A simple mathematical model for the discontinuity in average nucleotide identity distributions in prokaryotes

Résumé technique : Un modèle mathématique simple pour la discontinuité des distributions de l'identité nucléotidique moyenne chez les procaryotes

Énoncé du problème
Les espèces microbiennes sont observées comme des clusters génomiques discrets, un phénomène mis en évidence par le « fossé ANI » (ANI gap) — une discontinuité bien documentée dans les distributions de l'identité nucléotidique moyenne (ANI). Bien que les seuils d'ANI (typiquement 95 % pour l'intra-espèce et < 85 % pour l'inter-espèce) soient des standards pour délimiter les espèces procaryotes, la largeur de ce fossé et les valeurs de frontière spécifiques varient considérablement selon les groupes taxonomiques. La compréhension actuelle postule que cette variation provient de l'interaction entre deux forces évolutives : la mutation, qui entraîne la divergence, et la recombinaison homologue, qui favorise la cohésion. Cependant, bien que des modèles théoriques précédents aient établi que le rapport entre mutation et recombinaison détermine si les clusters se dissolvent ou persistent, les mécanismes spécifiques façonnant la taille des clusters, leur espacement et les caractéristiques du fossé ANI dans les régimes intermédiaires restent mal compris. Cet article examine si un modèle mathématique simplifié de mutation et de recombinaison peut expliquer analytiquement la variation des distributions d'ANI observée à travers différents groupes taxonomiques.

Méthodologie
Les auteurs ont développé un modèle d'approximation de champ moyen représentant la dynamique génomique dans un espace euclidien bidimensionnel simplifié et continu. Dans cette abstraction, les génomes sont traités comme des vecteurs où la distance spatiale encode la dissimilarité génomique (par exemple, $1 - \text{ANI}$). Le modèle intègre trois composantes principales :

1. La mutation comme diffusion : La mutation est modélisée comme un processus de diffusion stochastique où les génomes se comportent comme des marcheurs aléatoires. Les mutations surviennent via un processus de Poisson avec un taux $\mu$, entraînant des déplacements aléatoires tirés d'une distribution gaussienne. Ce processus provoque l'expansion du cluster génomique au fil du temps.
2. La recombinaison homologue comme attraction : La recombinaison est modélisée comme une force attractive attirant les génomes les uns vers les autres. La probabilité de recombinaison entre deux génomes dépend de leur distance ($d$) et décroît exponentiellement avec la divergence de séquence : $p_{ij} = p e^{-\alpha d_{ij}}$. Ici, $p$ est le taux de recombinaison de base et $\alpha$ représente le taux de décroissance de l'efficacité de la recombinaison. Lorsqu'une recombinaison se produit, un génome se déplace d'une fraction $s$ de la distance vers son partenaire.
3. Dérivation analytique : Les auteurs ont dérivé les conditions d'équilibre pour le rayon quadratique moyen ($R_t$) d'un cluster génomique en équilibrant l'expansion due à la mutation et la contraction due à la recombinaison. Ils ont résolu l'équation différentielle $dR/dt = 0$ pour trouver les points d'équilibre stables et instables.

Les prédictions du modèle ont été comparées qualitativement à des distributions d'ANI empiriques dérivées de plus de 300 000 comparaisons par paires issues de cinq genres bactériens (Escherichia, Brucella, Leptospira, Proteus et Campylobacter) utilisant des assemblages de génomes complets de la base de données NCBI.

Contributions clés et résultats
L'étude produit une solution analytique pour le rayon d'équilibre des clusters génomiques en utilisant la fonction $W$ de Lambert. Les principales conclusions incluent :

• États d'équilibre : Le modèle identifie deux rayons critiques : un équilibre stable ($R^*_{W0}$) représentant la taille d'un cluster génomique, et un équilibre instable ($R^*_{W-1}$). Les génomes situés à l'intérieur du rayon instable sont attirés vers le centre du cluster stable, tandis que ceux situés au-delà divergent indéfiniment. La région située entre ces deux rayons représente une zone de dynamique instable, ce que les auteurs proposent comme explication de la discontinuité observée (le fossé) dans les distributions d'ANI.
• Sensibilité des paramètres :
  • Mutation ($\mu$) : Des taux de mutation plus élevés augmentent le rayon du cluster stable ($R^*_{W0}$), entraînant une plus grande variabilité intra-espèce et déplaçant le fossé ANI vers des valeurs plus basses.
  • Taux de recombinaison ($(N-1)p$) : Des taux de recombinaison plus élevés diminuent le rayon du cluster, réduisant la variabilité et déplaçant le fossé vers des valeurs plus hautes.
  • Taux de décroissance ($\alpha$) : Un taux de décroissance $\alpha$ plus élevé (recombinaison moins promiscue) affaiblit la force de cohésion, augmentant ainsi le rayon du cluster. Inversement, un $\alpha$ plus faible (recombinaison plus promiscue) augmente la distance entre les clusters distincts ($D_{between}$), élargissant ainsi le fossé ANI.
• Réplication des données empiriques : En ajustant le rapport entre mutation et recombinaison ainsi que le taux de décroissance $\alpha$, le modèle parvient à répliquer qualitativement la variabilité observée dans les distributions d'ANI réelles. Par exemple, il simule des fossés étroits avec une grande diversité (comme pour Escherichia) et des fossés larges avec une faible diversité (comme pour Brucella) en faisant varier ces paramètres.

Signification et revendications
Les auteurs affirment que leur modèle simplifié offre un cadre traitable pour comprendre les dynamiques fondamentales régissant les frontières des espèces microbiennes. En dérivant analytiquement les conditions d'équilibre, le modèle propose des prédictions spécifiques et testables :

1. Une mutation plus élevée augmente la variabilité intra-espèce et abaisse le fossé ANI.
2. Une recombinaison homologue plus élevée réduit la variabilité et élève le fossé.
3. Une recombinaison plus promiscue ( $\alpha$ plus faible) élargit le fossé ANI en augmentant les distances inter-clusters.

L'article souligne que la compréhension de la délimitation des espèces nécessite de considérer conjointement les taux de mutation, les taux de recombinaison et la décroissance de l'efficacité de la recombinaison avec la divergence de séquence. Bien que le modèle soit une simplification (ignorant l'espace physique, les paysages de fitness et les clusters imbriqués), il sert de base fondamentale pour motiver les futurs efforts expérimentaux et théoriques visant à quantifier ces paramètres. Les auteurs encouragent la communauté à tester ces prédictions afin de mieux comprendre les forces évolutives qui façonnent la diversité microbienne.