et utilisation de la carte

(1)

(1) INRA Station de GŽnŽtique Quantitative et AppliquŽe 78352 Jouy-en-Josas Cedex (2) INRA Station de Recherches Porcines 35590 Saint-Gilles

(3) INRA Laboratoire de Radiobiologie AppliquŽe 78352 Jouy-en-Josas Cedex

(4) INRA Station d'AmŽlioration GŽnŽtique des Animaux 31326 Castanet-Tolosan Cedex (5) INRA Laboratoire de GŽnŽtique Cellulaire 31326 Castanet-Tolosan Cedex

et utilisation de la carte

gŽnŽtique porcine

Les progr•s de la gŽnŽtique molŽculaire ont permis de dŽvelopper depuis quelques annŽes des cartes gŽnŽtiques dans les principales esp•ces d'animaux d'Žlevage. Ces cartes gŽnŽtiques permettent aujourd'hui de dŽtecter et de localiser de fa•on systŽmatique les principaux g•nes influen•ant les caract•res d'intŽr•t Žconomique.

La connaissance de ces g•nes permettra notamment d'introduire des all•les favorables dans les populations qui en sont dŽpourvues et, combinŽe ˆ l'information sur les performances des animaux,

d'amŽliorer l'efficacitŽ de la sŽlection.

RŽsumŽ

Des programmes de cartographie des gŽnomes des principales esp•ces animales d'intŽr•t Žconomique se sont dŽveloppŽs depuis quelques annŽes. Cet article fait le point sur l'Žtat d'avancement et les perspectives d'utilisation de la carte gŽnŽ- tique porcine. Apr•s une prŽsentation des principes gŽnŽraux de la cartographie gŽnŽtique, les rŽsultats des principaux programmes de cartographie du gŽnome porcin sont prŽsentŽs. DiffŽrentes perspectives d'utilisation des cartes gŽnŽtiques sont ensuite ŽvoquŽes. Les possibilitŽs et les modalitŽs d'utilisation des mar- queurs gŽnŽtiques pour la dŽtection et la localisation de locus ˆ effets quantitatifs (QTL) sont prŽsentŽes. L'intŽr•t de la cartographie comparŽe pour l'identification des QTL est illustrŽ ˆ partir de l'exemple du syst•me majeur d'histocompatibilitŽ.

Quelques perspectives d'utilisation de l'information apportŽe par les marqueurs dans les programmes d'amŽlioration gŽnŽtique (introgression d'un g•ne, sŽlection assistŽe par marqueurs) sont ensuite ŽvoquŽes. Enfin, les principaux programmes de recherche utilisant la carte gŽnŽtique porcine actuellement en cours ˆ l'INRA (programmes de localisation de g•nes RN et MU, programme de recherche des QTL responsables de la variabilitŽ gŽnŽtique entre les races Meishan et Large White) sont prŽsentŽs.

Des dŽveloppements nouveaux en mati•re de gestion et d'amŽlioration gŽnŽtique des esp•ces animales d'intŽr•t Žconomique sont apparues depuis quelques annŽes avec les progr•s de la biologie molŽculaire. Si les perspectives d'utilisation des techniques de trans- gŽn•se (Houdebine 1990, 1991) semblent aujourd'hui encore lointaines, les premi•res applications des travaux de cartographie des gŽnomes animaux commencent d'ores et dŽjˆ ˆ voir le jour. L'objet de cet article est de faire le point sur l'Žtat d'avancement et les perspec-

tives d'application des travaux rŽalisŽs dans ce domaine de recherche extr•mement actif.

Une premi•re partie concerne les mŽthodes d'Žtablissement des cartes gŽnŽtiques. Apr•s un rappel des principes gŽnŽraux de la cartographie gŽnŽtique, l'Žtat d'avancement de la carte gŽnŽtique porcine est prŽsentŽ. DiffŽ- rentes perspectives d'utilisation des cartes gŽnŽtiques sont ensuite ŽvoquŽes, ˆ savoir la dŽtection, la localisation et l'identification de locus ˆ effets quantitatifs (ou QTL = Quanti- tative Trait Locus) et la prise en compte de l'information apportŽe par les marqueurs dans les programmes d'amŽlioration gŽnŽ- tique. Enfin, les principaux programmes de recherche utilisant la carte gŽnŽtique porcine actuellement en cours ˆ l'INRA sont ŽvoquŽs.

1 / MŽthodes d'analyse du gŽnome

1

.1

/ Principes gŽnŽraux

de cartographie du gŽnome

Une carte est une reprŽsentation du gŽnome. La carte physiquepermet de localiser les g•nes sur les chromosomes sur la base de rep•res visibles. La carte gŽnŽtique permet quant ˆ elle de situer les g•nes les uns par rapport aux autres sur une Žchelle de dis-

(2)

tance basŽe sur la frŽquence des recombinaisons entre chromosomes homologues lors de la gamŽtogŽn•se. L'Žtablissement d'une carte gŽnŽtique comporte 3 grandes Žtapes, qui peuvent se chevaucher (Gellin et Chevalet 1994) : 1) la constitution d'un rŽseau homo- g•ne et assez dense de marqueurs gŽnŽtiques polymorphes (prŽsentant plusieurs all•les en sŽgrŽgation) ; 2) la mise en Žvidence et la localisation de g•nes ; 3) la caractŽrisation de ces g•nes (dŽtermination de la structure molŽ- culaire et de la fonction biologique). Chez l'homme, les g•nes recherchŽs sont notamment ceux responsables des quelque 5 000 maladies gŽnŽtiques recensŽes ˆ l'heure actuelle. Chez les animaux d'Žlevage ou les plantes cultivŽes, l'objectif est de mettre en Žvidence les g•nes contribuant de fa•on importante ˆ la variabilitŽ des caract•res d'in- tŽr•t Žconomique.

a / Etablissement d'un rŽseau de marqueurs

L'objectif est d'obtenir un ensemble de locus marqueurs polymorphes et rŽpartis de fa•on homog•ne sur l'ensemble du gŽnome et dŽli- mitant autant de groupes de liaison que de chromosomes. Le niveau des liaisons entre marqueurs est quantifiŽ par une distance gŽnŽtique calculŽe ˆ partir de la frŽquence des recombinaisons (ou crossing-overs) qui se pro- duisent entre les chromosomes homologues lors de la gamŽtogŽn•se. L'unitŽ de distance est le Morgan (M), qui reprŽsente la distance sur laquelle, en moyenne, une recombinaison intervient chaque fois qu'un gam•te est pro- duit. On consid•re actuellement (Ollivier et al 1995, Rohrer et al 1996) que la longueur du gŽnome porcin est comprise entre 2 000 et 3 000 centimorgans ou cM (1 M = 100 cM).

L'Žtablissement d'une carte gŽnŽtique nŽcessite tout d'abord de disposer d'une collec- tion d'ADN gŽnomique d'un certain nombre

de familles appelŽes Ç familles de rŽfŽrence È afin de fournir ˆ toutes les Žquipes de recherche impliquŽes dans le projet de cartographie un matŽriel de travail commun.

L'Žtape suivante est la production de marqueurs. Un polymorphisme important, une rŽpartition rŽguli•re sur l'ensemble du gŽnome, ainsi que la facilitŽ et les possibilitŽs de les caractŽriser ˆ grande Žchelle constituent les principales qualitŽs recherchŽes en vue de constituer un rŽseau de marqueurs.

