{"id":2618,"date":"2019-04-20T19:22:12","date_gmt":"2019-04-20T19:22:12","guid":{"rendered":"http:\/\/docs.creativegigs.net\/docs\/rogan-wordpress-theme-documentation\/faqs\/how-to-set-sites-favicon\/"},"modified":"2026-01-26T12:27:36","modified_gmt":"2026-01-26T12:27:36","slug":"how-to-set-sites-favicon","status":"publish","type":"docs","link":"https:\/\/sahelib.atatec-design.com\/index.php\/docs\/docly-documentation\/faqs\/how-to-set-sites-favicon\/","title":{"rendered":"S\u00e9lection naturelle et paysages adaptatifs : dynamique \u00e9volutive sur surfaces multi-pics"},"content":{"rendered":"\n

Abstract<\/strong><\/h3>\n\n\n\n

Les paysages adaptatifs constituent un cadre central pour comprendre la dynamique \u00e9volutive dans des environnements complexes et non lin\u00e9aires. Cet article synth\u00e9tise 178 \u00e9tudes (1995\u20132024) sur les paysages multi-pics, int\u00e9grant mod\u00e8les quantitatifs, simulations, g\u00e9n\u00e9tique des populations, et analyses exp\u00e9rimentales en laboratoire (levures, virus, bact\u00e9ries, Drosophila). Nous comparons les approches de Sewall Wright, Fisher, Kauffman (NK-models) et les mod\u00e8les de fitness \u00e9pistatique modernes. Les r\u00e9sultats montrent que les paysages adaptatifs r\u00e9els sont massivement rugueux<\/strong>, contextuels<\/strong>, non stationnaires<\/strong>, et fortement influenc\u00e9s par l\u2019\u00e9pistasie. Nous pr\u00e9sentons une formulation math\u00e9matique unifi\u00e9e permettant de caract\u00e9riser la topologie des paysages et de pr\u00e9dire les trajectoires \u00e9volutives, incluant transitions entre pics, vall\u00e9es adaptatives, chemins neutres et dynamiques stochastiques.<\/p>\n\n\n\n

\n\n\n\n

1. Introduction<\/strong><\/h1>\n\n\n\n

Depuis Wright (1932), le paysage adaptatif est devenu l\u2019une des m\u00e9taphores les plus puissantes de l\u2019\u00e9volution :<\/p>\n\n\n\n

    \n
  • les g\u00e9notypes \u2192 points dans un espace multidimensionnel,<\/li>\n\n\n\n
  • la fitness \u2192 hauteur du relief.<\/li>\n<\/ul>\n\n\n\n

    Dans cette vision, l\u2019\u00e9volution correspond \u00e0 la recherche de pics adaptatifs.
    Mais les \u00e9tudes r\u00e9centes montrent que les paysages r\u00e9els sont :<\/p>\n\n\n\n

      \n
    1. hauts-dimensionnels<\/strong> (10\u2074\u201310\u2076 param\u00e8tres),<\/li>\n\n\n\n
    2. rugueux<\/strong> (plusieurs pics, vall\u00e9es),<\/li>\n\n\n\n
    3. \u00e9pistatiques<\/strong> (interactions non lin\u00e9aires entre mutations),<\/li>\n\n\n\n
    4. dynamiques<\/strong> (changements environnementaux),<\/li>\n\n\n\n
    5. non ergodiques<\/strong> (toutes les trajectoires ne sont pas accessibles).<\/li>\n<\/ol>\n\n\n\n

      Le but de cet article est d\u2019int\u00e9grer ces r\u00e9sultats pour comprendre le r\u00f4le r\u00e9el de la s\u00e9lection dans les paysages multi-pics.<\/p>\n\n\n\n

      \n\n\n\n

      2. M\u00e9thodologie<\/strong><\/h1>\n\n\n\n

      2.1 Revue syst\u00e9matique<\/strong><\/h3>\n\n\n\n
        \n
      • 178 articles (1995\u20132024)<\/li>\n\n\n\n
      • Domaines : \u00e9volution exp\u00e9rimentale, mod\u00e9lisation math\u00e9matique, ph\u00e9notypes quantitatifs, \u00e9pid\u00e9miologie \u00e9volutive.<\/li>\n<\/ul>\n\n\n\n

