Les mondes darwiniens

586 / 1576
[les mon des darwiniens]
dernière corde de son arc. Il modélisera le comportement des gènes. Autrement
dit il va créer une information potentiellement phylogénétique non directement
liée à la comparaison des séquences (autrement dit, créer du signal).
L’homologie – si homologie il y a – dépend alors de l’idée que l’on se fait de
l’évolution et non plus d’une hypothèse d’identité observée : une profonde
transformation du concept.
De fait, lorsque les données (la matrice taxons x caractères) possèdent
un signal phylogénétique clair et net, toutes les méthodes donnent le même
résultat. La structure de l’arbre phylogénétique dépend avant tout des données,
et c’est heureux ! C’est lorsque le signal est faible ou nul que les résultats
divergent selon qu’on ajuste tel ou tel algorithme, tel ou tel modèle. La
légitimité de la transformation du bruit en signal est, bien entendu, un enjeu
épistémologique considérable qui, dans la pratique, repose principalement
sur l’injection d’un savoir qui ne ressortit pas uniquement à l’analyse : telle
branche longue est génératrice d’erreurs, tel gène est connu pour se comporter
de telle manière, tels taxons sont réellement apparentés ou non. On peut se
demander s’il y a du raisonnement circulaire, du vérificationnisme là-dedans
mais les cercles molécularistes se soucient peu de ce questionnement, d’autant
que les résultats sont toujours au rendez-vous de l’analyse, accompagnés de
statistiques brillantes et explicites.
L’évolution des substitutions nucléotidiques est stéréotypée, ce sont toujours
les mêmes bases qui se remplacent. L’évolution des caractères morphologiques
est plus variée. La prodigieuse diversité des métazoaires s’accompagne
de formes qui vont dans tous les sens alors que dans le monde moléculaire
elle n’a presque d’équivalent que la saturation des sites nucléotidiques. On
comprend dès lors la nécessité de modéliser l’évolution moléculaire. Sur ce
plan des prodiges ont été accomplis ces dernières années, non seulement
en termes de temps de calcul et de multiplicité des paramètres du modèle
d’évolution 65 , mais aussi de tests statistiques 66 . Les inférences de phylogénies
65. Guindon & Gascuel (2003), “A simple fast, and accurate algorithm to estimate
larges phylogenies by maximum likelihood”, Syst. Biol., 52 @. Rodrigue et al. (2007),
“Exploring fast computational strategies for probabilistic phylogenetic analysis”,
Syst. Biol., 56 @.
66. Shimodaira & Hasegawa (1999), “Multiple comparisons of log-likelihoods with
applications to phylogenetic inference”, Mol. Biol. Evol., 16 @. Huelsenbeck et
al. (2004), “Bayesian phylogenetic model selection using reversible jump Markov
chain MonteCarlo”, Mol. Biol. Evol., 21 @.