Les microsatellites, sŽquences d'ADN consti- tuŽes de rŽpŽtitions en tandem de di Ð ou tri- nuclŽotides, sont actuellement les marqueurs les plus utilisŽs. Tr•s nombreux et bien rŽpar- tis sur le gŽnome, les microsatellites prŽsen- tent un polymorphisme important liŽ ˆ une variation du nombre de rŽpŽtitions du motif nuclŽotidique. Ce polymorphisme est mis en Žvidence en marquant les fragments d'ADN ˆ l'aide d'ŽlŽments radioactifs ou de molŽcules fluorescentes, en les faisant migrer sur gel d'Žlectrophor•se et en observant les diffŽ- rences de vitesse de migration liŽes aux varia- tions de taille des fragments d'ADN. La lec- ture des gels peut •tre automatisŽe et permettre ainsi la rŽalisation de typages en grande sŽrie.

b / Etude de la position des g•nes La localisation physique des diffŽrents groupes de liaison est extr•mement utile pour dŽterminer le niveau de couverture de chaque chromosome par le rŽseau de marqueurs. Elle peut •tre rŽalisŽe par hybridation in situ, par hybridation cellulaire ou ˆ partir d'un tri des chromosomes par cytomŽtrie en flux. Dans la technique d'hybridation in situ, on utilise une sonde (sŽquence d'ADN que l'on cherche ˆ localiser, marquŽe par radioactivitŽ ou ˆ l'aide d'une molŽcule fluorescente) qui s'associe ˆ la sŽquence d'ADN complŽmentaire sur les 2 chromosomes homologues. Cette hybrida-

La Commission Spécialisée des Recherches Porcines de l'INRA rassemble des chercheurs de divers secteurs et départements de l'institut, des acteurs du développement et des professionnels de la filière porcine. Elle tient à intervalles réguliers des réunions sur des thèmes choisis qui visent à : - susciter une réflexion commune entre chercheurs de l'INRA appartenant à des disciplines très diverses, mais qui ont en commun d'avoir le porc pour espèce de prédilection ;

- faciliter le dialogue entre les chercheurs de l'INRA et les utilisateurs des résultats de leurs études.

Les acteurs de la filière porcine en retirent une meilleure connaissance des travaux de l'INRA. La remontée d'information en provenance de personnes en contact direct avec les différents niveaux de la filière (alimentation animale, amélioration génétique, production, abattage, découpe et transforma- tion des viandes) permet de mieux cerner les besoins prioritaires de la filière porcine en matière de recherche qui relèvent du domaine de compétence de l'INRA.

La tenue de ces réunions est souvent l'occasion de faire le point des connaissances sur un thème intéressant la filière porcine. Il nous a semblé pertinent de ne pas restreindre cette information au seul cercle des membres de la commission, mais de lui assurer au contraire une large diffusion auprès des utilisateurs des recherches de l'INRA. La revue Productions Animales est sans conteste le meilleur support pour atteindre cet objectif. Il est dans notre intention de soumettre régulièrement dans ses colonnes la synthèse ou le résumé des présentations faites au cours de ces réunions. Le premier thème que nous proposons dans ce numéro concerne les travaux en cours à l'INRA qui visent à établir la carte génétique du porc et à utiliser cette carte pour l'amélioration génétique du porc. Un deuxième thème vous sera proposé dans un avenir proche, qui concerne les interactions Nutrition - Pathologie chez le porc.

Michel Bonneau

Animateur de la Commission spécialisée des Recherches porcines

(3)

tion est ensuite mise en Žvidence sur un caryotype en mŽtaphase par l'intermŽdiaire des ŽlŽments radioactifs ou des molŽcules fluorescentes.

Les techniques d'hybridation cellulaire reposent sur le fait que des lignŽes cellulaires obtenues par hybridation interspŽcifique (par exemple entre le porc et le hamster) tendent ˆ ne retenir qu'un petit nombre de chromosomes de l'une des esp•ces. Si l'on dispose d'un panel de lignŽes cellulaires ayant retenu chacune un chromosome porcin diffŽrent, la lignŽe cellulaire avec laquelle il y a hybridation permet de dŽterminer le chromosome concernŽ. Outre les difficultŽs techniques liŽes aux remaniements chromosomiques dans les cellules hybrides, les possibilitŽs d'utilisation de cette technique chez le porc sont ˆ l'heure actuelle limitŽes par le fait que le panel d'hybrides cellulaires disponible est incomplet.

La variabilitŽ de taille des chromosomes porcins rend possible leur sŽparation par un trieur de cellules utilisant la technique de cytomŽtrie en flux. La collaboration des Žquipes INRA avec le groupe de G. Frelat (CEA), ma”trisant la cytomŽtrie en flux, permet de disposer d'Žchantillons ne contenant chacun qu'un chromosome porcin et rend aisŽe l'assignation prŽcise d'une sŽquence quelconque d'ADN (Schmitz et al1992).

1

.2

/ Etat d'avancement de la carte gŽnŽtique porcine

Deux projets indŽpendants de cartographie gŽnŽtique du porc existent ˆ l'heure actuelle.

Le premier est le projet europŽen PiGMaP, financŽ par la Commission des CommunautŽs EuropŽennes (division Biotechnologie) entre 1991 et 1994, qui associe 19 laboratoires euro- pŽens de 9 pays diffŽrents, un laboratoire aus- tralien et un laboratoire amŽricain. Le second est un projet amŽricain rŽalisŽ ˆ Clay Center (Nebraska) par l'USDA (United States Department of Agriculture). On peut y ajouter une carte scandinave rŽalisŽe par des Žquipes

suŽdoises et danoises participant par ailleurs au projet PiGMaP. Une premi•re carte amŽri- caine a ŽtŽ publiŽe en janvier 1994 (Rohrer et al1994), suivie de peu par les cartes scandinave (Ellegren et al 1994) et europŽenne (Archibald et al 1995, Yerle et al 1995) puis, tr•s rŽcemment, par une seconde version de la carte amŽricaine, beaucoup plus compl•te (Rohrer et al1996).

a / Les familles de rŽfŽrence

Dans tous les cas, les familles de rŽfŽrence ont ŽtŽ obtenues par croisement entre des races prŽsentant des divergences importantes sur le plan phŽnotypique de fa•on ˆ maximiser la variabilitŽ gŽnŽtique et ˆ permettre d'observer le plus grand nombre possible de recombinaisons. Les croisements rŽalisŽs impliquent le Large White ou le PiŽtrain d'une part, des races chinoises (Meishan) ou des sangliers d'autre part. De fa•on plus prŽ- cise, les familles europŽennes comprennent 26 grands-parents fondateurs F0, 18 parents F1 et 118 descendants F2, produits dans 5 pays diffŽrents : l'Allemagne, la France, les Pays-Bas, le Royaume-Uni et la Su•de (Olli- vier et al1995). Les familles amŽricaines comprennent 2 p•res de race pure, 8 m•res F1 et 94 descendants de type Ç backcross È. Enfin, la carte suŽdoise est basŽe sur 200 animaux F2 issus de 26 animaux F1 produits par 2 sangliers m‰les et 8 truies de race Large White.

b / Les cartes gŽnŽtiques

Une comparaison des quatre cartes gŽnŽ- tiques porcines publiŽes ˆ ce jour figure dans le tableau 1. La premi•re carte amŽricaine (Rohrer et al 1994) et la carte europŽenne (Archibald et al1995) couvrent des longueurs totales tr•s voisines (1890 cM contre 1836 cM).

La carte scandinave couvre une longueur beaucoup plus rŽduite (1065 cM). La premi•re carte amŽricaine prŽsente un nombre de marqueurs nettement supŽrieur ˆ celui de la carte europŽenne et est donc plus dense, avec un

Les cartes gŽnŽtiques porcines ont ŽtŽ Žtablies sur des familles de

rŽfŽrence obtenues par croisement entre races de phŽnotypes tr•s diffŽrents.

Longueur (cM)

assignŽe 1 608 1 029 1 815 2 286

non assignŽe 282 36 21 -

totale 1 890 1 065 1 836 2 286

Chromosomes marquŽs 15 18 20 20

Nombre de marqueurs

type I 15 60 81 46

type II 368 68 152 996

total 383 128 233 1 042

Intervalles x20cM

nombre 13,8 15,8 25,8 6,8

% de la carte 17,8 40,3 38,1 7,0

Tableau 1. Comparaison des cartes génétiques porcines publiées à ce jour.

Rohrer et al 1994

Ellegren et al 1994

Archibald et al 1995

Rohrer et al 1996

(4)

nombre d'intervalles supŽrieurs ˆ 20 cM plus faible (13 contre 25), mais ne couvre que 14 autosomes. Un essai de synth•se des 3 cartes ˆ partir des marqueurs communs montre que, si la carte scandinave est pour l'essentiel incluse dans la carte europŽenne, la combinaison des cartes europŽenne et amŽri- caine permet une amŽlioration sensible de la couverture du gŽnome, puisque la longueur totale du gŽnome couverte est alors de 2315 cM (Ollivier et al1995).

