• Refine Query
  • Source
  • Publication year
  • to
  • Language
  • 12
  • 12
  • 1
  • Tagged with
  • 21
  • 21
  • 19
  • 17
  • 7
  • 7
  • 7
  • 6
  • 6
  • 4
  • 4
  • 3
  • 3
  • 3
  • 3
  • About
  • The Global ETD Search service is a free service for researchers to find electronic theses and dissertations. This service is provided by the Networked Digital Library of Theses and Dissertations.
    Our metadata is collected from universities around the world. If you manage a university/consortium/country archive and want to be added, details can be found on the NDLTD website.
1

Insertion de la sélection génomique dans un processus de sélection variétale : application à un oléoprotéagineux, le soja / Insertion of genomic selection in a varietal selection process : application to an oleoproteaginous crop, soybean

Duhnen, Alexandra 06 November 2017 (has links)
La sélection variétale a pour objectif la génération de variétés toujours plus performantes pour des caractères agronomiques d'intérêt. Pour les caractères quantitatifs, qui sont sous contrôle génétique polygénique, la sélection variétale consiste à réunir progressivement dans les nouvelles variétés des allèles favorables pour un maximum de gènes. Les processus de sélection évoluent, notamment par l'intégration des progrès concernant les connaissances génétiques et outils biotechnologiques. La sélection génomique est une méthode qui peut prédire la valeur génétique d'individus à partir de données génomiques et d'un modèle d'effets génétiques appris sur une population de référence. Nos études ont porté sur la possibilité d'insérer la sélection génomique dans le processus de sélection pour en augmenter l'efficacité. Notre sujet a été appliqué à un programme privé qui vise l'obtention de variétés de soja performantes pour le rendement et le contenu des graines en protéines, pour répondre à un besoin de protéines d'origine végétale. Des études génétiques sur une population de lignées générées lors de cycles de sélection successifs ont mis en évidence une structuration génétique en deux sous-populations qui ne sont pas "hermétiques". Nous avons étudié par échantillonnages de populations de test la précision de prédiction obtenue dans nos deux groupes avec différents modèles de GS : des modèles GBLUP additifs avec différentes populations d'apprentissage, puis des modèles d'architectures génétiques plus complexes. Les précisions de prédiction de nos modèles étaient proches les unes des autres. Cependant, nos résultats suggèrent que le modèle GBLUP le plus adapté pour obtenir des prédictions précises au sein de nos deux groupes est un modèle appris sur une population représentative du groupe à prédire et comprenant une composante additive et une composante épistatique additive x additive. Nous avons mis en place une application de la GS dans un cycle de sélection en cours de réalisation. Nous avons estimé le potentiel des croisements de départ par simulation de descendants virtuels et prédiction génomique de leurs performances, ce qui nous a permis de choisir trois populations biparentales prometteuses à l'intérieur desquelles nous avons effectué une sélection sur la base de prédictions génomiques. Nous avons développé un outil permettant de simuler des schémas de sélection sur plusieurs cycles consécutifs. Il s'agit d'un outil flexible et générique du point de vue de la définition des schémas de sélection. Cet outil permet notamment de comparer le gain génétique obtenu avec deux schémas différents à partir d'une même population de départ et d'un même modèle des effets génétiques et environnementaux agissant sur l'expression phénotypique d'un caractère. Avec cet outil, nous avons étudié la précision d'évaluation et les composantes de la variance de deux modèles GBLUP (avec ou sans modélisation de l'épistasie) après simulation de différentes architectures génétiques. Nous avons également comparé le schéma de sélection classique et différents schémas incluant une utilisation de la GS. Avec une comparaison sur un cycle, nous n'avons pas observé de gain à utiliser des schémas intégrant la GS pour augmenter l'efficacité de sélection de nouvelles variétés, à coût constant. Par contre, nous avons observé un gain à utiliser la GS pour choisir les croisements en début de cycle : la valeur génétique moyenne des lignées produites augmente de cycle en cycle. Concernant les alternatives au schéma de sélection classique du soja, des études plus approfondies seront nécessaires. Elles permettront notamment d'inclure la simulation des étapes de sélection sur le contenu des graines en protéines et d'étudier la question du gain génétique à long terme. / Varietal selection aims at the generation of increasingly more performing varieties for agronomic traits of interest. In the case of quantitative traits, which are under polygenic genetic control, varietal selection consists in gradually joining together in the new varieties favorable alleles for a maximum number of genes. Selection processes are evolving, in particular by integrating advances in genetic knowledge and biotechnological tools. Genomic selection is a method that can predict the genetic value of individuals from genomic data and a model of genetic effects learned on a reference population. Our studies have focused on the possibility of including genomic selection in the selection process to increase its efficiency. Our subject has been applied to a private program aimed at obtaining soybean varieties performing for yield and seed protein content to meet a need for proteins of plant origin. Genetic studies on a population of lines generated during successive breeding cycles have shown genetic structuration in two subpopulations that are not "hermetic". We studied by samplings of test populations the prediction accuracies obtained within our two groups with different GS models: additive GBLUP models with different learning populations, and then models of more complex genetic architectures. The prediction accuracies of our models were close to one another. However, our results suggest that the most suitable GBLUP model for obtaining accurate predictions within our two groups is a model learned on a population representative of the group to be predicted and including an additive component and an additive x additive epistatic component. We have implemented an application of GS in a selection cycle in progress. We evaluated the potential of initial crosses by simulation of virtual descendants and genomic prediction of their performances, which allowed us to select three promising biparental populations within which we made a selection based on genomic predictions. We have developed a tool to simulate selection schemes over several consecutive cycles. It is a flexible and generic tool from the point of view of selection schemes definition. This tool makes it possible, in particular, to compare the genetic gain obtained with two different schemes starting from a same starting population and from a same model of genetic and environmental effects acting on the phenotypic expression of a trait. With this tool, we studied evaluation accuracy and variance components of two GBLUP models (with or without epistasy modeling) after simulation of different genetic architectures. We also compared the classic selection scheme and different schemes including a use of GS. With a comparison on one cycle, we did not observe any gain in using schemes integrating GS to increase efficiency of selection of new varieties, at constant cost. On the other hand, we observed a gain in using GS to choose crosses at the beginning of cycle: mean genetic value of produced lines increases from one cycle to another. Regarding alternatives to the traditional soybean selection scheme, further studies will be required. In particular, they will include simulation of selection stages on seed protein content and study of long-term genetic gain.
2