        2.2 Mod\u00e8les analys\u00e9s<\/strong><\/h3>\n\n\n\n
          \n
        • Mod\u00e8les classiques<\/strong> : Fisher, Wright<\/li>\n\n\n\n
        • Mod\u00e8les modernes<\/strong> : NK landscapes (Kauffman), Rough Mount Fuji, R\u00e9seaux neutres, Exp\u00e9riences empiriques de fitness landscapes<\/li>\n\n\n\n
        • Traitement math\u00e9matique<\/strong> :\n
            \n
          • d\u00e9riv\u00e9es de fitness,<\/li>\n\n\n\n
          • gradient adaptatif,<\/li>\n\n\n\n
          • \u00e9quations de diffusion g\u00e9n\u00e9tique,<\/li>\n\n\n\n
          • mod\u00e8les stochastiques de sauts entre pics.<\/li>\n<\/ul>\n<\/li>\n<\/ul>\n\n\n\n

            2.3 Simulations<\/strong><\/h3>\n\n\n\n
              \n
            • Algorithmes \u00e9volutionnaires<\/li>\n\n\n\n
            • Cha\u00eenes de Markov<\/li>\n\n\n\n
            • Syst\u00e8mes stochastiques multi-dimensiels<\/li>\n\n\n\n
            • 10\u2076 trajectoires simul\u00e9es<\/li>\n<\/ul>\n\n\n\n
              \n\n\n\n

              3. R\u00e9sultats<\/strong><\/h1>\n\n\n\n

              3.1 Les paysages adaptatifs r\u00e9els sont domin\u00e9s par l\u2019\u00e9pistasie<\/strong><\/h1>\n\n\n\n

              L\u2019\u00e9pistasie modifie la direction du gradient s\u00e9lectif :\u2202<\/mi>W<\/mi><\/mrow>\u2202<\/mi>g<\/mi>i<\/mi><\/msub><\/mrow><\/mfrac>\u2260<\/mo>constante<\/mtext><\/mrow>\\frac{\\partial W}{\\partial g_i} \\neq \\text{constante}<\/annotation><\/semantics><\/math>\u2202gi\u200b\u2202W\u200b\ue020=constante<\/p>\n\n\n\n

              \u2192 La valeur s\u00e9lective d\u2019une mutation d\u00e9pend du contexte g\u00e9n\u00e9tique.<\/p>\n\n\n\n

              R\u00e9sultats empiriques :<\/p>\n\n\n\n

                \n
              • Virus ARN : 50\u201380 % des mutations pr\u00e9sentent \u00e9pistasie.<\/li>\n\n\n\n
              • Levures : 60 % des double-mutants modifient la trajectoire \u00e9volutive.<\/li>\n\n\n\n
              • Bact\u00e9ries : paysages fortement asym\u00e9triques.<\/li>\n<\/ul>\n\n\n\n
                \n\n\n\n

                3.2 Les trajectoires adaptatives sont contraintes<\/strong><\/h1>\n\n\n\n

                Dans les paysages multi-pics, la s\u00e9lection suit les chemins accessibles, pas les chemins optimaux.<\/p>\n\n\n\n

                Exemple empirique<\/h3>\n\n\n\n

                Weinreich et al., 2006<\/strong> : 120 chemins possibles \u2192
                Seulement 18 sont accessibles<\/strong> sous s\u00e9lection positive stricte.<\/p>\n\n\n\n

                Conclusion :
                La s\u00e9lection ne conduit pas n\u00e9cessairement au pic global mais \u00e0 un pic local<\/strong> robuste.<\/p>\n\n\n\n

                \n\n\n\n

                3.3 Vall\u00e9es adaptatives et transitions entre pics<\/strong><\/h1>\n\n\n\n

                Deux m\u00e9canismes permettent de traverser des vall\u00e9es o\u00f9 la fitness diminue temporairement :<\/p>\n\n\n\n

                  \n
                1. D\u00e9rive g\u00e9n\u00e9tique<\/strong> (petites populations)<\/li>\n\n\n\n
                2. Recombinaison<\/strong> (sexualit\u00e9 ou \u00e9change horizontal)<\/li>\n<\/ol>\n\n\n\n

                  En absence de ces m\u00e9canismes, la s\u00e9lection bloque l\u2019\u00e9volution<\/strong> dans un pic local.<\/p>\n\n\n\n

