Cette publication est accessible gratuitement
Lire

Définition et synonyme de : PHÉNÉTIQUE

De
5 pages
Article publié par Encyclopaedia Universalis PHÉNÉTIQUE La phénétique (du préfixe grec phénon, exprimant la notion d'apparence), encore appelée taxinomie numérique, est une école de systématique qui vise à regrouper les êtres vivants en fonction de leur ressemblance globale, qu'il s'agisse du phénotype (caractères morphologiques) ou du génotype (séquences de gènes). Elle s'est constituée en science autonome dans les années 1960, au moment où se développait la recherche en informatique. Son acte de naissance peut être symbolisé par le livre de Robert Sokal et Peter Sneath, Numerical Taxonomy, publié aux États-Unis en 1963. L'impact des mathématiques Selon cette école, l'utilisation des mathématiques permet de classer les êtres vivants de façon exacte par la mesure de la ressemblance. L'expression de la forme par un grand nombre de mesures serait le moyen d'échapper à la part subjective de la description qualitative. Au seuil des années 1960, la systématique – science de la diversité des organismes dans le temps et dans l'espace – était dominée par l'approche évolutionniste défendue par des auteurs tels que Ernst Mayr ou George Gaylord Simpson selon lesquels la classification devait exprimer la connaissance sur l'évolution des organismes, en termes de parenté et de divergence adaptative, à travers l'étude des homologies (ressemblances entre organismes héritées d'une ascendance commune) et des tendances évolutives.
Voir plus Voir moins

Vous aimerez aussi

Définition et synonyme de : CLADISTIQUE

de Encyclopaedia-Universalis

Définition de : CLASSIFICATION, biologie

de Encyclopaedia-Universalis

Définition et synonyme de : FIXISME

de Encyclopaedia-Universalis

PHÉNÉTIQUE

La phénétique (du préfixe grec phénon, exprimant la notion d'apparence), encore appelée taxinomie numérique, est une école de systématique qui vise à regrouper les êtres vivants en fonction de leur ressemblance globale, qu'il s'agisse du phénotype (caractères morphologiques) ou du génotype (séquences de gènes). Elle s'est constituée en science autonome dans les années 1960, au moment où se développait la recherche en informatique. Son acte de naissance peut être symbolisé par le livre de Robert Sokal et Peter Sneath, Numerical Taxonomy, publié aux États-Unis en 1963.

L'impact des mathématiques

Selon cette école, l'utilisation des mathématiques permet de classer les êtres vivants de façon exacte par la mesure de la ressemblance. L'expression de la forme par un grand nombre de mesures serait le moyen d'échapper à la part subjective de la description qualitative. Au seuil des années 1960, la systématique – science de la diversité des organismes dans le temps et dans l'espace – était dominée par l'approche évolutionniste défendue par des auteurs tels que Ernst Mayr ou George Gaylord Simpson selon lesquels la classification devait exprimer la connaissance sur l'évolution des organismes, en termes de parenté et de divergence adaptative, à travers l'étude des homologies (ressemblances entre organismes héritées d'une ascendance commune) et des tendances évolutives. Toutefois, cette systématique dite évolutionniste se révéla incapable de fournir une procédure explicite d'identification des parentés. La cladistique, autre méthode de classification formalisée par Willi Hennig en 1950, critiqua ce manque de rigueur phylogénétique. De son côté et à l'inverse, la phénétique critiqua la recherche des homologies (sur lesquelles reposent les systématiques évolutionniste et cladistique) qui faisait de la classification des constructions purement spéculatives et promut l'expression quantitative de la ressemblance comme base objective de la classification. Les sujets sur lesquels se portent les études sont les unités taxinomiques opérationnelles (U.T.O.) ; les groupes constitués sont appelés clusters.

