Η συμβολή της Τηλεπισκόπησης στην ανίχνευση υπογραφών φυσικής επιλογής στους γκρίζους λύκους της Βόρειας Αμερικής

Abstract

Η παρούσα μεταπτυχιακή διπλωματική αποτελεί μια διεπιστημονική προσέγγιση για την αναγνώριση υπογραφών φυσικής επιλογής λόγω περιβαλλοντικής επίδρασης, εξετάζοντας τη συμβολή της Τηλεπισκόπησης και της Χωρικής Ανάλυσης στο πεδίο της Γενετικής του Τοπίου (Landscape Genetics). Αν και πληθώρα μελετών επιχείρησαν να συνδέσουν γενετική και περιβαλλοντική πληροφορία, ώστε να αποκαλυφθούν τα γονίδια που έχουν σχηματιστεί υπό την επίδραση της φυσικής επιλογής λόγω ποικίλων αλληλεπιδρώντων περιβαλλοντικών παραγόντων, πολλές επίδοξες τηλεπισκοπικής φύσεως παράμετροι δεν έχουν ακόμη αξιοποιηθεί ευρέως. Η εργασία αυτή στοχεύει στην κάλυψη αυτού του κενού, ερευνώντας το ενδεχόμενο τηλεπισκοπικά δεδομένα να προκαλέσουν την ανάδειξη σημαντικών συσχετίσεων μεταξύ γονιδίων και περιβάλλοντος. Ένα ετερογενές σύνολο ποσοτικών και ποιοτικών παραμέτρων από ένα ευρύ πεδίο πηγών συλλέχθηκε και εξετάστηκε για πιθανές συσχετίσεις μεταξύ αλληλόμορφων συχνοτήτων σε συγκεκριμένες κωδικοποιημένες θέσεις του γονιδιώματος (marker loci) και περιβαλλοντικών παραμέτρων, ώστε να αναγνωριστούν οι υπογραφές της φυσικές επιλογής στο γονιδίωμα του γκρίζου λύκου της Βόρειας Αμερικής (Canis lupus). Ιδιαίτερη έμφαση δόθηκε στην διερεύνηση του κανονικοποιημένου δείκτη βλάστησης (NDVI), καθώς αποτελεί καινοτόμο υποψήφιο προγνωστικό παράγοντα στην εξελικτική διαφοροποίηση των δειγμάτων του υπό εξέταση πληθυσμού. Το σύνολο των δεδομένων που τελικά αναλύθηκε, αποτελείτο από γενετικά δείγματα από μικρο-δορυφόρους (microsatellites), και δύο τύπους περιβαλλοντικών παραμέτρων, κλιματικών και τηλεπισκοπικών (NDVI, altitude), τα οποία συλλέχθηκαν σαν μηνιαίες μεταβλητές – όπου ήταν διαθέσιμες – ώστε να εξεταστούν για πιθανή επίδραση από την εποχικότητα των γενετικών δεδομένων. Η επεξεργασία τους πραγματοποιήθηκε από τη Μέθοδο Χωρικής Ανάλυσης (Spatial Analysis Method - SAM) για 22 περιβαλλοντικές και 523 γενετικές παραμέτρους. Η SAM απαιτεί γεωαναφερθέντα γενετικά δεδομένα του υπό εξέταση πληθυσμού ώστε να ανακτηθούν οι απαραίτητες πληροφορίες που να χαρακτηρίζουν το δειγματοληφθείσα περιοχή και να συσχετιστούν οι γενετικές παράμετροι με μία ή περισσότερες περιβαλλοντικές παραμέτρους. Η έρευνα συνοψίζεται σε τρεις φάσεις. Η πρώτη φάση απαιτεί την απόσπαση των κατάλληλων πληροφοριών από τα αντίστοιχα δεδομένα χρησιμοποιώντας τα Γεωγραφικά Συστήματα Πληροφοριών, ώστε να επιτραπεί η πρόσβαση στο επόμενο στάδιο, ήτοι στην κωδικοποίηση των ληφθέντων δεδομένων και στη σύνταξη ενός συνδυαστικού πίνακα με τις τιμές των περιβαλλοντικών παραμέτρων και τη δυαδική πληροφορία των γενετικών. Το τρίτο, και τελευταίο, τμήμα περιλαμβάνει την εφαρμογή πολλαπλών μονομεταβλητών λογιστικών παλινδρομήσεων και τον υπολογισμό των βαθμών συσχέτισης μεταξύ των παραμέτρων, με σκοπό τον ορισμό υποθέσεων σχετικά με την πιθανή δύναμη που ενδέχεται να σχηματίζει κάθε υπό εξέταση παράμετρος. Συγκρίνοντας τις δύο ομάδες περιβαλλοντικών παραμέτρων, προερχόμενες από τηλεπισκοπικά και κλιματικά δεδομένα, συμπεραίνεται ότι οι κλιματικές μεταβλητές ασκούν πίεση στην φυσική επιλογή που πιθανώς θα οδηγούσε σε γενετική διαφοροποίηση, εν αντιθέσει με τον δείκτη βλάστησης NDVI και το υψόμετρο που έπαψαν να συμμετέχουν σε σημαντικές συσχετίσεις από τα πρώτα δύο χαμηλότερα επίπεδα εμπιστοσύνης. Ο δείκτης βλάστησης τείνει να σχηματίζει μειωμένη ικανότητα ως προς τη φυσική επιλογή για την υπό εξέταση περιοχή μελέτης και πληθυσμό, αν και αυτό δεν αποτελεί γενικευμένο συμπέρασμα και τα αποτελέσματα υποδηλώνουν ότι μελλοντικοί ερευνητές είναι δυνατό να καταλήξουν σε έκβαση που πιθανώς θα ήταν πιο σαφής, χρησιμοποιώντας υψηλότερης ανάλυσης και περιεκτικότερο σύνολο δεδομένων. Η πιθανή επεξήγηση του λόγου για τον οποίον ο συγκεκριμένος δείκτης περιορίστηκε από το να αποτελέσει ισχυρό υποψήφιο φυσικής επιλογής έγκειται στον υπολογισμό των τιμών του NDVI, οι οποίες απεδείχθησαν ευμετάβλητες σε πλήθος παραγόντων που προκαλούν εν γένει διαταραχή, όπως νεφών και σκίασης λόγω νεφών τα οποία εμφανίζονται συχνά λόγω των κλιματικών συνθηκών της περιοχής μελέτης. Επιπρόσθετα, οι απούσες τιμές από το αρχικό γενετικό σύνολο δεδομένων απέτρεψαν την πραγματοποίηση του κριτηρίου του λόγου των πιθανοφανειών (likelihood ratio G test), συνεπώς είναι πιθανό με ένα ολοκληρωμένο σύνολο δεδομένων και επιπλέον αλληλόμορφα γονίδια, να αποκαλυφθεί ένα ευρύτερο σε πλήθος και ποικιλία πεδίο περιβαλλοντικών παραμέτρων, συμπεριλαμβανομένου του NDVI, το οποίο θα υπόκειται στους όρους της φυσικής επιλογής. Αναφορικά με τα γενετικά δεδομένα, η χωρική κατανομή των αλληλόμορφων γονιδίων θα πρέπει να αναλυθεί περαιτέρω για τη συλλογή πληροφοριών αναφορικά με τις τοπικές τους επιδράσεις και την πιθανή ανάδειξη χωρικών προτύπων που ενδέχεται να αποκαλύπτουν σύνδεση με το περιβάλλον. Επιλέγοντας, αυτή η διπλωματική διεξήχθη υπό το πρίσμα των γεωγραφικών συστημάτων πληροφοριών, αν και μια ανάλυση και ερμηνεία βιολογικής χροιάς θα διεξαχθεί στο πλαίσιο επικείμενης δημοσίευσης μαζί με ειδική μοριακή βιολόγο.

