B/. 1 1 fr -I- 2 f", I! Méthode de prise en compte de la consanguinité dans un modèle simple de simulation de performances



Documents pareils
IV. La ressemblance entre apparentés

Exercices de génétique classique partie II

Évaluation de la régression bornée

Gènes Diffusion - EPIC 2010

Introduction à l approche bootstrap

Etude, par simulations, de l intérêt d une sélection génomique dans une population porcine de type mâle

Chapitre 3. Les distributions à deux variables

Modèle de troncature gauche : Comparaison par simulation sur données indépendantes et dépendantes

Relation entre deux variables : estimation de la corrélation linéaire

Exemple PLS avec SAS

1 Complément sur la projection du nuage des individus

Probabilités sur un univers fini

Feuille d exercices 2 : Espaces probabilisés

Probabilités sur un univers fini

L ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ

TESTS D HYPOTHÈSE FONDÉS SUR LE χ².

Que faire lorsqu on considère plusieurs variables en même temps?

Présentation du dispositif collectif français d évaluation génétique porcin pour les caractères de production et de reproduction

Etude d un cas industriel : Optimisation de la modélisation de paramètre de production

Analyse de la variance Comparaison de plusieurs moyennes

Tests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles

VARIABILITÉ GÉNÉTIQUE

Les simulations dans l enseignement des sondages Avec le logiciel GENESIS sous SAS et la bibliothèque Sondages sous R

Filtrage stochastique non linéaire par la théorie de représentation des martingales

TSTI 2D CH X : Exemples de lois à densité 1

NOTE SUR LA MODELISATION DU RISQUE D INFLATION

Analyses de Variance à un ou plusieurs facteurs Régressions Analyse de Covariance Modèles Linéaires Généralisés

LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING»

Population responses to environmental forcing : approaches to model and monitor habitat characteristics

Probabilités stationnaires d une chaîne de Markov sur TI-nspire Louis Parent, ing., MBA École de technologie supérieure, Montréal, Québec 1

$SSOLFDWLRQGXNULJHDJHSRXUOD FDOLEUDWLRQPRWHXU

Value at Risk. CNAM GFN 206 Gestion d actifs et des risques. Grégory Taillard. 27 février & 13 mars 20061

Tests paramétriques de comparaison de 2 moyennes Exercices commentés José LABARERE

TABLE DES MATIÈRES. PRINCIPES D EXPÉRIMENTATION Planification des expériences et analyse de leurs résultats. Pierre Dagnelie

Exercice : la frontière des portefeuilles optimaux sans actif certain

Modèles et simulations informatiques des problèmes de coopération entre agents

Chapitre 1 : Évolution COURS

Item 169 : Évaluation thérapeutique et niveau de preuve

La classification automatique de données quantitatives

FORMULAIRE DE STATISTIQUES

Introduction aux Statistiques et à l utilisation du logiciel R

Optimisation et programmation mathématique. Professeur Michel de Mathelin. Cours intégré : 20 h

Modèles bi-dimensionnels de coques linéairement élastiques: Estimations de l écart entre leurs solutions.

Première partie. Introduction Générale

CALCUL DE LA CONTRIBUTION - FONDS VERT Budget 2008/2009

STATISTIQUES. UE Modélisation pour la biologie

DIOGENE. Un logiciel de Génétique & Amélioration des Plantes

Gestion obligataire passive

Bac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures)

Ordonnancement en temps réel d un jobshop par métaheuristique hybride : étude comparative

Régression linéaire. Nicolas Turenne INRA

DETERMINATION DE L INCERTITUDE DE MESURE POUR LES ANALYSES CHIMIQUES QUANTITATIVES

CONSOLIDATION DES COMPTES. Sophie de Oliveira Leite

Économétrie, causalité et analyse des politiques

Contents. 1 Introduction Objectifs des systèmes bonus-malus Système bonus-malus à classes Système bonus-malus : Principes

