Diversité génétique

Author

Ludivine Codoner

Published

2026-03-17

Packages

Code

source("03.script/00_packages.R")

Importation des données

Importation des données de terrain issues du suivi des communautés dunaires.

Package utilisé
- RColorBrewer

Code

# Palette de couleur
MyCol8 <- brewer.pal(n = 8, name = "Dark2")

# Séparation des chemins "data" (chemin) et "resultats" (path_res)
chemin <- "D:/Master 2/S10/stagem2_lcodoner/02.data/DuneBioDiv_GenetData"
path_res <- "D:/Master 2/S10/stagem2_lcodoner/04.results"

terdat <- read.table(
  file.path(chemin, "AllDataTerrain_forR.txt"),
  sep = "\t",
  header = TRUE
)

OUTPUT
- terdat [3274 x 9] : pour chaque individu, description de son site, son faciès et ses coordonnées géographiques

Télécharger ce tableau

Importation des fonctions

Code

source("03.script/03_functions.R")

OUTPUT
- opérateur %!in%
- load_genetics()
- analyse_espece_fst()
- compute_all_hill()

Analyses descriptives

Structuration des données terrain. Répartition des individus par espècs et par site.

Code

table(terdat$species, terdat$site)

    
     G04 G10 G12 G13 G19 G20 G21 G29 G30 G31 G37 G38 G40 G46 G47 G49 L10 L11
  AA  16  15  15  15  15  17  15  15  15  17  15  16  14  15  16  16  15  16
  AC  15  17   0  15  15   0  15   0   0   0  16  15  15  15  15  15   0  15
  CS  15  15  15   0  15  19  15  15  15  16  15  15  15  15  15  15  15  15
  CV  14  15  15  16  15  15  15  15  15  15  15  15  15  15  15  15  15  16
  EJ  15   0  15  15  15  15  15  15  15  15  15  15  15  16  15  15  16  15
  EM  15  15  14  15  16  15  15  16  15  15  15  16  15  15  15  15  15  15
  EP  16  15  15  15  15  16  15  17  15  16  15  13  15  15  15  16  15  15
  HS  16  15  15   0  19  15  15  18  15  16  15  16  15  16  15  15  15  15
    
     L12 L21 L22 L24 L30 L31 L32 L36 L37 L38 L43
  AA  16  17  16  15  15  17  14  15  16  15   8
  AC   0   0   0   0  15   0  17  15  16  15  16
  CS  16  15  14   0  15  15   0  15   0   0  15
  CV  15  15  14  16  17  15  16  15  15  15  15
  EJ  15  17  16  15  16  15  15  15  16  15  15
  EM  15  15  15  15  15  15  15  15  22  15  15
  EP  16  15  17  15  15  15  16  15  16  15  15
  HS  16  15  16  16  15  15  15  15  15  15  17

Synthèse graphique du nombre d’individus par espèces et par faciès dunaire (haut de plage, dune blanche, dune grise, pré-forêt).

Code

specom <- table(terdat$species, terdat$community)
specom <- as.table(cbind(
  haut_plage = specom[, "haut_plage"],
  dune_blanche = specom[, "dune_blanche"],
  dune_grise = specom[, "dune_grise"],
  pre_foret = specom[, "pre_foret"]
))

Télécharger ce graphique

Ensuite, pour chaque site, construction d’un barplot local espèces x faciès

Code

# graphique par site
specRecAll <- c()
par(mfrow = c(6, 5), mar = c(3, 3, 1, 1) + 0.1)

Code

for (loc in unique(terdat$site)) {
  spec <- table(
    terdat[terdat$site == loc, ]$species,
    terdat[terdat$site == loc, ]$community
  )
  if ("haut_plage" %!in% colnames(spec)) {
    spec <- cbind(spec, "haut_plage" = 0)
  }
  if ("dune_blanche" %!in% colnames(spec)) {
    spec <- cbind(spec, "dune_blanche" = 0)
  }
  if ("dune_grise" %!in% colnames(spec)) {
    spec <- cbind(spec, "dune_grise" = 0)
  }
  if ("pre_foret" %!in% colnames(spec)) {
    spec <- cbind(spec, "pre_foret" = 0)
  }
  spec <- as.table(spec[, c(
    "haut_plage",
    "dune_blanche",
    "dune_grise",
    "pre_foret"
  )])
  plot(t(spec), col = MyCol8, main = loc)
  specRec <- cbind(Site = loc, Species = rownames(spec), spec)
  specRecAll <- rbind(specRecAll, specRec)
}

OUTPUT
- specom [8 x 4] : résume le nombre d’individus par espèces par faciès.
- specRecAll [214 x 6] : nombre d’individus par espècse par faciès avec la précision di sute et de nouveau l’espèce + rendu graphique.