La deuxi•me carte amŽricaine (Rohrer et al 1996) prŽsente une nouvelle localisation de l'essentiel des marqueurs des trois premi•res cartes et de 536 nouveaux marqueurs, soit au total 1042 locus pour une longueur totale du gŽnome couverte de 2286 cM. La localisation physique de 123 marqueurs permet de mon- trer que cette nouvelle carte couvre enti•rement les chromosomes 1, 2, 6, 7, 8, 13 et 16, avec toutefois un intervalle supŽrieur ˆ 20 cM sur chacun des chromosomes 6 et 16. MalgrŽ l'absence de localisation physique de marqueurs dans les rŽgions tŽlomŽriques (extrŽ- mitŽs), les chromosomes 3, 4, 5, 9, 10, 17 et X peuvent Žgalement •tre considŽrŽs comme couverts de fa•on satisfaisante (malgrŽ un intervalle supŽrieur ˆ 20 cM sur le 17). La couverture des chromosomes 11, 12, 15 et 18 est difficile ˆ Žvaluer compte tenu du peu de marqueurs localisŽs physiquement. La seule localisation physique sur le chromosome 11 indique malgrŽ tout un dŽficit de marqueurs ˆ l'extrŽmitŽ du bras court. La rŽgion du chromosome 14 proche du centrom•re est Žgale- ment dŽpourvue de marqueurs.

Comme le signalent Ollivier et al(1995), ces cartes reposent sur un nombre relativement limitŽ de mŽioses et restent donc relativement imprŽcises, avec des erreurs standard des taux de recombinaison au mieux Žgales ˆ 4 cM. Cette prŽcision rŽduite se traduit par des diffŽrences importantes de distances entre cartes. Ainsi, les distances entre marqueurs prŽsentŽs dans la deuxi•me carte amŽricaine sont en gŽnŽral nettement plus courtes que celles de la premi•re carte amŽricaine ou celles de la carte europŽenne. Seul un accrois- sement de la taille des familles de rŽfŽrence permettra d'amŽliorer la prŽcision de l'estima- tion des distances entre marqueurs et d'or- donner de fa•on prŽcise un ensemble de marqueurs tr•s proches.

Des diffŽrences peuvent Žgalement traduire des diffŽrences de taux de recombinaison selon les populations ŽtudiŽes, avec notamment, comme le sugg•re Ollivier (1995), une frŽquence de crossing-overs peut-•tre plus Žle- vŽe dans les populations sŽlectionnŽes de porcs domestiques que chez le sanglier. Les distances gŽnŽtiques varient Žgalement de fa•on importante avec le sexe, les cartes femelles Žtant nettement plus longues que les cartes m‰les (voir par exemple Archibald et al 1995), et la rŽgion chromosomique, avec des taux de recombinaison faibles ˆ proximitŽ des centrom•res et nettement plus ŽlevŽs au niveau des tŽlom•res.

c / Les bases de donnŽes

La masse de donnŽes recueillie au cours des travaux de cartographie a nŽcessitŽ le dŽve- loppement de bases de donnŽes permettant de gŽrer et de mettre rapidement cette information ˆ la disposition d'un nombre important d'Žquipes de recherche. La base de donnŽes GEMMA, dŽveloppŽe par le Laboratoire de GŽnŽtique Cellulaire de l'INRA, permet aux laboratoires de typage de gŽrer les informations sur les animaux, les stocks d'ADN, les marqueurs, les conditions expŽrimentales, la composition des gels d'Žlectrophor•se (aide au choix automatisŽ des animaux et des marqueurs), de rŽaliser une reconnaissance auto- matique des all•les, de vŽrifier la conformitŽ des rŽsultats de typage avec les gŽnŽalogies et de prŽparer les fichiers de donnŽes en vue des analyses de liaison ou de l'exportation vers les bases de donnŽes gŽnŽtiques.

Les donnŽes de typage du programme PiG- MaP sont centralisŽes dans la base de don- nŽes ResPiG, gŽrŽe par l'Institut de Roslin (Edimbourg, Ecosse), qui effectue pŽriodique- ment des analyses de liaison et transmet les rŽsultats aux laboratoires concernŽs. La base ResPiG n'est accessible qu'aux seuls laboratoires participant activement au typage des familles de rŽfŽrence PiGMaP. Une seconde base de donnŽes, PiGBASE, gŽrŽe conjointe- ment par l'Institut de Roslin et l'UniversitŽ d'Iowa (USA), contient les principaux rŽsul- tats publiŽs sur la cartographie du porc, ˆ savoir des informations sur les locus, les cartes gŽnŽtiques et physiques, les rŽfŽrences bibliographiques, les contacts avec diffŽrentes Žquipes de recherche, etc. Elle est publique et accessible sur WWW (World Wide Web) aux adresses suivantes : Ç http ://www.public.ias- tate.edu/fpigmap È ou Ç http ://www.ri.bbscr.

ac.uk/pigmap/pigbase/pigbase.html È. Les donnŽes de la carte de l'USDA sont Žgalement disponible sur WWW ˆ l'adresse : Ç http ://sol.

marc.usda.gov/ È.

Enfin, une base de donnŽes interspŽcifique, MAP-GENA, est actuellement dŽveloppŽe ˆ l'INRA de fa•on ˆ assurer la gestion de l'ensemble des donnŽes relevant des programmes de recherche de QTL et d'Žtude de la variabi- litŽ gŽnŽtique des populations.

2 / DŽtection et localisation de g•nes ˆ effets quantitatifs

2

.1

/ Principes et mŽthodes classiques

Les g•nes responsables de la variabilitŽ gŽnŽtique des caract•res quantitatifs (souvent dŽsignŽs par le sigle QTL pour Ç Quantitative Trait Locus È) ne sont en gŽnŽral pas connus.

On suppose que cette variabilitŽ gŽnŽtique est due ˆ un grand nombre de g•nes ˆ effets indi- viduels faibles : c'est le mod•le polygŽnique classiquement utilisŽ en gŽnŽtique quantitative. Ce mod•le prŽsente un intŽr•t opŽration-

(5)

nel indŽniable, mais ne refl•te probablement que tr•s rarement la rŽalitŽ biologique. Des Žcarts ˆ ce mod•le polygŽnique sont connus dans la plupart des esp•ces d'Žlevage, certains caract•res prŽsentant une variabilitŽ liŽe ˆ la sŽgrŽgation d'un g•ne ayant un effet important sur le caract•re, appelŽ g•ne majeur, et ˆ d'autres g•nes non identifiŽs qui sont ˆ l'ori- gine de la variabilitŽ gŽnŽtique non expliquŽe par l'existence d'une sŽgrŽgation au locus majeur et qualifiŽe de variabilitŽ gŽnŽtique rŽsiduelle. On parle alors de dŽterminisme gŽnŽtique mixte. Parmi les g•nes majeurs connus, on peut citer le g•ne de la sensibilitŽ ˆ l'halothane ou le g•ne RN chez le porc, le g•ne de nanisme chez la poule, le g•ne culard chez les bovins et le g•ne Booroola chez les ovins.

