Academic literature on the topic 'Variation génomique'

De nombreux progrès ont été réalisés ces dernières années en génomique. Le développement de technologies à base de supports miniaturisés, permet aujourd’hui d’explorer les génomes tant au niveau de leur structure que de leur expression. Les puces à ADN permettent ainsi de génotyper plusieurs milliers de marqueurs SNP d’un génome ou encore de mesurer le niveau d’expression de plusieurs milliers de gènes d’un tissu. Combiner l’information génotypique avec des mesures phénotypiques élémentaires (ARNm, protéines ou encore métabolites) ouvre de nouvelles perspectives dans l’étude du fonctionnement du vivant et a donné naissance à un nouveau concept, la «génétique génomique». Cet article est centré sur les apports de la «génétique génomique» dans le contexte de la détection de QTL (Quantitative Trait Locus). Après avoir défini la notion de QTL d’expression (eQTL), cet article propose dans un premier temps un bilan des différents programmes de cartographie de QTL d’expression décrits dans la littérature. Sont ensuite présentés les différentes méthodes utilisant des données d’expression pour préciser ou caractériser fonctionnellement des régions QTL responsables de la variation de caractères d’intérêt avec des exemples concernant les animaux d’élevage.

Le phénotype correspond aux valeurs mesurables prises par des caractères choisis pour leur intérêt socio-économique ou cognitif. Lesbesoins de phénotypage dépendent de l'évolution des méthodes de sélection et des systèmes d'élevage ainsi que des développements technologiquespermettant une approche standardisée, à haut débit et automatisable. En matière de sélection animale, la mise en place de lasélection génomique introduit le concept de population de référence sur laquelle des phénotypes difficilement mesurables en routine peuventêtre obtenus pour établir les relations entre marqueurs génétiques et performance. L'association marqueurs-phénotype ouvre égalementla voie au diagnostic individuel en appui à la gestion du troupeau. La robotisation et l'identification électronique individuellesupposent des investissements importants mais offrent des perspectives très nouvelles pour le phénotypage de caractères comme l'efficacitéalimentaire ou le comportement. De façon complémentaire, les technologies de génomique fonctionnelle et l'analyse de l'empreinte spectraledes protéines permettent d'accéder aux mécanismes sous-jacents et d'affiner la définition du phénotype à l'échelle moléculaire. Leconcept de biomarqueur capable de prédire le phénotype est en plein essor en médecine humaine et pourra aussi s'appliquer aux animauxd'élevage. Plus le phénotypage sera proche du mécanisme d'action, plus la détection des gènes contrôlant la variation du phénotype seraprécise. En particulier, la recherche de régions du génome (eQTL) contrôlant l'expression d'un gène permet d'explorer les mécanismesresponsables de la variabilité de caractères complexes. On attend donc de grands progrès dans l'identification des gènes qui sous-tendentles QTL grâce aux progrès conjoints du phénotypage et du séquençage du génome.

Face à la complexité de la mesure du bien-être des animaux, étudier la génétique des capacités d’adaptation des animaux à leurs conditions d’élevage ou leurs réponses de stress dans diverses situations peut apporter un premier élément de réponse à la question de l’importance de la génétique dans le bien-être des animaux. Mais ce type d’études soulève de nombreuses questions : les capacités d’adaptation ne peuvent se résumer à une seule mesure, le choix et l’interprétation des tests comportementaux et physiologiques sont délicats, notamment parce que les facteurs de variation des résultats sont très nombreux (milieu d’élevage, environnement social, expérience de l’animal, nature des stimuli…). De plus l’analyse génétique des données soulève souvent des questions méthodologiques. Les développements de la génomique permettront de préciser le rôle de la génétique dans ces caractères ainsi que de mieux comprendre la nature des liaisons entre différentes mesures des capacités d’adaptation. Mais elle ne permettront de s’affranchir ni de la question de l’interprétation des résultats ni de la prudence à avoir sur leur portée.

Cet article retrace les principales étapes et la contribution de l’INRA au développement de la génomique, qui révolutionne depuis deux décennies les connaissances sur la structure et le fonctionnement du génome des animaux d’élevage. L’élaboration, dans les années 90, des premières cartes de marqueurs microsatellites a rapidement permis de mettre en évidence de nombreux locus à effets quantitatifs et de localiser les premiers gènes majeurs. En parallèle, les travaux de cytogénétique et de génomique comparative permettaient de tirer parti de l’avancée des connaissances sur le génome de l’homme et de la souris. A la fin des années 90, la construction d’outils de cartographie à haute densité, cartes d’hybrides d’irradiation et banques de grands fragments, a permis l’essor des travaux de cartographie fine et l’identification des premières mutations causales. Le début des années 2000 a été marqué par le développement des outils d’étude systématique de l’expression des gènes, micro-réseaux et puces à ADN, le démarrage du séquençage des premiers génomes d’animaux d’élevage, et l’essor des bases de données génomiques et de la bioinformatique. La connaissance des séquences permet ensuite de détecter in silico leurs variations, en particulier les très nombreuses variations ponctuelles (SNP) et de caractériser finement la structure des génomes des populations animales. La génomique a également renouvelé les méthodes d’amélioration génétique des populations, avec la mise en place de programmes de sélection assistée par marqueurs, de caractérisation et de gestion de la variabilité génétique et le développement d’applications en matière de contrôle de généalogie ou de traçabilité.

