Analyse génétique d'un caractère quantitatif

(1)

HAL Id: hal-02693262

https://hal.inrae.fr/hal-02693262

Submitted on 1 Jun 2020

HAL

is a multi-disciplinary open access archive for the deposit and dissemination of sci- entific research documents, whether they are pub- lished or not. The documents may come from teaching and research institutions in France or abroad, or from public or private research centers.

L’archive ouverte pluridisciplinaire

HAL, est

destinée au dépôt et à la diffusion de documents scientifiques de niveau recherche, publiés ou non, émanant des établissements d’enseignement et de recherche français ou étrangers, des laboratoires publics ou privés.

Analyse génétique d’un caractère quantitatif

M. Sourdioux, Sandrine Lagarrigue, M. Douaire

To cite this version:

M. Sourdioux, Sandrine Lagarrigue, M. Douaire. Analyse génétique d’un caractère quantitatif. Pro-

ductions animales, Institut National de la Recherche Agronomique, 1997, 10 (3), pp.251-258. �hal-

02693262�

(2)

dÕun caract•re quantitatif

LÕŽvaluation gŽnŽtique des reproducteurs est encore essentiellement basŽe sur lÕapplication de la thŽorie de la gŽnŽtique quantitative.

Cependant, depuis quelques annŽes, la recherche des g•nes gouvernant les caract•res dÕintŽr•t agronomique a ŽtŽ largement dŽveloppŽe. Deux approches sont utilisŽes, lÕune recherchant des zones du gŽnome liŽes au niveau dÕexpression dÕun caract•re, lÕautre sÕintŽressant directement ˆ des g•nes bien identifiŽs. Comme le montrent les rŽsultats obtenus jusquÕˆ prŽsent, ces deux approches ne donnent pas acc•s ˆ la m•me information et doivent •tre utilisŽes de fa•on complŽmentaire.

RŽsumŽ

Depuis quelques annŽes, de nombreux travaux ont ŽtŽ entrepris pour identifier les g•nes contr™lant directement une part de la variabilitŽ de caract•res quantita- tifs afin dÕenrichir les mŽthodes dÕamŽlioration gŽnŽtique. Ils ont ŽtŽ classŽs en deux types dÕapproche. Une premi•re stratŽgie exploite la connaissance de cartes gŽniques et recherche des QTL (Quantitative Trait Loci), rŽgions du gŽnome contr™lant un caract•re quantitatif. Elle permet une application ˆ la sŽlection par lÕutilisation de structures gŽniques (appelŽes marqueurs) associŽes au caract•re ; cÕest aussi une Žtape dans la dŽcouverte du g•ne directement responsable dÕune part de la variabilitŽ. LÕautre approche sÕappuie sur la connaissance biologique du caract•re et sÕintŽresse directement ˆ quelques g•nes, supposŽs importants pour le niveau dÕexpression du caract•re, qui deviennent ainsi des candidats ˆ lÕexploi- tation de la variabilitŽ observŽe. LÕanalyse de ces mŽthodes et des rŽsultats obte- nus permet aujourdÕhui de mieux percevoir leurs potentialitŽs et leurs limites et surtout de mettre en Žvidence leur complŽmentaritŽ dans lÕanalyse du gŽnome contr™lant des caract•res dÕintŽr•t Žconomique, voire leur similitude partielle dans lÕŽlaboration et lÕutilisation des dispositifs expŽrimentaux.

LÕamŽlioration gŽnŽtique des esp•ces animales, basŽe sur lÕapplication de la thŽorie de la gŽnŽtique quantitative, repose elle-m•me sur un concept de dŽterminisme polygŽnique des caract•res (cÕest-ˆ-dire un grand nombre de g•nes ayant tous un effet additif et de faible importance). Des mod•les biomŽtriques fournissent un support ˆ la prŽdiction de la valeur gŽnŽtique des individus, sans sÕintŽres- ser aux g•nes ou aux mŽcanismes biologiques sous-jacents dŽterminant les diffŽrences entre individus. Cependant, d•s 1923, Sax (citŽ par Tanksley 1993) proposait de mettre en relation la variation dÕun caract•re quantitatif - taille des graines de haricot Ð avec un polymorphisme (phŽnotypique) -couleur-, jetant ainsi les bases des recherches sur le dŽtermi-

