A covarion model for phylogenetic estimation using discrete morphological datasets

Cette étude présente le modèle « covariomorph » dans RevBayes, qui étend le modèle covarion aux données morphologiques en permettant des variations de taux spécifiques aux lignées et aux caractères, améliorant ainsi la précision de l'inférence phylogénétique par rapport aux modèles traditionnels.

L'essentiel

🦕 Le Grand Jeu de l'Évolution : Pourquoi les règles changent tout le temps

Imaginez que vous essayez de reconstruire l'arbre généalogique de la famille des dinosaures (ou des requins, ou des tortues) en regardant uniquement leurs os, leurs dents et leurs formes. C'est ce qu'on appelle la phylogénie morphologique.

Jusqu'à présent, les scientifiques utilisaient une règle très simple pour deviner comment ces espèces ont évolué : ils supposaient que tous les caractères (comme la forme d'une dent ou la longueur d'une patte) évoluaient à la même vitesse, partout et tout le temps. C'est un peu comme si vous pensiez que tous les membres d'une famille grandissent exactement de 2 cm par an, sans jamais accélérer ni ralentir, peu importe s'ils vivent à la montagne ou à la plage.

Le problème ? La réalité est beaucoup plus chaotique. Parfois, une espèce développe des ailes très vite (accélération), tandis que ses dents restent inchangées pendant des millions d'années (ralentissement). Et ce rythme peut changer d'une branche de l'arbre à l'autre.

🚀 La Nouvelle Solution : Le Modèle "Covariomorph"

Dans cet article, Basanta Khakurel et Sebastian Höhna proposent une nouvelle façon de voir les choses, qu'ils appellent le modèle "Covariomorph".

Pour comprendre, imaginons que l'évolution d'un caractère (par exemple, la taille d'un bec) n'est pas une course à pied avec une vitesse fixe, mais plutôt une voiture sur un circuit avec des régimes de vitesse variables.

1. L'ancien modèle (Mk) : C'est comme conduire une voiture avec le régulateur de vitesse bloqué sur 100 km/h. Que vous soyez en ville ou sur l'autoroute, vous allez toujours à 100 km/h. C'est simple, mais faux.
2. Le modèle intermédiaire (ACRV) : Ici, on reconnaît que certaines voitures sont des Ferrari (rapides) et d'autres des tracteurs (lents). Mais une fois qu'on a classé la voiture, elle reste à cette vitesse pour toujours. La Ferrari ne ralentit jamais, le tracteur n'accélère jamais.
3. Le nouveau modèle (Covariomorph) : C'est la vraie vie ! Une voiture peut commencer comme un tracteur (vitesse lente), puis soudainement, le conducteur appuie sur l'accélérateur et passe en Ferrari (vitesse rapide) parce qu'il y a un danger ou une opportunité. Plus tard, elle peut redevenir un tracteur.
   • La clé : Le modèle permet à chaque caractère de changer de "régime de vitesse" au cours de l'histoire de l'espèce.

🔍 Comment ont-ils testé ça ?

Les chercheurs ont utilisé un logiciel puissant (RevBayes) pour simuler des millions d'histoires d'évolution. Ils ont créé des "fausses" familles d'animaux avec des règles complexes (parfois rapides, parfois lentes, avec des changements soudains) pour voir si leur nouveau modèle pouvait deviner la vérité.

Le résultat ?

• Quand les règles étaient simples, le nouveau modèle disait : "Ok, pas de panique, on reste simple."
• Quand les règles étaient complexes (avec des changements de vitesse), le nouveau modèle a réussi à les détecter, là où les anciens modèles échouaient et donnaient une image floue.

🦈 L'Exemple Concret : Raies et Requins

Pour vérifier si ça marchait sur de vraies données, ils ont pris deux jeux de données célèbres : les raies et les requins.

• Ce qu'ils ont trouvé : Pour les requins, le nouveau modèle a révélé que l'évolution était très "nerveuse". Les caractères passaient souvent d'une vitesse lente à une vitesse rapide.
• L'impact : Quand ils ont utilisé ce nouveau modèle, l'arbre généalogique obtenu était différent de celui obtenu avec les anciennes méthodes. Les branches de l'arbre (qui représentent le temps et la quantité d'évolution) étaient plus longues et plus précises.

C'est comme si, en utilisant un GPS plus intelligent, on découvrait que le trajet entre Paris et Lyon n'est pas une ligne droite, mais qu'il y a eu des embouteillages soudains et des autoroutes libres, ce qui change totalement le temps de trajet estimé.

💡 Pourquoi est-ce important ?