Allèle : une des formes alternatives d'un locus. Dans une cellule diploïde, il y a deux allèles pour chaque locus (un allèle transmis par chaque parent), qui peuvent être identiques. Dans une population, on peut avoir plusieurs allèles pour un locus.Annotation structurale : repérage des coordonnées des diverses structures dans le génome, telles que les gènes.Annotation fonctionnelle : renseignements sur les fonctions des séquences, le plus souvent pour les gènes.BAC : Bacterial Artificial Chromosome. Vecteur de clonage permettant l’obtention de clones bactériens contenant un grand fragment d’ADN génomique (taille > 100 kb*). Les BAC assemblés en contigs* sont à la base des cartes physiques du génome.Carte cytogénétique : carte des chromosomes. Réalisée par localisation visuelle (FISH*) au microscope de fragments d’ADN sur les chromosomes au stade métaphase de la mitose.Carte d’hybrides irradiés : réalisée en testant par PCR la présence ou l’absence de fragments d’ADN dans une collection de clones d’hybrides irradiés (RH*). Deux fragments d’ADN sont proches sur le génome s’ils sont trouvés fréquemment dans les mêmes clones.Carte génétique : obtenue par l’étude de la ségrégation dans des familles ou des populations, de marqueurs polymorphes, soit moléculaires, soit phénotypiques, deux séquences étant d’autant plus proches qu’elles sont souvent transmises ensemble lors de la méiose.Clonage positionnel : stratégie visant à identifier un gène responsable de l’expression d’un phénotype en utilisant des informations de position sur le génome.Contig : ensemble de clones (le plus souvent des BAC*) ou de lectures de séquence ordonnés grâce à des informations sur leur parties chevauchantes.Cosmide : vecteur de clonage permettant l’obtention de clones bactériens contenant des fragments d’ADN génomique de taille avoisinant les 50 kb*.CNV : Copy Number Variation ; polymorphisme du génome correspondant à la variation du nombre de copies d’une séquence, pouvant dans certains cas contenir un ou plusieurs gènes.Déséquilibre gamétique : pour deux loci quelconques, c'est le fait que la fréquence des haplotypes* estimée pour tous les gamètes est différente de celle attendue à partir du produit des fréquences alléliques de chaque locus. Synonyme : déséquilibre de liaison. Contraire de : équilibre gamétique.Dominance : qualificatif de l’effet d'un allèle, dont une copie suffit à l'expression du phénotype* approprié. L’allèle A est dominant sur l’allèle a si l’hétérozygote* Aa a le même phénotype* que l’homozygote AA.EST : Expressed Sequence Tag : séquences étiquettes (partielles) de transcrit, obtenues par séquençage aléatoire d’ARN.Evaluation génomique : évaluation de la valeur génétique d’individus d’après leurs génotypes pour un ensemble de loci distribués sur le génome, d’après des équations établies à partir des performances d’individus de référencephénotypés et génotypés.Expression génique : études visant à estimer le niveau de production (expression) des gènes en fonction d’états physiologiques ou de tissus différents.Exon : fraction de la partie codante d’un gène eucaryote. Les gènes des organismes eucaryotes sont le plus souvent fractionnés en plusieurs séquences d’ADN dans le génome, les exons, séparés entre eux par d’autres séquences (introns*).FISH : Fluorescent In Situ Hybridisation. Hybridation de sondes d’ADN marquées à l’aide d’un fluorochrome, sur des chromosomes au stade métaphase de la mitose. Permet la réalisation de la carte cytogénétique.Fingerprinting : technique permettant d’estimer très grossièrement la similarité entre des séquences d’ADN sans les séquencer, par la comparaison des longueurs de bandes produites par des enzymes de restriction coupant l’ADN à des sites précis.Fosmide : vecteur de clonage permettant l’obtention de clones bactériens contenant des fragment d’ADN génomique de taille déterminée et égale à 40 kb*.FPC : FingerPrint Contig* ; contig* de clones (généralement des BAC*) ordonnés par la technique du fingerprinting, afin d’obtenir une carte physique du génome.Génotype 1 : constitution génétique d'un individu. 2. Combinaison allélique* à un locus particulier, ex: Aa ou aa.Haplotype : combinaison allélique spécifique pour des loci appartenant à un fragment de chromosome défini.Héritabilité au sens strict : proportion de la variance phénotypique due à la variabilité des valeurs génétiques = proportion de la variance phénotypique due à la variance génétique additive.Hétérozygote : individu ayant des allèles non identiques pour un locus* particulier ou pour plusieurs loci. Cette condition définit l’ «hétérozygotie». Contraire de: homozygote.Homologues : séquences similaires en raison d’une origine évolutive commune.Hybride irradié : cellule hybride obtenue par fusion entre cellules hôte d’une espèce et donneuse d’une autre espèce, contenant une fraction aléatoire du génome de l’espèce donneuse, après cassures par irradiation, reconstitution aléatoire de chromosomes ou insertion dans des chromosomes de la cellule hôte et rétention partielle. Deux séquences proches sur le génome sont en probabilité dans les mêmes clones RH*, tandis que deux séquences distantes ont une probabilité faible d’être conservées ensemble.IBD : pour identity by descent. Identité entre deux chromosomes (ou parties de chromosomes), liée à leur descendance d’un même chromosome ancestral.Indel : Insertion – deletion ; polymorphisme de présence ou absence d’un ou plusieurs nucléotides.Intron : séquence non-codante dans les gènes, séparant les exons, qui codent pour une protéine.Kb : kilobase ; séquence de mille paires de bases (pb*).Locus (pl. : loci) : Site sur un chromosome. Par extension, emplacement d’un gène ou d’un marqueur génétique sur un chromosome.Marqueur génétique : séquence d'ADN dont le polymorphisme est employé pour identifier un emplacement particulier (locus) sur un chromosome particulier.Mate-pair : séquences appariées (1 à 10 kb* de distance), produites en circularisant les fragments d’ADN, puis par séquençage à travers le point de jointure.Mb : mégabase ; séquence d’un million de paires de bases (pb*) de longueur.Orthologues : séquences homologues* entre deux espèces.Paired-end : séquences appariées produites par la lecture des deux extrémités de courts fragments d’ADN (moins de 500 pb*) dans le cas des nouvelles technologies de séquençage.Paralogues : séquences homologues* résultat de la duplication d’une séquence ancestrale dans le génome. Il s’agit de deux (ou plus) séquences similaires par homologie dans un même génome.Pb : paire de base ; unité de séquence d’ADN, représentée par une base et sa complémentaire-inverse sur l’autre brin.Phénotype : caractère observable d'un individu résultant des effets conjugués du génotype et du milieu.Phylogénomique : utilise les méthodes de la génomique et de la phylogénie. Par la comparaison de génomes entiers, permet de mettre en évidence des pertes et gains de gènes dans les génomes, ainsi que leur variabilité moléculaire, afin (entre autres buts) d’aider à prédire leur fonctions.Plasmide : vecteur de clonage permettant l’obtention de clones bactériens contenant des fragment d’ADN génomique de taille allant de 500 pb* à 10 kb* environ.Polymorphisme d'ADN : existence de deux ou de plusieurs allèles* alternatifs à un locus.Puce à ADN ou puce pangénomique : Système permettant pour un individu le génotypage simultané de très nombreux marqueurs génétiques (de quelques milliers à quelques centaines de milliers).QTL : abréviation de locus à effets quantitatifs (de l’anglais Quantitative Trait Locus).Récessivité : qualificatif de l’effet d'un allèle, où l'homozygotie* est nécessaire pour l'expression du phénotype* approprié. opposé de : dominance*.RH : Radiation Hybrid (hybride irradié*)Sanger (méthode de) : méthode de séquençage publiée en 1977 (Sanger et al 1977) et encore utilisée de nos jours avec les séquenceurs à électrophorèse capillaire.Scaffold : ensemble de contigs* de séquence reliés entre eux par des informations apportées par des lectures appariées (mate-pairs* ou paired-ends*).Sélection assistée par marqueurs (abréviation : SAM) : utilisation d’un jeu restreint de marqueurs de l'ADN pour améliorer la réponse à la sélection dans une population : les marqueurs sont choisis comme étroitement liés à un ou plusieurs loci cibles, qui sont souvent des loci à effets quantitatifs ou QTL*.SNP : polymorphisme d'un seul nucléotide à une position particulière de la séquence d’ADN (abréviation de l’anglais Single Nucleotide Polymorphism).Supercontig : nom alternatif pour les scaffolds*.WGS : Whole Genome Shotgun ; production de lectures de séquence d’un génome entier de manière aléatoire.

Depuis quelques décennies, de nombreux outils technologiques initialement destinés à l’étude de la génomique humaine ont été rapidement déployés chez les animaux d’élevage, dont les chevaux. Tout d’abord, le génotypage permet l’analyse des variations génétiques dans l’ADN génomique d’un organisme : par exemple, les marqueurs microsatellites, séquences répétées présentes partout dans les génomes eucaryotes ou bien les SNP (Single Nucleotide Polymorphism) qui correspondent à des variations d’une seule base nucléotidique. En laboratoire, le génotypage est actuellement utilisé pour la réalisation des contrôles de filiation ou pour la recherche d’un caractère d’intérêt et des maladies monogéniques équines. La technologie de séquençage permet, quant à elle, de déterminer la séquence nucléotidique d’un fragment d’ADN ou d’un génome entier : ainsi, Twilight, premier cheval dont le génome a été entièrement séquencé en 2009. D’autres alternatives au séquençage permettent de mesurer l’expression des gènes dans un tissu donné par une approche de transcriptomique (ou RNAseq), de comprendre la régulation de cette expression génique par des études épigénétiques ou bien de connaître le microbiote d’un échantillon par analyse métagénomique. L’ensemble de ces développements génomiques offre de belles perspectives pour le diagnostic équin de demain grâce à une meilleure connaissance des maladies multifactorielles et la mise en place d’une médecine personnalisée. Ces outils apporteront également des éléments nouveaux aux professionnels de la filière en termes d’élevage ou de sélection ainsi qu’une amélioration de la prédiction des aptitudes au sport des chevaux athlètes.

Les aptitudes du lait à la transformation en fromage sont étroitement liées à sa composition. Ces caractères, difficiles à mesurer directement, ont été prédits à partir des spectres dans le moyen infrarouge (MIR) du lait en race Montbéliarde (projet From’MIR). Cet article rassemble les résultats de l’analyse du déterminisme génétique des aptitudes fromagères et de la composition fine du lait, prédites à partir de six millions de spectres MIR de 400 000 vaches. Ces caractères sont modérément à fortement héritables et les corrélations génétiques entre caractères fromagers (rendements et coagulation) et avec la composition du lait (protéines, acides gras et minéraux) sont élevées et favorables. Des analyses d’association (GWAS) et de réseaux de gènes, réalisées à partir des génotypes imputés pour l’ensemble des variations du génome de 20 000 vaches, permettent d’identifier des gènes et des variants candidats ainsi qu’un réseau de 736 gènes impliqués dans des voies métaboliques et des gènes régulateurs fonctionnellement liés à la composition du lait. Enfin, l’estimation de la précision d’une évaluation génomique montre qu’un modèle de type contrôles élémentaires, incluant les variants détectés par les GWAS et présumés causaux, permet de prédire des valeurs génomiques précises. Nous avons par ailleurs simulé une sélection incluant les aptitudes fromagères qui montre les possibilités de sélectionner efficacement les vaches pour qu’elles produisent un lait plus « fromageable », avec un impact limité sur le gain génétique des caractères actuellement sélectionnés. Ces résultats ont conduit à la mise en place d’un prototype d’évaluation génomique en race Montbéliarde dans la zone AOP Comté en 2019