nisme gŽnŽtique des caract•res polygŽniques et de la sŽlection assistŽe par marqueur. Le nombre dÕŽtudes de ce type est longtemps restŽ limitŽ. En effet, les possibilitŽs dÕobser- ver un polymorphisme Žtaient restreintes ˆ des observations de phŽnotypes, aux techniques dÕhŽmagglutination ou dÕŽlectropho- r•se de protŽines. AujourdÕhui, diverses techniques de biologie molŽculaire permettent de mettre en Žvidence lÕinfinie variabilitŽ gŽnŽ- tique au niveau de lÕADN. Il devient donc envisageable de sŽlectionner les individus directement sur la connaissance dÕune partie de leur gŽnotype et de combiner cette information aux mŽthodes actuelles dÕamŽlioration gŽnŽtique (Weller et Fernando 1991, Ruane et Colleau 1995).

LÕintroduction dÕune information molŽcu- laire en sŽlection est dŽjˆ en place sur des caract•res monogŽniques ; citons par exemple le typage de bovins laitiers Holstein pour la BLAD (Bovine Leukocyte Adhesion Deficiency

; Shuster et al 1992). Le polymorphisme de quelques g•nes ˆ effet majeur sur des carac- t•res de production est Žgalement pris en compte dans certains schŽmas, comme celui du g•ne de sensibilitŽ ˆ lÕhalothane chez le porc (Hanset et Grobet 1992, Dalens et Runa- vot 1993), du g•ne des casŽines αS1 chez la ch•vre (Manfredi et al1995). La gŽnŽralisa- tion de cette pratique ˆ des g•nes de moindre effet ne sera effective que lorsque le dŽtermi- nisme des principaux caract•res dÕimportance Žconomique sera - au moins en partie - Žlu- cidŽ.

Le principal enjeu des recherches de gŽnŽ- tique molŽculaire sur les esp•ces dÕŽlevage est

(3)

donc de rŽaliser cette analyse gŽnŽtique des caract•res quantitatifs. Dans un premier temps, la dŽcouverte de marqueur peut •tre suffisante. Ainsi, lÕall•le sensible du g•ne de sensibilitŽ ˆ lÕhalothane en race Landrace fran•ais a pu •tre ŽradiquŽ par lÕutilisation des marqueurs protŽiques PHI (phospho- hexose isomŽrase) et 6PGD (6-phosphogluco- nate dŽshydrogŽnase) (Courreau et al 1985).

Cependant, lÕefficacitŽ de lÕutilisation de marqueurs dŽpend du degrŽ de liaison gŽnŽtique entre ces marqueurs et le g•ne responsable du caract•re ŽtudiŽ. Il est donc gŽnŽralement nŽcessaire de dŽterminer les mutations causales, responsables (dÕune partie) de la varia- bilitŽ observŽe sur le caract•re. Pour atteindre ce rŽsultat, plusieurs Žtapes sont nŽcessaires, en particulier une Žtude de la transmission gŽnŽtique conjointe (ou co-sŽgrŽ- gation) du ou des marqueurs et du caract•re quantitatif, une recherche des mutations potentiellement en cause et une confirmation mŽtabolique de leur r™le sur le caract•re.

LÕŽtude de co-sŽgrŽgation, Žtape nŽcessaire dans cette recherche des g•nes sous-jacents ˆ la variabilitŽ dÕun caract•re, est rŽalisŽe par deux approches qui ont parfois ŽtŽ opposŽes mais qui prŽsentent une complŽmentaritŽ pour bien des aspects. Une premi•re approche consiste ˆ rechercher des zones du gŽnome (QTL) associŽes ˆ des marqueurs (polymorphes) sans a priori sur le r™le de ces zones. Il sÕagit dÕune mise en relation statistique entre les valeurs moyennes dÕun carac- t•re et les formes allŽliques dÕun marqueur.

Cette recherche conduit ˆ un balayage com- plet du gŽnome gr‰ce ˆ lÕŽtablissement de cartes gŽniques suffisamment denses. La deuxi•me approche consiste ˆ sÕintŽresser aux polymorphismes de g•nes candidats, cÕest-ˆ- dire de g•nes dont on suspecte a priorile r™le sur un caract•re dŽterminŽ. Elle est donc

basŽe sur une hypoth•se prŽliminaire Žlabo- rŽe le plus souvent dÕapr•s lÕobservation de modifications structurales ou quantitatives des protŽines codŽes ou des ARN transcrits, en plus des connaissances physiologiques glo- bales du caract•re.