Optimisation des stratégies de génétique d'association et de sélection génomique pour des populations de diversité variable : Application au maïs / Optimization of association genetics and genomic selection strategies for populations of different diversity levels : Application in maize (Zea mays L.)

Rincent, Renaud 11 April 2014 (has links)
D'importants progrès ont été réalisés dans les domaines du génotypage et du séquençage, ce qui permet de mieux comprendre la relation génotype/phénotype. Il est possible d'analyser l'architecture génétique des caractères (génétique d'association, GA), ou de prédire la valeur génétique des candidats à la sélection (sélection génomique, SG). L'objectif de cette thèse était de développer des outils pour mener ces stratégies de manière optimale. Nous avons d'abord dérivé analytiquement la puissance du modèle mixte de GA, et montré que la puissance était plus faible pour les marqueurs présentant une faible diversité, une forte différentiation entre sous groupes et une forte corrélation avec les marqueurs utilisés pour estimer l'apparentement (K). Nous avons donc considéré deux estimateurs alternatifs de K. Des simulations ont montré qu'ils sont aussi efficaces que la méthode classique pour contrôler les faux positifs et augmentent la puissance. Ces résultats ont été confirmés sur les panels corné et denté du programme Cornfed, avec une augmentation de 40% du nombre de SNP détectés. Ces panels, génotypés avec une puce 50k SNP et phénotypés pour leur précocité et leur biomasse ont permis de décrire la diversité de ces groupes et de détecter des QTL. En SG, des études ont montré l'importance de la composition du jeu de calibration sur la fiabilité des prédictions. Nous avons proposé un algorithme d'échantillonnage dérivé de la théorie du G-BLUP permettant de maximiser la fiabilité des prédictions. Par rapport à un échantillon aléatoire, il permettrait de diminuer de moitié l'effort de phénotypage pour atteindre une même fiabilité de prédiction sur les panels Cornfed. / Major progresses have been achieved in genotyping technologies, which makes it easier to decipher the relationship between genotype and phenotype. This contributed to the understanding of the genetic architecture of traits (Genome Wide Association Studies, GWAS), and to better predictions of genetic value to improve breeding efficiency (Genomic Selection, GS). The objective of this thesis was to define efficient ways of leading these approaches. We first derived analytically the power from classical GWAS mixed model and showed that it was lower for markers with a small minimum allele frequency, a strong differentiation among population subgroups and that are strongly correlated with markers used for estimating the kinship matrix K. We considered therefore two alternative estimators of K. Simulations showed that these were as efficient as classical estimators to control false positive and provided more power. We confirmed these results on true datasets collected on two maize panels, and could increase by up to 40% the number of detected associations. These panels, genotyped with a 50k SNP-array and phenotyped for flowering and biomass traits, were used to characterize the diversity of Dent and Flint groups and detect QTLs. In GS, studies highlighted the importance of relationship between the calibration set (CS) and the predicted set on the accuracy of predictions. Considering low present genotyping cost, we proposed a sampling algorithm of the CS based on the G-BLUP model, which resulted in higher accuracies than other sampling strategies for all the traits considered. It could reach the same accuracy than a randomly sampled CS with half of the phenotyping effort.
3

Prise en compte d’informations a priori en sélection génomique dans un dispositif d’hybrides de tournesol (Helianthus annuus L.) / Taking into account a priori information in genomic selection in a sunflower hybrid design