Dossier "PhénoFinlait : Phénotypage et génotypage pour la compréhension et la maîtrise de la composition fine du lait Avant-propos Le lait est un produit animal complexe à l’origine de multiples valorisations en alimentation humaine : laits de consommation incluant les laits infantiles, fromages, beurres, crèmes, yaourts, desserts et boissons lactées, ingrédient dans une grande diversité de pâtisseries et de plats cuisinés, etc. Il s’agit donc d’un pilier de l’alimentation humaine y compris à l’âge adulte et ce depuis des milliers d’années. Toutefois, les demandes des consommateurs et de la société ont évolué rapidement ces dernières années et les exigences en matière de qualité des produits se sont complexifiées (Le Bihan-Duval et al 2014). Tout d’abord du point de vue du consommateur, en particulier occidental, l’alimentation doit désormais répondre à une diversité d’attentes. A la demande en « quantité » d’après-guerre, se sont en particulier ajoutées des exigences sanitaires, des exigences organoleptiques, de traçabilité du produit, des exigences nutritionnelles, et après une période « nutrition - santé » (Cniel 2011), une exigence croissante de « naturalité ». De plus, du point de vue du citoyen, la qualité intègre l’environnement, le bien-être animal, les conditions de production. Une partie des consommateurs a d’ailleurs évolué vers une stratégie d’achat « responsable » (Cniel 2011). Simultanément, le lait, bien que bénéficiant d’une image traditionnellement et majoritairement favorable à plusieurs titres, est confronté ces dernières années à des remises en causes parfois virulentes (allergies, intolérances, rejet des matières grasses saturées et trans…) qui s’installent probablement durablement dans les rapports des consommateurs avec le lait (Cniel 2011). Malgré ce contexte exigeant et changeant, jusqu’à aujourd’hui, au-delà des quantités totales en matières grasses et protéiques, peu de dispositifs sont disponibles et mis en œuvre pour suivre, qualifier, voire piloter la composition fine du lait « en sortie de ferme ». Le lait a suivi, avec le développement du secteur laitier, un processus de standardisation conformément au principe du « lait apte à toute transformation », devenant une matière première à laquelle l’application de procédés de fabrication variés donne de la valeur. Ce constat est à moduler pour les filières AOP fromagères. La composition fine du lait, en particulier la variabilité des profils en acides gras et en protéines, n’est pas ou peu valorisée, ni au niveau de la production, ni au niveau de la transformation. Dans le contexte actuel, traiter le lait de manière indifférenciée peut être contre-productif, en particulier si l’on reconsidère la richesse intrinsèque de la matière première « lait » et le fait que la composition du produit final reflète largement la composition du lait d’origine (Lucas et al 2006). Le lait « en sortie de ferme » se situe à la charnière entre l’amont et l’aval des filières laitières et, à ce titre, est idéalement placé pour être une source importante de compétitivité et d’adaptabilité des filières laitières dans leur globalité. Le sujet de la composition fine du lait a bien entendu fait l’objet de travaux bien avant que le programme PhénoFinlait ne soit imaginé et mis en œuvre. Ainsi, les liens entre alimentation et profil en acides gras (Chilliard et al 2007, Couvreur et al 2007, Hurtaud et al 2007) ou encore les variants génétiques des lactoprotéines majeures (Grosclaude et al 1987, Grosclaude 1988) ont été étudiés généralement à partir de dispositifs expérimentaux. Ces connaissances ont servi de point de départ et d’assurance sur la faisabilité et l’intérêt d’engager un programme à grande échelle. L’ambition de PhénoFinlait était alors de transposer ces connaissances et hypothèses en élevages privés avec une grande diversité de systèmes d’alimentation et de coupler cela à une analyse conjointe du déterminisme génétique afin d’apporter aux éleveurs et à leurs filières des outils et des réponses globales. De nombreuses nouvelles références étaient bien évidemment à établir, mais l’un des enjeux majeurs portait et porte toujours sur les possibilités de transfert aux filières. Les développements à la fois de la spectrométrie dans l’infra-rouge et de la sélection génomique ont ouvert de nouvelles portes en matière d’accès à la composition fine du lait à coûts réduits et d’analyses de ses déterminants génétiques.Les travaux pionniers de la Faculté Universitaire des Sciences Agronomiques de Gembloux (Soyeurt et al 2006) ont ainsi ouvert la voie à l’estimation de nombreux composants fins du lait à partir d’une exploitation plus fine des données d’absorbance de la lumière dans le Moyen Infra-Rouge (MIR) principalement. Le principe est simple : la spectrométrie MIR, utilisée pour estimer les taux de matière grasse et protéique en routine dans les laboratoires d’analyse du lait, peut aussi être utilisée pour quantifier individuellement certains composants fins. Des modèles de prédiction sont développés à partir d’un jeu d’échantillons caractérisés à la fois à l’aide d’une méthode d’ancrage et par un spectre MIR. Ces modèles sont ensuite appliqués aux données spectrales telles que celles produites dans le cadre des analyses laitières habituelles de paiement du lait à la qualité et de contrôle laitier. Plusieurs dizaines d’acides gras et protéines peuvent ainsi être estimés avec une précision satisfaisante et à un coût additionnel modeste par rapport aux analyses déjà réalisées en routine. Parallèlement, les avancées dans le domaine de la génomique permettent d’analyser et d’exploiter plus rapidement et plus finement le déterminisme génétique des caractères. Là encore, le principe est relativement simple : deséquations d’estimation du potentiel génétique des animaux pour les différents caractères sont établies à partir d’une population de référence (animaux génotypés et caractérisés d’un point de vue phénotypique). Cette population peut être de taille beaucoup plus restreinte que celle nécessaire pour mettre en œuvre une évaluation génétique « classique ». Par ailleurs, les équations produites permettent de déterminer le potentiel génétique d’un animal sans pour autant qu’il dispose lui-même (ou ses descendants) de phénotype mesuré (Robert-Granié et al 2011). L’un des enjeux en sélection est alors de concevoir et de mettre en œuvre des programmes de caractérisation phénotypique de populations de référence, ce que l’on a appelé des programmes de « phénotypage » à plus ou moins grande échelle. Le programme PhénoFinlait est l’un des premiers grands programmes de phénotypage à haut débit (Hocquette et al 2011) avec ses caractéristiques : phénotypage fin sur la composition du lait, dans des systèmes d’élevage caractérisés, en particulier, par l’alimentation, préalable à un génotypage à haut débit des animaux suivis. Face à ces enjeux pour la filière laitière et ces nouvelles potentialités techniques et scientifiques, les filières laitières bovine, caprine et ovine, les acteurs de l’élevage (conseil en élevage et laboratoires d’analyse du lait) et de la génétique (entreprises de sélection et de mise en place d’insémination), les instituts de recherche et de développement (Inra, Institut de l’Elevage, Actalia) et APIS-GENE ont décidé de se constituer en consortium afin d’unifier leurs efforts et de partager leurs compétences et réseaux. Le consortium, avec le soutien financier d’APIS-GENE, de l’ANR, du Cniel, du Ministère de l’Agriculture (fond dédié CASDAR et Action Innovante), de France AgriMer, de France Génétique Elevage, du fond IBiSA et de l’Union Européenne, a initié début 2008 un programme pour :- analyser la composition fine du lait en acides gras et en protéines par des méthodes de routine et des méthodes d’ancrage ultra-résolutives (protéines) ;- appliquer ces méthodes à grande échelle sur une diversité de systèmes et de races représentatives de la diversité de la ferme France afin d’identifier des facteurs influençant la composition fine du lait ;- optimiser la valorisation des ressources alimentaires et génétiques par le conseil en élevage ;- initier une sélection génomique. Au-delà de ces objectifs, le programme PhénoFinlait a été envisagé comme un investissement majeur et collectif pour les filières laitières françaises afin de leur permettre de conserver ou de développer des avantages compétitifs par la possibilité de mieux valoriser la composition fine et demain ultrafine (grâce à des méthodes plus fines encore que la spectrométrie MIR) du lait. Les bases de données et d’échantillons ont ainsi vocation à être exploitées et ré-exploitées pendant plusieurs années au fur et à mesure des demandes des filières et de l’avancée des connaissances et des technologies d’analyse du lait. D’autres pays se mobilisent également sur cette problématique : Pays-Bas, Nouvelle-Zélande, Danemark et Suède, Italie, Belgique, etc. Ce dossier de la revue Inra Productions Animales fait état des principales productions issues à ce jour du programme PhénoFinlait. Il n’a pas vocation à couvrir exhaustivement les résultats produits. En particulier, nous ne présenterons pas systématiquement l’ensemble des résultats pour l’ensemble des espèces, races et composants. Néanmoins, nous nous sommes attachés à présenter à travers trois articles de synthèse et un article conclusif les principales avancées permises par ce programme à partir d’exemples pris dans les différentes filières. Gelé et al, débutent ce dossier par une présentation du programme dans ses différents volets, depuis la détermination des élevages et animaux à suivre jusqu’à la collecte et la conservation d’échantillons (de lait et de sang), en passant par l’enregistrement en routine des spectres MIR, des conditions d’alimentation, le prélèvement d’échantillons de sang puis, plus tard, le génotypage sur des puces pangénomiques. Cet article développe plus particulièrement la méthodologie mise en place pour déterminer la composition du lait en acides gras etprotéines à partir de spectres MIR. Enfin, il dresse un bilan des données collectées, permettant d’actualiser les références sur la caractérisation des troupeaux, des femelles laitières, des régimes alimentaires, et du profil des laits produits dans les trois filières laitières françaises. Legarto et al, présentent ensuite les résultats relatifs à l’influence des facteurs physiologiques (stade de lactation...), alimentaires (à travers des typologies de systèmes d’alimentation), raciaux et saisonniers, sur les profilsen acides gras. Ces résultats mettent en évidence de nombreuses sources de variation de la composition du lait qui pourront être exploitées à différentes échelles : animal, troupeau et bassin de collecte. Enfin, Boichard et al, présentent une synthèse de l’analyse du déterminisme génétique des acides gras d’une part et des protéines d’autre part. Cette synthèse aborde les estimations de paramètres génétiques tels que l’héritabilité et les corrélations génétiques entre caractères de composition fine entre eux, et avec les caractères de production. Ces résultats permettent en particulier de définir les potentialités de sélection ainsi que les liaisons génétiques à considérer. Ces analyses ont aussi permis de mesurer l’importance du choix de l’unité d’expression des teneurs (en pourcentage de la matière grasse ou protéique, ou en pourcentage dans le lait). Dans une dernière partie, cet article présente les analyses de détection de QTL avec une analyse des co-localisations entre races, entre composants et avec des gènes majeurs connus. RéférencesBoichard D., Govignon-Gion A., Larroque H., Maroteau C., Palhière I., Tosser-Klopp G., Rupp R., Sanchez M.P., Brochard M., 2014. Déterminisme génétique de la composition en acides gras et protéines du lait des ruminants. In : PhénoFinlait : Phénotypage et génotypage pour la compréhension et la maîtrise de la composition fine du lait. Brochard M., Boichard D., Brunschwig P., Peyraud J.L. (Eds). Dossier, INRA Prod. Anim., 27, 283-298. Chilliard Y., Glasser F., Ferlay A., Bernard L., Rouel J., Doreau M., 2007. Diet, rumen biohydrogenation, cow and goat milk fat nutritional quality: a review. Eur. J. Lipid Sci. Technol., 109, 828-855. Cniel, 2011. Lait, produits laitiers et société : France 2025 – Prospective collective. Note de synthèse sur les évolutions probables, juillet 2011. Couvreur S., Hurtaud C., Marnet P.G., Faverdin P., Peyraud J.L., 2007. Composition of milk fat from cows selected for milk fat globule size and offered either fresh pasture or a corn silage-based diet. J. Dairy Sci., 90, 392-403. Gelé M., Minery S., Astruc J.M., Brunschwig P., Ferrand M., Lagriffoul G., Larroque H., Legarto J., Martin P., Miranda G., Palhière I., Trossat P., Brochard M., 2014. Phénotypage et génotypage à grande échelle de la composition fine des laits dans les filières bovine, ovine et caprine. In : PhénoFinlait : Phénotypage et génotypage pour la compréhension et la maîtrise de la composition fine du lait. Brochard M., Boichard D., Brunschwig P., Peyraud J.L. (Eds). Dossier, INRA Prod. Anim., 27, 255-268. Grosclaude F., Mahé M.F., Brignon G., Di Stasio L., Jeunet R., 1987. A Mendelian polymorphism underlying quantitative variations of goat αS1-casein. Génét. Sel. Evol., 19, 399-412. Grosclaude F., 1988. Le polymorphisme génétique des principales lactoprotéines bovines. Relations avec la quantité, la composition et les aptitudes fromagères du lait. INRA Prod. Anim., 1, 5-17. Hocquette J.F., Capel C., David V., Guemene D., Bidanel J., Barbezant M., Gastinel P.L., Le Bail P.Y., Monget P., Mormede P., Peyraud J.L., Ponsart C., Guillou F., 2011. Les objectifs et les applications d’un réseau organisé de phénotypage pour les animaux d’élevage. Renc. Rech. Rum., 18, 327-334. Hurtaud C., Peyraud J.L., 2007. Effects of feeding camelina (seeds or meal) on milk fatty acid composition and butter spreadability. J. Dairy Sci., 90, 5134-5145. Le Bihan-Duval E., Talon R., Brochard M., Gautron J., Lefevre F., Larzul C., Baeza E., Hocquette J.F., 2014. Le phénotypage de la qualité des produits : enjeux de société, scientifiques et techniques. In : Phénotypage des animaux d’élevage. Phocas F. (Ed). Dossier, INRA Prod. Anim., 27, 223-234. Legarto L., Gelé M., Ferlay A., Hurtaud C., Lagriffoul G., Palhière I., Peyraud J.L., Rouillé B., Brunschwig P., 2014. Effets des conduites d’élevage sur la composition en acides gras du lait de vache, chèvre et brebis évaluéepar spectrométrie au moyen infrarouge. In : PhénoFinlait : Phénotypage et génotypage pour la compréhension et la maîtrise de la composition fine du lait. Brochard M., Boichard D., Brunschwig P., Peyraud J.L. (Eds).Dossier, INRA Prod. Anim., 27, 269-282. Lucas A., Rock E., Chamba J.F., Verdier-Metz I., Brachet P., Coulon J.B., 2006. Respective effects of milk composition and the cheese-making process on cheese compositional variability in components of nutritionalinterest. Lait, 86, 21-41. Robert-Granié C., Legarra A., Ducrocq V., 2011. Principes de base de la sélection génomique. In : Numéro spécial, Amélioration génétique. Mulsant P., Bodin L., Coudurier B., Deretz S., Le Roy P., Quillet E., Perez J.M. (Eds). INRA Prod. Anim., 24, 331-340. Soyeurt H., Dardenne P., Dehareng F., Lognay G., Veselko G., Marlier M., Bertozzi C., Mayeres P., Gengler N., 2006. Estimating fatty acid content in cow milk using mid-infrared spectrometry. J. Dairy Sci., 89, 3690-3695.