Jusqu'ˆ ces derni•res annŽes, deux types de dŽmarche Žtaient utilisŽs pour tenter de mettre en Žvidence des effets de g•nes indivi- duels sur la variabilitŽ gŽnŽtiques des carac- t•res quantitatifs. La premi•re consistait ˆ Žtudier les effets d'un Ç g•ne candidat È que l'on suppose impliquŽ dans le dŽterminisme gŽnŽtique d'un caract•re. C'est ainsi qu'a rŽcemment ŽtŽ mis en Žvidence un effet du g•ne ESR (g•ne codant pour un rŽcepteur aux Ïstrog•nes) sur la prolificitŽ des truies (Roth- schild et al1995). Cette approche reste malheureusement alŽatoire dans la mesure o• le nombre de g•nes candidats est en gŽnŽral tr•s ŽlevŽ du fait de la complexitŽ de la plupart des caract•res d'intŽr•t Žconomique. De plus, les effets mis en Žvidence ne sont a priorique des effets Ç apparents È. Il est ensuite nŽces- saire de vŽrifier que le g•ne candidat est bien le responsable de la variabilitŽ mise en Žvi- dence et non pas un simple marqueur. La seconde dŽmarche est basŽe sur l'Žtude de la distribution des caract•res. Un Žcart ˆ la nor- malitŽ, une hŽtŽrogŽnŽitŽ des distributions entre familles ou une sŽgrŽgation se rappro- chant des proportions mendŽliennes constituent les principales sources d'information permettant de mettre en Žvidence un g•ne majeur en sŽgrŽgation. Dans le cas de don- nŽes existantes, on cherche ˆ tester l'hypoth•se d'un dŽterminisme gŽnŽtique mixte par rapport ˆ celle d'un dŽterminisme purement polygŽnique ˆ l'aide des techniques d'analyse de sŽgrŽgation (Le Roy 1989). Dans la mesure du possible, cette premi•re analyse est com- plŽtŽe par une expŽrimentation consistant ˆ croiser deux populations supposŽes avoir des frŽquences allŽliques diffŽrentes au locus recherchŽ (dans le cas le plus favorable, un all•le diffŽrent est fixŽ dans chaque population). L'existence d'un g•ne majeur en sŽgrŽ- gation est ensuite testŽe dans les populations F2 ou Ç backcross È. Ce type de dŽmarche a ŽtŽ utilisŽ avec succ•s ces derni•res annŽes ˆ l'INRA pour la mise en Žvidence et l'Žtude du g•ne RN, qui prŽsente un effet majeur sur la qualitŽ technologique de la viande (Le Roy et al1990a, 1995) et du g•ne MU, qui prŽsente un effet majeur sur l'Žpaisseur de lard dorsal (Le Roy et al 1990b). Cependant, malgrŽ son intŽr•t, ce type d'approche prŽsente certaines limites en terme de puissance (seuls les g•nes

ˆ effets importants peuvent •tre dŽtectŽs) ou de robustesse vis-ˆ-vis de la non-normalitŽ des donnŽes et ne permet par ailleurs pas de localiser le g•ne.

2

.2

/ Utilisation des cartes gŽnŽtiques pour la localisation de QTL

a / Principe

Le principe de l'utilisation de marqueurs gŽnŽtiques pour la dŽtection de locus ˆ effets quantitatifs (QTL) repose sur l'observation de la cosŽgrŽgation d'un marqueur et d'un carac- t•re quantitatif. Le cas le plus simple concerne la localisation d'un g•ne majeur pour lequel les gŽnotypes des reproducteurs ont pu •tre dŽterminŽs, par exemple ˆ partir d'un contr™le de descendance. En rŽalisant des accouplements de type Ç backcross È entre des parents homozygotes et des parents hŽtŽ- rozygotes, on observera pour tout marqueur proche du g•ne majeur une association prŽfŽ- rentielle entre certains all•les aux marqueurs et des faibles ou des fortes valeurs du carac- t•re quantitatif. Ce type de dispositif a rŽcem- ment ŽtŽ utilisŽ ˆ l'INRA pour la localisation du g•ne RN (Milan et al 1995), qui prŽsente des effets majeurs sur certains crit•res de qualitŽ de la viande (figure 1).

Le principe de la dŽtection et de la localisation d'un QTL est assez proche de celui dŽcrit ci-dessus et rŽside Žgalement dans l'observation de diffŽrences de performances moyennes entre les groupes de descendants d'un reproducteur dŽfinis par l'all•le au locus marqueur re•u de celui-ci. Soit un reproducteur (par exemple un p•re) hŽtŽrozygote M1M2 ˆ un

RN- M1

rn+ M2 X

rn+

RN- M1 rn+

rn+

rn+ M2 x

x x

RTN faible RTN fort rn+ x Figure 1. Recherche de marqueurs d'un gène majeur - exemple du gène RN. RN – = allèle dominant conduisant à de faibles valeurs du Rendement Technologique Napole (RTN = rendement à la cuisson d'un morceau de jambon), rn+ = allèle récessif conduisant à des valeurs élevées de RTN. M1, M2 = allèles à un locus marqueur M associé au locus RN, x = allèle au locus marqueur inconnu.

(6)

locus marqueur M. Supposons qu'un QTL avec deux all•les, A et a, soit situŽ ˆ proximitŽ de M. Si le p•re est hŽtŽrozygote au QTL et que M1 est associŽ ˆ A et M2 ˆ a, les descendants de ce m‰le seront prŽfŽrentiellement de gŽnotype M1A/Ð et M2a/Ð (Ð indique que le gŽnotype des m•res n'est pas connu). Si, de plus, A a un effet important sur un caract•re y, la moyenne (ou de fa•on plus gŽnŽrale la distribution) pour ce caract•re des descendants ayant re•u M1 diffŽrera de celle des descendants ayant re•u M2 du fait de la liaison entre les locus M et A (figure 2). La diffŽ- rence Æ entre les groupes de descendants dŽpend bien entendu de l'effet du QTL, mais Žgalement de la frŽquence des produits recom- binants, l'augmentation du nombre de recombinaisons tendant ˆ rŽduire cette diffŽrence.

L'avantage d'une dŽtection ˆ l'aide de marqueurs par rapport ˆ la seule analyse des distributions dŽcrite ci-dessus rŽside dans le fait que des groupes de descendants peuvent •tre constituŽs sans ambigu•tŽ, ce qui permet d'accro”tre non seulement la puissance, mais Žgalement la robustesse des dispositifs expŽri- mentaux, notamment lorsque les distributions intra-gŽnotype ne sont pas normales.

b / Dispositifs expŽrimentaux

Il existe deux grands types de dispositifs expŽrimentaux de recherche de QTL assistŽe par marqueurs. Le premier est un dispositif de croisement entre deux populations diffŽ-

rant entre elles aussi bien pour les marqueurs que pour le niveau de performances. Le second est un dispositif intra-population. Les protocoles de croisement ont tout d'abord ŽtŽ dŽveloppŽs chez les plantes avec des lignŽes parentales fortement homozygotes (Paterson et al 1988). Leur principe est schŽmatisŽ sur la figure 3a. Des all•les diffŽrents sont suppo- sŽs fixŽs au locus marqueur et au QTL dans les populations P1 et P2. Leur croisement donne une F1 double hŽtŽrozygote et engendre une association systŽmatique (dŽsŽ- quilibre de liaison) entre les all•les au locus marqueur et au QTL. Dans les populations F2 ou Ç backcross È, des diffŽrences dans la distribution du caract•re en fonction de l'all•le marqueur re•u sont attendues si le locus marqueur est proche d'un QTL. Ce dispositif peut

•tre Žtendu ˆ des croisements entre des populations non consanguines. La puissance du

M1A1 M1A1

M2A2 M2A2

M1A1 M2A2

M2A2 M2A2

M1A1

M2A2 M1A1

M1A1

P1 P2

F1

F2

M1M2

M1 M2

M1M2

M1 M2

M1 X M2

Schéma "père"

Schéma "grand-père"

X a - entre populations

b - dans une population

Figure 3. Dispositifs expérimentaux pour la détection de QTL. M1, M2 = allèles au locus marqueur, A1, A2 = allèles au QTL, x = génotype non connu.

M1 M2

A1 A2

M1

A1

M1

A2

M2

A1

M2

A2

P

(1-r)/2 r/2 r/2 (1-r)/2

∆

Figure 2. Utilisation de marqueurs (M) pour la détection de QTL (A). M1, M2 = allèles au locus marqueur, A1, A2 = allèles au QTL, P = fréquences gamétiques, r = taux de recombinaison.

(7)

dispositif diminue lorsque les all•les au locus marqueur et/ou au QTL sont en sŽgrŽgation dans les populations que l'on croise, et ce d'autant plus que les diffŽrences de frŽ- quences gŽniques entre ces populations sont faibles (Beckman et Soller 1988). En pratique, on cherche ˆ maximiser ces diffŽrences en utilisant des populations aussi divergentes que possible sur le plan phŽnotypique. Ce type de dispositif est celui utilisŽ dans le cadre du projet Ç PiGMaP QTL È.

L'autre grande catŽgorie de dispositifs expŽrimentaux vise ˆ dŽtecter des QTL en sŽgrŽgation dans une population. On ne peut alors plus supposer l'existence d'un dŽsŽqui- libre de liaison entre locus marqueur et QTL.