The current thesis constitutes an interdisciplinary approach of detecting a selection pressure driven by the environment examining the contribution of Remote Sensing and Spatial Analysis in the field of Landscape Genetics. Even though several studies have been attempting to link genetic and environmental information so as to discover the genes that are being shaped by natural selection because of various interacted environmental factors, aspiring remote sensing derived parameters may have not been extensively exploited. This project aims to fill a part of this gap by analysing whether Remote Sensing data would provoke the emergence of significant gene-environment associations. A heterogeneous set of quantitative and qualitative data from a wide variety of sources with different data structures was collected and tested for potential associations between allelic frequencies at marker loci and environmental parameters in order to identify signatures of natural selection within genomes of North American grey wolves (Canis lupus). Emphasis was set to the inquiry of Normalized Difference Vegetation Index (NDVI) as novel candidate predictor in the evolutionary divergence of the sampled populations. The dataset that has been eventually analysed, consisted of genetic samples by microsatellites, and of two types environmental data, climatic and remote sensed (NDVI, altitude) that have been collected as monthly variables – when available – in order to scan for possible effect of seasonality on genetic data. The process has been elaborated by Spatial Analysis Method (SAM) on 22 environmental and 523 genetic parameters. SAM requires georeferenced genetic data of the study population so as to retrieve information to characterize the sampling location and to correlate genetic parameters to one or more environmental parameters. The research is summarized in three phases. The first phase requires the desired information to be derived by the corresponding data using a Geographic Information System, so as to proceed to the second stage, which is the encoding of the acquired data and the compilation of a combination matrix with the values of the environmental parameters and the binomial information of the genetic ones. The third, and final, part included the implementation of multiple univariate logistic regressions and the computation of the association degrees between the parameters, in order to establish hypotheses about the possible force that each parameter in question could form. Comparing the two groups of environmental parameters, derived from remote sensing data and climatic data, it is concluded that climatic variables are exerting a selection pressure that could lead to genetic diversity, in contrast to vegetation index and altitude that ceased to be involved in significant associations from the first two lowest confidence levels. Vegetation index tends to shape a reduced selective power for the study area and population in question, although this is not an overall conclusion and the results denote that future researchers could arrive to an outcome that would potentially be more unambiguous by using a dataset of higher resolution and varied content. An explanation that this index is restrained from consisting a powerful candidate for natural selection lies within the computation of the NDVI values proved to be sensitive to a number of perturbing factors including clouds and cloud shadows that due to the prevailing climatic conditions of the study area are not scarce. Furthermore, the missing values of initial genetic dataset prevented the effectuation of G test, so potentially with a complete dataset and additional alleles, a greater amount and range of environmental parameters, NDVI included, would have been unveiled to be under natural selection. From the aspect of genetic data, spatial distribution of alleles should be further analysed for the acquisition of information concerning their local effects and potential emergence of spatial patterns that could unveil an environmental oriented link. Concluding, this thesis has been elaborated under a geographical information point of view, although a biologically-oriented interpretation-analysis will be realised in the context of a future publication together with specialized molecular biologist.