Les évolutions importantes des modes de consommation des volailles (vers davantage de produits découpés ou élaborés au détriment des carcasses entières) ont renforcé l’importance de la qualité de la viande. Il existe aujourd’hui une forte variabilité de cette qualité, qu’il convient de mieux maîtriser pour contrôler les caractéristiques finales du produit. A côté des adaptations technologiques développées par les industriels, des recherches ont été initiées pour améliorer en amont la qualité de la viande, notamment par la voie génétique. Des approches complémentaires de génomique positionnelle (recherche de QTL) et expressionnelle (étude du transcriptome musculaire) ont été initiées pour identifier les gènes impliqués dans les variations de la qualité chez le Poulet. Ces études s’appuient sur des modèles animaux, lignées expérimentales ou commerciales, qui présentent de fortes différences de croissance et de qualité. Des premiers résultats originaux ont été obtenus sur les régions chromosomiques (ou QTL) contrôlant la cinétique de chute du pH post mortem, la couleur ou les pertes en eau par exsudation du filet de poulet. Les perspectives visent maintenant à identifier les polymorphismes sous-jacents, ou à défaut des marqueurs génétiques proches, pour une utilisation en sélection. Ces futures recherches bénéficieront des progrès importants réalisés dans les technologies de typage (avec l’accès chez le Poulet aux marqueurs haut débit de type SNP), mais aussi de la mise en évidence par les études du transcriptome des gènes et voies métaboliques contribuant à l’élaboration de la qualité.

La variabilité phénotypique existante au sein d’une population est d’une importance cruciale ; elle permet l’adaptation à de nouvelles conditions par la sélection naturelle de traits bénéfiques. La variabilité phénotypique est le résultat du polymorphisme génétique de chaque individu, couplé à l’influence de divers facteurs environnementaux. Ces travaux ont pour objectif d’élucider quels sont les facteurs génétiques responsables de la variabilité phénotypique de chaque individu afin de comprendre comment celle-ci évolue de génération en génération et peut s’accentuer au-delà des prédispositions parentales. Finalement, les résultats obtenus seront utilisés pour prédire un phénotype à partir d’un génotype inconnu. Nous avons utilisé des techniques de phénomique et de génomique de haut débit pour décomposer avec une précision inédite la variabilité phénotypique d’une large population de souches diploïdes de Saccharomyces cerevisiae. Le génotype exact de plus de 7000 souches uniques a ainsi été obtenu via le croisement et le séquençage de souches haploïdes distinctes. Nous avons mesuré la capacité de croissance de ces souches et identifié les composants génétiques influant sur ce trait. De plus, nous avons identifié des « loci de caractères quantitatifs » additifs et non-additifs, et étudié la fréquence du phénomène d’hétérosis et ses mécanismes. Enfin, en utilisant les données phénotypiques et génotypiques de la même population de levures, nous avons pu prédire les traits de chaque individu avec une presque parfaite exactitude. Ces travaux ont ainsi permis d’identifier avec précision les facteurs génétiques modulant la variation phénotypique d’une population diploïde, et de prédire un trait à partir du génotype et de l’ensemble des données phénotypiques. En plus de ce projet, nous travaillons aussi sur l’identification des bases génétiques à l’origine de la non-viabilité des gamètes, ainsi que sur la compréhension des caractères complexes chez des souches hybrides intra-espèce. De par l’étude de 9000 gamètes séquencés issus de six hybrides différents, nous avons pour objectif de caractériser leur profil de recombinaison et d’observer quelle est l’influence du fond génétique sur ce dernier. De plus, nous avons caractérisé la capacité de croissance de ces gamètes dans neuf conditions environnementales différentes et nous prévoyons de disséquer l’architecture génétique de ces traits dans différents fonds génétiques
The phenotypic variation between individuals in a population is of crucial importance. It allows populations to evolve to novel conditions by the natural selection of beneficial traits. Variation in traits can be caused by genetic or environmental factors. This work endeavors to study the genetic factors that underlie phenotypic variation in order to understand how variation can be created from one generation to the next; to know what genetic mechanisms are most prominent; to learn how variation can extend beyond the parents; and finally, to use this in order to predict phenotypes of unknown genetic constellations. We used large scale phenomics and genomics to give an unprecedented decomposition of the phenotypic variation in a large population of diploid Saccharomyces cerevisiae strains. Constructing phased outbred lines by large scale crosses of sequenced haploid strains allowed us to infer the genetic makeup of more than 7,000 colonies. We measured the growth of these strains and decomposed the phenotypic variation into its genetic components. In addition, we mapped additive and nonadditive quantitative trait loci, we investigated the occurrence of heterosis and its genetic basis, and using the same populations we used phenotypic and genetic data to predict traits with near perfect accuracy. By using the phased outbred line approach, we succeeded in giving a conclusive account of what genetic factors define phenotypic variation in a diploid population, and in accurately predicting phenotypes from genetic and phenotypic data. Beyond the phased outbred line project, I am currently investigating the genetic basis of gamete inviability and complex traits in intraspecies yeast hybrids. Using 9,000 sequenced gametes from six different hybrids we aim to characterize their recombination landscape and how the genetic background influences it. Furthermore, we have phenotyped these gametes in nine conditions and will dissect the genetic architecture of these traits across multiple genomic backgrounds