L'effet apparent d'un marqueur est suscep- tible de varier selon la famille, de sorte qu'il est nŽcessaire d'analyser les donnŽes intra- famille. Les rŽsultats peuvent ensuite •tre combinŽs en estimant la proportion de la variabilitŽ gŽnŽtique expliquŽe par le QTL.

On distingue deux types de dispositifs selon le nombre de gŽnŽrations considŽrŽes (figure 3b). Le schŽma Ç p•re È proposŽ par Soller et GŽnizi (1978) comporte deux gŽnŽra- tions. Il repose sur la comparaison des distributions des performances des descendants ayant re•u des all•les diffŽrents de leur parent commun (en gŽnŽral le p•re) au(x) locus marqueur(s) considŽrŽ(s). Seules les familles pour lesquelles le parent est hŽtŽro- zygote au locus marqueur et au QTL supposŽ peuvent •tre utilisŽes (elles sont dites informatives). Ce dispositif nŽcessite le typage des parents et de l'ensemble des descendants mesurŽs. Dans le schŽma Ç grand-p•re È pro- posŽ par Weller et al (1990), le gŽnotype est dŽterminŽ comme dans un schŽma Ç p•re È sur deux gŽnŽrations. Par contre, les performances ne sont plus mesurŽes sur la premi•re gŽnŽration de descendants, mais sur la deuxi•me. On compare alors non plus la distribution des performances des descendants de premi•re gŽnŽration ayant re•u l'un ou l'autre all•le au locus marqueur, mais la distribution des performances moyennes de leurs produits. Comme dans le schŽma Ç p•re È, seules les familles issues de parents hŽtŽrozy- gotes aux locus marqueurs et au QTL supposŽ sont informatives. Le schŽma Ç p•re È est plus puissant que le schŽma Ç grand-p•re È pour un m•me nombre de performances mesurŽes. Il est par contre nettement moins puissant pour un nombre fixŽ de typages d•s lors qu'un grand nombre de mesures est disponible par descendant de premi•re gŽnŽration. Le schŽma Ç grand-p•re È est particuli•rement bien adaptŽ aux populations bovines laiti•res dans lesquelles les taureaux font l'objet d'un contr™le de la descendance ˆ partir d'un grand nombre de filles. Les protocoles intra-population sont Žgalement moins puissants que les protocoles en croisement pour un m•me nombre de performances mesurŽes, du fait d'un nombre plus ŽlevŽ de parents homozygotes au QTL, mais Žgalement parce que, le plus souvent, seul le p•re est rŽellement infor- matif, le nombre de descendants par m•re Žtant trop faible.

2

.3

/ L'acc•s aux g•nes

La mise en Žvidence d'un QTL ˆ partir d'un rŽseau de marqueurs permet, comme nous le verrons, d'envisager des applications dans les programmes d'amŽlioration gŽnŽtique. Paral- l•lement, il semble assez naturel de chercher ˆ se rapprocher du QTL ŽtudiŽ, avec pour objectif ultime l'identification du g•ne et de la (des) mutation(s) responsable(s) de la variabi- litŽ du caract•re ŽtudiŽ (mutation causale).

En effet, outre son intŽr•t fondamental, la connaissance d'un g•ne permet sur un plan pratique d'amŽliorer la qualitŽ du typage en supprimant les imprŽcisions liŽes aux recombinaisons entre marqueurs et QTL.

La comparaison des cartes gŽnŽtiques de l'homme et de diffŽrentes esp•ces animales permet de mettre en Žvidence une conservation du gŽnome entre esp•ces. Ainsi, une comparaison des cartes humaine et porcine a mis en Žvidence l'existence d'une cinquantaine de rŽarrangements majeurs, la longueur moyenne des groupes de liaison conservŽs Žtant de 29,6 cM. Cette longueur moyenne n'est plus que de 16,6 cM lorsque l'on compare les cartes porcine et murine, qui prŽsentent environ 110 rŽarrangements majeurs. L'un des intŽr•ts majeurs de la cartographie com- parŽe est de pouvoir dŽsigner des g•nes candidats connus dans une rŽgion du gŽnome d'une autre esp•ce ayant une Žquivalence avec celle o• un QTL porcin a ŽtŽ localisŽ. Cette approche, qui bŽnŽficie de l'avancement consi- dŽrable de la connaissance de la carte humaine, nŽcessite de progresser dans la comparaison systŽmatique des cartes. Elle peut s'envisager ˆ partir de la localisation physique de sondes homologues (prŽsentant la m•me sŽquence de nuclŽotides) de g•nes connus chez l'homme ou par hybridation hŽtŽ- rologue d'ADN humain spŽcifique d'un chromosome et des chromosomes porcins (Gellin et Chevalet 1994).

Ce type d'approche est actuellement utilisŽ pour l'Žtude de la rŽgion du chromosome 7 o•

a ŽtŽ localisŽ le Complexe Majeur d'Histocom- patibilitŽ (CMH) du porc (SLA). Des associations entre l'haplotype SLA et des caract•res quantitatifs, notamment la rŽponse immune, les teneurs en gras de la carcasse ou intra- musculaire et certains caract•res de reproduction, ayant ŽtŽ mises en Žvidence ˆ plusieurs reprises (Renard et al1988, 1992), il semblait intŽressant d'identifier les g•nes responsables de ces associations. Pour ce faire, les g•nes localisŽs dans la partie centrale du complexe SLA ont ŽtŽ recherchŽs de fa•on systŽmatique et la carte physique dŽtaillŽe du segment de chromosome a ŽtŽ tracŽe (figure 4). La construction de cette carte a grandement ŽtŽ facilitŽe par la bonne conservation de l'organisation gŽnŽtique de la rŽgion du complexe SLA entre esp•ces, qui a permis l'emploi de sondes molŽculaires humaine chez le porc.

A l'heure actuelle, la carte obtenue couvre environ 750 000 nuclŽotides et positionne trente locus (figure 4). La comparaison des cartes humaine et porcine montre effective- ment une excellente conservation des cartes,

La comparaison entre esp•ces des cartes gŽnŽtiques met en Žvidence les zones de similitude et permet de

dŽsigner des g•nes candidats ˆ partir de ceux connus dans une autre esp•ce.

(8)

tant en ce qui concerne l'ordre des g•nes, que leur orientation ou la distance entre locus. La principale diffŽrence rŽside dans un segment qui porte les locus du facteur C4 du complŽ- ment sanguin (C4), de l'enzyme 21 hydroxylase (CYP21) et de la tenascine X (TNX) qui ont une disposition particuli•re puisque les deux derniers g•nes sont chevauchants. Si la m•me organisation est retrouvŽe dans les deux esp•ces, ces g•nes sont en un seul exem- plaire chez le porc et dupliquŽs chez l'homme.

D'autres diffŽrences concernent deux g•nes de l'homme, de fonction inconnue, situŽs ˆ proxi- mitŽ des locus de la cytokine TNF (facteur nŽcrosant des tumeurs) et des protŽines de choc thermique (HSP70), qui semblent absents chez le porc. A l'inverse, un troisi•me locus est dŽtectŽ jusqu'ˆ prŽsent uniquement chez le porc.

La fonction prŽsumŽe d'un certain nombre de g•nes de la partie centrale du complexe SLA est dŽduite de celle de leurs homologues humains. NŽanmoins, m•me chez l'homme, une grand partie des g•nes rŽpertoriŽs dans la rŽgion ont un r™le inconnu, en particulier tous les g•nes de la sŽrie BAT ou G (figure 4).

Certains de ces g•nes constituent des candidats sŽrieux pour expliquer les associations observŽes entre le complexe SLA et des carac- t•res d'intŽr•t Žconomique. Ainsi, pour la cytokine TNF, qui joue un r™le important dans le mŽtabolisme des lipides et les mŽcanismes de diffŽrenciation des adipocytes, on peut envisager que des modifications de la structure de la molŽcule ou de son expression aient

des consŽquences sur la composition de la carcasse. Cette hypoth•se pourrait •tre validŽe par la recherche d'un polymorphisme au niveau de la sŽquence du g•ne et la recherche de liaisons avec les caract•res de composition corporelle.

