QUALVIVOL QUALité des VIandes de VOLailles C. Berri, E. le Bihan-Duval (INRA, URA), F. Pitel (INRA, LGC) V. Sibut (URA, ITAVI) AGENAVI VII Colloque AGENAE-GENANIMAL Du 21 au 23 octobre 2009 Tours
Approche intégrative de génomique fonctionnelle et positionnelle pour l identification des gènes régulant la qualité des viandes Porteur : ITAVI Laboratoires associés Partenaire Unité de Recherches Avicoles, INRA-Nouzilly Laboratoire de Génétique Cellulaire, INRA-Toulouse Unité Qualité des Produits Animaux, INRA-Theix Sélectionneur Hubbard
Contexte Une modification qualitative de la consommation Diminution des achats des ménages sur les volailles entières Forte croissance des produits élaborés et découpes (~7%/an) Forte demande de la profession pour homogénéiser et améliorer la qualité 30 25 20 15 10 5 0 30% 16% 19% 6% 2.5% 0.2% Standard broilers Heavy broilers Free-range chickens DFD-like meat (phu>6.2) Acid meat (phu<5.7) Gigaud et al., 2009
Le glycogène : un facteur clef de la qualité technologique Glycogène musculaire (Potentiel glycolytique) 0.43-0,97 ph ultime 0.34-0,65-0,81-0,89-0,80 Clarté (L*) Exsudat Pertes cuisson Dureté 0.35 0.26 0.35 0.34 Berri et al. 2007; Le Bihan-Duval et al, 2009
Stratégie générale Transcriptome Recherche de QTL Gènes différentiels/ voies métaboliques Régions Chromosomiques/ Mutations causales + Approche ciblée Puces ADN Gènes candidats Marqueurs moléculaires utilisables en sélection Marqueurs physiologiques des conditions d élevage
Dispositif expérimental Etude ciblée AMPK GYS, GSK3 PYG, PHK Lignées Maigre/Grasse F2 Maigre x Gras Phénotypes : Composition corporelle Glycogène musculaire Qualité de la viande Analyse transcriptomique Recherche de QTL Validation de gènes candidats fonctionnels par PCR quantitative Mise en relation des candidats fonctionnels avec les régions QTL Gènes candidats Validation de l intérêt des gènes (Détection de e-qtl)
Etude ciblée Lignées maigre et grasse P AMPKα AMPKβ AMPKγ P P GSK3 n=8 Gras Maigre PHK phu 5.66 b 5.79 a PG (µm) Exsudat L* 112 a 1.4 a 47.4 a 94 b 1.1 b 44.8 b P PYG P GYS % Filet % Gras 11.5 a 3.9 a 12.8 b 1.4 b GLUCOSE GLYCOGENE Viande acide pâle et exsudative
Sélection contre l engraissement glycogène Dégradation Synthèse P PYG Glucose Glycogène Turn-over + rapide GYS P GYS inactive AMPKa AMPKα PYG active P PHK active P δ, γ, α surexprimées AMPKb AMPKβ AMPKγ AMPKg γ1 γ2 + sensible à l'amp Diminution du glycogène musculaire ph ultime moins acide Meilleure qualité technologique Sibut et al, J Anim Sci, 2008
Analyse du transcriptome Lignées maigre et grasse, F2 maigre x gras Lignées Maigre et Grasse F2 maigre x gras n=8 PG+ PG- PG- n=8 PG+ phu 5.66 b 5.84 a phu 5.55 b 5.88 a PG (µm) 122 a 91 b PG (µm) 126 a 78 b Exsudat 1.7 a 1.0 b Exsudat 1.2 1.1 L* 49.7 a 44.1 b L* 50.6 a 48.3 b % Filet 12.41 a 13.42 b % Filet 12.0 12.1 % Gras 5.17 a 2.65 b % Gras 3.75 a 2.87 b Δ gras abdominal PG+/PG- : 100% Δ gras abdominal PG+/PG- : 30% Δ Potentiel glycolytique PG+/PG- : 34% Δ Potentiel glycolytique PG+/PG- : 61%
Microarrays PG+ vs PG- PG- vs PG+ n = 8 lames/dispositif Dye-switch Oligonucléotides longs ARK Genomics (CRB-GADIE) Composées de 22000 dépôts uniques Hybridation dynamique SlideBooster / AdvaWash (Olympus Advalytix) Normalisation Analyse différentielle sous Anapuce 2.0 Recherche d orthologues humains pour l annotation via Ingenuity Pathways Analysis
Gènes différentiels Lignées Maigre/Grasse F2 Maigre x Gras 197 gènes 0.41 <PG+/PG-< 2.69 254 gènes 0.48 <PG+/PG-< 2.23 86% annotés 78% annotés 185 12 242
Annotations Fonctions biologiques Métabolisme des lipides Transport moléculaire Biochimie des petites molécules Métabolisme des glucides Mort cellulaire Choix des gènes pour validations par qrt-pcr Transcriptome (n=16) Étude ciblée
qrt-pcr
Réseau de gènes Contrôle des métabolismes lipidique et glucidique Sur exprimé chez les PG+ Sous exprimé chez les PG+ Sibut et al, BMC Genomics, 2009
Recherche de candidats fonctionnels et positionnels S ta tis tique F 7 6 5 4 3 2 1 0 Glycogen Ultimate ph GP 0 20 40 60 80 100 120 140 160 Position (cm) QTL Gènes double-candidats fonctionnels et positionnels Région significative au QTL
QTL significatifs pour la qualité de la viande Typage 127 microsatellites GGA1: phu, Exsudat, Gras abdominal GGA5 : Glycogène, Luminance L*, Gras abdominal GGA7 : Glycogène, ph ultime GGA11 : Indice de jaune b*, gras abdominal GGA14 : Glycogène, Gras abdominal GGA26 : ph ultime, Luminance L*
Double-candidats 24 gènes 9 sélectionnés pour validation par qrt-pcr
Détection de e-qtl Approche ciblée sur des gènes candidats Candidats fonctionnels PRKAG2 (AMPK gamma2) PDK4 (Pyruvate Dehydrogenase Kinase 4) CEBPB (CCAAT/enhancer binding protein) Double-candidats C21orf91 C16orf45 RPL3L USP25 Typages microsatellites + SNP (1536, prog. EADGENE) Analyse génétique plus précise
Étapes de validation A court terme Validation des associations avec la qualité Analyses e-qtl F2 Maigre x Gras Typage SNP + microsatellites Ensuite Validation dans d autres populations, notamment commerciales Identification des mutations utilisables en sélection Étude de la régulation des gènes par des facteurs d élevage
Remerciements INRA, URA : V. Sibut, E. Le Bihan Duval, C. Hennequet J. Nadaf, M. Duclos, E. Godet, T. Bordeau, E. Audouin INRA, LGC : F. Pitel, F. Vignoles, S. Leroux INRA, QuaPa : V. Santé-Lhoutellier, P. Vernin ITAVI : J. Champagne, P. Le Loup Hubbard : Y. Jégo