Bonnafous, Fanny 18 December 2017 (has links)
La sélection génomique (GS) est un outil puissant pour prédire les phénotypes ou les valeurs génétiques d'individus encore non observés, sur la base d'un panel à la fois phénotypé et génotypé. Les modèles mixtes GBLUP habituellement utilisés prennent en compte tous les marqueurs simultanément, en postulant que leurs effets suivent tous la même distribution gaussienne. Les connaissances des mécanismes biologiques sous-jacent à la variation phénotypique ne sont donc pas pris en compte dans une telle modélisation. Le but de cette thèse est d'intégrer dans des modèles GBLUP des connaissances a priori, comme des régions génomique impliquées dans la variation des caractères d'intérêt ou encore des réseaux de gènes, afin d'évaluer le potentiel d'amélioration de la précision de prédiction. Ces modèles ont été appliqués à l'espèce de tournesol Helianthus annuus L., sur trois caractères (la floraison, le rendement et la sénescence foliaire) dans 13 environnements différents. L'un des principaux défis des études sur les hybrides de tournesol est de modéliser la vigueur hybride, ou hétérosis. Différentes hypothèses, incluant la dominance, la superdominance et l'épistasie ont été proposées pour clarifier les mécanismes génétiques sous-jacents au phénomène de l'hétérosis, mais leur importance n'est pas clairement connue. Dans ce contexte, la première partie de cette étude a eu pour but de tester l'efficacité de la GS dans une population d'hybrides provenant du croisement de 36 lignées femelles avec 36 lignées mâles. Pour cela des modèles prenant en compte des effets non-additifs ont été expérimentés, et les résultats validés expérimentalement en champ sur deux années. La prédiction des valeurs génétiques des hybrides ayant été concluante, nous avons ensuite cherché des informations a priori à intégrer à ces modèles. Des SNPs impliqués dans la variation des trois caractères d'intérêt ont été recherchés à l'aide de plusieurs modèles de GWAS (additifs et non-additifs). De plus, dans la perspective de tester des modèles prenant en compte des interactions épistatiques, des SNPs localisés dans des réseaux de gènes connus ont été recherchés. La dernière partie de cette thèse a eu pour but d'intégrer aux modèles GBLUP ces régions génomiques impliquées dans la variation des caractères. Deux méthodes ont été utilisées pour cela, à savoir la modélisation des informations a priori dans la partie aléatoire (modèle MultiBLUP) ou dans la partie fixe des modèles. Ces méthodes ne montrent pas d'amélioration significative des précisions de prédiction par rapport aux modèles GBLUP sans information a priori. / Genomic selection is a powerful tool for predicting phenotypes or genetic values of non-observed individuals, based on a panel both phenotyped and genotyped. The mixed models GBLUP usually utilized take into account all markers simultaneously, assuming that all their effects all follow the same Gaussian distribution. Knowledge of the biological mechanisms underlying phenotypic variation is therefore not taken into account in such modeling. The aim of this thesis is to integrate in GBLUP models a priori knowledge, such as genomic regions involved in the variation of the traits of interest or networks of genes, in order to evaluate the potential for improvement of accuracies. These models were applied to the Helianthus annuus L. sunflower specie on three traits (flowering time, yield and leaf senescence) in 13 several environments. One of the main challenges of genetic studies on sunflower hybrids is to model hybrid vigor, or heterosis. Different hypotheses, including dominance, over-dominance and epistasis have been proposed to clarify the genetic mechanisms underlying the heterosis phenomenon, but their importance is not clearly known. In this context, the first part of this study aimed to test the efficiency of the GS in an hybrid population from the crossing of 36 female lines with 36 male lines. For this purpose, models taking into account non-additive effects were experimented, and the results validated experimentally in field over two years. The prediction of the genetic values of the hybrids was conclusive, so we looked for a priori information to integrate with these models. SNPs involved in the variation of the three traits of interest were searched using several models of GWAS (additive and non-additive). Moreover, in order to test models taking into account epistatic interactions, SNPs located in known gene networks have been sought. Finally the integration of the genomic regions involved in the variation of the traits, into the GBLUP models, was conducted. Two methods were implemented for this, namely the modeling of a priori information in the random part (MultiBLUP model) or in the fixed part of the models. These methods do not show significant improvement in accuracies compared to GBLUP models without a priori information.
4

Les impacts de la sélection génomique sur les évaluations génétiques classiques

Patry, Clotilde 09 December 2011 (has links) (PDF)
Les évaluations génomiques apportent une information précoce et suffisamment précise pour choisir les jeunes taureaux dans les schémas de sélection des bovins laitiers, incitant à remplacer le long processus de testage sur descendance par une étape de sélection génomique.Dès lors, seuls les candidats sélectionnés ont des filles avec performances et participent aux évaluations génétiques classiques. Cependant, toutes les informations ayant servi à la sélection ne sont plus incluses dans l'analyse et l'estimation des valeurs génétiques par la méthode du BLUP (Best Linear Unbiased Prediction) peut être incorrecte.Les évaluations génétiques classiques restent indispensables pour l'évaluation des animaux non génotypés, pour la comparaison des taureaux à l'échelle mondiale, et pour le calcul des futures prédictions génomiques. Compte-tenu de la rapide intégration de la génomique dans les schémas de sélection des bovins laitiers, il était important d'en étudier les conséquences sur les évaluations génétiques classiques.A l'échelle nationale, nos simulations ont montré que les valeurs génétiques des taureaux retenus sur information génomique étaient systématiquement sous-estimées et moins précises quand l'étape de sélection génomique n'était pas prise en compte dans le modèle statistique. Pour éviter ce biais, une méthode a été testée avec succès : pour l'ensemble des candidats à la sélection, des pseudo-performances sont calculées à partir des index génomiques et analysées par le BLUP. Suivant la prise en compte ou non de l'étape de sélection génomique, les pays participant aux évaluations internationales peuvent fournir des données biaisées et/ou incomplètes, au risque de pénaliser fortement leurs propres taureaux dans les classements internationaux. La diversité des pratiques à l'échelle mondiale et l'interaction des possibles sources de biais dans les évaluations internationales rendent sa propagation incontrôlable et fortement dommageable.Il est donc nécessaire et urgent d'adapter les évaluations génétiques classiques pour prendre en compte l'information génomique et ses pratiques associées. Diverses approches récentes sont discutées afin de proposer des alternatives faciles à mettre en place dans les centres d'évaluation, permettant de maintenir des évaluations non biaisées mais aussi plus précises.
5

