A bstract In unicellular organisms such as bacteria and in most viruses, mutations mainly occur during reproduction. Thus, genotypes with a high birth rate should have a higher mutation rate. However, standard models of asexual adaptation such as the ‘replicator-mutator equation’ often neglect this generation-time effect. In this study, we investigate the emergence of a positive dependence between the birth rate and the mutation rate in models of asexual adaptation and the consequences of this dependence. We show that it emerges naturally at the population scale, based on a large population limit of a stochastic time-continuous individual-based model with elementary assumptions. We derive a reaction-diffusion framework that describes the evolutionary trajectories and steady states in the presence of this dependence. When this model is coupled with a phenotype to fitness landscape with two optima, one for birth, the other one for survival, a new trade-off arises in the population. Compared to the standard approach with a constant mutation rate, the symmetry between birth and survival is broken. Our analytical results and numerical simulations show that the trajectories of mean phenotype, mean fitness and the stationary phenotype distribution are in sharp contrast with those displayed for the standard model. The reason for this is that the usual weak selection limit does not hold in a complex landscape with several optima associated with different values of the birth rate. Here, we obtain trajectories of adaptation where the mean phenotype of the population is initially attracted by the birth optimum, but eventually converges to the survival optimum, following a hook-shaped curve which illustrates the antagonistic effects of mutation on adaptation.

Abstract In agricultural landscapes, the amount and organization of crops and semi-natural habitats (SNH) have the potential to promote a bundle of ecosystem services due to their influence on ecological community at multiple spatio-temporal scales. SNH are relatively undisturbed and are often source of complementary resources and refuges, supporting more diverse and abundant natural pest enemies. However, the nexus of SNH proportion and organization with pest suppression is not trivial. It is thus crucial to understand how the behavior of pest and auxiliary species, the underlying landscape structure, and their interaction may influence conservation biological control (CBC). Here, we develop a generative stochastic landscape model to simulate realistic agricultural landscape compositions and configurations of fields and linear elements. Generated landscapes are used as spatial support over which we simulate a spatially explicit predator-prey dynamic model. We find that SNH boost predator population, but predator movement from hedges to fields is fundamental for an efficient pest regulation by auxiliaries and to decrease pesticide treatments. Moreover landscape elements may lead to different effects on pest reduction depending on the considered scale. Integration of species behaviors and traits with landscape structure at multiple scales are needed to provide useful insights for CBC.

Abstract France displays a latitudinal range for the expansion of Aedes albopictus invasive populations that is not yet completely colonized providing a critical opportunity to address key invasion processes. We propose a spatio-temporal model (DISTIGRI) to describe and predict current and future expansion at both intra- and inter-annual scales of A. albopictus . This process-based model integrates mechanistic descriptions of the developmental cycle and the dispersal process of A. albopictus within a reaction-diffusion framework, depending on climatic suitability and photoperiod with a high spatio-temporal resolution. Using this model coupled with a climatic database, we propose several maps describing the current intra-annual distribution of A. albopictus , including the date of first emergence and the length of the period with significant adult presence. We also compute its future distribution over the next 10 years under several climatic scenarios, which shows a range expansion with a strong dependence on the climatic scenario. The outputs of the model may constitute a valuable asset for designing control and avoidance strategies, and to anticipate the biting nuisance with a high spatio-temporal resolution. These outputs also emphasize the importance of taking both dispersal and life cycle into account to obtain accurate descriptions of out-of-equilibrium processes such as ongoing invasions.