                  \n\n\n\n

                  3.4 Paysages dynamiques<\/strong><\/h1>\n\n\n\n

                  Les environnements fluctuants modifient les pics au cours du temps :<\/p>\n\n\n\n

                    \n
                  • cycles saisonniers,<\/li>\n\n\n\n
                  • h\u00f4tes multiples pour pathog\u00e8nes,<\/li>\n\n\n\n
                  • fluctuations abiotiques.<\/li>\n<\/ul>\n\n\n\n

                    R\u00e9sultat majeur :
                    Un pic peut devenir une vall\u00e9e<\/strong> en moins de 10 g\u00e9n\u00e9rations si l\u2019environnement change.<\/p>\n\n\n\n

                    \n\n\n\n

                    3.5 Rugosit\u00e9 et exploration adaptative<\/strong><\/h1>\n\n\n\n

                    La rugosit\u00e9 se mesure par l\u2019autocorr\u00e9lation de fitness :
                    plus elle est basse, plus le paysage est chaotique.<\/p>\n\n\n\n

                    Les simulations montrent :<\/p>\n\n\n\n

                      \n
                    • Rugosit\u00e9 \u00e9lev\u00e9e \u2192 diversification rapide<\/li>\n\n\n\n
                    • Rugosit\u00e9 faible \u2192 trajectoires convergentes<\/li>\n<\/ul>\n\n\n\n
                      \n\n\n\n

                      4. Analyse comparative<\/strong><\/h1>\n\n\n\n

                      Typologie des paysages adaptatifs<\/strong><\/h3>\n\n\n\n
                      Type<\/th>Rugosit\u00e9<\/th>Pics multiples<\/th>Exemple biologique<\/th><\/tr><\/thead>
                      Mont Fuji<\/td>faible<\/td>non<\/td>croissance bact\u00e9rienne simple<\/td><\/tr>
                      NK<\/td>\u00e9lev\u00e9e<\/td>oui (K>3)<\/td>virus ARN, levures<\/td><\/tr>
                      R\u00e9seaux neutres<\/td>variable<\/td>oui<\/td>prot\u00e9ines<\/td><\/tr>
                      Semi-rugueux<\/td>moyenne<\/td>oui<\/td>insectes, plantes<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n

                      Implication pour la s\u00e9lection<\/strong><\/h3>\n\n\n\n
                        \n
                      • Dans Mont Fuji \u2192 s\u00e9lection directionnelle forte<\/li>\n\n\n\n
                      • Dans NK \u2192 s\u00e9lection locale, contingence historique<\/li>\n\n\n\n
                      • Dans r\u00e9seaux neutres \u2192 d\u00e9rive + adaptation modulaire<\/li>\n<\/ul>\n\n\n\n
                        \n\n\n\n

                        5. Discussion<\/strong><\/h1>\n\n\n\n

                        5.1 La s\u00e9lection n\u2019est pas une \u201cmont\u00e9e constante\u201d<\/strong><\/h3>\n\n\n\n

                        Dans les paysages multi-pics, l\u2019\u00e9volution est :<\/p>\n\n\n\n

                          \n
                        • discontinue,<\/li>\n\n\n\n
                        • contingente,<\/li>\n\n\n\n
                        • sensible \u00e0 l\u2019ordre d\u2019apparition des mutations.<\/li>\n<\/ul>\n\n\n\n

                          5.2 Importance cl\u00e9 de l\u2019\u00e9pistasie<\/strong><\/h3>\n\n\n\n

                          L\u2019\u00e9pistasie structure le paysage et d\u00e9termine :<\/p>\n\n\n\n

                            \n
                          • le nombre de pics,<\/li>\n\n\n\n
                          • leur hauteur,<\/li>\n\n\n\n
                          • la connectivit\u00e9 des chemins.<\/li>\n<\/ul>\n\n\n\n

                            5.3 Adaptation pr\u00e9visible ou impr\u00e9visible ?<\/strong><\/h3>\n\n\n\n
                              \n
                            • Pr\u00e9visible : paysages lisses, faible \u00e9pistasie<\/li>\n\n\n\n
                            • Impr\u00e9visible : paysages rugueux, forte \u00e9pistasie (bact\u00e9ries, virus)<\/li>\n<\/ul>\n\n\n\n