Les premiers rŽsultats obtenus par ces deux approches, sŽparŽment ou en combinaison, permettent aujourdÕhui dÕeffectuer un bilan de leurs potentialitŽs et efficacitŽs, de prŽciser le type de rŽsultats rŽellement obtenus et de proposer des choix de stratŽgies, principale- ment en fonction des objectifs recherchŽs, des populations et des dispositifs disponibles.

1 / Deux approches

dont les rŽsultats sont de natures diffŽrentes

1

.1

/ La recherche de QTL par une approche statistique

LÕapproche statistique nŽcessite lÕŽtablisse- ment dÕune carte gŽnŽtique, rŽseau dense de marqueurs rŽpartis dans lÕensemble du gŽnome et positionnŽs les uns par rapport aux autres. Elle consiste alors, gr‰ce ˆ un dispositif expŽrimental adaptŽ, ˆ identifier les marqueurs qui co-sŽgr•gent avec le caract•re quantitatif dÕintŽr•t. La position sur la carte gŽnŽtique des quelques marqueurs ainsi iden- tifiŽs dŽlimite les QTL du caract•re. Leur localisation constitue lÕŽtape initiale dÕun clo- nage positionnel (Collins 1992) qui consiste ˆ isoler, de proche en proche ˆ partir des marqueurs, de nouvelles sŽquences dÕADN jusquÕˆ la dŽcouverte du g•ne mutŽ en cause. Cette approche prŽsente lÕavantage majeur de mettre en Žvidence des zones chromosomiques dont le r™le pouvait •tre totalement inconnu auparavant. Les rŽsultats obtenus chez les vŽgŽtaux, prŽcurseurs dans ce domaine avec les travaux rŽalisŽs sur la tomate (Paterson et al1988), sugg•rent que les caract•res quantitatifs ŽtudiŽs jusquÕˆ prŽsent seraient gouver- nŽs par quelques g•nes ˆ effet fort (dont lÕeffet est supŽrieur ˆ 10 ou 15 % de la variance phŽ- notypique) et un plus grand nombre ˆ faible effet (Tanksley 1993 ; figure 1). A des fins dÕapplication, ce sont souvent ces quelques g•nes ˆ effet fort qui reprŽsentent les objectifs prioritaires. Leur mise en Žvidence, chez les animaux dÕŽlevage, semble nŽcessiter le typage dÕenviron 500 individus, lorsquÕils sont issus dÕun croisement F2 de deux lignŽes divergentes (Bidanel et al1996). De premiers QTL ont ŽtŽ dŽcrits sur porcins (Andersson et al1994) et bovins (Georges et al1995).

Le rŽsultat de cette approche est donc lÕat- tribution dÕun r™le dans la variabilitŽ dÕun caract•re ˆ des zones chromosomiques dÕenvi- ron 20 cM. Une fois le premier repŽrage de ces zones chromosomiques effectuŽ, il reste difficile de prŽciser la localisation exacte du ou des g•nes dŽcouverts (Hyne et al 1995). LÕin- INRA Productions Animales, juillet 1997

252 / M. SOURDIOUX, S. LAGARRIGUE, M. DOUAIRE

Une approche consiste ˆ identifier des marqueurs liŽs au caract•re intŽressant et ˆ les localiser sur la carte gŽnŽtique afin de mettre en Žvidence les segments dÕADN qui gouvernent la variabilitŽ du caract•re.

Marqueur

Un marqueur est une séquence d’ADN polymorphe facilement repérable. Si ce marqueur est un gène, sa détection peut se faire au niveau du phénotype de l’animal ou de l’expression du gène (polymorphisme pro- téique). Elle peut se faire directement au niveau de l’ADN (par exemple par la technique de RFLP = polymorphisme de lon- gueur de fragments de restriction), que ce soit pour un gène ou une séquence ano- nyme. Le développement de cette technique de RFLP a été à la base du regain d’intérêt pour la recherche du déterminisme des caractères quantitatifs. Depuis, les microsatellites, qui sont à la fois bien répartis dans le génome et très polymorphes, sont deve- nus les marqueurs de choix en cartographie génique des espèces animales.

Les marqueurs sont d’autant plus utiles dans la recherche de QTL qu’ils présentent un degré de polymorphisme élevé (multiallé- lisme) et que ces allèles sont facilement dif- férentiables les uns des autres (codomi- nance).