Etude de la prédiction génomique chez les caprins : faisabilité et limites de la sélection génomique dans le cadre d'une population multiraciale et à faible effectif / Study on genomic predictions in dairy goats : Benefits and limits of genomic selection in a small size multibreed population

Carillier-Jacquin, Céline 16 October 2015 (has links)
La sélection génomique, qui a révolutionné la sélection génétique des bovins laitiers notamment, est désormais envisagée dans d’autres espèces comme l’espèce caprine. La clé du succès de la sélection génomique réside dans la précision des évaluations génomiques. Chez les caprins laitiers français, le gain de précision attendu avec la sélection génomique était un des questionnements de la filière en raison de la petite taille de la population de référence disponible (825 mâles et 1945 femelles génotypés sur une puce SNP 50K). Le but de cette étude est d’évaluer comment augmenter la précision des évaluations génomiques dans l’espèce caprine. Une étude de la structure génétique de la population de référence caprine constituée d’animaux de races Saanen et Alpine, a permis de montrer que la population de référence choisie est représentative de la population élevée sur le territoire français. En revanche, les faibles niveaux de déséquilibre de liaison (0,17 entre deux SNP consécutifs) de consanguinité et de parenté au sein de la population, similaires à ceux trouvés en ovins Lacaune, ne sont pas idéaux pour obtenir une bonne précision des évaluations génomiques. De plus, malgré l’origine commune des races Alpine et Saanen, leurs structures génétiques suggèrent qu’elles se distinguent clairement d’un point de vue génétique. Les méthodes génomiques (GBLUP ou Bayésiennes) « two-step », basées sur des performances pré-corrigées (DYD, EBV dérégressées) n’ont pas permis une amélioration significative des précisions des évaluations génomiques pour les caractères évalués en routine (caractères de production, de morphologie et de comptages de cellules somatiques) chez les caprins laitiers. La prise en compte des phénotypes des mâles non génotypés permet d’augmenter les précisions des évaluations de 3 à 47% selon le caractère. L’ajout des génotypes de femelles issues d’un dispositif de détection de QTL améliore également les précisions (de 2 à 14%) que ce soit pour les évaluations two steps ou les évaluations basées sur les performances propres des femelles (single step). Les précisions sont augmentées de 10 à 74% avec les évaluations single step comparées aux évaluations two steps, ce qui permet d’atteindre des précisions supérieures à celles obtenues sur ascendance. Les précisions obtenues avec les évaluations génomiques multiraciales, bicaractères et uniraciales sont similaires même si la précision des valeurs génomiques estimées des candidats à la sélection est plus élevée avec les évaluations multiraciales. La sélection génomique est donc envisageable chez les caprins laitiers français à l’aide d’un modèle génomique multiracial single step. Les précisions peuvent être légèrement augmentées par l’inclusion de gènes majeurs tels que celui de la caséine αs1 notamment à l’aide d’un modèle « gene content » pour prédire le génotype des animaux non génotypés. / Genomic selection which is revolutionizing genetic selection in dairy cattle has been tested in several species like dairy goat. Key point in genomic selection is accuracy of genomic evaluation. In French dairy goats, gain in accuracy using genomic selection was questioning due to the small size of the reference population (825 males and 1 945 females genotyped). The aim of this study was to investigate how to reach adequate genomic evaluation accuracy in French dairy goat population. The study of reference population structure (Alpine and Saanen breeds) showed that reference population is similar to the whole population of French dairy goats. But the weak level of linkage disequilibrium (0.17 between two consecutive SNP), inbreeding and relationship between reference and candidate population were not ideal to maximize genomic evaluation accuracy. Despite their common origin, genetic structure of Alpine and Saanen breeds suggested that they were genetically distant. Two steps genomic evaluation (GBLUP, Bayesian) based on performances corrected for fixed effect (DYD, deregressed EBV) did not improve genetic evaluation accuracy compared to classical evaluations for milk production traits, udder type traits and somatic cells score classically selected in French dairy goat. Taking into account phenotypes of ungenotyped sires increased genomic evaluation from 3 to 47% depending on the trait considered. Adding female genotypes also improved genomic evaluation accuracies from 2 to 4% depending on the method (two steps or single step) and on the trait. When using gemomic evaluation directly based on female performances (single step), accuracy of genomic evaluation reach the level obtained from ascendance in classic evaluation which was not the case using two steps evaluations. Genomic evaluation accuracies were similar when using multiple-trait model, multi-breed or single breed evaluation. But accuracies derived from prediction error variances were better when using multi-breed genomic evaluations. Genomic selection is feasible in French dairy goats using single step multi-breed genomic evaluations. Accuracies could be slightly improved integrating major gene as αs1 casein especially when using « gene content » approach to predict genotypes of ungenotyped animals.
6

