, des bateaux de pêche et les ferries. Le port est ouvert sur le large et l’entrée dans le port se fait par le passage d’un seuil. Le port de Vauban est quant à lui situé aux pieds des remparts de Saint Malo. Il ne peut accueillir que quelques dizaines de bateaux de plaisance et son accès est limité par le passage d’une écluse.

(3) Deux populations ont été échantillonnées le long de la plage de St Malo : la population de Fort National (I1) et la population des Thermes (I2). A Fort National, la population se développe au niveau d’un ancien vivier submergé à marée haute mais facilement accessible à marée basse. La population des Thermes se développe sur un enrochement accessible par marée basse de vives eaux (figure 3.6.C).

(4) Quatre populations se développant au large ont également été échantillonnées : les populations de Bizeux (O1), la Rochardien (O2), le Grand Murier (O3) et la Grande Conchée (O4). Ces populations sont accessibles en bateaux et l’échantillonnage a été réalisé en plongée, grâce au concours du service Mer et Observation de la Station Biologique de Roscoff.

U. pinnatifida étant une algue annuelle, les profils observés une année pourraient

n’être le reflet que des événements de recrutement de l’année en cours. Aussi afin de valider nos conclusions et la stabilité des schémas observés, l’échantillonnage et l’analyse a été conduite sur 2 années successives, en 2005 et en 2006. Seule la population des Thermes a été échantillonnée uniquement en 2006.

Tous les échantillons prélevés ont été stockés individuellement, dans du gel de silice, un dessiccateur, en vue d’une extraction d’ADN. Les 19 populations, représentant un total de 661 individus, ont été extraites et génotypées en suivant le même protocole que décrit dans la partie D.1 du chapitre 2 et en utilisant les 10 mêmes marqueurs microsatellites.

Dans les études précédentes, nous avions mis en évidence (i) l’existence d’un unique haplotype mitochondrial dans la population cultivée bretonne de 2003 et (ii) la présence d’un seul groupe d’haplotypes phylogénétiquement proche dans les populations européennes. Cette signature haplotypique a été recherchée dans les populations étudiées ici par séquençage des deux mêmes régions intergéniques W-I et atp8-S, comme décrits dans Voisin et al. (2005). Du fait du coup associé au séquençage systématiques, seuls 25% des individus de chaque population (Ntot=215) ont été analysés. L’enchaînement nucléotidique des séquences a été vérifié dans Chromas et les séquences alignées grâce à ClustalW dans Bioedit, comme décrit dans le chapitre 1.

Chapitre 3 : Comparaison cultures, marinas et milieu rocheux

1.2 Analyses statistiques

Pour les données mitochondriales, la diversité haplotypique (Ha) et nucléotidique (π) a été calculée pour chaque population et sur l’ensemble du jeu de données avec le logiciel Arlequin v.3.01 (Schneider et al. 2001).

Pour les données microsatellites, les indices de diversité (He, Ho, Ar) et de structure intrapopulation (FIS) ont été estimés comme décrit dans la partie D.2 du chapitre 2 pour toutes les populations. Une comparaison des indices de diversité entre compartiments a été effectuée avec le logiciel FSTAT (Goudet 1995 , 2002). Les indices de différentiation génétique ( ) ont été calculés entre chaque paire de populations d’une année ainsi qu’entre populations d’une année à l’autre. La distance génétique globale entre populations de chacun des deux jeux de données est illustrée grâce à une analyse en composante principale basée sur les fréquences alléliques, dans le logiciel PCA-GEN v.1.2.1 (

θˆ

http://www.ie-zea.unil.ch).

Une analyse hiérarchique de la variance moléculaire (AMOVA) a été réalisée avec les données nucléaires, dans Arlequin v3.01 (Schneider et al. 2001) pour étudier comment la variation génétique se distribue entre les populations sur l’ensemble du jeu de données (θST), entre les populations au sein de chacun des 4 groupes (θSC) et entre groupes (θCT). Les 4 groupes ont été constitués en fonction des niveaux d’interaction a priori des populations avec les activités anthropiques : groupe 1, les populations cultivées ; groupe 2, les populations des marinas ; groupe 3, les populations le long de la côte et groupe 4, les populations du large. Ce regroupement de populations est basé sur des critères de type d’habitats défini a priori. Pour s’affranchir de ce type de classification a priori des populations, nous avons effectué deux autres types d’analyses, utilisant une technique Bayésienne de regroupement des populations. Il s’agit ici d’estimer combien d’unités panmictiques peuvent être trouvées dans notre jeu de données, et comment ces unités sont regroupées.