La variabilité phénotypique existante au sein d’une population est d’une importance cruciale ; elle permet l’adaptation à de nouvelles conditions par la sélection naturelle de traits bénéfiques. La variabilité phénotypique est le résultat du polymorphisme génétique de chaque individu, couplé à l’influence de divers facteurs environnementaux. Ces travaux ont pour objectif d’élucider quels sont les facteurs génétiques responsables de la variabilité phénotypique de chaque individu afin de comprendre comment celle-ci évolue de génération en génération et peut s’accentuer au-delà des prédispositions parentales. Finalement, les résultats obtenus seront utilisés pour prédire un phénotype à partir d’un génotype inconnu. Nous avons utilisé des techniques de phénomique et de génomique de haut débit pour décomposer avec une précision inédite la variabilité phénotypique d’une large population de souches diploïdes de Saccharomyces cerevisiae. Le génotype exact de plus de 7000 souches uniques a ainsi été obtenu via le croisement et le séquençage de souches haploïdes distinctes. Nous avons mesuré la capacité de croissance de ces souches et identifié les composants génétiques influant sur ce trait. De plus, nous avons identifié des « loci de caractères quantitatifs » additifs et non-additifs, et étudié la fréquence du phénomène d’hétérosis et ses mécanismes. Enfin, en utilisant les données phénotypiques et génotypiques de la même population de levures, nous avons pu prédire les traits de chaque individu avec une presque parfaite exactitude. Ces travaux ont ainsi permis d’identifier avec précision les facteurs génétiques modulant la variation phénotypique d’une population diploïde, et de prédire un trait à partir du génotype et de l’ensemble des données phénotypiques. En plus de ce projet, nous travaillons aussi sur l’identification des bases génétiques à l’origine de la non-viabilité des gamètes, ainsi que sur la compréhension des caractères complexes chez des souches hybrides intra-espèce. De par l’étude de 9000 gamètes séquencés issus de six hybrides différents, nous avons pour objectif de caractériser leur profil de recombinaison et d’observer quelle est l’influence du fond génétique sur ce dernier. De plus, nous avons caractérisé la capacité de croissance de ces gamètes dans neuf conditions environnementales différentes et nous prévoyons de disséquer l’architecture génétique de ces traits dans différents fonds génétiques
The phenotypic variation between individuals in a population is of crucial importance. It allows populations to evolve to novel conditions by the natural selection of beneficial traits. Variation in traits can be caused by genetic or environmental factors. This work endeavors to study the genetic factors that underlie phenotypic variation in order to understand how variation can be created from one generation to the next; to know what genetic mechanisms are most prominent; to learn how variation can extend beyond the parents; and finally, to use this in order to predict phenotypes of unknown genetic constellations. We used large scale phenomics and genomics to give an unprecedented decomposition of the phenotypic variation in a large population of diploid Saccharomyces cerevisiae strains. Constructing phased outbred lines by large scale crosses of sequenced haploid strains allowed us to infer the genetic makeup of more than 7,000 colonies. We measured the growth of these strains and decomposed the phenotypic variation into its genetic components. In addition, we mapped additive and nonadditive quantitative trait loci, we investigated the occurrence of heterosis and its genetic basis, and using the same populations we used phenotypic and genetic data to predict traits with near perfect accuracy. By using the phased outbred line approach, we succeeded in giving a conclusive account of what genetic factors define phenotypic variation in a diploid population, and in accurately predicting phenotypes from genetic and phenotypic data. Beyond the phased outbred line project, I am currently investigating the genetic basis of gamete inviability and complex traits in intraspecies yeast hybrids. Using 9,000 sequenced gametes from six different hybrids we aim to characterize their recombination landscape and how the genetic background influences it. Furthermore, we have phenotyped these gametes in nine conditions and will dissect the genetic architecture of these traits across multiple genomic backgrounds

L’étude de la l’adaptation de traits complexes passe par deux approches complémentaires. La première approche vise à décrire les architectures et les bases génétiques de variation naturelle adaptative. La seconde approche, vise à décrire les échelles géographiques de la variation phénotypique et les facteurs écologiques agissant comme pressions de sélection sur le trait étudié. Ces deux approches sont utilisées pour étudier la variation naturelle de traits phénologiques chez Arabidopsis thaliana.Les architectures et les bases génétiques de la variation naturelle de traits phénologiques, phénotypés dans deux environnements, ont été étudiées en tirant avantage de la combinaison ‘genome-wide association (GWA) mapping’ et cartographie de QTL. Cette combinaison a permis de mettre en évidence que les effets alléliques et l’identité des gènes liés à la variation naturelle étaient fortement dépendants de l’environnement et que les populations naturelles pourraient avoir suivi des marches adaptatives différentes. La caractérisation phénologique, écologique et génétique d’un échantillonnage hiérarchique de populations d’A. thaliana a mis en évidence que la variation des traits phénologiques était adaptative à une échelle très locale en réponse à de nombreux facteurs climatiques et édaphiques. Cette double approche génomique - écologie suggère que l’étude des marches adaptatives des populations naturelles d’A. thaliana vers des optimums phénotypiques doit passer par l’étude des architectures et des bases génétiques à différentes échelles géographiques, suivant un dispositif hiérarchisé et que l’estimation de la variation naturelle doit s’effectuer dans des conditions réalistes
Two complementary approaches need to be considered in the study of adaptation. The first approach aims at describing the genetic architectures and the genetic bases of phenotypic variation in order to better understand the adaptive walk followed by natural populations toward a phenotypic optimum. The second approach aims to identify the environmental grain of the ecological factors acting as selective pressures in natural populations. In this work we studied the natural variation of phenological traits in Arabidopsis thaliana. We used a powerful combination of genome wide association (GWA) mapping and traditional QTL mapping to fine map the genetics of phenological traits measured under two environments. This dual mapping strategy revealed a strong environmental dependency of both allelic effect and identity of the genes underlying natural variation, but also that natural A. thaliana populations may have followed different adaptive walks. A. thaliana populations were sampled according a hierarchical geographic pattern and characterized ecologically, phenologically and genetically. This strategy revealed that phenological traits were adaptive to fine-grained environmental conditions defined by both climate and soil conditions. In the study of the adaptive walks followed by A. thaliana natural populations, this two sided approach, combining both genomics and ecology, suggests that the description of the genetic architectures and the identification of causal genes should be performed at different spatial scales, following a hierarchical geographic design, and that phenotypes must be measured in ecologically realistic conditions

L’apparition et le maintien d’écotypes adaptés à différentes niches écologiques, en situation de sympatrie, est régit par une multitude de facteurs. Ceux-ci sont essentiels pour la compréhension des processus évolutifs impliqués mais aussi pour la gestion et la conservation des populations en question. Le touladi (Salvelinus namaycush) est un salmonidé reconnu pour la présence d’écotypes liée à l’utilisation des ressources et de l’habitat à travers l’Amérique du Nord. Un total de quatre écotypes a été décrit vivant dans le lac Supérieur, se différenciant par l’habitat utilisé, l’alimentation, la morphologie ainsi que l’ostéologie. L’objectif principal de la présente étude était de quantifier l’étendue de la différentiation génétique entre les différents sites d’échantillonnage ainsi qu’entre les différents écotypes. Un second objectif était d’identifier des marqueurs potentiellement sous sélection entre les différents écotypes reflétant de possibles adaptations locales. Pour ce faire, un total de 486 individus, représentant les quatre écotypes pour chacun des quatre sites d’échantillonnages, a été génotypé à 6822 SNPs (polymorphisme de nucléotide simple). De plus, des analyses morphométriques ont été effectuées afin de caractériser l’ampleur de la divergence morphologique entre les écotypes à chacun des sites. Les résultats ont montré une différentiation génétique, bien que faible, plus prononcée entre les sites d’échantillonnage qu’entre les écotypes à chacun de ces sites. Des indices indiquant la présence de sélection divergente ont aussi été décelés entre les écotypes ou en association avec des variations morphologiques, dont certains marqueurs représentant des traits importants dans la divergence des différents écotypes. Les résultats de cette étude permettront une meilleure gestion et conservation des populations de touladi du lac Supérieur en plus d’éclairer le choix possible de populations sources pour l’ensemencement des autres Grands Lacs.
Understanding the emergence and maintenance of sympatric ecotypes adapted to various trophic niches is a central topic in evolutionary biology, and also has implications for conservation and management. Lake Trout (Salvelinus namaycush) is renowned for the occurrence of phenotypically distinct ecotypes linked to resource and habitat use throughout North America. A total of four ecotypes have been described in Lake Superior that differ in terms of habitat, diet, morphology and osteology. The principal objective of this study was to quantify the extent of genetic differentiation among sampling sites and among ecotypes. The secondary objective was to identify markers potentially under divergent selection among the four ecotypes that may underlie local adaptation. To this end, a total of 486 individuals were genotyped at 6822 SNPs (single nucleotide polymorphism). In addition, these analyses were conducted alongside morphometric analyses to characterise the extent of morphological divergence among ecotypes within each sampling site. Results reveal that overall genetic differentiation is weak and is higher among sites than among ecotypes within each site. Moreover, we found evidence for divergent selection among ecotypes, and in some instances in association with morphological variation. These markers represent ecologically important traits linked to ecotype divergence. Results from this study will benefit management and conservation practices, and will guide the choice of source populations for stocking in the Great Lakes.