3 / Utilisation des marqueurs dans les programmes d'amŽlioration gŽnŽtique

La cartographie ne se limite pas ˆ la mise en Žvidence de QTL en vue d'identifier les g•nes responsables de la variabilitŽ des carac- t•res quantitatifs. Des perspectives extr•mement prometteuses existent Žgalement dans des domaines tels que le contr™le des filiations ou l'Žtude et la gestion de la variabilitŽ gŽnŽ- tique intra Ð ou entre populations : voir les articles de Chevalet (1992) ou Elsen et al (1995) pour une prŽsentation de ces aspects.

D'autre part, l'identification d'un QTL ne constitue pas un prŽalable indispensable ˆ l'utilisation raisonnŽe des all•les favorables dans les programmes d'amŽlioration gŽnŽ- tique. La connaissance de marqueurs associŽs ˆ un QTL peut amŽliorer l'efficacitŽ d'un transfert de g•nes entre populations (introgression), permettre de mieux choisir les futurs reproducteurs sur leur valeur gŽnŽ- tique (sŽlection assistŽe par marqueurs) ou prŽdire l'hŽtŽrosis dans un croisement futur.

A AA AA AA

100 200 300 400 500 600 700 kb

G18 G16 G17 G14

G16 G13

CYP21 C4 TNX G11

RD BF

C2 G10

G9A G9

HSP70 VARS

G7 G7B

BAT5 G6 BAT4

BAT3 BAT2

G1 TLB TNF

IKB LTA

HEL

x

G8 B144

o o Duplication

Carte de l'Homme

A

Carte du Porc

Classe II Classe I

x : locus décrit uniquement chez le Porc o : locus décrit uniquement chez l'Homme

Figure 4. Comparaison de l'organisation génétique de la région centrale du complexe majeur

d'histocompatibilité chez le porc et chez l'homme. Les boîtes blanches ou grisées représentent des gènes de fonctions connues, les boîtes noires des gènes de fonction inconnue.

kb = 1000 nucléotides, HEL = ARN hélicase, IKB = facteur de transcription, TNF = facteur nécrosant des tumeurs, LTA, LTB = leucotoxines A et B, BAT = transcrit associé au locus B, G = transcrit inconnu, VARS = vanyl ARNt synthétase, HSP70 = protéine de choc thermique, C2, C4 et BF = facteurs d'activation du complément sanguin, TNX = Tenascine X (protéine de la matrice extra-cellulaire), CYP21 = 21

hydroxylase (enzyme du métabolisme de glococorticoïdes).

(9)

3

.1

/ Introgression

L'objectif d'un programme d'introgression est d'introduire un g•ne favorable ˆ un locus majeur ou ˆ un QTL dans une population receveuse, tout en conservant le reste du gŽnome de la population receveuse (Hospital et al1992). Apr•s production d'animaux F1, une sŽrie de croisements en retour successifs est rŽalisŽe de fa•on ˆ revenir vers le gŽnome de la race receveuse. A chaque gŽnŽration, la dŽtection et la sŽlection des animaux porteurs du g•ne que l'on souhaite introgresser permet de maintenir sa frŽquence ˆ une valeur Žgale ˆ 0,5 en espŽrance. Une derni•re gŽnŽration, produite par Ç intercross È (accouplement des parents sŽlectionnŽs de la derni•re gŽnŽration de croisement en retour), permet d'obtenir des animaux homozygotes pour le g•ne intro- gressŽ. Si le g•ne n'est pas identifiable, l'utilisation de marqueurs liŽs au g•ne introgressŽ facilite l'opŽration. L'utilisation d'un rŽseau de marqueurs permet Žgalement d'assurer un retour plus rapide vers le gŽnome de la race receveuse en sŽlectionnant, intra-gŽnŽration, les individus porteurs de la plus grande proportion du gŽnome receveur selon un index combinant des informations sur des marqueurs dispersŽs sur le gŽnome. Au total, l'utilisation de marqueurs permet un gain d'environ deux gŽnŽrations (Hospital et al 1992).

3

.2

/ SŽlection assistŽe par marqueurs

Les mŽthodes classiques de sŽlection sont basŽes sur l'hypoth•se d'un dŽterminisme purement polygŽnique. En prŽsence d'un QTL, on peut tout d'abord se demander si une sŽlection classique ignorant l'existence de ce QTL ne conduira pas ˆ sŽlectionner l'al- l•le favorable de fa•on aussi efficace qu'en prenant en compte l'information au QTL.

Comme le montre l'exemple de la figure 5, la prise en compte de l'information au locus majeur se traduit le plus souvent par une fixation plus rapide de l'all•le favorable et, malgrŽ un rel‰chement concomitant de la pression de sŽlection sur la valeur polygŽ- nique, ˆ une certaine supŽrioritŽ de ces schŽ- mas par rapport aux schŽmas ignorant l'existence du g•ne majeur.

En l'absence de possibilitŽ d'identification du gŽnotype au QTL, la sŽlection assistŽe par marqueurs vise ˆ accro”tre la frŽquence des g•nes favorables en sŽlectionnant les all•les aux locus marqueurs qui leur sont associŽs.

Dans la situation favorable o• des dŽsŽqui- libres de liaison entre les all•les aux locus marqueurs et aux QTL existent au niveau de la population, il suffit d'identifier ˆ chaque gŽnŽration les all•les aux locus marqueurs associŽs aux all•les favorables aux QTL et de sŽlectionner les individus porteurs de ces all•les favorables. L'intŽr•t d'une sŽlection assistŽe par marqueurs dans ce cas de figure

est prŽsentŽ par Lande et Thompson (1990), avec un doublement voire un triplement du progr•s gŽnŽtique par rapport ˆ une sŽlection phŽnotypique dans les situations les plus favorables (caract•res ˆ faible hŽritabilitŽ et part importante de la variabilitŽ gŽnŽtique expliquŽe par un QTL). Ces rŽsultats igno- rent malheureusement le fait que les dŽsŽqui- libres de liaison tendent ˆ dispara”tre au cours des gŽnŽrations du fait des recombinaisons. La prise en compte de ce phŽnom•ne, couplŽe ˆ l'utilisation d'une Žvaluation gŽnŽ- tique de type Ç BLUP-mod•le animal È, conduit ˆ des conclusions moins favorables (figure 6).

Lorsqu'il n'y a pas de dŽsŽquilibres de liaison entre les marqueurs et les QTL, on ne peut plus associer un effet quantitatif ˆ un all•le marqueur au niveau de la population, mais on peut rŽaliser une sŽlection assistŽe par marqueurs intra-famille. En pratique, si l'information sur les performances et les marqueurs est disponible de fa•on simultanŽe, une utilisation de l'ensemble de cette information selon une dŽmarche initialement propo- sŽe par Fernando et Grossman (1989) permet, dans certaines situations, d'amŽliorer l'effica- citŽ de la sŽlection par rapport ˆ une sŽlection de type Ç BLUP-mod•le animal È (Ruane et Colleau 1995). Des gains plus notables peuvent •tre envisagŽs pour des caract•res ne s'exprimant que dans un sexe ou tardivement dans la vie de l'animal, ou encore nŽcessitant l'abattage des animaux (Meuwissen et Van Arendunk 1992, Brascamp et al1993).

La prise en compte dÕun g•ne majeur dans la sŽlection permet en gŽnŽral de fixer plus

rapidement lÕall•le favorable.

B1 A1

A2

B2

0 1 2 3 4 5 6 7 8 9

0 1 2 3 4

Valeur génétique moyenne

Génération de sélection Figure 5. Evolution de la valeur génétique moyenne d'une population sous l'effet de la sélection selon que le gène majeur est considéré (A) ou non (B). L'allèle favorable est récessif, a un effet de 2 écart-types phénotypiques et une fréquence génique initiale de 0,1 dans le cas 1 ; un effet de 0,5 écart-type phénotypique et une fréquence génique de 0,01 dans le cas 2.

(10)

4 / Les programmes INRA

Comme indiquŽ ci-dessus, l'INRA participe activement au programme PiGMaP de cartographie gŽnŽtique et physique du gŽnome porcin. Une attention toute particuli•re a ŽtŽ por- tŽe d•s le dŽmarrage de ces programmes au dŽveloppement d'outils de typage automatisŽs permettant de rŽaliser dans les meilleures conditions les grands nombres de typages liŽs aux programmes de dŽtection de QTL (de l'ordre de 100 000 ˆ 200 000 typages). L'utilisation de cet outil et d'un premier rŽseau de marqueurs a permis, dans le cadre d'un programme visant ˆ confirmer l'existence et ˆ estimer les effets du g•ne RN (Le Roy et al 1995), la localisation de ce g•ne RN sur le chromosome 15 du porc.