Genetic analysis of hybrid value for silage maize in multiparental designs : QTL detection and genomic selection / Analyse génétique de la valeur hybride chez le maïs fourrage dans des dispositifs multiparentaux : détection de QTL et sélection génomique

Giraud, Héloïse 22 January 2016 (has links)
La sélection génomique offre de nouvelles perspectives en amélioration des plantes pour la sélection de caractères complexes. Le travail proposé porte sur l’évaluation de son intérêt dans le cadre d’un programme de sélection réciproque pour la valeur d’hybrides entre deux groupes génétiques de maïs complémentaires. Il s’appuie sur un dispositif expérimental original constitué de 900 hybrides produits dans un plan factoriel entre deux dispositifs multiparentaux connectés. L’objectif de la sélection est d’améliorer le rendement ensilage des hybrides tout en améliorant leur digestibilité. Une réflexion sur les modèles permettant de prédire la valeur hybride sera conduite et testée sur les données expérimentales et par simulations. Ce travail, conduit en collaboration avec sept sociétés de sélection (au sein de PROMAÏS) devrait permettre d’améliorer les dispositifs de sélection classiques et de produire des hybrides d’intérêt agronomique. Il s’inscrit dans le cadre plus général de l’amélioration pour la valeur en croisement commune à de nombreuses espèces végétales allogames et à certaines espèces animales. / Genomic selection opens new prospects in plant breeding for the selection of complex traits. The proposed study aims to evaluate its efficiency in the context of a reciprocal selection schemes for the hybrid value between two complementary maize groups. The work will rely on an original experimental design including 900 hybrids produced from a factorial between two multiparental connected designs. The selection objective is to increase the hybrids silage yield as well as their digestibility. Several models for the hybrid value prediction will be proposed and tested on the experimental data and by simulations. This study, carried out in close connection with seven plant breeding companies (members of PROMAÏS) will contribute to the improvement of breeding designs and will produce new interesting hybrids. It falls within the general context of the selection for hybrid value which is common to numerous plant allogamous species and animal species.
7

Prédiction assistée par marqueurs de la performance hybride dans un schéma de sélection réciproque : simulations et évaluation expérimentale pour le maïs ensilage / Marker-assisted prediction of hybrid performance in a reciprocal breeding design : simulations and experimental evaluation for silage maize

