Détection de sélection darwinienne sur un gène par une approche sans vraisemblance

En génétique des populations, les modèles sont souvent complexes ce qui rend l'évaluation de la vraisemblance difficile, si ce n'est impossible. En revanche, des mécanismes de génération de données sont parfois disponibles ce qui explique pourquoi les méthodes d'inférence bayésienne sans vraisemblance sont si utilisées dans ce domaine. Nous nous intéressons ici à la détection des effets de la sélection darwinienne sur un gène. Les données sont alors constituées d'un ensemble de séquences homologues. Notre objectif est d'estimer la distribution a posteriori de certains paramètres, les autres étant considérés comme des paramètres de nuisance. Ces derniers incluent un arbre phylogénétique qui est ici représenté par un arbre de coalescence, ce qui correspond au modèle de Moran. Sous cette hypothèse, nous pouvons construire un mécanisme de génération de données. Notre procédure d'estimation repose sur l'algorithme ABC-SMC (Del Moral et al., 2009). Nous montrerons ici les résultats obtenus sur le gène env du virus HIV.