TESTS PORTMANTEAU D ADÉQUATION DE MODÈLES ARMA FAIBLES : UNE APPROCHE BASÉE SUR L AUTO-NORMALISATION

FIMA, 7 juillet 2005

HIVER 2004 MÉTHODOLOGIE DE LA RECHERCHE EN MARKETING MRK

Précision d un résultat et calculs d incertitudes

AGROBASE : un système de gestion de données expérimentales

Probabilités et Statistiques. Feuille 2 : variables aléatoires discrètes

INTRODUCTION À L ANALYSE FACTORIELLE DES CORRESPONDANCES

Direction des Études et Synthèses Économiques Département des Comptes Nationaux Division des Comptes Trimestriels

Calcul élémentaire des probabilités

La survie nette actuelle à long terme Qualités de sept méthodes d estimation

Principe de symétrisation pour la construction d un test adaptatif

Evaluer l ampleur des économies d agglomération

PROGRAMME (Susceptible de modifications)

Modélisation et simulation du trafic. Christine BUISSON (LICIT) Journée Simulation dynamique du trafic routier ENPC, 9 Mars 2005

Déroulement d un projet en DATA MINING, préparation et analyse des données. Walid AYADI

Les indices à surplus constant

Les Marges de Manœuvre Financières des Collectivités s Locales

Modélisation géostatistique des débits le long des cours d eau.

Les Entrepôts de Données

LA DÉVOLUTION SUCCESSORALE LÉGALE AU QUÉBEC

Le théorème des deux fonds et la gestion indicielle

L allocataire dans un couple : l homme ou la femme?

chargement d amplitude variable à partir de mesures Application à l approche fiabiliste de la tolérance aux dommages Modélisation stochastique d un d

Concours «Sondage Vidéotron» RÈGLEMENT DE PARTICIPATION

Probabilités. I Petits rappels sur le vocabulaire des ensembles 2 I.1 Définitions... 2 I.2 Propriétés... 2

DISCOUNTED CASH-FLOW

Une application des algorithmes génétiques à l ordonnancement d atelier

Théorie des sondages : cours 5

TABLE DES MATIERES. C Exercices complémentaires 42

Réseau SCEREN. Ce document a été numérisé par le CRDP de Bordeaux pour la. Base Nationale des Sujets d Examens de l enseignement professionnel.

SCHOLARSHIP ANSTO FRENCH EMBASSY (SAFE) PROGRAM APPLICATION FORM

I. Programmation I. 1 Ecrire un programme en Scilab traduisant l organigramme montré ci-après (on pourra utiliser les annexes):

La segmentation à l aide de EG-SAS. A.Bouhia Analyste principal à la Banque Nationale du Canada. Chargé de cours à l UQAM

Lois de probabilité. Anita Burgun

Application Form/ Formulaire de demande

Optimisation du rééchantillonnage dans un logiciel d Amélioration des Plantes

SARM: Simulation of Absorption Refrigeration Machine

Modèles pour données répétées

Séries Statistiques Simples

Probabilités Loi binomiale Exercices corrigés

Probabilités. Rappel : trois exemples. Exemple 2 : On dispose d un dé truqué. On sait que : p(1) = p(2) =1/6 ; p(3) = 1/3 p(4) = p(5) =1/12

PRESENTATION DES RECOMMANDATIONS DE VANCOUVER

Communication Master AgroFood Chain

Protection individuelle

LES CARTES À POINTS : POUR UNE MEILLEURE PERCEPTION

Transcription:

NOTE Méthode de prise en compte de la consanguinité dans un modèle simple de simulation de performances J.-L. FOULLEY C. CHEVALET LN.R.A., Station de Génétique quantitative et appliquée, Centre de Recherches zootechniques F 78350 Jouy-en-Josas *I.N.R.A., Laboratoire de Génétique cellulaire, Centre de Recherches de Toulouse, B.P. 12, F 31320 Castanet-Tolosan Résumé Cette note présente une méthode de prise en compte de la consanguinité dans la simulation de valeurs génétiques à partir de valeurs parentales. Par rapport aux formules négligeant la consanguinité adoptées par WILLHAM & THOMSO rt (1970) dans le cow-game et sous l hypothèse d un déterminisme génétique additif, cette méthode revient à changer l écarttype résiduel B/. a" en B/ 1 1 fr -I- 2 f", I! o.. : f,,, f. étant les coefficients de consanguinité du père et de la mère respectivement et ig. l écart-type génétique. La même modification s applique à la simulation d un caractère corrélé. Dans le cow game (W ILLHAM & THOMSO rr, 1970), sont simulées à chaque génération, les valeurs génétiques additives et phénotypiques des individus issus des accouplements planifiés par l expérimentateur. Pour un caractère, le modèle de génération de l effet génétique direct s écrit : où : Gi., G!,1, G, sont les valeurs génétiques additives des père, mère et individu respectivement ; e!" Os la moyenne et l écart-type génétique du caractère ; e El l ensemble des effets de milieu affectant l individu I ; e a le tirage d une loi normale réduite N (0, 1).

Ce modèle ne prend pas en compte la réalisation d accouplements consanguins. Pour y remédier, MALL ARD et DOUAIRE ont introduit une dépression de consanguinité sur la valeur phénotypique individuelle P selon la formule : où FI est le coefficient de consanguinité de l individu 1 ; K la dépression de consanguinité. Dans ce modèle, aucune modification explicite n est génétiques telles qu elles sont définies en (1). apportée aux valeurs L objet de cette note est de formuler une proposition de calcul de celles-ci dans le cas simple où les caractères ont un déterminisme génétique strictement additif et où les variables aléatoires introduites présentent une loi conjointe normale. La dépression de consanguinité étant liée aux effets de dominance et d épistasie, on est logiquement conduit, dans le cadre du modèle choisi, à ne plus faire intervenir celle-ci, mais à prendre en compte une modification de la variance génétique. Sous nos hypothèses, et, compte tenu des formules développées notamment par WRIGHT (1922) et Mnr.ECOT (1948), la matrice des variances et covariances entre valeurs génétiques additives s écrit : où f et cp sont les coefficients de consanguinité et de parenté de MALECOT. Il en découle immédiatement l expression du meilleur prédicteur de G, à partir des valeurs génétiques parentales : avec : Sachant, par ailleurs que :

(Gp var Il vient : On retrouve donc la relation très générale : Pour générer G,, il suffit alors de calculer G, selon la formule (7) et de lui ajouter une résiduelle SI de variance var SI = var G, - Comme : /! G,. on a : En présence de consanguinité et sous l hypothèse d un déterminisme génétique additif, la formule (1) est donc modifiée comme suit : i / 0- Cette formule montre bien que la prédiction de G, par G, (Gp = + G I) est d autant plus précise que les parents sont plus consanguins ; à la limite si fp = Qtx 1 (pas de variabilité génétique chez chacun des parents, G, est exactement égal à - 1! 2 + Gri ). Par ailleurs, l expression du carré de la corrélation entre G, et G, 2 1 2 soit R2G, a = 1 -. fait apparaître clairement l influence simul- 1 1 2 1!- fi tanée de fi, fp et f, i sur la relation existant entre ces 2 variables. A titre d illustration sont figurées au tableau 1 les valeurs de F, var G, var G, var S et R2 dans le cas d accouplements répétés entre frère et soeur.

Les germains de la première génération sont issus de parents non apparentés. Globalement, la covariance génétique additive augmente dans la population avec le degré de consanguinité mais la variance résiduelle (à valeurs génétiques fixées des parents) diminue. Ce modèle se généralise aisément à la simulation de caractères corrélés en particulier à celle de l effet génétique maternel. Dans le cow game, un caractère corrélé (noté par un astérisque! ) est généré comme suit : 0 a est la valeur du tirage N (0, 1) effectué en (1) et (3 un autre tirage N (0, 1) indépendant. avec :