Un programme plus vaste de dŽtection de QTL pour les principaux caract•res quantitatifs d'intŽr•t Žconomique au sein d'une population F2 issue d'un croisement entre la race Large White et la race chinoise Meishan est Žgalement en cours ˆ l'INRA. L'utilisation d'un croisement entre ces deux races fortement divergentes sur le plan phŽnotypique (Bidanel et al 1990) permet de se rapprocher de la situation idŽale dans laquelle des all•les diffŽrents sont fixŽs dans les deux populations parentales pour chacun des QTL et des marqueurs. La taille du dispositif expŽrimental est fixŽe ˆ 500 mesures pour chacun des caract•res ŽtudiŽs. Compte tenu du fait que certains caract•res ne s'expriment que dans un seul sexe, environ 1 000 animaux F2 (500 m‰les et 500 femelles) issus de six p•res

et d'une vingtaine de m•res F1 seront produits dans le cadre du projet. Ce dispositif, qui constitue un compromis entre l'effectif requis pour disposer d'une puissance suffi- sante d'une part, la capacitŽ et le cožt de contr™le et de typage des animaux d'autre part, permettra de dŽtecter avec une puissance de 70 ˆ 80 % un QTL unique ayant un all•le diffŽrent fixŽ dans chacune des races parentales et un effet supŽrieur ˆ environ 0,5 Žcart-type phŽnotypique. Le choix des carac- t•res ŽtudiŽs a ŽtŽ rŽalisŽ sur la base de leur importance Žconomique et de l'existence d'une variabilitŽ importante entre races, avec le souci d'Žtudier un nombre maximum de fonctions biologiques et d'en approfondir les mŽca- nismes physiologiques sous-jacents. Cet objectif est rendu possible gr‰ce ˆ la collaboration d'un nombre important d'Žquipes de recherche spŽcialistes de chacune des fonctions biologiques ŽtudiŽes. Outre les Žquipes du DŽpar- tement de GŽnŽtique Animale, quatre sta- tions ou laboratoires de recherche (la Station de Recherches Porcines, le Laboratoire de Psychobiologie des Comportements Adapta- tifs, le Laboratoire d'Ecologie et Physiologie du Syst•me Digestif et le Laboratoire de Bio- technologie de l'UniversitŽ de Limoges) parti- cipent au projet. Les principaux groupes de caract•res ŽtudiŽs concernent les mŽcanismes de la croissance des tissus musculaire et adi- peux (Žvolution des concentrations plasma- tiques des IGFs et de leurs protŽines de liaison, rŽgulation de la sŽcrŽtion de GH), la qualitŽ de la viande (teneur en androstŽnone des graisses, taux de lipides intramuscu- laires), la reproduction (Žtablissement de la fonction sexuelle, composantes de la prolifi- citŽ), la rŽactivitŽ comportementale, neurovŽ- gŽtative et neurÏndocrinienne du porcelet, la rŽsistance ˆ la diarrhŽe nŽonatale du porcelet, ainsi que divers param•tres sanguins (concentrations et volumes des globules rouges et des plaquettes, teneur en fer).

Par ailleurs, l'INRA participe au dŽveloppe- ment des outils statistiques et informatiques nŽcessaires ˆ l'analyse des programmes de dŽtection de QTL, que ce soit de fa•on interne au sein du groupe de travail MMM (MathŽ- matiques et Marqueurs MolŽculaires - Goffi- net et al 1994) ou dans le cadre d'un rŽseau europŽen. Des travaux sont Žgalement en cours pour optimiser l'utilisation de l'information apportŽe par les marqueurs dans les programmes d'amŽlioration gŽnŽtique (Hospital et al1992, Ruane et Colleau 1995).

Conclusion

La connaissance du gŽnome porcin a ŽvoluŽ de fa•on considŽrable au cours de ces derni•res annŽes sous l'impulsion des programmes de cartographie gŽnŽtique. Les cartes gŽnŽtiques, m•mes si elles sont encore imparfaites, existent et ont d'ores et dŽjˆ permis le lancement de programmes de dŽtection La cartographie

du gŽnome a permis de lancer les programmes de dŽtection des QTL dont les rŽsultats permettront de mieux contr™ler et utiliser la variabilitŽ gŽnŽtique.

Figure 6. Comparaison de l'efficacité de trois méthodes de sélection utilisant ou non

l'information apportée par les marqueurs (d'après Zhang et Smith 1992). SM = sélection uniquement sur les marqueurs, BLUP = sélection de type

« BLUP modèle animal » sur les performances uniquement, COMB = sélection combinant l'information sur les performances et les marqueurs.

Valeur génétique moyenne

Génération de sélection

0 1 2 3 4 5 6 7 8 9 10

0 1 2 3 4

SM BLUP COMB

(11)

des locus responsables de la variabilitŽ gŽnŽ- tique des principaux caract•res d'intŽr•t Žco- nomique. Les premiers rŽsultats de ces programmes de dŽtection de QTL seront selon toute vraisemblance disponibles au cours des deux ou trois prochaines annŽes. Cette meilleure connaissance du gŽnome permettra sans aucun doute de contr™ler et d'utiliser de fa•on plus efficace la variabilitŽ gŽnŽtique des populations animales. Certaines applications, comme la vŽrification des paternitŽs, l'Žtude de la variabilitŽ gŽnŽtique des populations ou la valorisation de g•nes ˆ effets majeurs, sont dŽjˆ opŽrationnelles. D'autres valorisations,

comme l'utilisation de l'information apportŽe par les marqueurs dans les programmes de sŽlection ou de croisement, seront envisa- geables dans les prochaines annŽes. L'intŽr•t et la rentabilitŽ de ces opŽrations devront toutefois •tre confirmŽs au cas par cas. Il est cependant clair que ces nouveaux outils ne peuvent •tre considŽrŽs comme une alterna- tive aux mŽthodes actuelles, basŽes sur les gŽnŽalogies et les performances, mais comme un outil complŽmentaire permettant de contr™ler plus efficacement l'Žvolution gŽnŽ- tique des populations animales d'intŽr•t Žco- nomique.

RŽfŽrences bibliographiques

Archibald A.L., Brown J.F., Couperwhite S., Mc Queen H.A., Nicholson D., Haley C.S., Coppieters W., Van de Weghe A., Stratil A., Winter… A.K., Fred- holm M., Larsen N.J., Nielsen V.H., Milan D., Wolos- zyn N., Robic A., Dalens M., Riquet J., Gellin J., Caritez J.C., Hue D., Burgaud G., Ollivier L., Bida- nel J.P., Vaiman M., Renard C., Geldermann H., Davoli R., Ruyter D., Versteger E.J.M., GrÏnen M.A.M., Davies W., H…yheim B., Keiserud A., Andersson L., Ellegren H., Johansson M., Marklund L., Miller J.R., Anderson Dear D.V., Signer E., Jef- freys A.J., Moran C., Le Tissier P., Rothschild M.F., Tuggle C.K., Vaske D., Helm J., Liu H.C., Rahman A., Yu T.P., Larson R.G., Schmitz C.B., 1995. The PiGMaP consortium linkage map of the pig (Sus scrofa)Mammalian Genome, 6, 157-175.

Beckmann J.S., Soller M., 1988. Detection of linkage between marker loci and loci affecting quantitative traits in crosses between segregating populations.

Theor. Appl. Genet., 76, 228-236.

Bidanel J.P., Caritez J.C., Legault C., 1990. Ten years of experiments with Chinese pigs in France. 1.

Breed evaluation. Pig News & Information, 11, 345- 348.

Brascamp E.W., Van Arendunk J.A.M., GrÏn A.F., 1993. Economic appraisal of the utilization of genetic markers in dairy cattle breeding. J. Dairy. Sci., 76, 1204-1213.

Chevalet C., 1992. Utilisation de marqueurs pour la sauvegarde de la variabilitŽ gŽnŽtique des populations. INRA Prod. Anim., hors sŽrie Ç ElŽments de gŽnŽtique quantitative et application aux populations animales È, 295-297.