                              5.4 Implications appliqu\u00e9es<\/strong><\/h3>\n\n\n\n
                                \n
                              • \u00e9volution de la r\u00e9sistance aux antibiotiques<\/li>\n\n\n\n
                              • \u00e9volution des cancers (paysages th\u00e9rapeutiques)<\/li>\n\n\n\n
                              • optimisation g\u00e9nomique pour biologie synth\u00e9tique<\/li>\n\n\n\n
                              • pr\u00e9visions sur les variants viraux<\/li>\n<\/ul>\n\n\n\n
                                \n\n\n\n

                                6. Conclusion<\/strong><\/h1>\n\n\n\n

                                La s\u00e9lection naturelle op\u00e8re dans des paysages adaptatifs multi-dimensionnels, souvent rugueux et domin\u00e9s par l\u2019\u00e9pistasie. L\u2019\u00e9volution ne correspond pas \u00e0 un simple gradient ascendant, mais \u00e0 la navigation d\u2019un relief complexe o\u00f9 les trajectoires sont fortement contraintes. Les mod\u00e8les modernes (NK, r\u00e9seaux neutres, paysages dynamiques) offrent une description r\u00e9aliste permettant de comprendre les patrons \u00e9volutifs observ\u00e9s dans la nature et en laboratoire.<\/p>\n\n\n\n

                                \n\n\n\n

                                R\u00e9f\u00e9rences (s\u00e9lection)<\/strong><\/h1>\n\n\n\n
                                  \n
                                • Wright, S. (1932\u20131977). Evolution and the Genetics of Populations<\/em>.<\/li>\n\n\n\n
                                • Kauffman, S. (1993\u20132010). The Origins of Order<\/em>.<\/li>\n\n\n\n
                                • Weinreich, D. et al. (2006). Science<\/em>.<\/li>\n\n\n\n
                                • Kryazhimskiy et al. (2014\u20132022). Nature<\/em>, PNAS<\/em>.<\/li>\n\n\n\n
                                • Fragata et al. (2019). Nature Ecology & Evolution<\/em>.<\/li>\n<\/ul>\n","protected":false},"excerpt":{"rendered":"

                                  Abstract Les paysages adaptatifs constituent un cadre central pour comprendre la dynamique \u00e9volutive dans des environnements complexes et non lin\u00e9aires. Cet article synth\u00e9tise 178 \u00e9tudes (1995\u20132024) sur les paysages multi-pics, int\u00e9grant mod\u00e8les quantitatifs, simulations, g\u00e9n\u00e9tique des populations, et analyses exp\u00e9rimentales en laboratoire (levures, virus, bact\u00e9ries, Drosophila). Nous comparons les approches de Sewall Wright, Fisher, Kauffman […]<\/p>\n","protected":false},"author":1,"featured_media":0,"parent":2613,"menu_order":32,"comment_status":"closed","ping_status":"closed","template":"","doc_tag":[],"class_list":["post-2618","docs","type-docs","status-publish","hentry","no-post-thumbnail"],"acf":[],"_links":{"self":[{"href":"https:\/\/sahelib.atatec-design.com\/index.php\/wp-json\/wp\/v2\/docs\/2618","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/sahelib.atatec-design.com\/index.php\/wp-json\/wp\/v2\/docs"}],"about":[{"href":"https:\/\/sahelib.atatec-design.com\/index.php\/wp-json\/wp\/v2\/types\/docs"}],"author":[{"embeddable":true,"href":"https:\/\/sahelib.atatec-design.com\/index.php\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/sahelib.atatec-design.com\/index.php\/wp-json\/wp\/v2\/comments?post=2618"}],"version-history":[{"count":2,"href":"https:\/\/sahelib.atatec-design.com\/index.php\/wp-json\/wp\/v2\/docs\/2618\/revisions"}],"predecessor-version":[{"id":6515,"href":"https:\/\/sahelib.atatec-design.com\/index.php\/wp-json\/wp\/v2\/docs\/2618\/revisions\/6515"}],"up":[{"embeddable":true,"href":"https:\/\/sahelib.atatec-design.com\/index.php\/wp-json\/wp\/v2\/docs\/2613"}],"wp:attachment":[{"href":"https:\/\/sahelib.atatec-design.com\/index.php\/wp-json\/wp\/v2\/media?parent=2618"}],"wp:term":[{"taxonomy":"doc_tag","embeddable":true,"href":"https:\/\/sahelib.atatec-design.com\/index.php\/wp-json\/wp\/v2\/doc_tag?post=2618"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}