F-stat de Weir & Cockerham

Transformation du tableau de génotypes multilocus de chaque espèce en objet genind, en gérant automatiquement la ploïdie (2/4/6), puis en genpop, afin de calculer les F-statistiques de Weir & Cockrham (wc) avec hierfstat. Cett eétape est encapsulé dans la fonction load_genetics, ce qui permet de traiter l’ensemble des espèces de façon homogène.
- Pour l’utiliser individuellement, il suffit d’écrire objet <- load_genetics("i") où i correspond au nom de l’espèce.
- Pour une seule utilisation, il suffit de suivre le script ci-après.

Les F-statistiques de Weir & Cockerham (FST, FIS) ont été calculée avec la fonction hierfstat::wc() utilisable que pour les jeux de données haploïdes ou diploïdes. Par conséquent, ces indices n’ont été estimés que pour les espèces diploïdes de notre jeu de données (CS, CV, EM et EP).

Code

genos <- setNames(
  lapply(c("AA", "AC", "CS", "CV", "EJ", "EM", "EP", "HS"), load_genetics),
  c("AA", "AC", "CS", "CV", "EJ", "EM", "EP", "HS")
)

Code

fst_table <- data.frame(
  Ploidy = sapply(genos, `[[`, "ploidy"),
  N_ind = sapply(genos, `[[`, "nind"),
  N_loc = sapply(genos, `[[`, "nloc"),
  FST = round(sapply(genos, `[[`, "FST"), digits = 3),
  FIS = round(sapply(genos, `[[`, "FIS"), digits = 3)
)

Télécharger ce tableau

F-statistiques hiérarchiques

Pour les espèces diploïdes uniquement, exploration de la structuration de la diversitégénétiques à différents niveaux spatiaux (région, communauté, région/communauté imbriquées) à l’aide des F-statistiques hiérarchiques de Weir & Cockerham. Calcul des indices de diversité de Hill afin d’obtenir une mesure synthétique de la diversité génétique par espèce et par niveau.

Code

esp_diploides <- c("CS", "CV", "EM", "EP")
res_all_fst <- lapply(esp_diploides, analyse_espece_fst)

names(res_all_fst) <- esp_diploides

fst_hier_table <- do.call(
  rbind,
  lapply(names(res_all_fst), function(sp) {
    r <- res_all_fst[[sp]]

    data.frame(
      Espece = sp,
      Niveau = c("region", "community", "region/community"),
      FST = round(
        c(
          r$Fst_region$FST,
          r$Fst_community$FST,
          r$Fst_region_community$FST
        ),
        digits = 3
      ),
      FIS = round(
        c(
          r$Fst_region$FIS,
          r$Fst_community$FIS,
          r$Fst_region_community$FIS
        ),
        digits = 3
      )
    )
  })
)

OUTPUT
- fst_hier-table : pour chaque espèce diploïde, FST et FIS estimés entre régions, entre communautés et pour une strcture imbriquée région/communauté.

Télécharger ce tableau

Nombre de Hill

On a déjà genos, un objet contenant les données génétiques par espèces.

Package utilisé
- hillR

Code

AllDiv <- compute_all_hill(esp_diploides)

Hill_gen <- AllDiv %>%
  tidyr::pivot_wider(
    names_from = div,
    values_from = val
  ) %>%
  rename(transect = pop)

# permet de mettre sur le même échelle que la diversité spéciifique (1 valeur par transect)
# moyenner les 9 espèces par transect
Hill_gen_transect <- Hill_gen %>%
  group_by(transect) %>%
  summarise(
    q0_gen = mean(q0, na.rm = TRUE),
    q1_gen = mean(q1, na.rm = TRUE),
    q2_gen = mean(q2, na.rm = TRUE)
  )

OUTPUT
- AllDiv : pour chaque espèce diploïde, les indices de diversité de Hill d’ordre 0, 1 et 2.

