Incorporer l'information génomique dans l'évaluation génétique de routine
Dinesh Thekkoot PhD
Pendant de nombreuses années, les producteurs de porcs dépendaient de caractéristiques physiques et d'évaluations phénotypiques pour sélectionner les porcs afin de produire leur prochaine génération. Plus tard, des méthodes de reproduction et de croisement, utilisant la génétique quantitative, ont été utilisées pour estimer avec plus de précision le mérite génétique d'un animal.
Vers la fin de 1980, le progrès génétique s'accélérait avec l'introduction d'une nouvelle procédure statistique appelée meilleure prédiction linéaire sans biais (BLUP), qui permettait aux éleveurs d'exploiter les informations relatives aux performances de nombreux animaux et de les combiner avec des informations généalogiques (relations génétiques entre animaux). Avec l'avènement de la sélection assistée par marqueurs (MAS), les sélectionneurs ont commencé à combiner les informations des marqueurs moléculaires avec les procédures quantitatives traditionnelles.
L'industrie porcine a également bénéficié de tests ADN individuels, pour cribler les animaux pour différents marqueurs comme RYR1 (PSE - viande exsudative pâle pâle), MC4R (taux de croissance), ESR (taille de la portée), PRKAG3 (qualité de la viande), etc. quelques exemples spécifiques, la plupart de ces marqueurs n'expliquaient qu'un très petit pourcentage de variation génétique de ces caractères et souffraient de difficultés pratiques d'intégration avec les procédures d'évaluation génétique régulières. La plupart de ces lacunes ont été corrigées dans une méthode appelée Sélection génomique (GS) proposée pour la première fois par Meuwissen et al. (2001). Mais les technologies et les informations nécessaires à la mise en œuvre pratique de GS n'étaient pas disponibles à ce moment-là.
Trois développements ultérieurs principaux ont rendu possible la mise en œuvre pratique de GS.
- Séquençage du génome animal et identification de millions de polymorphismes mononucléotidiques (SNP),
- mise au point de technologies de génotypage à haut débit pour le génotypage économique de milliers de SNP, et
- développement de nouvelles méthodes statistiques pour estimer et incorporer l'information SNP dans les évaluations génétiques de routine (Samore et Fontanesi, 2016).
Ces progrès ont abouti à la première mise en œuvre pratique GS dans 2009 chez les bovins laitiers aux États-Unis.
L'intégration de l'information génomique dans l'évaluation génétique de routine chez les porcs a été rendue possible grâce à deux percées technologiques supplémentaires;
- le développement du premier panneau SNP commercial pour le génotypage à haut débit chez les porcs, et
- séquençage du génome du porc dans 2010.
Suite à cela, diverses sociétés de génotypage ont publié des panels SNP allant de 10k à 650k pour le génotypage de porcs. Genesus utilise actuellement un panneau SNP sur mesure d’Affymetrix contenant plus de SNP 55,000 pour le génotypage de routine. Diverses méthodes statistiques ont également été développées au cours de cette période pour incorporer des informations génomiques dans l’évaluation. Legarra et al. (2009) et Christensen et Lund (2010) ont mis au point une méthode appelée BLUP génomique à une étape (SSBLUP) qui utilise la génomique ainsi que des informations sur le pedigree et les performances pour estimer le mérite génétique des candidats à la sélection. Actuellement, cette méthode fournit les précisions de prévision les plus élevées pour les valeurs de reproduction estimées (EBV) de jeunes animaux, et Genesus l'a intégrée dans l'évaluation génétique de routine. Une augmentation de la précision de la prévision entraîne un gain génétique accru chaque année. La précision des EBV et son impact sur le gain génétique ont été discutés en détail dans un article précédent et peuvent être lus ici.
Genesus mène des recherches dans le domaine de la GS depuis 2011. Nous avons étudié chaque trait en détail, en simulant divers scénarios de sélection de GS, imitant les structures et les données réelles de la population. Ces études nous ont aidés à prédire et à analyser les avantages et les problèmes potentiels auxquels nous pourrions être confrontés lors de la mise en œuvre de GS. Nos études pour valider l'augmentation des précisions à l'aide de SSBLUP ont montré qu'en utilisant SSBLUP, les précisions moyennes de prédiction pour les caractères de croissance (âge jusqu'à 120 kg, graisse dorsale et profondeur du rein, etc.) ont augmenté de 71%, 83% et 76% pour le Yorkshire. , Landrace et Durocs respectivement. De même, dans les Durocs, les précisions moyennes ont augmenté de 44% pour les caractères de qualité de la viande (couleur, persillage, pH, etc.) et de 88% pour les caractères de carcasse (lard de carcasse, longe de carcasse et poids de carcasse chaude). Ces augmentations de précision permettront à Genesus Durocs de continuer à exceller en termes de croissance, d'efficacité, de carcasse et de qualité alimentaire. Pour les races maternelles (Yorkshire et Landrace), en utilisant SSBLUP, la taille moyenne des portées à la naissance a augmenté d'un facteur de 67%. Toutes ces augmentations de précision se refléteront dans notre réponse génétique et notre contribution à la maximisation de la rentabilité pour les clients de Genesus.
Bibliographie
Christensen OF, et Lund, MS (2010). Prédiction génomique lorsque certains animaux ne sont pas génotypés. Evolution de la sélection génétique. 42, 2
Legarra A., Aguilar I. et Misztal I. (2009). Une matrice de relations incluant les informations généalogiques complètes et génomiques. J de Dairy Sci. 92: 4656 - 4663
Meuwissen THE, Hayes BJ, et Goddard ME (2001). Prédiction de la valeur génétique totale à l'aide de cartes de marqueurs denses à l'échelle du génome. La génétique. 157: 1819-1929
Samore AB, et Fontanesi L. (2016) La sélection génomique chez les porcs: état de l'art et perspectives, Journal italien des sciences animales, 15: 2, 211-
Catégorisé dans: DERNIÈRES NOUVELLES, Tech mondial
Cette publication a été écrite par Genesus