(4)

tervalle de confiance liŽ au positionnement du QTL voit sa taille dŽcro”tre de fa•on inverse- ment proportionnelle au nombre dÕindividus utilisŽs dans le plan dÕexpŽrience, jusquÕˆ une limite dÕenviron 10 cM (Collins 1992, Darvasi et al 1993) soit environ 10 millions de paires de bases. Par ailleurs, pour les QTL ayant un effet relativement faible (par exemple une dif- fŽrence entre les deux homozygotes infŽrieure ˆ 0,5 Žcart-type), le calcul classique de lÕinter- valle de confiance pourrait •tre fortement biaisŽ (Mangin et al 1994, Hyne et al1995).

Dans ces conditions, si dÕautres marqueurs polymorphes sont disponibles dans les zones potentiellement intŽressantes, une localisation plus fine peut •tre espŽrŽe gr‰ce ˆ la den- sification de la carte gŽnŽtique. Mais, sans autres informations que cette position des marqueurs, la localisation et lÕidentification du g•ne responsable dÕun effet sur un carac- t•re peuvent sÕavŽrer lentes et cožteuses (voir, par exemple, lÕisolement du g•ne Ob, contr™- lant lÕappŽtit et une forme dÕobŽsitŽ chez la souris ; Zhang et al1994).

1

.2

/ Une recherche ciblŽe sur des g•nes identifiŽs

LÕapproche Ç g•ne candidat È prŽsente lÕavantage de sÕintŽresser directement au polymorphisme de g•nes ou de leurs sŽquences promotrices. Ainsi, le probl•me du passage dÕune rŽgion chromosomique de grande taille (dÕun point de vue molŽculaire) au g•ne responsable est ŽludŽ. CÕest aussi lÕin- convŽnient majeur dÕune telle approche puis- quÕelle nŽcessite une connaissance au moins partielle dÕun g•ne dont on conna”t la fonction dans le mŽtabolisme ŽtudiŽ. Cela reprŽsente aujourdÕhui environ 2 000 cibles sur une estimation de 50 000 g•nes (Soller 1994). Une piste intŽressante pour la recherche du dŽter- minisme des caract•res est lÕŽtude des g•nes dont on conna”t un all•le ayant un effet tr•s important sur le caract•re, comme par

exemple un all•le nul, cÕest-ˆ-dire un all•le ne permettant pas la synth•se de la protŽine (Robertson 1985). On suppose alors lÕexistence dÕall•les intermŽdiaires entre lÕall•le normal et lÕall•le mutŽ connu, et que les variations dites qualitatives et quantitatives sont contr™- lŽes par les m•mes loci. Quelques exemples corroborent cette hypoth•se comme lÕaction du g•ne de synth•se de la gibbŽrŽline sur la hau- teur du ma•s (Beavis et al 1991, Touzet et al 1995), la dŽcouverte dÕall•les ˆ diffŽrents niveaux dÕexpression, jusquÕˆ lÕall•le nul, pour le g•ne de la casŽine αS1de ch•vre (Martin et Grosclaude 1993), ou encore la concordance entre un QTL (Mob2) et le g•ne Ob dans la variation quantitative du dŽp™t adipeux chez la souris (Warden et al1995).

LÕapproche Ç g•ne candidat È peut •tre plus particuli•rement efficace lorsque le polymorphisme testŽ nÕest pas neutre mais modifie la sŽquence de la protŽine ou se situe dans une rŽgion promotrice ou rŽgulatrice. La relation de causalitŽ nÕest cependant pas facile ˆ Žta- blir. A titre dÕexemple, dans la recherche du dŽterminisme gŽnŽtique de lÕhypertension artŽrielle, le polymorphisme observŽ sur le g•ne de la 11 β-hydroxylase (cinq mutations conduisant ˆ cinq substitutions dÕacides ami- nŽs) serait lui-m•me responsable de lÕeffet (Cicila et al1993) alors que le polymorphisme du g•ne de la rŽnine, ŽtudiŽ depuis 1989, ne serait quÕun marqueur. En effet, les rŽsultats dÕassociations entre les all•les s et r du g•ne de la rŽnine et la pression artŽrielle divergent selon les croisements raciaux effectuŽs (Rapp et al 1994). Hormis lÕexistence dÕinteractions entre les all•les ŽtudiŽs et une fraction du gŽnome des races croisŽes, ces diffŽrences de rŽsultats ne sÕexpliquent que par la diffŽrence de phase de liaison entre les all•les s et r et les loci des mutations causales. Ainsi, sans confirmation fonctionnelle, seule une association stable, quel que soit lÕŽchantillon dÕani- maux utilisŽ, entre un polymorphisme de ce type et le caract•re, permet de considŽrer ce polymorphisme comme directement responsable dÕune modification du caract•re.

