Création d’une puce basse-densité pour la sélection génomique en poule pondeuse

La selection genomique utilise des informations sur les polymorphismes de l’ADN, notamment SNP, en complement des mesures de performances, afin de choisir les futurs reproducteurs parmi un ensemble de candidats a la selection. Depuis 2013, une puce commerciale de genotypages a haute densite (600 000 marqueurs) de l’espece poule a permis le developpement de la selection genomique dans les filieres ponte et chair. Toutefois, les couts de genotypages avec cette puce restent eleves pour une utilisation en routine sur un grand nombre de candidats a la selection. Un des enjeux actuels de la selection genomique est donc le developpement de puces de genotypage de basse densite (dites puces LD) a plus faible cout. Il s’agit pour cela de selectionner un panel de marqueurs SNP permettant une imputation (prediction) des genotypes manquants sur puce haute densite (puce HD). Dans cette optique, differentes etudes ont ete menees afin de choisir la strategie de genotypages basse densite la mieux adaptee a une lignee de poule pondeuse. Differentes densites de genotypages, plusieurs scenarii de populations et deux logiciels ont ete testes. Les puces basse densite ont ete construites selon deux strategies : choix des SNP selon un clustering base sur un seuil de desequilibre de liaison ou choix de SNP a intervalles reguliers. Trois criteres d’efficacite des imputations ont ete compares : taux d’erreur genotypique, taux d’erreur allelique et correlation entre genotypes imputes et reels. Le taux d’erreur genotypique s’est revele un critere plus discriminant que les autres. Le logiciel FImpute apparait plus interessant que le logiciel Beagle car c’est un meilleur compromis entre efficacite de l’imputation et temps de calcul. L’etude des differentes puces basse densite montre que les imputations sont meilleures lorsque la densite des SNP augmente, lorsque le seuil de DL augmente et lorsque des SNP avec une faible MAF (Frequence Allelique Mineure) sont pris en compte. Les etudes de populations montrent que les imputations sont meilleures lorsque la taille de la population de reference augmente. L’influence du degre d’apparentement entre population de reference et candidats ainsi que l’impact sur la precision des evaluations genomiques restent a approfondir.