1. Plus de précision : Cela aide à mieux comprendre qui est le parent de qui dans l'arbre de la vie.
2. Le temps compte : Si on veut savoir quand une espèce a vécu (par exemple, quand les dinosaures ont disparu), la longueur des branches de l'arbre est cruciale. Si on sous-estime les changements de vitesse, on se trompe sur les dates.
3. La réalité biologique : Cela reconnaît que l'évolution n'est pas une machine monotone. Elle réagit à l'environnement. Parfois, tout va vite (adaptation à un nouveau milieu), parfois tout est figé (stabilité).

En résumé

Les auteurs ont créé un outil mathématique qui dit : "L'évolution est imprévisible, et c'est normal." Au lieu de forcer les données dans un moule rigide, le modèle "Covariomorph" laisse les caractères changer de vitesse comme ils le souhaitent. Cela nous donne une image beaucoup plus riche, plus dynamique et plus vraie de l'histoire de la vie sur Terre.

Résumé technique

1. Problématique et Contexte

L'inférence phylogénétique basée sur des données morphologiques utilise couramment le modèle Mk (Markov k-state), une généralisation du modèle Jukes-Cantor pour les données moléculaires. Cependant, le modèle Mk repose sur des hypothèses simplificatrices qui limitent sa réalisme biologique :

• Homogénéité des taux : Il suppose que tous les caractères évoluent à la même vitesse sur l'ensemble de la phylogénie.
• Absence d'hétérotachy : Il ne prend pas en compte le fait que le taux d'évolution d'un caractère spécifique peut varier au cours du temps (le long des lignées) en réponse à des changements de contraintes sélectives ou écologiques.

Bien que des modèles existants intègrent la variation des taux entre les caractères (ACRV, Among-Character Rate Variation, souvent modélisée par une distribution Gamma ou Log-normale), ils échouent à capturer la variation spécifique aux lignées pour un caractère donné. Dans ces modèles, un caractère "rapide" reste rapide et un caractère "lent" reste lent tout au long de l'arbre. Or, des études empiriques (ex: évolution des oiseaux primitifs) montrent que différents complexes de caractères peuvent évoluer à des rythmes très différents selon les lignées.

L'objectif de cette étude est de combler ce vide en adaptant le modèle covarion (développé initialement pour les données moléculaires pour gérer l'invariabilité de certains sites) aux données morphologiques discrètes, afin de modéliser des changements dynamiques de taux d'évolution au sein des lignées.

2. Méthodologie : Le Modèle "Covariomorph"

Les auteurs ont développé et implémenté un nouveau modèle appelé "covariomorph" dans le logiciel d'inférence bayésienne RevBayes.

A. Principes du processus

Le modèle covariomorph considère que chaque caractère morphologique est soumis à deux processus stochastiques simultanés :

1. Transition d'état : Le changement d'état du caractère (ex: de 0 à 1) régi par une matrice de taux de substitution de base (le modèle Mk).
2. Changement de régime de taux : Le caractère peut basculer entre différentes catégories de taux d'évolution (lents, moyens, rapides) au cours de l'évolution.

B. Structure mathématique

• Expansion de l'espace d'état : Le modèle étend l'espace d'état de $k$ (états du caractère) à $k \times m$, où $m$ est le nombre de catégories de taux. Chaque "état virtuel" correspond à une combinaison d'un état observable et d'une catégorie de taux.
• Matrice de taux ($\tilde{Q}$) : La matrice de taux globale est construite en blocs :
  • Les blocs diagonaux ($r_i Q$) représentent l'évolution du caractère au sein d'une catégorie de taux $i$, où $r_i$ est un scalaire de taux.
  • Les blocs hors-diagonaux ($\frac{\delta}{m-1} I$) représentent les événements de commutation (switching) entre les catégories de taux, contrôlés par un taux de commutation $\delta$.
• Distribution des taux : Les scalaires de taux ($r_i$) sont dérivés d'une distribution de probabilité discrétisée (log-normale ou Gamma), normalisée pour que la moyenne soit égale à 1.
• Paramètres clés :
  • $\sigma$ : L'écart-type de la distribution des taux (mesure de l'hétérogénéité).
  • $\delta$ : Le taux de commutation entre les régimes de taux.

C. Études de simulation et données empiriques

• Simulations : Les auteurs ont généré des données sur trois arbres phylogénétiques de longueurs différentes (courte, moyenne, longue) avec divers taux de commutation ($\delta$) et de variation ($\sigma$). Cela a permis de tester la capacité du modèle à récupérer les vrais paramètres et à distinguer les scénarios Mk, Mk+ACRV et Covariomorph.
• Analyse empirique : 164 jeux de données morphologiques réels (fossiles et actuels) ont été analysés. Deux cas d'étude détaillés (Raies et Requins) ont été sélectionnés pour examiner l'impact du modèle sur la topologie et la longueur des branches.