A bstract Adult plant resistance (APR) is an incomplete and delayed protection of plants against pathogens. At first glance, such resistance should be less efficient than classical major-effect resistance genes, which confer complete resistance from seedling stage, to reduce epidemics. However, by allowing some ‘leaky’ levels of disease, APR genes are predicted to be more durable than major genes because they exert a weaker selection pressure on pathogens towards adaptation to resistance. However, the impact of partial efficiency and delayed mode of action of APR on the evolutionary and epidemiological outcomes of resistance deployment has never been tested. Using the demogenetic, spatially explicit, temporal, stochastic model landsepi , this study is a first attempt to investigate how resistance efficiency, age at the time of resistance activation and target pathogenicity trait jointly impact resistance durability and disease control at the landscape scale. Our numerical experiments explore the deployment of APR in a simulated agricultural landscape, alone or together with a major resistance gene. As a case study, the mathematical model has been parameterised for rust fungi (genus Puccinia ) of cereal crops, for which extensive data are available. Our simulations confirm that weak efficiency and delayed activation of APR genes reduce the selection pressure applied on pathogens and their propensity to overcome resistance, but do not confer effective protection. On the other hand, stronger APR genes (which increase selection pressure on the pathogen) may be quickly overcome but have the potential to provide some disease protection in the short-term. This is attributed to strong competition between different pathogen genotypes and the presence of fitness costs of adaptation, especially when APR genes are deployed together with a major resistance gene via crop mixtures or rotations.

ABSTRACT Where and when alien organisms are successfully introduced are central questions to elucidate biotic and abiotic conditions favorable to the introduction, establishment and spread of invasive species. We propose a modelling framework to analyze multiple introductions by several invasive genotypes or genetic variants, in competition with a resident population, when observations provide knowledge on the relative proportions of each variant at some dates and places. This framework is based on a mechanistic-statistical model coupling a reaction-diffusion model with a probabilistic observation model. We apply it to a spatio-temporal dataset reporting the relative proportions of five genetic variants of watermelon mosaic virus (WMV, genus Potyvirus , family Potyviridae ) in infections of commercial cucurbit fields. Despite the parsimonious nature of the model, it succeeds in fitting the data well and provides an estimation of the dates and places of successful introduction of each emerging variant as well as a reconstruction of the dynamics of each variant since its introduction.

1 Abstract A trade-off between growth and fecundity, reflecting the inability of simultaneously investing in both functions when resources are limited, is a fundamental feature of life history theory. This particular trade-off is the result of evolutionary and environmental constrains shaping reproductive and growth traits, but it remains difficult to pinpoint in natural populations of long-lived plants. We developed a hierarchical Bayesian model to estimate the inter-individual correlation among growth and reproduction, using observations at individual level over several years combined with resource simulations from an ecophysiological-based model (CASTANEA). In the Bayesian model, the resource, simulated by CASTANEA and incorporated as a latent variable, is allocated to tree growth, reproductive buds initiation and fruit maturation. Then, we used individual random effects correlated among energetic sinks to investigate potential trade-offs. We applied this original approach to a Mediterranean coniferous tree, Atlas Cedar ( Cedrus atlantica ), at two contrasted levels of competition, high versus low density population. We found that trees initializing many reproductive buds had a higher growth. Moreover, a negative correlation was detected between growth and fruit survival during maturation. Finally, trees investing more resource to maturate fruits initiated less reproductive buds. The level of competition did not impact the sign of these three correlations, but changed the level of resource allocation: low density population favored growth whereas high density favored reproduction. The level of resource have an impact on individual strategies. This new modeling framework allowed us to detect various individual strategies of resource allocation to growth versus late-stage reproduction on the one hand, and to early-versus late-stage reproduction on the other hand. Moreover, the sign of the correlation between growth and reproductive traits depends on the stage of reproduction considered. Hence, we suggest that the investigation of potential trade-offs between growth and reproduction requires to integrate the dynamics of resource and sink’s phenology, from initiation to maturation of reproductive organs.

