LDgenX

Explorer LDgenX

Demander un devis

Travaux scientifiques · sélection génomique

Sélection génomique

Gènes de résistance à la nodavirose chez le bar européen et valeurs génétiques pour la sélection de caractères d’intérêt.

En bref

Espèces
Bar européen, porc
Approches
Séquençage de génome entier, GWAS, prédiction génomique
Publications
Delpuech et al. 2023, Aliakbari et al. 2020, Griot et al. 2021

Identification de gènes de résistance à la nodavirose chez le bar

Le séquençage de génome entier de près de 400 bars a permis la cartographie fine du phénotype de résistance à la nodavirose chez le bar européen (Dicentrarchus labrax).

La combinaison de données de séquençage haut débit avec des données de génotypage de moyenne densité (~57K marqueurs SNP) et des données phénotypiques a mis en évidence une association forte entre un locus de caractère quantitatif (QTL) du groupe de liaison 12 (LG12) et la survie des bars face à une infection à la nodavirose (Figure 1, Delpuech et al. 2022 (nouvel onglet)).

À partir de l’annotation du génome du bar, disponible en libre accès sur les bases de données publiques, nous avons pu identifier deux gènes d’intérêt, ZDHHC14 et IFI6. IFI6, qui code une protéine induite par l’interféron, apparaît comme un gène candidat majeur de la résistance à la nodavirose.

Les écloseries peuvent dès lors utiliser ces connaissances pour l’amélioration de la sélection génomique de leurs lignées dans le but de développer des bars plus résistants.

Manhattan plot des associations génétiques avec la résistance à la nodavirose chez le bar européenFigure (nouvel onglet)
Manhattan plot représentant les associations génotypes-phénotypes obtenues à l’issue de l’étude de la résistance à la nodavirose chez le bar européen.Figure 1 extraite de Delpuech et al. (2022) (nouvel onglet), bioRxiv.

Études des valeurs génétiques pour la sélection de caractères d’intérêt

La sélection génomique utilise des marqueurs répartis dans le génome pour estimer les valeurs génétiques des reproducteurs. En aquaculture, elle peut améliorer la précision des prédictions de résistance à certaines maladies par rapport à une approche fondée uniquement sur le pedigree. Le gain dépend toutefois du caractère, de la population de référence et du programme de sélection (Griot et al. 2021 (nouvel onglet)).

D’autre part, dans un article de référence pour la prédiction génomique, Aliakbari et al. (2020) (nouvel onglet) ont mis en évidence une prédiction génomique similaire en utilisant soit (i) un jeu de données dit d’entraînement comprenant des animaux de lignées génétiquement apparentées, soit (ii) un ensemble d’entraînement provenant de la population ciblée. Combiner des données apparentées et des données de la population cible peut améliorer la précision pour certains caractères (Figure 3).

Ces résultats de génétique quantitative donnent une meilleure connaissance pour la conception des populations de référence, en particulier pour initier la sélection génomique dans des populations où le nombre d’échantillons historiques est faible.

Corrélations entre valeurs génomiques estimées selon les scénarios d’entraînementFigure (nouvel onglet)
Corrélations entre GEBVp et GEBVw, et leurs barres d’erreur pour les lignées HRFI (a) et LRFI (b). * = différence significative avec le scénario 1 (contrôle) selon le test t de Williams au seuil de 0,05. RFI = consommation alimentaire résiduelle, ADG = gain moyen quotidien, FCR = indice de consommation, DFI = consommation alimentaire quotidienne, BFT = épaisseur du gras dorsal.Figure 3 extraite de Aliakbari et al. (2020) (nouvel onglet), Genetics Selection Evolution.
L’expertise associée · Sélection génomique

Parlons de votre projet

Votre question. Notre prochain point de départ.

Un projet en biodiversité, génomique ou bioinformatique ? Décrivez votre besoin pour recevoir une proposition, ou réservez un premier échange avec notre équipe scientifique.

Ou écrivez-nous : info@ldgenx.fr