Seye, Adama Innocent 21 March 2019 (has links)
Le maïs (Zea mays L.) est la plante la plus cultivée au monde. Pour valoriser le fort effet d’hétérosis pour les caractères liés à la biomasse, la diversité génétique du maïs est structurée en groupes hétérotiques et les variétés cultivées sont majoritairement des hybrides F1 entre lignées de groupes complémentaires. La valeur hybride se décompose comme la somme de l’Aptitude Générale à la Combinaison (AGC) de chacune des lignées parentales et de l’Aptitude Spécifique à la Combinaison (ASC) du couple. En Europe du Nord, le maïs est souvent utilisé en ensilage destiné à l'alimentation animale. L’objectif de sélection est d’améliorer la productivité et d'assurer une bonne digestibilité du maïs ensilage. Les objectifs de cette thèse étaient : (i) d’estimer l’importance de l’AGC et de l’ASC dans la variance génétique hybride pour les caractères de qualité de l’ensilage, (ii) d’identifier les locus (QTL) impliqués dans ces caractères et d’étudier leur colocalisation avec des QTL de productivité, (iii) d’évaluer l’intérêt de la sélection génomique pour la prédiction des performances hybrides et (iv) de comparer l’efficacité de deux dispositifs de calibration des prédictions basés sur un factoriel ou l’utilisation classique de testeurs du groupe complémentaire. Dans le cadre du projet SAM-MCR, 6 familles biparentales connectées ont été créés dans les groupes « corné » et « denté » à partir de 4 lignées fondatrices. Dans une première phase, 822 lignées cornées et 802 dentées ont été génotypées pour 20k SNP et croisées selon un factoriel incomplet pour produire 951 hybrides, phénotypés pour des caractères de qualité et de productivité (étudiés par H. Giraud pendant sa thèse). L’analyse des caractères de qualité a montré une prédominance de l’AGC par rapport à l’ASC ainsi qu’une corrélation négative entre les caractères de qualité et le rendement. De nombreux QTLs multi-alléliques ont été détectés, la plupart spécifiques d’un groupe et dont certains colocalisent avec des QTL de rendement. Par validation croisée, la qualité de prédictions basées sur les QTL détectés s’est avérée plus faible que celle obtenue par prédiction génomique. La prise en compte de l’ASC n‘a pas permis d’améliorer sensiblement la qualité de prédictions des modèles. Dans une seconde phase, 90 lignées ont été choisies par groupe : 30 sélectionnées sur la base de leurs prédictions génomiques pour la productivité et la valeur énergétique et 60 choisies aléatoirement parmi les 6 familles. Ces lignées ont été croisées selon un factoriel incomplet pour produire 360 nouveaux hybrides : 120 issus des lignées sélectionnées et 240 issus des lignées choisies au hasard. Les 90 lignées de chaque groupe ont aussi été croisées à deux lignées fondatrices du groupe complémentaire (testeurs). Les hybrides issus des lignées sélectionnées se sont avérés plus productifs mais de moins bonne qualité. Nous avons confirmé la bonne qualité des prédictions génomiques obtenus dans le factoriel initial sur les nouveaux hybrides évalués dans d’autres environnements et après sélection et observé une bonne corrélation entre les AGC estimées dans le factoriel et dans le dispositif testeurs. Des dispositifs factoriels et testeurs ont été simulés en faisant varier la part d’ASC, le nombre d’hybrides et la contribution de chaque lignée dans le jeu de calibration. A moyens expérimentaux égaux, le dispositif factoriel s’est avéré plus efficace en termes de capacité prédictive et de gain génétique cumulé que le dispositif testeur (jusqu’à +50%) pour un caractère présentant de l’ASC et équivalent pour un caractère purement additif. Les résultats de cette thèse ouvrent de nouvelles perspectives pour revisiter les schémas de sélection hybrides en remplaçant l’évaluation des lignées candidates, classiquement faite sur testeur, par l’évaluation directe d’hybrides issus d’un factoriel incomplet. La mise en œuvre de tels dispositifs nécessitera de réorganiser la logistique des programmes de sélection. / Maize (Zea mays L.) is the most cultivated crop in the world. To exploit the strong heterosis for traits related to biomass, the genetic diversity of maize is structured into heterotic groups and cultivated varieties are mainly F1 hybrids obtained by crossing lines from complementary groups. The hybrid value can be decomposed as the sum of the General Combining Ability (GCA) of each parental line and the Specific Combining Ability (ASC) of the cross. In northern Europe, maize is often used as silage for animal feed and the breeding objective is to improve productivity while ensuring a good energetic value and digestibility of the silage. The objectives of this thesis were: (i) to estimate the importance of GCA and SCA in hybrid genetic variance for silage quality traits, (ii) to identify loci (QTL) involved in these traits and to study their colocalization with QTL for productivity traits, (iii) to evaluate the interest of genomic selection for the prediction of hybrid performances and (iv) to compare the prediction accuracies of two calibration designs either based on a factorial or on the conventional use of testers from the complementary group. As part of the SAM-MCR project, 6 biparental connected families were created in the "flint" and "dent" groups from 4 founder lines. In a first phase, 822 flint and 802 dent lines were genotyped for 20k SNPs and crossed according to an incomplete factorial to produce 951 hybrids which were phenotyped for quality traits and for productivity traits (studied by H. Giraud during her phD). Quality trait analysis showed a predominance of GCA over SCA and a negative correlation between digestibility traits and silage yield. Several multi-allelic QTLs were detected, most of them being specific to one group. Several colocalizations were found with yield QTL. Using cross-validation, we observed that the predictive ability of models based on detected QTLs was lower than that obtained by genomic predictions. Considering the SCA did not improve model predictive abilities for most of the traits. In a second phase, 90 lines were chosen per group: 30 were selected based on their genomic predictions for productivity and the energetic value and 60 were randomly sampled from the 6 families. These lines were crossed according to an incomplete factorial to produce 360 new hybrids: 120 from selected lines and 240 from randomly chosen lines. The 90 lines of each group were also crossed to two lines of the complementary group (testers). Hybrids from the selected lines were more productive but had a lower silage quality. We confirmed the good accuracy of the genomic predictions obtained in the initial factorial on the new hybrids evaluated in other environments and after selection. We also observed good correlations between GCA estimated in the factorial and in the testcross design. Different factorial and testcross designs were simulated by varying the proportion of dominance/SCA, the number of hybrids and the contribution of each line to the calibration set. Considering the same number of hybrids in the calibration set, the factorial was more efficient in terms of predictive ability and cumulative genetic gain (up to + 50%) than the testcross design for traits showing SCA and was similar for purely additive traits. The results of this thesis open new perspectives to revisit hybrid breeding schemes by replacing the evaluation of candidate lines, classically made on testcross, by the direct evaluation of hybrids resulting from an incomplete factorial. The implementation of such designs will require reorganizing the logistics of selection programs.
8

Evaluation of haplotype-based genomic selection methods with focus on their performances in a multi-breed context in dairy cattle / Evaluation des performances des méthodes de sélection génomique basées sur des haplotypes et intérêt de ces approches dans un contexte multiracial

