Table des matières

Message fourni par Daniel Thomas

De nombreux biologistes consacrent leur carrière à découvrir pourquoi la vie a pris la forme qu’elle a. La sélection naturelle darwinienne nous donne le comment, mais les chercheurs sont profondément intéressés par la raison pour laquelle nous trouvons des morphologies particulières parmi certains organismes, quand ces morphologies sont apparues, et ce que ces morphologies signifient pour les organismes et les communautés dans lesquelles ils résident. Dans cet article, Daniel Thomas (Université Massey, Nouvelle-Zélande) décrit la philosophie qui sous-tend le nouveau MorphoBlocks package pour R. Le package est présenté dans un nouveau papier dans le numéro spécial « Visualisation de grands ensembles de données multivariées » de Méthodes en écologie et évolution. Les chercheurs intéressés à explorer le MorphoBlocks paquet sont encouragés à essayer ces trois vignettes.

Étudier la forme de la structure

La morphologie d’une structure biologique comprend à la fois la forme de la structure ainsi que sa taille. Les raisons pour lesquelles une structure biologique a évolué vers une nouvelle forme peuvent être différentes des raisons pour lesquelles cette structure a évolué vers une nouvelle taille, et les chercheurs pourraient donc être particulièrement intéressés par la distribution des formes parmi le clade ou la communauté qu’ils étudient. Les formes peuvent être comparées mathématiquement après la suppression des aspects « hors forme » d’une structure (taille, emplacement et rotation), et les chercheurs s’intéressent généralement aux aspects de la forme qui varient le plus au sein de leur ensemble de données.

La forme d’une structure biologique est généralement représentée par un point dans un tracé « morphospace », où les points les plus proches dans le même tracé représentent des formes plus similaires, et les axes du tracé décrivent comment les formes varient. Alors que les méthodes d’analyse actuelles sont excellentes pour comparer les formes de pièces uniques (par exemple des os isolés), des questions de recherche écologiques ou évolutives concernant les formes d’objets contenant plusieurs pièces (par exemple des squelettes) ont inspiré le développement de la MorphoBlocks paquet pour R.

Nous avons reconnu que l’analyse de la variation dans les formes d’objets composés de plusieurs pièces, par rapport à l’analyse de la variation entre les formes de pièces isolées, est similaire à la façon dont les analyses multiblocs sont structurées dans d’autres domaines de données volumineuses comme la chimiométrie. La clé est la structure du bloc.

Morphologie avec mannequins

Imaginez un mannequin debout, les bras tendus vers le ciel, formant la forme d’un Y, et avec toutes les régions du corps couvertes de points (Figure 1). Si nous pouvions retirer le mannequin tout en laissant les points flotter dans l’espace, nous serions toujours en mesure d’imaginer la forme complète du mannequin. Nous répétons ce processus pour un deuxième mannequin de la même taille et dans la même pose en Y, en prenant soin de placer les points aux mêmes endroits que le premier mannequin. Nous retirons à nouveau le mannequin et gardons la constellation de points flottant dans l’espace. Cela nous donne les données dont nous avons besoin pour comparer les formes de ces deux mannequins. Rapprocher les deux constellations de points flottants (c’est-à-dire aligner le point d’épaule gauche du mannequin un à côté du point d’épaule gauche du mannequin deux), de sorte que la distance additionnée entre les points correspondants dans chaque constellation soit la plus basse possible , nous permet de comprendre où se produisent les différences de forme. Nous trouvons ces différences en vérifiant simplement les distances entre les points correspondants.

Ce processus est bien si nous voulons comparer les formes de mannequins dans la même pose, mais que se passe-t-il si nous faisons une comparaison avec un autre mannequin qui est de la même taille, a le même motif de points, mais fait de son mieux pour faire un M forme avec ses bras? Notre analyse point à point nous indiquerait que ce mannequin supplémentaire a une forme différente, mais uniquement parce que la pose est désormais la plus grande source de variation, et non la forme réelle des régions du corps du mannequin (Figure 1).

Figure 1. Des mannequins avec des repères dans différentes poses aident à montrer comment une structure de bloc de données peut être informative pour étudier les formes d’objets composés de plusieurs parties. Crédit : Daniel Thomas.