Dans un premier temps, nous avons cherché à évaluer dans quelle mesure les populations des différentes catégories sont fermées à la migration : des tests d’assignation des individus ont été réalisés en utilisant le logiciel GeneClass v. 2.0 (Piry et al. 2004). La méthode utilisée ici est basée sur l’approche bayésienne développée par Rannala & Moutain (1997) et l’algorithme de simulation de Paetkau et al. (2004), qui détermine la probabilité d’appartenance d’un individu à une population, en fonction de son génotype multilocus et des fréquences alléliques de la population, sous l’hypothèse d’indépendance des locus et de

Figure 3.7 : Répartition des haplotypes mitochondriaux dans la baie de Saint Malo en 2005 et en 2006.

A- Fréquence des haplotypes sur l’ensemble du jeu de données. B- Fréquence des haplotypes au sein de chaque population en 2005 et C- en 2006. Chaque camembert correspond à une population. Le nombre d’individus identifiés avec chaque haplotype est inscrit dans les sections des camemberts. Les notations utilisées renvoient au type de population (« C » pour les cultures, « M » pour les populations des marinas, « I » pour les populations côtières et « O » pour les populations du large) et le code couleur utilisé est le même que celui utilisé dans le chapitre 1. O3 I2 I1 M1 M2 O2 O1 O3 O4 I1 M1 M2 O2 O1 3 11 1 9 8 5 3 3 ₅ 3 9 2 7 C1 C2

B- repartition des haplotypes en 2005

5 1 ₂ 5 Up01 Up03 6 2 6 2 11 4 16 8 4 4 4 4 6 3 O3 I2 I1 M1 M2 O2 O1 4 4 O1 O2 O3 O4 I1 M1 M2 I2 C1 6 2 C2

Chapitre 3 : Comparaison cultures, marinas et milieu rocheux l’équilibre des populations aux proportions d’Hardy Weinberg. Chaque individu est ainsi assigné à la plus probable des populations, parmi les populations de l’étude. Pour évaluer si l’origine potentielle d’un individu est davantage la population dans laquelle il a été prélevé, ou une autre population de la baie, les simulations ont d’abord été réalisées séparément pour les populations échantillonnées en 2005 et en 2006, en considérant chaque population, comme source potentielle des individus. Ensuite, pour estimer si les individus échantillonnés dans une population étaient issus d’une reproduction entre individus de leur population d’origine, ou d’une autre population, les individus échantillonnés en 2006 ont été assignés en prenant les populations de 2005 comme sources potentielles. Pour toutes les assignations, seuls les individus présentant une probabilité d’être correctement assignés à une population de rang 1 de score supérieur à 50% ont été considérés.

Dans un second temps, nous avons cherché si la distribution de la diversité génétique était cohérente avec les positions géographiques des populations. Le logiciel Geneland utilisé ici, permet de représenter ces proximités génétiques en fonction des coordonnées spatiales des individus (Guillot et al. 2005). Les calculs et simulations sont réalisés en deux temps. La première simulation permet d’inférer, par un processus de chaîne de Markov, le nombre le plus probable de classes (K, ou unités panmictiques) composant le jeu de données. Pour la seconde simulation, l’utilisateur fixe K et les autres paramètres du modèle sont estimés, en particulier les probabilités d’assignations des individus aux différentes classes. Ces analyses ont été réalisées séparément pour les populations de 2005 puis de 2006. Nous avons d’abord évalué le nombre de classes K composant le jeu de données, en faisant varier ce paramètre entre 1 et le double de populations échantillonnées dans la baie de St Malo, conformément aux recommandations des auteurs (Guillot et al. 2005) et en réalisant 50 000 itérations. Pour la deuxième série de simulations, nous avons fixé K et utilisé les mêmes paramètres de simulations que pour l’étape 1. Les probabilités postérieures d’appartenance aux classes ont été calculées, et la précision des cartes de probabilité a été fixée à 50 pixels pour les deux gradients latitudinaux et longitudinaux.

2. Résultats