Implementing integrated pest management programs to limit agricultural pest damage requires an understanding of the interactions between the environmental variability and population demographic processes. However, identifying key environmental drivers of spatiotemporal pest population dynamics remains challenging as numerous candidate factors can operate at a range of scales, from the field (e.g. agricultural practices) to the regional scale (e.g. weather variability). In such a context, data-driven approaches applied to pre-existing data may allow identifying patterns, correlations, and trends that may not be apparent through more restricted hypothesis-driven studies. The resulting insights can lead to the generation of novel hypotheses and inform future experimental work focusing on a limited and relevant set of environmental predictors. In this study, we developed an ecoinformatics approach to unravel the multi-scale environmental conditions that lead to the early re-infestation of mango orchards by a major pest in Senegal, the oriental fruit fly Bactrocera dorsalis (BD). We gathered abundance data from a three-year monitoring conducted in 69 mango orchards as well as environmental data (i.e. orchard management, landscape structure and weather variability) across a range of spatial scales. We then developed a flexible analysis pipeline centred on a recent machine learning algorithm (GPBoost), which allows the combination of gradient boosting and mixed-effects models or Gaussian processes, to hierarchize the effects of multi-scale environmental variables on the timing of annual BD population growth in orchards. We found that physical factors (temperature, humidity), and to some extent landscape features, were the main drivers of the spatio-temporal variability of the onset of population growth in orchards. These results suggest that favourable microclimate conditions could provide refuges for small BD populations that could survive, with little or no reproduction, during the mango off-season and, then, recolonize neighbouring orchards at the beginning of the next mango season. Confirmation of such a hypothesis could help to prioritize surveillance and preventive control actions in refuge areas.

niveau recherche, publiés ou non, émanant des établissements d'enseignement et de recherche français ou étrangers, des laboratoires publics ou privés.

Summary Resistant cultivars are of value for protecting crops from disease, but can be rapidly overcome by pathogens. Several strategies have been proposed to delay pathogen adaptation (evolutionary control), while maintaining effective protection (epidemiological control). Resistance genes can be i ) combined in the same cultivar (pyramiding), ii ) deployed in different cultivars sown in the same field (mixtures) or in different fields (mosaics), or iii ) alternated over time (rotations). The outcomes of these strategies have been investigated principally in pathogens displaying pure clonal reproduction, but sexual reproduction may promote the emergence of superpathogens adapted to all the resistance genes deployed. We improved the spatially explicit stochastic model landsepi to include pathogen sexual reproduction, and then investigate the effect of sexual reproduction on evolutionary and epidemiological outcomes across deployment strategies for two major resistance genes. Sexual reproduction only favours the establishment of a superpathogen when single mutant pathogens are present together at a sufficiently high frequency, as in mosaic and mixture strategies. We concluded that, although sexual reproduction may promote the establishment of a superpathogen, it did not affect the optimal strategy recommendations for a wide range of mutation probabilities, associated fitness costs, and landscape organisations (notably the cropping ratio of resistant fields).

Context While resistant cultivars are valuable in safeguarding crops against diseases, they can be rapidly overcome by pathogens. Numerous strategies have been proposed to delay pathogen adaptation (evolutionary control), while still ensuring effective protection (epidemiological control). Resistance genes can be deployed in 1) single-gene-resistant cultivars sown in the same field (mixture strategy) or in different fields (mosaic strategy), 2) a pyramided cultivar (pyramiding strategy) or 3) hybrid strategies that combine the three previous strategies. In addition, the spatial scale at which resistant cultivars are deployed can affect the plant-pathogens interaction: small fields are thought to reduce pest density and disease transmission. Objectives We aim to compare these strategies, focusing on the effects of the simultaneous deployment of single-gene-resistant and pyramided cultivars sharing resistance genes in an agricultural landscape. We also investigate the impact of field size. Methods We used the spatially-explicit stochastic model landsepi to compare the evolutionary and epidemiological control across spatial scales and deployment strategies for two major resistance genes. Results The evolutionary control provided by the pyramiding strategy is at risk when single-gene-resistant cultivars are concurrently planted in the landscape (hybrid strategies). The probabilities of pathogen mutation and the corresponding fitness costs play a crucial role in determining the feasibility of planting pyramided cultivars alongside single-gene-resistant ones. Instead, field size did not affect strategies recommendation. Conclusions Planting pyramided cultivars alongside single-gene-resistant ones should be avoided. Socio-economic perspectives for the adoption of resistance management strategies are discussed.