La recombinaison génétique est un processus biologique fondamental, ayant lieu au cours de la méiose et assurant la bonne ségrégation des chromosomes, ainsi que le maintien de la variabilité génétique grâce au brassage intrachromosomique. La recombinaison a été étudiée dans de nombreuses espèces, en particulier chez les Mammifères et les animaux d’élevage, comme les bovins, les porcs ou les ovins. Dans tous les cas, une variation du taux de recombinaison a été observée entre les individus et il a été démontré qu’elle était héritable et sous déterminisme génétique. Dans certaines espèces, des cartes génétiques ont également été construites, ce qui a permis de localiser les crossingovers et de détecter de très petites zones du génome où la recombinaison était importante : les points chauds. En race ovine Lacaune, de nombreuses données de génotypages sont disponibles, notamment grâce à l’existence de deux puces : une de moyenne densité avec 54 000 marqueurs et une de haute densité avec 600 000 marqueurs. Deux jeux de données étaient donc disponibles ; un jeu de données familial avec près de 6 000 individus apparentés et génotypés pour les 54 000 marqueurs et un jeu de données comportant 70 Lacaune non apparentés et génotypés pour les 600 000 marqueurs. Des cartes génétiques ont donc été créées pour ces deux jeux de données. Avec les animaux non apparentés, environ 50 000 points chauds ont été détectés. Le jeu de données familial a permis d’observer des motifs de distribution de la recombinaison communs aux autres Mammifères. Enfin, la combinaison des deux jeux de données a révélé la présence de signatures de sélection et a permis de créer une carte génétique de haute densité. De plus, une variation du taux de recombinaison a été observée entre les individus et a pu être liée à l’existence de 2 QTLs majeurs sur les chromosomes 6 et 7. Des gènes candidats plus ou moins bien connus ont pu être proposés, voire étudiés : RNF212 et HEI10. De plus, une comparaison avec une autre population ovine a permis de montrer que les cartes de recombinaison étaient quasiment identiques, mais que le taux de recombinaison individuel était soumis à un déterminisme génétique différent. Il a également été possible de proposer une application concrète pour l’utilisation des cartes génétiques en sélection génomique, grâce à la création de puces basse densité pouvant être utilisées pour l’imputation des reproducteurs et donc favoriser le génotypage et la sélection génomique à moindre coût
Genetic recombination is a fundamental biological process, which occurs during the meiosis. It allows the good segregation of the chromosomes and contributes to maintain the genetic diversity. Recombination was already studied in a lot of different species, especially in mammals and in farm animals, such as the pig, the cattle or the sheep. In each case, a variation of the recombination rate between the individuals was observed. This variation was heritable and under genetic determinism. In some species, genetic recombination maps were also created, which allowed to localize the crossovers and to detect really tiny genomic regions where the recombination is huge: the recombination hotspots. In the Lacaune breed sheep, a lot of genotyping data are available thanks to two existing arrays: a first with a medium density of markers (about 54,000 markers) and a second with a high density of markers (about 600,000 markers). Two datasets were thus available: a familial dataset with about 6,000 animals genotyped for the 54,000 markers and a dataset of 70 unrelated Lacaune genotyped for the 600,000 markers. Genetic recombination maps were created for these two datasets. With the 70 unrelated Lacaune, about 50,000 hotspots were detected. The familial dataset allowed to observe the mammals common recombination patterns. Finally, when the two datasets were combined, selection signatures were revealed and a high density recombination map were created. Furthermore, a variation of the recombination rate within the individuals was observed and was associated to 2 main QTLs on the chromosomes 6 and 7. Already known, or not, candidate genes were proposed and sometimes studied: especially RNF212 and HEI10. Finally, a comparison with another sheep breed revealed that the genetic recombination maps were really similar, but the individual recombination rate was under a different genetic determinism. A concrete application of the genetic recombination map in genomic selection was also proposed thanks to the creation of lowdensity SNPs sets, which could be used to impute the animals and thus to improve the genotyping and the genomic selection for lessercosts

Dans les trois domaines du vivant, que constituent les bactéries, les eucaryotes et les archées, une molécule a la capacité souveraine de gouverner la vie, la mère à l’origine de tous les mécanismes biologiques, l’ADN. S’il est évident de dire que le maintien de l’intégrité des génomes est essentiel à la vie, il existe deux systèmes qui le permettent, la réplication et la réparation de l’ADN. La fidélité de ces derniers est finement influencée par la disponibilité (ratio et balance) des précurseurs nucléotidiques désoxyribonucléotides (dNTPs) et ribonucléotides (rNTPs) au cours du cycle cellulaire. Même si la concentration intracellulaire en nucléotides est largement documentée chez les eucaryotes et les bactéries, ça n’est malheureusement pas le cas chez les archées. En ce qui concerne l’étude de la maintenance génomique, un groupe d’archées a intéressé les chercheurs de par leurs capacités à survivre dans des milieux dits extrêmes. Pyrococcus abyssi est l’une d’entre elles qui depuis de nombreuses années sert de modèle biologique pour répondre aux questions de la stabilité de l’ADN à haute température. Cette étude est centrée sur cette thématique et particulièrement sur les caractéristiques fonctionnelles des ADN polymérases: PolD, PolB et le complexe p41/p46. Initialement, le contenu en nucléotides a été évalué dans des cellules en phase exponentielle de croissance par la technique de chromatographie couplée à une double détection en spectrométrie de masse (zicHILIC-MS-MS). Les résultats montrent que le contenu en rNTPs est de 20 fois supérieur à celui en dNTPs. Pour cette raison, la discrimination sélective des dNTPs par les ADN polymérases est mise à l’épreuve. Même si, des mécanismes permettent d’exclure les rNMPs durant la synthèse de l’ADN, de récentes études ont montrées que des rNMPs étaient incorporés par des ADN pols. Ainsi, le ratio en nucléotides obtenu a été utilisé pour l’analyse de son effet sur la synthèse d’ADN par les ADN Pols et les extraits cellulaires de P. abyssi. Les résultats démontrent clairement que les rNMPs sont incorporés par l’ADN polymérase PolD. Puis, les conséquences de la présence des rNMPs dans l’ADN sur la réplication ont été étudiées et ont mis en évidence que les extraits cellulaires, tout comme les ADN Pols de P. abyssi étaient capables de « passer » un rNMP présent dans l’ADN. Pour finir, une étude de l’incorporation préférentielle de chaque dNMP et rNMP a été menée démontrant que la complémentarité des bases était respectée même lors de l’incorporation de rNMPs. Enfin, la caractérisation de la petite sous-unité, DP1, de PolD a permis de montrer sa capacité à retirer des rNMPs grâce à son activité de relecture, suggérant un premier rempart à la présence de rNMPs dans l’ADN. Pour conclure, ces résultats montrent que la présence de rNMPs dans l’ADN est un phénomène conservé dans les trois domaines du vivant
In the three domains of life that include Bacteria, Eukarya and Archaea, one molecule has the sovereign ability to govern life, and not the least one, the mother of all biological mechanisms, DNA. Maintaining the integrity of genomes is obviously essential for life, and faithful DNA replication and repair are the guarantees. The fidelity of these two processes may vary depending on the availability and levels (balance and ratio) of deoxyribonucleotides (dNTPs) and ribonucleotides (rNTPs) during the cell-cycle. Even if intracellular concentration of nucleotides is largely documented in Eukarya and Bacteria, it remains limited in Archaea. From many years one group of Archaea is of great interest for studying genomic maintenance, because of its ability to survive in extremes environments. Pyrococcus abyssi is one of them that is used as biological model for deciphering the stability of DNA at elevated temperature in LM2E. The present work focuses on genomic integrity and particularly on the functional characterization of the three DNA polymerases: PolD, PolB and the p41/p46 complex. Initially, the nucleotide pool has been evaluated in exponentially growing cells using the highly sensitive method that combined chromatography and mass spectrometry (zicHILIC-MS-MS). The results show that rNTPs content is 20-fold higher than dNTPs. For that reason, fidelities of DNA polymerases are challenged to select the correct dNTP over the most abundant rNTP during DNA synthesis. Despite the fact that some mechanisms allow the exclusion of rNTPs from entry to the Pol active site, recent findings indicate that ribonucleotides are incorporated by different DNA Pols with surprisingly high frequency. In this work, the obtained intracellular balance and ratio of rNTPs and dNTP have been used to analyze their effect on DNA synthesis by P. abyssi DNA Pols and cell-free extracts. Our results clearly demonstrate that rNTP incorporation is detectable with distinct efficiencies among DNA pols. Secondly, the consequences of the presence of rNMPs in a DNA template on DNA polymerisation has been examined and highlights that cell-free extracts are able to bypass a single rNMP as well as replicative DNA polymerases. To strengthen that study, single nucleotide incorporation opposite rNMP or dNMP has been carried out and the results demonstrate that replicative Pyrococcus abyssi DNA Pols can basepair the complementary rNTPs opposite dNMPs, and vice-versa, the complementary dNTPs opposite rNMPs.Furthermore, the preliminary results obtained about the nucleolysis activities of the PolD small subunit, DP1, show that the DNA polymerase D is able to remove rNMPs from a DNA strand, suggesting a first level of protection against ribonucleotide contamination of DNA. Definitely, these data indicate that the presence of transient embedded rNMPs in genomic DNA represents a universally conserved phenomenon across Archaea, Bacteria and Eukarya