Ellegren H., Chowdhary B., Johansson M., Anders- son L., 1994. A primary linkage map of the porcine genome reveals a low rate of recombination. Gene- tics, 137, 1089-1100.

Elsen J.M., Colleau J.J., Chevalet C., Moazami Gou- darzi K., Boscher M.Y., 1995. Utilisation des marqueurs pour l'amŽlioration gŽnŽtique des animaux.

Renc. Rech. Ruminants, 2, 145-154.

Fernando R.L., Grossman M., 1989. Marker assisted selection using best linear unbiased prediction.

Genet. Sel. Evol., 21, 467-477.

Gellin J., Chevalet C., 1994. StratŽgie d'Žtablisse- ment des cartes gŽniques. Genet. Sel. Evol., 26, 35s- 51s.

Goffinet B., Beckmann J., Boichard D., Causse M., Charcosset A., Chevalet C., Christophe C., Colleau J.J., Demenais F., Durel C.E., Elsen J.M., Foulley J.L., Gallais A., G…tz K.U., Hospital F., Kremer A., Lorieux M., Lefort-Buson M., Le Roy P., Loisel P., Mangin B., Maurice A., Perrier X., Pons O., Reba• A., Rodolphe F., San Christobal M., Vu Tien Khang J., 1994. MŽthodes mathŽmatiques pour l'Žtude des g•nes contr™lant des caract•res quantitatifs. Genet.

Sel. Evol., 26, Suppl. 1, 9s-20s.

Hospital F., Chevalet C., Mulsant P., 1992. Using markers in gene introgression breeding programs.

Genetics, 132, 1199-1210.

Houdebine L.M., 1990. Les manipulations gŽnŽ- tiques : comment amŽliorer la croissance. INRA Prod. Anim., 3, 207-214.

Houdebine L.M., 1991. Les biotechnologies animales.

INRA Prod. Anim., 4, 81-88.

Lande R., Thompson R., 1990. Efficiency of marker assisted selection in the improvement of quantitative traits. Genetics, 124, 743-756.

Le Roy P., 1989. MŽthodes de dŽtection de g•nes majeurs. Applications aux animaux domestiques.

Th•se de Docteur en Science, UniversitŽ de Paris- Sud, 229 p.

Le Roy P., Naveau J., Elsen J.M., Sellier P., 1990a.

Evidence for a new major gene influencing meat quality in pigs. Genet. Res., 55, 33-40.

Le Roy P., Elsen J.M., Naveau J., 1990b. Etude de la variabilitŽ gŽnŽtique de l'adipositŽ dans la lignŽe Laconie. JournŽes Rech. Porcine en France, 22, 11- 16.

Le Roy P., Caritez J.C., Billon Y., Elsen J.M., Tal- mant A., Vernin P., Lagant H., Monin G., Sellier P., 1995. Etude de l'effet du locus RN sur les caract•res de croissance et de carcasse : premiers rŽsultats.

JournŽes Rech. Porcine en France, 27, 165-170.

Meuwissen T.H.E., Van Arendunk J.A.M., 1992.

Potential improvements in rate of genetic gain from marker assisted selection in dairy cattle breeding schemes. J. Dairy Sci., 75, 1651-1659.

Milan D., Le Roy P., Woloszyn N., Caritez J.C., Elsen J.M., Sellier P., Gellin J., 1995. The RN locus for meat quality maps to pig chromosome 15. Genet. Sel.

Evol., 27, 195-199.

(12)

Ollivier L., 1995. Genetic differences in recombination frequency in the pig (Sus scrofa). Genome, 38, 1048-1051.

Ollivier L., Gellin J., Milan D., Popescu P., Vaiman M., Yerle M., 1995. La cartographie du gŽnome porcin : Žtat prŽsent et pespectives. JournŽes Rech. Por- cine en France, 27, 127-134.

Paterson A.H., Damon S., Hewitt J.D., Zamir D., Rabinovich H.D., Lincoln S.E., Lander E.S., Tanks- ley S.D., 1988. Resolution of quantitative traits into Mendelian factors by using a complete RFLP linkage map. Nature, 335, 721-726.

Renard C., Bidanel J.P., Palovics A., Vaiman M., GuŽrin G., Runavot J.P., 1988. Relations entre des marqueurs gŽnŽtiques et les caract•res de production. JournŽes Rech. Porcine en France, 20, 315-320.

Renard C., Mourot J., G…tz K., Caritez J.C., Bidanel J.P., Vaiman M., 1992. Analyse des liaisons gŽnŽ- tiques entre les marqueurs SLA et les caract•res de croissance et d'adipositŽ chez le porc. JournŽes Rech.

Porcine en France, 24, 9-16.

Rohrer G.A., Alexander L.J., Keele J.W., Smith T.P.L., Beattie C.W., 1994. A microsatellite linkage map of the porcine genome. Genetics, 136, 231-245.

Rohrer G.A., Alexander L.J., Hu Z., Smith T.P.L., Keele J.W., Beattie C.W.,1996. A comprehensive map of the porcine genome. Genome Res., (sous presse).

Rothschild M., Jacobson C., Vaske D., Tuggle C., Wang L., Short T., Eckardt G., Sasaki S., Vincent A., McLaren D., Southwood O., Van der Steen H., Mile- ham A., Plastow G., 1995. The estrogen receptor locus is associated with a major gene influencing lit- ter size in pigs. Proc. Natl. Acad. Sci., 93, 201-205.

Ruane J., Colleau J.J., 1995. Marker assisted selection for genetic improvement of animal populations when a single QTL is marked. Genet. Res. Camb., 66, 71-83.

Schmitz A., Chaput B., Fouchet P., Guilly M.N., Fre- lat G., Vaiman M., 1992. Swine chromosomal DNA quantification by bivariate flow karyotyping and karyotype interpretation. Cytometry, 13, 703-710.

Soller M., Genizi A., 1978. The efficiency of experi- mental designs for the detection of linkage between a marker locus and a locus affecting a quantitative trait in segregating populations. Biometrics, 34, 47- 55.

Weller J.I., Kashi Y., Soller M., 1990. Power of daughter and granddaughter designs for determi- ning linkage between marker loci and quantitative trait loci in dairy cattle. J. Dairy Sci., 73, 2525-2537.

Yerle M., Gouveau A., Gellin J., Le Tissier P., Moran C.,1994. Rapid mapping of cosmid clones on pig chromosomes by fluorescence in situ hybridization. Mam- malian Genome, 5, 34-37.

Yerle M., Lahbib-Mansais Y., Mellink C., Goureau A., Pinton P., Echard G., Gellin J., Schmitz A., Cha- put B., Frelat G., Zijlstra C., De Haan N., Bosma A.A., Chowdhary B.P., Gu F., Gustavsson I., Thom- sen P.D., Christensen K., Rettenberger G., Hameis- ter H., 1995. Consortium cytogenetic map of the domestic pig (Sus scrofa domestica). Mammalian Genome, 6, 176-185.

Zhang W., Smith C., 1992. Computer simulation of marker-assisted selection utilizing linkage desequili- brium. Theor. Appl. Genet., 83, 813-820.

Abstract

The pig genetic map.

Genome mapping programs have been developed for all the main farm animal species over the last few years. This article describes the present sta- tus of the pig genetic map and the prospects for using it in genetic improvement programs. At first, the basic principles of genetic mapping and the main results of the main pig genome mapping programs are presented. Various possible applica- tions of the pig genetic map are then described.

The principles and methods involved in the use of genetic markers to detect quantitative trait loci (QTL) are presented. The interest of comparative mapping for QTL identification is illustrated from an example involving the genes of the major his-

tocompatibility complex. Some possible uses of the genetic marker information in genetic impro- vement programs such as the introgression of major genes or marker assisted selection, are then mentioned. Finally, the main research pro- grams involving the pig genetic map which are currently being conducted at INRA are presented (localisation of RN and MU major genes, detection of QTLs explaining genetic differences between Meishan and Large White breeds).

BIDANEL J.-P., BONNEAU M., CHARDON P., ELSEN J.-M., GELLIN J., LE ROY P., MILAN D., OLLIVIER L., 1996. Etablissement et utilisation de la carte gŽnŽtique porcine. INRA Prod. Anim., 9 (4), 299-310.