Jonas, David 12 December 2016 (has links)
En sélection génomique, des marqueurs de l’ADN sont utilisés pour l’évaluation des grandes races laitières. La plupart des méthodes d’évaluation génomique actuelles utilisent des SNP, bien que l’utilisation d’haplotypes de SNP apporte un plus grand polymorphisme. Il n’y avait pas d’évaluation génomique en place en 2014 pour les races régionales (Abondance, Tarentaise, Vosgienne), plaçant ces races en position de faiblesse.Notre objectif principal a été de mesurer l’intérêt de l’utilisation d’haplotypes en évaluation génomique, y compris à partir d’une population d’apprentissage multiraciale. Nous avons montré que les haplotypes conduisent à de meilleurs résultats que les SNP et que la fréquence des allèles et l’étendu du déséquilibre de liaison sont importants pour une construction optimale des haplotypes. Nous avons développé deux critères incorporant ces informations qui améliorent la précision des évaluations tout en réduisant le nombre de marqueurs utilisés.Depuis 2015, un de ces critères a été inclus dans les évaluations génomiques officielles en France. Notre approche a donné dans les races régionales une précision similaire à celle obtenue après testage sur descendance. Une évaluation génomique de routine est en place pour 3 races régionales en France depuis Juin 2016. L’utilisation d’une puce Haute Densité n’a pas amélioré sa précision, alors qu’une population d’apprentissage multiraciale a été bénéfique uniquement pour certaines races. Le génotypage des nouvelle femelles a augmenté la précision de la sélection mais l’inclusion de mutations candidates détectées dans les grandes races laitières n’a conduit qu’à une légère amélioration chez les races régionales. / In genomic selection, DNA marker information is exploited for evaluation purposes in large dairy cattle breeds. Most of the current genomic evaluation methods rely today on SNP information, although haplotypes are expected to perform better due to their higher polymorphism. In 2014, genomic evaluation had not yet been implemented in regional breeds (Abondance, Tarentaise, Vosgienne), resulting in economic weaknesses for these breeds.Our aim was to assess the use of haplotypes in genomic evaluation with focus on their performance in combination with multi-breed reference populations. We found that haplotypes outperformed individual SNP markers for genomic evaluation. We also showed that information on haplotype allele frequency and on linkage pattern are relevant to select haplotypes for evaluation purposes. Our haplotype selection criteria also allowed a significant reduction of the number of markers used for genomic prediction.One of these criteria was incorporated into the French routine genomic evaluation in 2015. The performance of such an evaluation was then assessed in four regional breeds, leading to similar or higher accuracies than current progeny testing. Consequently, routine genomic evaluation was implemented in these breeds in 2016. The use of high density genotypes did not improve the performance of genomic evaluation in these breeds, while multi-breed training populations were beneficial only in some of them. Additional genotyped females led to notable increases in selection accuracies. Inclusion of candidate mutations identified in large breeds led to only minor improvements in regional breeds.
9

Les impacts de la sélection génomique sur les évaluations génétiques classiques / Impacts of genomic selection on classical genetic evaluations

Patry, Clotilde 09 December 2011 (has links)
Les évaluations génomiques apportent une information précoce et suffisamment précise pour choisir les jeunes taureaux dans les schémas de sélection des bovins laitiers, incitant à remplacer le long processus de testage sur descendance par une étape de sélection génomique.Dès lors, seuls les candidats sélectionnés ont des filles avec performances et participent aux évaluations génétiques classiques. Cependant, toutes les informations ayant servi à la sélection ne sont plus incluses dans l’analyse et l’estimation des valeurs génétiques par la méthode du BLUP (Best Linear Unbiased Prediction) peut être incorrecte.Les évaluations génétiques classiques restent indispensables pour l’évaluation des animaux non génotypés, pour la comparaison des taureaux à l’échelle mondiale, et pour le calcul des futures prédictions génomiques. Compte-tenu de la rapide intégration de la génomique dans les schémas de sélection des bovins laitiers, il était important d’en étudier les conséquences sur les évaluations génétiques classiques.A l’échelle nationale, nos simulations ont montré que les valeurs génétiques des taureaux retenus sur information génomique étaient systématiquement sous-estimées et moins précises quand l’étape de sélection génomique n’était pas prise en compte dans le modèle statistique. Pour éviter ce biais, une méthode a été testée avec succès : pour l’ensemble des candidats à la sélection, des pseudo-performances sont calculées à partir des index génomiques et analysées par le BLUP. Suivant la prise en compte ou non de l’étape de sélection génomique, les pays participant aux évaluations internationales peuvent fournir des données biaisées et/ou incomplètes, au risque de pénaliser fortement leurs propres taureaux dans les classements internationaux. La diversité des pratiques à l’échelle mondiale et l’interaction des possibles sources de biais dans les évaluations internationales rendent sa propagation incontrôlable et fortement dommageable.Il est donc nécessaire et urgent d’adapter les évaluations génétiques classiques pour prendre en compte l’information génomique et ses pratiques associées. Diverses approches récentes sont discutées afin de proposer des alternatives faciles à mettre en place dans les centres d’évaluation, permettant de maintenir des évaluations non biaisées mais aussi plus précises. / With the fast and wide development of genomic evaluations in dairy cattle, the design of breeding schemes has been modified and the long process of progeny testing is being replaced by an early and accurate genomic selection step.In the future, only selected candidates will get performances to be evaluated by the classical method of Best Linear Unbiased Prediction (BLUP). After a genomic selection step, information about the selection process is no longer complete, BLUP assumptions are violated and solutions, i.e., estimated breeding values, are feared to be incorrect.The aim of the thesis study was to consider the consequences of genomic selection on the classical genetic evaluations at the national and international levels.First, bias in national breeding values was assessed by repeated simulations. Estimated breeding values were systematically underestimated and less accurate after a genomic selection step not accounted for in genetic evaluation models.Secondly, a statistical procedure, a BLUP model with genomic pseudo-performances, was investigated to eliminate, with success, bias in estimated breeding values.In a third part, the consequences of genomic selection on international evaluations were studied by simulations. Bulls from the country sending incomplete and/or biased breeding values were the most penalized in international rankings.In conclusion, it is not only necessary but also urgent to prevent from bias in classical evaluations and therefore avoid harmful impacts on international comparisons, on future genomic evaluations, and more generally on selection efficiency. Alternative approaches were thus discussed to propose short and long term strategies for routine evaluations. Nevertheless, a main consequence of bias corrected breeding values is that all genetic predictions will include some genomic information in a near future: adaptations of evaluation methods are still required to optimally benefit from all types of information.
10