1

^.3

/ La complŽmentaritŽ des deux approches

Dans le but dÕidentifier avec prŽcision un g•ne responsable du niveau dÕun caract•re, les deux approches peuvent •tre utilisŽes de fa•on tr•s complŽmentaire. LÕapproche QTL est susceptible de donner acc•s aux 95 % des g•nes non encore clonŽs, mais on est Žgale- ment loin dÕavoir testŽ lÕeffet du polymorphisme potentiel des 2 000 g•nes candidats possibles sur leur mŽtabolisme respectif. Les deux approches peuvent donc toutes les deux servir de point de dŽpart, lÕapproche QTL fournissant un point dÕancrage par une cartographie physique, lÕapproche Ç g•ne candidat È par des arguments fonctionnels ou mŽtabo- liques. De nombreux caract•res zootech- niques, sur les esp•ces les plus importantes, pourraient souvent bŽnŽficier de ces deux voies dÕacc•s : cÕest le cas, par exemple, de lÕŽtude de lÕengraissement chez le poulet

LÕautre approche, plus biologique, vise ˆ Žvaluer le r™le de g•ne(s) identifiŽ(s) dans la variabilitŽ du caract•re considŽrŽ.

0 5 10 15 20 25 30 35 40 45

35 30 25 20 15 10 5 0

Nombre de QTL

Variance (en %)

Figure 1. Nombre de QTL découverts chez la tomate en fonction de la part de variance prise en compte par chacun d’entre eux. Synthèse des résultats obtenus sur onze caractères quantitatifs (d’après Tanksley 1993).

(5)

(Douaire et Sourdioux 1994). Lorsque les deux approches sont utilisŽes pour le m•me carac- t•re, des rŽsultats convergents tendent ˆ confirmer la pertinence des rŽsultats de chacune. Ainsi, la premi•re utilisation dÕune carte bovine pour la recherche de QTL sur les performances laiti•res a conduit ˆ isoler un fragment comprenant les g•nes des casŽines (Georges et al1995) par ailleurs dŽjˆ ŽtudiŽs par une approche Ç g•ne candidat È (NG- Kwai-Hang et al 1983, Cowan et al 1990, Bovenhuis et al 1992, Cowan et al 1992, Bovenhuis et Weller 1994). Les deux approches peuvent Žgalement se heurter ˆ la m•me difficultŽ, comme le montre lÕŽtude dÕun fragment du chromosome 2 du rat o• une rŽgion QTL contient cinq g•nes candidats (Deng et al1994) dans le dŽterminisme de la variabilitŽ de la pression artŽrielle. Dans ce cas, aucune des deux approches ne permet encore de distinguer avec certitude le ou lesquels de ces 5 g•nes est impliquŽ.

LÕapproche Ç g•ne candidat È semble aussi

•tre une Žtape logique entre la dŽlimitation dÕune zone gŽnomique de taille importante (QTL) et la recherche des g•nes et mutations rŽellement impliquŽs. Par exemple, lÕisolement dÕune zone chromosomique associŽe ˆ lÕhyper- tension artŽrielle et proche du g•ne de lÕACE (Angiotensine Converting Enzyme) (Jacob et al 1991) conduit maintenant ˆ sÕintŽresser directement ˆ ce g•ne. A lÕavenir, lÕapproche statistique devrait donc •tre utilisŽe comme une Žtape prŽliminaire pour les esp•ces dont le gŽnome a ŽtŽ lÕobjet dÕun important travail de cartographie. LÕisolement du QTL proche dÕun g•ne candidat sera un argument supplŽ- mentaire ˆ lÕŽtude isolŽe de ce g•ne. Dans cette optique, il appara”t donc essentiel de

poursuivre les efforts de cartographie des g•nes fonctionnels, la cartographie comparŽe permettant dÕaider ˆ localiser des QTL et des g•nes candidats pour les esp•ces dans les- quelles la carte gŽnique est moins avancŽe.