Tout organisme vivant est le produit d'interactions complexes entre son génome et son environnement, interactions caractérisées par des échanges de matière et d'énergie indispensables à la survie de l'organisme et la transmission de son génome. Depuis la découverte dans les années 1910 que le chromosome est le support de l'information génétique, les biologistes étudient les génomes afin de décrypter les mécanismes et processus à l'oeuvre dans le développement des organismes et l'évolution des populations. Grâce aux améliorations technologiques des dernières décennies, plusieurs génomes ont été entièrement séquencés, leur nombre s'accroissant rapidement, mais ils sont loin d'être décryptés pour autant. En effet, certains de leurs composants, les éléments transposables, sont encore mal compris, bien qu'ils aient été détectés chez quasiment toutes les espèces étudiées, et qu'ils puissent représenter jusqu'à 90% du contenu total de leurs génomes. Les éléments transposables sont des fragments du génome possédant la particularité d'être mobiles. Ils ont donc un impact majeur sur la structure des génomes mais également sur l'expression des gènes avoisinants, notamment via des mécanismes épigénétiques. Leur évolution est aussi particulière étant donné qu'ils ont une transmission verticale non-mendélienne et que de nombreux cas de transferts horizontaux ont été mis en évidence. Mais, à part dans le cas de certains organismes modèles pour lesquels nous disposons de séquences de référence, l'annotation des éléments transposables représente souvent un goulot d'étranglement dans l'analyse des séquences génomiques. A cela s'ajoute le fait que les études de génomique comparée montrent que les génomes sont bien plus dynamiques qu'on ne le croyait, en particulier ceux des plantes, ce qui complique d'autant l'annotation précise des éléments transposables. Pendant mes travaux de thèse, j'ai commencé par comparer les programmes informatiques existants utilisés dans les approches d'annotation de novo des éléments transposables. Pour cela, j'ai mis au point un protocole de test sur les génomes de Drosophila melanogaster et Arabidopsis thaliana. Ceci m'a permis de proposer une approche de novo combinant plusieurs outils, capable ainsi de reconstruire automatiquement un grand nombre de séquences de référence. De plus, j'ai pu montrer que notre approche mettait en évidence les variations structurales au sein de familles bien connues, notamment en distinguant des variants structuraux appartenant à une même famille d'éléments transposables, reflétant ainsi la diversification de ces familles au cours de leur évolution. Cette approche a été implémentée dans une suite d'outils (REPET) rendant possible l'analyse des éléments transposables de nombreux génomes de plantes, insectes, champignons et autres. Ces travaux ont abouti à une feuille de route décrivant de manière pratique comment annoter le contenu en éléments transposables de tout génome nouvellement séquencé. Par conséquent, de nombreuses questions concernant l'impact de ces éléments sur l'évolution de la structure des génomes peuvent maintenant être abordées chez différents génomes plus ou moins proches. Je propose également plusieurs pistes de recherche, notamment la simulation des données nécessaires à l'amélioration des algorithmes de détection, démarche complémentaire de la modélisation de la dynamique des éléments transposables.

L'objectif de ce travail était de caractériser par CGH (Comparative Genomic Hybridization) array des régions chromosomiques impliquées dans des maladies ophtalmologiques rares, pour identifier de nouveaux gènes. Dans le premier volet de ma thèse, 65 patients présentant une malformation oculaire syndromique ont été explorés par CGH-array. Une anomalie probablement causale a été identifiée chez 15% d'entre eux. Quatre patients ont une délétion emportant un gène déjà connu dans le développement de l'œil (FOXC1 ou OTX2) et 4 autres patients, une délétion pathogénique non classiquement associée à une atteinte oculaire : del(17)(p!3. 3pl3. 3), del(10)(pl4p!5. 3) et del(16)(pll. 2pll. 2). En collaboration avec d'autres équipes nous avons rassemblé des patients pour étudier les corrélations génotype-phénotype des délétions 6p25 et 17pl3. 3. La deuxième partie de ce travail s'est centrée sur l'étude d'un gène candidat : ARHGEF26. L'étude de la ségrégation dans la famille index et le séquençage de ce gène chez des patients à phénotype commun ne nous ont pas permis de conclure à l'implication d'ARHGEF26 dans ce phénotype. Cette deuxième partie souligne les difficultés et les limites de la stratégie d'identification de nouveaux gènes par CGH-array. Au total, ces résultats montrent que l'analyse chromosomique par CGH-array au-delà de son intérêt diagnostique et pour le conseil génétique, permet d'établir de nouvelles corrélations génotype-phénotype et d'identifier de nouvelles régions potentiellement impliquées dans des pathologies ophtalmologiques rares
The karyotype detects a chromosomal anomaly in 7. 7% to 10% of neonates with ocular birth defect. The introduction of microarray technology showed a very high rate of rearrangements below the resolution of karyotyping. My objectives in this work were to characterize using comparative genome hybridisation-based microarray analysis (array-CGH) chromosomal regions involved in rare ophthalmologic disorders, and then to identify new genes. In the first part of my work, we performed array-CGH in 65 patients presenting syndromal ocular developmental anomalies. A causal or potentially causal anomaly was found for 15% of them. Four had a pathogenic deletion involving a gene known to be involved in ocular anomalies (FOXC1 or OTX2}, while 4 others had a pathogenic deletion not classically associated with ocular malformations: del(17)(pl3. 3p!3. 3), del(10)(pl4p!5. 3) and del(16)(pl 1. 2pl 1. 2). In collaboration with other teams, we gathered patients to study genotype-phenotype correlations for 6p25 and 17pl3. 3 deletions. The second part of my work focused on a candidate gene study: ARHGEF26. Sequencing this gene in other patients with similar phenotype and studying the index patient family segregation, we could not demonstrate the ARHGEF26 involvement in this phenotype. This second part highlights the limits and difficulties of gene identification using array-CGH. These results demonstrate that array-CGH-based chromosomal analysis, beyond its importance for diagnosis and genetic counselling, can help to establish new genotype-phenotype correlations for chromosomal anomalies as well as identify potential new regions involved in rare ophthalmologic disorders