La quantification de la ressemblance passe par une donnée chiffrée : longueurs, indices, taux, etc. On mesure ensuite le degré de différence entre deux U.T.O. En fonction d'un nombre donné d'U.T.O., l'indice de similitude (ou de dissimilitude) est calculé entre chaque paire d'U.T.O. La capacité de calcul des ordinateurs permet d'obtenir ces indices de façon exacte et rapide. Est alors réalisée une matrice de distance où un indice – la distance – relie chaque paire d'U.T.O. La première étape de l'analyse phénétique réside dans le choix de la façon de calculer cette distance ; dans la seconde, un algorithme regroupe la totalité des U.T.O. – phase dite d'agglomération – selon une arborescence hiérarchique qui exprime le degré de dissimilitude entre les U.T.O., des plus éloignées jusqu'aux plus proches. Autrement dit, ce qui se ressemble s'assemble.

Difficultés évolutives

Il existe une grande variété de méthodes de calcul des distances et d'algorithmes d'agglomération. Ainsi, des hiérarchies différentes peuvent être obtenues à partir d'un même jeu de données. L'objectivité mathématique ne garantit donc pas la découverte d'une solution unique. En outre, en tournant le dos à la recherche des homologies au profit du calcul d'un indice de ressemblance, la phénétique s'oppose aux bases de l'évolutionnisme. En effet, la ressemblance entre deux organismes quelconques est de trois ordres : des ressemblances héritées d'un ancêtre commun immédiat, des ressemblances dues à un ancêtre plus lointain et des ressemblances non liées à une ascendance commune (homoplasies). La phénétique ne fait pas le tri.

Comment s'approcher d'une problématique phylogénétique en phénétique ? Le calcul de la moyenne arithmétique entre paires d'U.T.O., afin de construire une classification dite ascendante hiérarchique, n'a pas de connexion évidente avec le processus évolutif. Une telle classification ne peut être conçue comme une phylogénie que si l'évolution est dite constante : cas où le taux d'évolution est le même pour toutes les branches menant aux U.T.O. Ce modèle est appelé « modèle de l'horloge ». Dans le cas inverse, jugé le plus fréquent, on applique d'autres algorithmes de calculs que la moyenne arithmétique (algorithmes dits « des moindres carrés », « du plus proche voisin », etc.). C'est un arbre de ce type – concernant les eucaryotes – qui a fortement marqué l'histoire de la biologie évolutive : publié en 1967 par W. Fitch et E. Margoliash, il était fondé sur le calcul de la ressemblance dans la composition en acides aminés d'une protéine, le cytochrome c, montrant que l'on pouvait comparer les protéines des levures et des animaux vertébrés. À la suite de ce travail, la phénétique est non seulement devenue une méthode de classification mais aussi une méthode phylogénétique. La grande différence entre une telle approche et la cladistique reste liée à la méthode d'agglomération des taxons (ou des U.T.O.) : la phénétique se fonde sur un calcul de distances entre paires de taxons alors que la cladistique compare simultanément tous les taxons en fonction des caractères individuels. En cela, la cladistique s'intègre dans la recherche des homologies (qualitatives), à l'inverse de la phénétique.

Actuellement, dans le cadre de modélisations du comportement évolutif des caractères moléculaires, des méthodes différentes, dites « de modèle », supplantent peu à peu les méthodes phénétiques. Ces nouvelles méthodes sont caractérisées par le fait qu'un modèle de substitutions des nucléotides est posé a priori. La simple similitude (ou dissimilitude) entre nucléotides dans une séquence quelconque d'ADN n'entre plus seule en ligne de compte. Le modèle d'évolution est en effet intégré dans la manière de calculer les ressemblances, puis un calcul de probabilité permet de choisir l'arbre le plus probable en fonction à la fois des séquences des gènes et du modèle évolutif. Ce mode de reconstruction d'arbre, dit probabiliste, issu de la sphère de la phénétique, n'est plus strictement phénétique et n'est pas cladistique non plus. Au-delà des performances statistiques de ces approches, le problème de fond réside dans la légitimité de tel ou tel modèle évolutif posé a priori – un débat actuel qui n'est pas près de s'éteindre.

Auteur: PASCAL TASSY