Le problème revient à déterminer Cl et C2 tels que : En présence de consanguinité, et, toujours dans l hypothèse d un caractère à déterminisme génétique additif, la covariance génétique entre 2 caractères mesurés sur un même individu s écrit : où Cov!(G,Ga ) est la covariance entre caractères dans la population non consanguine. (14) est un cas particulier de la formule : A partir de ces formules et sachant que Cov(S I,SI) est égal à : il vient : En utilisant l expression de la variance résiduelle donnée en (8), on obtient : r (l indice o indiquant la valeur du paramètre dans la population non consanguine). Soit : Sous ces hypothèses, la prise en compte de la consanguinité se traduit simplement par le changement dans les formules (1) et (10) de :

. Cette proposition peut apparaître en définitive extrêmement simpliste puisqu elle ne prend en compte que l incidence de la consanguinité sur la distribution des valeurs génétiques additives et ne fait pas intervenir d effet dépressif. Cela impliquerait de partir d un modèle plus complexe incluant les situations d identité des gènes et les autres composantes de la variance génotypique (G ILLOIS, 1964). En effet, ces paramètres sont nécessaires pour exprimer les covariances entre apparentés et donc pour calculer le prédicteur de la valeur génotypique d un descendant. Ce procédé devient très compliqué, notamment d un point de vue numérique, à cause du calcul des coefficients d identité. Une autre possibilité consisterait à simuler, non plus les valeurs génétiques, mais des génotypes à partir de tirages mendeliens dans les génotypes des parents. La valeur génotypique serait alors calculée à partir des valeurs fixées au départ des génotypes réalisés aux différents loci. Par ailleurs, l application d une procédure simple combinant une dépression (- I) KF sur la moyenne et la génération de valeurs génétiques additives selon la méthode développée précédemment ne peut être davantage retenue. On sait, en effet, que pour un caractère soumis en partie à des effets de dominance, la variance génétique additive diffère de l expression adoptée ici (ROBERT SON, 1952 ; FALCONER, 1960 ; CHEVALET & GILLOIS, 1978). Notre démarche a donc le mérite d être cohérente avec l hypothèse d un déterminisme génétique additif sous-jacent. Elle n est pas non plus totalement irréaliste pour des caractères peu affectés par la consanguinité tels que ceux de valeur bouchère considérés dans le cow game. Par contre, pour la productivité numérique, on pourrait procéder comme MALLARD et DOUAIRE en diminuant la probabilité de survie des individus consanguins. Reçu pour publication en mai 1981. Summary A method for taking into account inbreeding in a simple model of simulated performances This paper presents a method for taking into account inbreeding when genetic values of individuals are simulated on the basis of the parental values. Compared to formulae used by WILLHAM and THOMSON (1970) in the cow game and, under the assumption of an additive 1I genetic determinism, this method leads to change the residual standard deviation on!-. 2 _ into! V 2&dquo; (11 j ) - 2 / into / 1 1 fl. fl fm fm /! a,, ac ; f!,, fp, f. fn being the inbreeding coefficients of the sire and 0 &dquo; ; f&dquo;, fm being the inbreeding coefficients of the sire and dam respectively and a<; the genetic standard deviation. The same modification has to be applied when simulating a correlated trait.

Références bibliographiques M., 1978. Inbreeding depression and heterosis : Expected means CHEVALET C., GILLOIS and variances among inbred lines and their crosses. Ann. Génét. Sél. anim., 10, 73-98. FALCONER D.S., 1960. Introduction to quantitative genetics. Oliver and Boyd, London. GILLOIS M., 1964. La relation d identité en génétique. Thèse, Fac. Sci., Paris, 294 p. MAL ÉCOT G., 1948. Les mathématiques de l hérédité. Masson et C e, Paris, 63 p. MALLARD J., DOUAIRE M. (sans date). Jeu de VO : simulateur de sélection bovine. E.N.S.A. Rennes (ronéoté). ROBERTSON A., 1952. The effect of inbreeding on the variation due to recessive genes. Genetics, 37, 189-207. WILLHAM R.L., THO mtsort G., 1970. Instructions for use of beef cattle sirnulation program, Iowa State University (Mimeo). WRIGHT S., 1922. Coefficients of inbreeding and relationship. Am. Nat., 56, 330-338.