2 / Les dispositifs expŽrimentaux et leur exploitation

Un des param•tres conditionnant la mise en Žvidence des associations g•ne (ou marqueur)-caract•re rŽside dans la rŽalisation dÕun dispositif expŽrimental adaptŽ. Les deux approches, QTL ou g•nes candidats, utilisent le plus souvent le m•me type de plan dÕexpŽ- rience. LÕapproche Ç g•ne candidat È permet cependant de sÕaffranchir sous certaines conditions de quelques contraintes qui sont inŽvitables dans une approche QTL.

2

.1

/ Plans de croisement et analyses intra-familles

Les dispositifs expŽrimentaux et mŽthodes statistiques destinŽs ˆ la recherche de QTL font lÕobjet de tr•s nombreuses Žtudes depuis une quinzaine dÕannŽes. Plusieurs synth•ses bibliographiques font une revue plus ou moins compl•te des dispositifs ŽlaborŽs depuis lors (Tanksley 1993, Goffinet et al1994, Kinghorn et al 1994, Visscher et Haley 1995). Le point essentiel de lÕensemble des dispositifs rŽside dans la crŽation ou lÕobservation des dŽsŽqui- libres de liaison entre le(s) marqueur(s) et les g•nes ˆ effet quantitatif recherchŽs. Le croisement de lignŽes pures (homozygotes) tr•s Žloi- gnŽes pour un caract•re (intercroisement ou rŽtro-croisement) est le moyen le plus efficace pour crŽer artificiellement un dŽsŽquilibre de liaison. La recherche vŽgŽtale a pu la premi•re exploiter ce type de dispositif. La situation est diffŽrente chez les animaux pour lesquels lÕab- sence de lignŽes homozygotes est une contrainte supplŽmentaire. LÕutilisation de lignŽes homog•nes et prŽsentant des performances tr•s ŽloignŽes pour un caract•re donnŽ est cependant possible. Le programme fran•ais de recherche de QTL chez le porc -croisement Large White x Meishan (Gellin et Chevalet 1994, Bidanel et al1996) illustre parfaitement lÕutilisation de ces dispositifs chez lÕanimal.

Cependant, la sŽlection de telles lignŽes ˆ cette seule fin expŽrimentale sÕavŽrerait trop longue et trop cožteuse pour la plupart des esp•ces.

QuoiquÕil en soit, il sera souvent difficile de se passer dÕune analyse intra-population. En effet, dans lÕapproche rŽalisŽe par croisement, la variabilitŽ mise en Žvidence est principale- ment de type inter-lignŽe (inter-race). Les all•les ayant un effet positif sur le caract•re ont de grandes chances dÕ•tre dŽjˆ fixŽs dans les races sŽlectionnŽes actuellement exploi- tŽes (Smith et Smith 1993, Van der Beek et al 1995), bien que lÕopportunitŽ dÕidentifier des all•les favorables dans des populations non sŽlectionnŽes apparaisse pour certains carac- t•res (reproduction, rŽsistance aux mala- INRA Productions Animales, juillet 1997

Déséquilibre de liaison et phase de liaison

Il y a déséquilibre de liaison si la fréquence des gamètes (P_AB) porteurs de deux gènes A et B non allèles est différente du produit des fré- quences de ces deux derniers (P_A, P_B). Ainsi, la valeur D du déséquilibre est définie par :

D = P_AB- P_Ax P_B

ou également par : D = P_ABx P_ab- P_Abx P_aB

où P_AB, P_ab, P_Ab, P_aBsont les fréquences des quatre combinaisons gamé- tiques.

Dans une population en équilibre de liaison, D = 0. Lorsque le déséqui- libre est total (Dmax), il n’y a que deux types gamétiques dans la population : A est toujours associé à B et a à b, ou bien A est toujours asso- cié à b et a à B. La phase de la liaison, qui caractérise l’association préférentielle d’un allèle du locus A avec un allèle du locus B, est identique pour tous les individus de la population. Cependant, aux cours des générations, les événements de recombinaison entre les deux loci A et B vont réduire le déséquilibre jusqu’à l’annuler, d’autant plus rapidement que la distance entre les deux gènes est grande.