Modèles de prédiction pour l'évaluation génomique des bovins laitiers français : application aux races Holstein et Montbéliarde / Prediction models for the genomic evaluation of French dairy cattle : application to the Holstein and Montbéliarde breeds

Colombani, Carine 16 October 2012 (has links)
L'évolution rapide des techniques de séquençage et de génotypage soulèvent de nouveaux défis dans le développement des méthodes de sélection pour les animaux d’élevage. Par comparaison de séquences, il est à présent possible d'identifier des sites polymorphes dans chaque espèce afin de baliser le génome par des marqueurs moléculaires appelés SNP (Single Nucleotide Polymorphism). Les méthodes de sélection des animaux à partir de cette information moléculaire nécessitent une représentation complète des effets génétiques. Meuwissen et al. (2001) ont introduit le concept de sélection génomique en proposant de prédire simultanément tous les effets des régions marquées puis de construire un index "génomique" en sommant les effets de chaque région. Le challenge dans l’évaluation génomique est de disposer de la meilleure méthode de prédiction afin d’obtenir des valeurs génétiques précises pour une sélection efficace des animaux candidats. L’objectif général de cette thèse est d'explorer et d’évaluer de nouvelles approches génomiques capables de prédire des dizaines de milliers d'effets génétiques, sur la base des phénotypes de centaines d'individus. Elle s’inscrit dans le cadre du projet ANR AMASGEN dont le but est d’étendre la sélection assistée par marqueurs, utilisée jusqu’à lors chez les bovins laitiers français, et de développer une méthode de prédiction performante. Pour cela, un panel varié de méthodes est exploré en estimant leurs capacités prédictives. Les méthodes de régression PLS (Partial Least Squares) et sparse PLS, ainsi que des approches bayésiennes (LASSO bayésien et BayesCπ) sont comparées à deux méthodes usuelles en amélioration génétique : le BLUP basé sur l’information pedigree et le BLUP génomique basé sur l’information des SNP. Ces méthodologies fournissent des modèles de prédiction efficaces même lorsque le nombre d’observations est très inférieur au nombre de variables. Elles reposent sur la théorie des modèles linéaires mixtes gaussiens ou les méthodes de sélection de variables, en résumant l’information massive des SNP par la construction de nouvelles variables. Les données étudiées dans le cadre de ce travail proviennent de deux races de bovins laitiers français (1 172 taureaux de race Montbéliarde et 3 940 taureaux de race Holstein) génotypés sur environ 40 000 marqueurs SNP polymorphes. Toutes les méthodes génomiques testées ici produisent des évaluations plus précises que la méthode basée sur la seule information pedigree. On observe un léger avantage prédictif des méthodes bayésiennes sur certains caractères mais elles sont cependant trop exigeantes en temps de calcul pour être appliquées en routine dans un schéma de sélection génomique. L’avantage des méthodes de sélection de variables est de pouvoir faire face au nombre toujours plus important de données SNP. De plus, elles sont capables de mettre en évidence des ensembles réduits de marqueurs, identifiés sur la base de leurs effets estimés, c’est-à-dire ayant un impact important sur les caractères étudiés. Il serait donc possible de développer une méthode de prédiction des valeurs génomiques sur la base de QTL détectés par ces approches. / The rapid evolution in sequencing and genotyping raises new challenges in the development of methods of selection for livestock. By sequence comparison, it is now possible to identify polymorphic regions in each species to mark the genome with molecular markers called SNPs (Single Nucleotide Polymorphism). Methods of selection of animals from genomic information require the representation of the molecular genetic effects. Meuwissen et al. (2001) introduced the concept of genomic selection by predicting simultaneously all the effects of the markers. Then a genomic index is built summing the effects of each region. The challenge in genomic evaluation is to find the best prediction method to obtain accurate genetic values of candidates. The overall objective of this thesis is to explore and evaluate new genomic approaches to predict tens of thousands of genetic effects, based on the phenotypes of hundreds of individuals. It is part of the ANR project AMASGEN whose aim is to extend the marker-assisted selection, used in French dairy cattle, and to develop an accurate method of prediction. A panel of methods is explored by estimating their predictive abilities. The PLS (Partial Least Squares) and sparse PLS regressions and Bayesian approaches (Bayesian LASSO and BayesCπ) are compared with two current methods in genetic improvement: the BLUP based on pedigree information and the genomic BLUP based on SNP markers. These methodologies are effective even when the number of observations is smaller than the number of variables. They are based on the theory of Gaussian linear mixed models or methods of variable selection, summarizing the massive information of SNP by new variables. The datasets come from two French dairy cattle breeds (1172 Montbéliarde bulls and 3940 Holstein bulls) genotyped with 40 000 polymorphic SNPs. All genomic methods give more accurate estimates than the method based on pedigree information only. There is a slight predictive advantage of Bayesian methods on some traits but they are still too demanding in computation time to be applied routinely in a genomic selection scheme. The advantage of variable selection methods is to cope with the increasing number of SNP data. In addition, they are able to extract reduced sets of markers based of their estimated effects, that is to say, with a significant impact on the trait studied. It would be possible to develop a method to predict genomic values on the basis of QTL detected by these approaches.

Page generated in 0.4738 seconds