C’est là que l’introduction d’une structure de blocs peut aider. Retournez au début avec nos mannequins avant d’ajouter les points – deux avec des bras en forme de Y et un faisant de son mieux pour faire la forme d’un M. Cette fois, lorsque nous plaçons des points sur les mannequins que nous allons utiliser différentes couleurs pour différentes régions (Figure 1). Nous allons ajouter des points rouges sur le torse du mannequin 1, puis aux endroits correspondants sur les torses des autres mannequins, nous placerons également des points rouges. Nous utilisons des points verts pour le haut du bras droit de chaque mannequin, des points bleus pour le bas du bras droit de chaque mannequin, et ainsi de suite, en utilisant des points de couleurs différentes pour chaque région.

Maintenant, nous faisons à nouveau disparaître les mannequins tandis que les points restent flottants dans l’espace. Cette fois, lorsque nous rassemblons nos constellations de points, nous allons le faire couleur par couleur (c’est-à-dire bloc de données par bloc de données). Nous allons d’abord établir les différences de forme au niveau du torse, puis du haut du bras, et ainsi de suite. Nous devrons faire pivoter et traduire les constellations de points de couleur assortis afin de rapprocher les constellations les unes des autres autant que possible, mais ce n’est pas grave, car nous nous concentrons uniquement sur une région à la fois. Nous déterminons ensuite quels points contribuent le plus aux différences de forme pour leur région, puis résumons toutes ces sources régionales de variation dans une description globale sur comment et où les formes de mannequin diffèrent indépendamment de la façon dont elles sont posées. C’est l’essence de l’approche multibloc de l’analyse de forme réalisée avec MorphoBlocks.

Apprendre des squelettes

Décrire la forme d’objets composés de plusieurs parties en comprenant d’abord la variation de chacune des parties peut être utile si nous voulons étudier comment un squelette a changé au cours de l’évolution. Avez-vous déjà pensé que votre squelette est composé d’un mélange de formes plus anciennes et plus récentes ? Que certaines régions de votre squelette ont changé beaucoup plus récemment par rapport à d’autres régions au cours de votre histoire évolutive ?

En dehors de notre crâne, la plupart des os de notre squelette sont les même forme que l’ancêtre que nous avons partagé le plus récemment avec d’autres espèces de Homo. le forme de nos os de l’avant-bras et du coccyx sont en grande partie les mêmes que ceux de l’ancêtre avec lequel nous avons partagé la dernière fois Australopithèque, et les formes de certains les os de nos pieds ressemblent beaucoup à ceux de l’ancêtre nous avons partagé la dernière fois avec La poêle. Le moment et l’ampleur des changements dans nos squelettes peuvent être informatifs sur les pressions de sélection qui ont façonné notre évolution. le MorphoBlocks forfait présenté dans notre parution récente produit un morphospace pour un objet en plusieurs parties tel qu’un squelette, et peut être utilisé pour comprendre comment la variation de forme est distribuée sur chaque partie. Cela nous permet de découvrir lorsque cette variation est apparue et fournit un moyen d’enquêter Quel cette variation signifie pour les organismes et pour les communautés dans lesquelles ils résident.

MorphoBlocks inclut des fonctions pour effectuer des analyses de forme sur des objets en plusieurs parties. La principale de ces fonctions est morphoBlocks::analyseBlocks, qui donne accès à une méthode d’analyse multibloc à partir du Analyse de corrélation canonique généralisée régularisée (RGCCA) package pour R développé par Arthur Tenenhaus et collègues. Collaborer avec Arthur pour réaliser le potentiel de l’analyse des composantes principales du consensus régularisé de RGCCA pour l’analyse de forme a été profondément gratifiant. Nous prévoyons de continuer à développer MorphoBlocks pour ajouter de nouvelles fonctionnalités, et sont ravis d’entendre des écologistes et des biologistes de l’évolution pour savoir si MorphoBlocks a été bénéfique pour leurs recherches.

Pour en savoir plus sur le MorphoBlocks paquet, lisez notre Méthodes en écologie et évolution article’Construire un morphospace en plusieurs parties à l’aide d’une méthode multibloc‘.




Source link