Télécharger ce tableau

--- title: "Diversité génétique" author: "Ludivine Codoner" date: today date-format: "YYYY-MM-DD" format: html: code-tools: true toc: true toc-float: true theme: minty highlight-style: tango code-fold: show code-overflow: wrap --- # Packages ```{r packages utilisés, message=FALSE} source("03.script/00_packages.R") ``` # Importation des données Importation des données de terrain issues du suivi des communautés dunaires. :::{.panel-tabset} #### Script **Package utilisé** - *RColorBrewer* ```{r import-data} # Palette de couleur MyCol8 <- brewer.pal(n = 8, name = "Dark2") # Séparation des chemins "data" (chemin) et "resultats" (path_res) chemin <- "D:/Master 2/S10/stagem2_lcodoner/02.data/DuneBioDiv_GenetData" path_res <- "D:/Master 2/S10/stagem2_lcodoner/04.results" terdat <- read.table( file.path(chemin, "AllDataTerrain_forR.txt"), sep = "\t", header = TRUE ) ``` **OUTPUT** - *terdat [3274 x 9] :* pour chaque individu, description de son site, son faciès et ses coordonnées géographiques #### Tableau {.active} ```{r import-data res, echo = FALSE} write_xlsx( terdat, path = file.path(path_res, "AllDataTerrain_forR.xlsx") ) datatable(terdat) ``` [Télécharger ce tableau](../04.results/AllDataTerrain_forR.xlsx){.btn .btn-outline-primary} ::: # Importation des fonctions ```{r load-functions} source("03.script/03_functions.R") ``` **OUTPUT** - *opérateur %!in%* - *load_genetics()* - *analyse_espece_fst()* - *compute_all_hill()* # Analyses descriptives Structuration des données terrain. Répartition des individus par espècs et par site. ```{r descriptives table} table(terdat$species, terdat$site) ``` Synthèse graphique du nombre d'individus par espèces et par faciès dunaire (haut de plage, dune blanche, dune grise, pré-forêt). :::{.panel-tabset} #### Script ```{r descriptives script} specom <- table(terdat$species, terdat$community) specom <- as.table(cbind( haut_plage = specom[, "haut_plage"], dune_blanche = specom[, "dune_blanche"], dune_grise = specom[, "dune_grise"], pre_foret = specom[, "pre_foret"] )) ``` #### Résultats {.active} ```{r desciptives res, echo = FALSE} # graphique global plot( t(specom), col = MyCol8, main = "Genetic samples distribution across communities" ) ``` [Télécharger ce graphique](Script_diversite_genetique_files/figure-html/desciptives res-1.png){.btn .btn-outline-primary} ::: Ensuite, pour chaque site, construction d'un barplot local espèces x faciès :::{.panel-tabset} #### Script ```{r descriptives script all} # graphique par site specRecAll <- c() par(mfrow = c(6, 5), mar = c(3, 3, 1, 1) + 0.1) ``` #### Résultats ```{r descriptives res all} for (loc in unique(terdat$site)) { spec <- table( terdat[terdat$site == loc, ]$species, terdat[terdat$site == loc, ]$community ) if ("haut_plage" %!in% colnames(spec)) { spec <- cbind(spec, "haut_plage" = 0) } if ("dune_blanche" %!in% colnames(spec)) { spec <- cbind(spec, "dune_blanche" = 0) } if ("dune_grise" %!in% colnames(spec)) { spec <- cbind(spec, "dune_grise" = 0) } if ("pre_foret" %!in% colnames(spec)) { spec <- cbind(spec, "pre_foret" = 0) } spec <- as.table(spec[, c( "haut_plage", "dune_blanche", "dune_grise", "pre_foret" )]) plot(t(spec), col = MyCol8, main = loc) specRec <- cbind(Site = loc, Species = rownames(spec), spec) specRecAll <- rbind(specRecAll, specRec) } ``` **OUTPUT** - *specom [8 x 4] :* résume le nombre d'individus par espèces par faciès. - *specRecAll [214 x 6] :* nombre d'individus par espècse par faciès avec la précision di sute et de nouveau l'espèce + rendu graphique. ::: # F-stat de Weir & Cockerham Transformation du tableau de génotypes multilocus de chaque espèce en objet `genind`, en gérant automatiquement la ploïdie (2/4/6), puis en `genpop`, afin de calculer les F-statistiques de Weir & Cockrham (wc) avec `hierfstat`. Cett eétape est encapsulé dans la fonction `load_genetics`, ce qui permet de traiter l'ensemble des espèces de façon homogène. - Pour l'utiliser individuellement, il suffit d'écrire `objet <- load_genetics("i")` où *i* correspond au nom de l'espèce. - Pour une seule utilisation, il suffit de suivre le script ci-après. Les F-statistiques de Weir & Cockerham (FST, FIS) ont été calculée avec la fonction `hierfstat::wc()` utilisable que pour les jeux de données haploïdes ou diploïdes. Par conséquent, ces indices n'ont été estimés que pour les espèces diploïdes de notre jeu de données (CS, CV, EM et EP). :::{.panel-tabset} #### Script ```{r compute-genos, output = FALSE} genos <- setNames( lapply(c("AA", "AC", "CS", "CV", "EJ", "EM", "EP", "HS"), load_genetics), c("AA", "AC", "CS", "CV", "EJ", "EM", "EP", "HS") ) ``` ```{r Fst-table} fst_table <- data.frame( Ploidy = sapply(genos, `[[`, "ploidy"), N_ind = sapply(genos, `[[`, "nind"), N_loc = sapply(genos, `[[`, "nloc"), FST = round(sapply(genos, `[[`, "FST"), digits = 3), FIS = round(sapply(genos, `[[`, "FIS"), digits = 3) ) ``` #### Tableau {.active} ```{r Fst-table-html, echo = FALSE} write_xlsx( fst_table, path = file.path(path_res, "fst_table_global.xlsx") ) datatable(fst_table) ``` [Télécharger ce tableau](../04.results/fst_table_global.xlsx){.btn .btn-outline-primary} ::: # F-statistiques hiérarchiques Pour les espèces diploïdes uniquement, exploration de la structuration de la diversitégénétiques à différents niveaux spatiaux (région, communauté, région/communauté imbriquées) à l'aide des F-statistiques hiérarchiques de Weir & Cockerham. Calcul des indices de diversité de Hill afin d'obtenir une mesure synthétique de la diversité génétique par espèce et par niveau. :::{.panel-tabset} #### Script ```{r compute-hier-Fst, output = FALSE} esp_diploides <- c("CS", "CV", "EM", "EP") res_all_fst <- lapply(esp_diploides, analyse_espece_fst) names(res_all_fst) <- esp_diploides fst_hier_table <- do.call( rbind, lapply(names(res_all_fst), function(sp) { r <- res_all_fst[[sp]] data.frame( Espece = sp, Niveau = c("region", "community", "region/community"), FST = round( c( r$Fst_region$FST, r$Fst_community$FST, r$Fst_region_community$FST ), digits = 3 ), FIS = round( c( r$Fst_region$FIS, r$Fst_community$FIS, r$Fst_region_community$FIS ), digits = 3 ) ) }) ) ``` **OUTPUT** - *fst_hier-table :* pour chaque espèce diploïde, FST et FIS estimés entre régions, entre communautés et pour une strcture imbriquée région/communauté. #### Tableau {.active} ```{r Fst-hier-html, echo = FALSE} write_xlsx( fst_hier_table, path = file.path(path_res, "fst_table_hierarchique.xlsx") ) datatable(fst_hier_table) ``` [Télécharger ce tableau](../04.results/fst_table_hierarchique.xlsx){.btn .btn-outline-primary} ::: # Nombre de Hill On a déjà `genos`, un objet contenant les données génétiques par espèces. :::{.panel-tabset} #### Script **Package utilisé** - *hillR* ```{r compute-Hill, output = FALSE} AllDiv <- compute_all_hill(esp_diploides) Hill_gen <- AllDiv %>% tidyr::pivot_wider( names_from = div, values_from = val ) %>% rename(transect = pop) # permet de mettre sur le même échelle que la diversité spéciifique (1 valeur par transect) # moyenner les 9 espèces par transect Hill_gen_transect <- Hill_gen %>% group_by(transect) %>% summarise( q0_gen = mean(q0, na.rm = TRUE), q1_gen = mean(q1, na.rm = TRUE), q2_gen = mean(q2, na.rm = TRUE) ) ``` **OUTPUT** - *AllDiv :* pour chaque espèce diploïde, les indices de diversité de Hill d'ordre 0, 1 et 2. #### AllDiv ```{r Hill-html, echo = FALSE} write_xlsx( AllDiv, path = file.path(path_res, "Hill_table.xlsx") ) datatable(AllDiv) ``` [Télécharger ce tableau](../04.results/Hill_table.xlsx){.btn .btn-outline-primary} #### Hill esp/pop ```{r Hill esp_pop, echo = FALSE} write_xlsx( Hill_gen, path = file.path(path_res, "Hill_gen.xlsx") ) datatable(Hill_gen) ``` [Télécharger ce tableau](../04.results/Hill_table.xlsx){.btn .btn-outline-primary} #### Hill par transect {.active} ```{r Hill pop, echo = FALSE} write_xlsx( Hill_gen_transect, path = file.path(path_res, "Hill_gen_transect.xlsx") ) datatable(Hill_gen_transect) ``` [Télécharger ce tableau](../04.results/Hill_gen_transect.xlsx){.btn .btn-outline-primary} :::