Comment le hasard pilote l'évolution express
L'évolution coule comme l'eau. Dans une large rivière, les changements sont lents et réguliers, tandis qu'un torrent de montagne bouillonne à chaque rocher. La taille de la population et la fréquence des mutations tracent le lit : large et tranquille, ou étroit et plein de rapides.
Les scientifiques ont construit un modèle mathématique basé sur la théorie des processus aléatoires de Andrey Markov, intégrant le temps, la taille de la population, le rythme des mutations et leur ampleur. Dans les grands groupes, l'évolution avance posément — les mutations s'accumulent sur des siècles et se noient souvent sans laisser de trace, comme de l'encre dans une rivière. Dans les petits groupes, elle bouillonne : une mutation bénéfique peut envahir toute la population en quelques générations, telle une pierre qui dévie le cours du ruisseau.
Ces calculs permettent de prédire la réponse des espèces aux changements environnementaux. En contrôlant le niveau de chaos dans les populations, nous pouvons ralentir l'évolution indésirable, par exemple chez les insectes nuisibles. La biologie gagne un outil de prévisions précises au lieu de généralités.
Résumé original
tel que rédigé par les auteurs, en anglais arXiv:2607.11520
These are lecture notes for an advanced topics course in the master's programme at Bonn University. It aims to give a concise review of some of the work that has been done around the topic of adaptive dynamics from a rigorous stochastic point of view over the last 25 years and to make this area accessible to students with a good knowledge of probability in general, and the theory of Markov processes in particular. Our emphasis is on the issue of emerging scaling limits, where scaling parameters are time, population size, mutation rates, and mutation step size. These allow to exhibit within a fairly simple class of models a variety of biologically relevant phenomena. These notes are organised in three parts. Part 1 presents some historical background as well as the mathematical setting and main tools. Part 2 is the core of the notes and discusses the various scaling regimes and scaling limits. Part 3 looks at some extensions on the basic model, notably diploid models, phenotypic plasticity, and effects of environmental changes over time.
Les mathématiques des chaînes aléatoires utilisées par les scientifiques ne sont pas nées en biologie : Andrey Markov les a créées en analysant l'alternance des voyelles et des consonnes dans le poème de Pouchkine « Eugène Onéguine ».