Un enjeu majeur de la génétique évolutive est de comprendre comment l'adaptation locale se développe en population naturelle, et comment les différentes forces évolutives y contribuent. Les études expérimentales d'adaptation locale utilisent couramment les gradients altitudinaux présentant une variation spatiale marquée des conditions environnementales. Dans ces conditions, on s'attend à ce que la différentiation génétique pour les caractères (traditionnellement mesurée par QST) et pour les gènes déterminant ces caractères (traditionnellement mesurée par FSTq) le long du gradient soit gouvernée de façon prédominante par la sélection et les flux de gènes, et peu influencée en revanche par la dérive génétique et la mutation. En particulier, des études théoriques ont montré un découplage entre QST et FST lorsque que les flux de gènes sont forts et/ou que la sélection est récente. Dans cette étude, nous avons testé cette hypothèse en combinant une approche de génomique expérimentale et des simulations dans des populations naturelles de hêtre commun (F. sylvatica) séparées de ~trois kilomètres et soumis à des environnements contrastés.Pour l'approche expérimentale, nous avons échantillonné 4 populations sur deux gradients altitudinaux sur le Mont Ventoux (avec une population à haute altitude et une à basse altitude sur chaque gradient). Cinquante huit gènes potentiellement impliqué dans la réponse aux stress abiotiques et dans le débourrement ont été séquencés sur un total de quatre-vingt seize individus, révélant 581 SNPs (Single Nucleotide Polymorphisms). Différentes approches ont été utilisées pour identifier les SNP outlier, présentant une différentiation plus forte qu'attendu sous un modèle neutre sans sélection. Le nombre de SNPs outlier identifié comme étant sous sélection s'est révélé être grandement dépendant de la méthode utilisé. La méthode fréquentiste a détecté de nombreux outliers alors que l'approche bayésienne n'a pu permettre de détecter des SNPs sous sélection. Par ailleurs, nous avons utilisé un modèle mécaniste individu-centré pour simuler les patrons de diversité phénotypique et génétique attendus le long du gradient pour la phénologie du débourrement végétatif, un caractère généralement adaptatif dans la réponse aux variations de température. Les résultats des simulations confirment que la différentiation génétique observée pour le caractère (QST) est généralement plus forte que celle observée au gène (FSTq), et que cette différentiation génétique au trait intervient dès la première génération. Toutefois, les tests d'outlier conduits sur le le modèle simulé ont révélé que plus de 95% des SNPs outlier sont des faux positifs. Comme dans l'approche expérimentale, l'approche Bayésienne ne s'est pas révélé suffisamment fiable pour détecter des QTLs dans des populations spatialement proche et génétiquement faiblement différentiée. Néanmoins une approche multi-locus basée sur un estimateur peu utilisé en génétique (le Zg) a révélé la forte corrélation inter-populations inter-gènes des QTLs confirmant les attendus théoriques. Toutefois, cette approche ne permet pas de détecter précisément les QTLs sans connaissance a priori sur les QTLs. En conclusion, les travaux de cette thèse mettent en évidence la rapidité des changements génétique qui interviennent en moins de 5 générations pendant la modification du climat, et la difficulté de détecter les gènes codant pour des traits complexes
A major challenge in population genetics is to understand the local adaptation process in natural population and so to disentangle the various evolution forces contributing to local adaptation. The experimental studies on local adaption generally resort to altitudinal gradients that are characterized by strong environmental changes across short spatial scales. Under such condition, the genetic differentiation of the functional trait (measured by the Qst) as well as the genes coding for trait (measured by Fstq) are expected to be mainly driven by selection and gene flow. Genetic drift and mutation are expected to have minor effect. Theoretic studies showed a decoupling between Qst and Fst under strong gene flow and / or recent selection. In this study, I tested this hypothesis by combining experimental and modelling genomic approach in natural population of Fagus sylvatica separated by ~3 kilometres and under contrasted environments.Sampling was conducted in south-eastern France, a region known to have been recently colonised by F.sylvatica. Four naturally-originated populations were sampled at both high and low elevations along two altitudinal gradients. Populations along the altitudinal gradients are expected to be subjected to contrasting climatic conditions. Fifty eight candidate genes were chosen from a databank of 35,000 ESTs according to their putative functional roles in response to drought, cold stress and leaf phenology and sequenced for 96 individuals from four populations that revealed 581 SNPs. Classical tests of departure of site frequency spectra from expectation and outlier detection tests that accounted for the complex demographic history of the populations were used. In contrast with the mono-locus tests, an approach for detecting selection at the multi-locus scale have been tested.The results from experimental approaches were highly contrasted according the method highlighting the limits of those method for population loosely differentiated and spatially close. The modelling approach confirmed the results from the experimental data but revealed that up to 95% of the SNPs detected as outliers were false positive. The multi-locus approach revealed that the markers coding for the trait are differentially correlated compared to the neutral SNPs. But this approach failed to detect accurately the markers coding for the trait if no a priori knowledge is known about them. The modelling approach revealed that genetic changes may occur across very few generation. But while this genetic adaptation is measurable at the trait level, the available method for detecting genetic adaptation at the molecular level appeared to be greatly inaccurate. However, the multi-locus approach provided much more promise for understanding the genetic basis of local adaptation from standing genetic variation of forest trees in response to climate change

L'étude des caractères complexes des organismes joue un rôle important dans divers domaines, notamment en biologie évolutive, en médecine, ou encore en agriculture. La compréhension des facteurs génétiques impliqués dans le contrôle de ces caractéristiques peut ainsi être d'une grande importance. Notamment, la plupart des caractéristiques liées aux maladies sont complexes et l'identification de nouvelles cibles médicamenteuses peut conduire à des méthodes de traitement nouvelles et améliorées. De même, en agriculture, l'identification de loci génétiques associés à des caractéristiques intéressantes, telles que le rendement, l'adaptabilité et la résistance, peut contribuer à améliorer la productivité et la qualité des cultures. De plus, la variation génétique présente au niveau de la population peut grandement contribuer à la variance des caractères phénotypiques qui eux aussi peuvent être de grande importance. Dans cette thèse, nous étudions la variation au niveau de la population de plus de 200 caractères complexes dans une collection naturelle de Saccharomyces cerevisiae comprenant 1011 souches. L'étude peut être divisée en trois parties principales. Dans la première partie, nous décrivons les modèles de corrélation globale entre les 223 phénotypes, en mettant en évidence certaines corrélations inattendues entre des phénotypes non apparentés. En outre, nous avons quantifié la corrélation entre les distances génétiques et phénotypiques des souches et ses variations entre les différents clades. Dans la deuxième partie, nous identifions les marqueurs génétiques associés aux 223 phénotypes à l'aide d'études d'association à l'échelle du génome (GWAS). Nous avons pu ainsi confirmer que les modèles observés au niveau du phénome de la population se reflétaient au niveau génomique, un plus grand nombre de variants génétiques significativement associés étant partagés entre les phénotypes les plus corrélés et vice versa. Enfin, la dernière partie est consacrée à la prédiction du phénome à partir de diverses données génomiques et phénomiques. Nous avons développé une ``pipeline" d'apprentissage automatique (GenPhen) qui met en œuvre l'automatisation du processus d'optimisation que ça soit des paramètres ou des hyperparamètres du modèle afin d'obtenir le modèle le plus proche des phénotypes individuels. En outre, la pipeline intègre quatre méthodes d'apprentissage automatique linéaires et non linéaires. Nous fournissons une comparaison de la capacité des différents modèles pour la prédiction des phénotypes avec différents types de prédicteurs en entrée, y compris le pangénome, les polymorphismes de nucléotides simples (SNP), la transcriptomique, la protéomique, etc.Enfin, nous avons mis en œuvre des modèles d'apprentissage automatique multicibles capables de prédire l'ensemble du phénome avec une précision globale comparable à celle des prédictions de phénotypes individuels. Dans l'ensemble, nous avons montré que les prédictions varient fortement en fonction du phénotype et que la plupart des caractères sont fortement polygéniques, c'est-à-dire qu'ils sont contrôlés par un grand nombre de facteurs génétiques ayant des effets très faibles. De manière générale, notre étude donne un aperçu de l'utilité des différentes méthodes d'apprentissage automatique pour la prédiction des phénotypes complexes, elle permet aussi la comparaison de différents types de prédicteurs pour la hiérarchisation des données expérimentales requises pour les prédictions. De plus, elle permet l'interprétation des modèles d'apprentissage automatique pour comprendre les mécanismes biologiques sous-jacents qui contrôlent les caractères
The study of complex traits is of central importance in various fields, including evolutionary biology, medicine, agriculture, etc. Understanding the genetic factors involved in controlling these traits can be of paramount significance. For example, most diseases-related traits are complex, and unraveling novel drug targets can lead to new and improved treatment methods. Similarly, in agriculture, the identification of genetic loci associated with traits of interest, such as yield, adaptability, and resistance, can help improve crop productivity and quality. The genetic variation present at the population level can greatly contribute to the variance in phenotypic traits. In this thesis, we study the population-level variation in more than 200 complex traits in a natural Saccharomyces cerevisiae collection comprising of 1,011 strains. The study can be divided into three main parts. In the first part, we describe the global correlation patterns among all 223 phenotypes, highlighting some unexpected correlations between unrelated phenotypes. Furthermore, we quantified the correlation between the genetic and phenotypic distances of the strains and its variations between the different clades. In the second part, we identify genetic markers associated with the 223 phenotypes using genome-wide association studies (GWAS). Moreover, we confirmed that the patterns observed at the phenome level of the population were reflected at the genomic level, with a higher number of significantly associated genetic variants being shared between the more correlated phenotypes and vice versa. Finally, the last part is focused on predicting the phenome from various genomic and phenomic data. We developed a machine learning pipeline (GenPhen) that implements the automatization of the hyperparameters optimization process during model learning to obtain the most optimized model for individual phenotypes. In addition, the pipeline can be used to implement four ML methods capable of learning linear to highly non-linear models. We provide a comparison of the ability of the different ML models to predict phenotypes and also different kinds of input predictors including the pangenome, Single Nucleotide Polymorphisms (SNPs), transcriptomic, proteomics, etc. Finally, we implemented multitarget machine learning models that can predict the entire phenome with overall accuracy comparable to that of individual phenotype predictions. Overall, we showed that predictions vary highly depending on the phenotype and that most of the traits were highly polygenic, i.e., they are controlled by a large number of genetic factors with very small effects. In general, our study provides insight into the usefulness of different machine learning methods for predicting complex phenotypes, comparison of different types of predictors for the prioritization of the experimental data required for predictions, and interpretation of ML models to understand the underlying biological mechanisms controlling a trait