• Langue : Français, Anglais
• Discipline : Physiologie, biologie des organismes, populations, interactions
• Identifiant : 2025ULILS101
• Type de thèse : Doctorat
• Date de soutenance : 27/01/2025

Résumé en langue originale

Pourquoi les parasitesfont-ils plus ou moins de de malà leurs hôtes? Qu'est-ce qui déterminele fait que certaines épidémiesdeviennent pandémiques,quand d'autres restent localisées?S'il est notoire que les parasiteset les maladies infectieuses constituentdes ennemis de longue datede l'Humanité, comprendre leurs dynamiquesd'émergence, de propagationet d'évolution constitue un levierimportant pour la gestion des épidémies(animales ou végétales) par despolitiques publiques. Parmis tous lesfacteurs environnementaux qui façonnentles dynamiques de propagationet d'évolution des parasites,la structure spatiale apparaît commeun facteur clé. La thèse cherche àapporter des éléments de réponseà ces questions au moyen de modèlesthéoriques d'évolution et de coévolutiondes hôtes et de leurs parasitesdans des populations structuréesdans l'espace. Les modèlesainsi développés décrivent des populationssoumises à des niveauxd'organisation hiérarchisés et mettenten lumière les pressions de sélections'exerçant à chacun de ces niveaux.Ces pressions de sélecion agissentdans des directions contradictoires,et favorisent la persistence des parasitesdans des environnements oules contacts entre individus ou populationssont fortement limités. En revanche,lorsque les interactions entrepopulations s'intensifient, la sélectionfavorise alors la compétition locale,faisant émerger des parasites généralementplus virulents. Par ailleurs,les modèles de la thèse identifientque la sélection vers des prévalenceslocalement élevées favorisent la propagationde nouvelles souches parasitairesà des échelles plus larges, cequi semble confirmé par des résultatsexpérimentaux.Les modèles développés au cours dela thèse se veulent très généraux, etdevraient être facilement adaptablesà une diversité de systèmes réels.Toutefois, les prédictions réalisées reponsentsur des hypothèses spécifiques,notamment sur la considérationsde réseaux de populations pleinementconnectés, ce qui en facilitele traitement mathématique. Laconsidération de réseaux réalistes etd'interactions spécifiques à des systèmesbiologiques documentés permettraità terme de formuler desprédictions plus fines, et de quantifierl'impact de mesures d'interventiondans des populations réelles.

Résumé traduit

Why do parasites cause more or less harm to their hosts?Why some epidemics become pandemicswhile others remain localized?It is well known that parasites andinfectious diseases are long-standingenemies of humanity, and understandingtheir dynamics of emergence,spread, and evolution is a key leverfor managing epidemics (whether animalor plant) through public policies.Among all the environmental factorsthat shape the dynamics of parasitespread and evolution, spatial structureappears to be a key factor. Thethesis seeks to provide some answersto these questions through thedevelopment of theoretical modelsstudying the evolution and coevolutionof hosts and parasites in spatiallystructured populations. The modelsdeveloped describe populations subjectto hierarchical levels of organizationand highlight the selection pressuresacting at each of these levels.These selection pressures may act incontradictory directions, favoring thepersistence of parasites in environmentswhere contact between individualsor populations is highly restricted.However, when interactionsbetween populations intensify, selectionfavors local competition, generallyleading to the emergence ofmore virulent parasites. Furthermore,the models in the thesis identify thatselection towards locally high prevalencespromotes the spread of newparasitic strains at broader scales,which is supported by experimentalstudies.The models developed in this thesisare built in the scope of generalityand should be easily adaptable to avariety of real-world systems. However,the predictions made rely on specificassumptions, notably the considerationof fully connected populationnetworks, which simplifies theirmathematical treatment. Consideringmore realistic networks and interactionsspecific to documented biologicalsystems would ultimately allowfor more refined predictions and helpquantify the impact of interventionmeasures in real populations.