3. Résultats Clés

A. Performance des simulations

• Le modèle covariomorph récupère avec précision les paramètres sous-jacents ($\sigma$ et $\delta$) lorsque la longueur de l'arbre est suffisante pour accumuler assez de changements d'état.
• Limites : Pour les arbres très courts ou lorsque le taux de commutation est extrêmement élevé, le modèle tend à "s'effondrer" vers des modèles plus simples (Mk ou Mk+ACRV), car le signal de l'hétérotachy est noyé par le bruit ou la moyenne des régimes.
• Le modèle est robuste : il se comporte comme un modèle Mk+ACRV si $\delta \to 0$ et comme un modèle Mk si la variation de taux est nulle ou si la commutation est trop rapide.

B. Résultats sur les données empiriques

• Hétérogénéité des comportements : Sur les 164 jeux de données, environ la moitié (77 sur 164) ne montrent pas de signal fort d'hétérotachy et sont mieux expliquées par un modèle Mk simple (ou ACRV statique). L'autre moitié présente des signes clairs de variation de taux compatible avec une dynamique de type covarion.
• Cas des Raies et des Requins :
  • Les modèles covariomorph sont fortement favorisés par les facteurs de Bayes par rapport aux modèles Mk et Mk+ACRV standards.
  • Pour les requins, l'ajout de plus de catégories de taux ($m \ge 8$) améliore significativement l'ajustement du modèle.
  • Impact sur la phylogénie : L'utilisation du modèle covariomorph modifie substantiellement les longueurs de branches (augmentées d'environ 1,5 à 1,7 fois par rapport au modèle Mk) et influence la topologie de l'arbre (les probabilités postérieures des clades diffèrent significativement par rapport aux modèles statiques).

4. Contributions et Signification

Contributions Techniques

1. Implémentation RevBayes : Le modèle est disponible dans RevBayes via la fonction fnCovarion(), permettant une flexibilité totale pour les utilisateurs.
2. Généralisation du modèle Mk : Le covariomorph est présenté comme une généralisation qui englobe les modèles Mk et Mk+ACRV comme cas limites, offrant un cadre unifié.
3. Preuve de concept : C'est la première application réussie d'un modèle covarion à des données morphologiques discrètes, validant l'hypothèse que l'hétérotachy est un phénomène pertinent en morphologie.

Signification Biologique et Implications

• Réalisme évolutif : Le modèle reconnaît que les contraintes sélectives sur les caractères morphologiques peuvent changer dynamiquement au cours de l'histoire évolutive d'une lignée (ex: adaptation rapide à un nouveau niche suivie d'une stabilisation).
• Estimation des temps de divergence : Puisque les longueurs de branches sont directement affectées par le modèle de taux, l'ignorer peut conduire à des erreurs dans l'estimation des temps de divergence et des taux d'évolution macro-évolutifs.
• Hétérogénéité intra-jeu de données : L'étude suggère que même au sein d'un même jeu de données, certains caractères peuvent suivre un processus Mk simple tandis que d'autres sont fortement hétérotachiques.

5. Limites et Perspectives Futures

Les auteurs identifient plusieurs axes d'amélioration pour les travaux futurs :

• Correction du biais de sélection (Ascertainment Bias) : Le modèle actuel ne corrige pas encore le biais inhérent aux matrices morphologiques (qui ne contiennent souvent que des caractères variables). Une intégration future du modèle Mkv est nécessaire.
• Découplage des processus : Actuellement, le taux de commutation ($\delta$) et le taux de transition d'état sont couplés par la même horloge. Une version future pourrait découpler ces processus pour permettre des scénarios où l'évolution rapide n'implique pas nécessairement une fréquence élevée de changement de régime.
• Asymétrie des régimes : Le modèle suppose actuellement une probabilité stationnaire égale pour chaque catégorie de taux. Permettre des probabilités inégales (ex: plus de chances de rester dans un régime lent) ajouterait du réalisme biologique.
• Modèles mixtes : Une extension logique serait de partitionner les caractères au sein d'un même jeu de données, appliquant le modèle Mk à certains et le covariomorph à d'autres, via une approche de mélange.

Conclusion

L'article démontre que le modèle covariomorph offre un cadre robuste et flexible pour l'inférence phylogénétique sur des données morphologiques. En intégrant l'hétérotachy (variation des taux au sein des lignées), il permet de mieux capturer la complexité de l'évolution morphologique, conduisant à des estimations de longueurs de branches et de topologies plus précises, avec des implications majeures pour la datation des événements évolutifs.