Différents phénomènes peuvent être à l’origine d’un déséquilibre de liaison dans une population, comme la dérive génétique, qui se traduit par la fixation inéluctable d’allèles dans des populations de faible effectif, ou l’effet fondateur, dû au nombre réduit de reproducteurs à l’origine d’une population. La sélection, par l’utilisation d’un nombre restreint de reproducteurs, est également un facteur d’apparition de déséquilibre, comme la fusion entre deux populations si les fréquences géniques sont différentes pour les deux loci considérés. Dans une population en équilibre, un désé- quilibre de liaison peut s’observer intra-famille. Ainsi, la phase de la liaison est identique pour tous les individus d’une même famille (aux événements de recombinaison près), alors qu’elle diffère entre les familles.

(6)

dies...) et pour certaines souches (Meishan...).

Lorsque lÕanalyse sÕeffectue ˆ lÕintŽrieur dÕune population en sŽgrŽgation, un dŽsŽquilibre de liaison peut •tre exploitŽ intra-famille (Soller et Genizi 1978, Weller et al 1990, Luo 1993).

Plusieurs dispositifs sont alors envisageables (figure 2). Certains sont plus spŽcialement adaptŽs ˆ une production ou ˆ une esp•ce, comme par exemple le dispositif Ç petite-fille È de Weller et al (1990), ŽlaborŽ initialement pour lÕŽtude de la production laiti•re chez les bovins. Il est nŽcessaire pour chaque esp•ce, en fonction de ses caractŽristiques zootech- niques, et pour le caract•re ŽtudiŽ, en fonction du mode de mesure disponible, de raisonner un dispositif adaptŽ.

2

.2

/ Puissance et fiabilitŽ des analyses statistiques dans la recherche de QTL

LÕidentification dÕun QTL se rŽsume dans un premier temps ˆ sa localisation et ˆ lÕestima- tion de son effet ˆ partir des informations four- nies par les marqueurs. LÕhypoth•se dÕexis- tence dÕun QTL a tout dÕabord ŽtŽ testŽe point par point, cÕest-ˆ-dire marqueur par marqueur (Soller et al1976), puis une mŽthode de cartographie par intervalle (Lander et Botstein 1989) a permis dÕaugmenter la puissance des dispositifs tout en diminuant le risque de premi•re esp•ce (risque de conclure ˆ lÕexistence dÕun QTL alors quÕil nÕy en a pas). Il sÕagit,

dans cette mŽthodologie, de tester lÕhypoth•se de prŽsence dÕun QTL entre deux marqueurs (dits flanquants). Son utilisation est largement facilitŽe par la dŽcouverte de nombreux marqueurs tr•s polymorphes et bien rŽpartis dans le gŽnome (microsatellites). Plus rŽcemment, lÕutilisation de lÕinformation fournie par lÕen- semble des marqueurs prŽsents sur un groupe de liaison a ŽtŽ proposŽe pour amŽliorer encore la puissance des tests effectuŽs (Haley et al 1994, Kearsey et Hyne 1994).

Quel que soit le dispositif mis en place, les mŽthodes statistiques dŽveloppŽes pour tester lÕexistence dÕun QTL et estimer son effet sont basŽes soit sur lÕutilisation du maximum de vraisemblance, soit sur lÕutilisation des moindres carrŽs (rŽgression, analyse de variance). Les diffŽrences de performances de ces deux mŽthodologies sont peu marquŽes.

Les rŽsultats obtenus sont similaires, tant sur la position du QTL que sur lÕestimation de son effet (Lander et Botstein 1989, Haley et Knott 1992, Reba• et al1995). Le lŽger avantage en terme de puissance accordŽ aux mŽthodes basŽes sur le maximum de vraisemblance semble •tre compensŽ par la plus grande simplicitŽ des mŽthodes basŽes sur les moindres carrŽs et la possibilitŽ de tester dans ce dernier cas des hypoth•ses complexes (prŽsence de plusieurs QTL sur un groupe de liaison, interaction entre QTL, ...) (Goffinet et al1994, Hyne et Kearsey 1995).

Les dispositifs expŽrimentaux sont basŽs sur la crŽation ou la recherche de dŽsŽquilibres de liaison entre marqueur(s) et g•ne(s)

recherchŽ(s), cÕest-ˆ-dire dÕassociations prŽfŽrentielles entre les all•les au locus du marqueur et les all•les du g•ne du caract•re quantitatif.

Dispositifs expérimentaux impliquant trois générations ("grands-parentaux")

n Gmères non apparentées

1 descendant/couple n x m descendants 1Gpère

m mères non apparentées par père n pères

demi-frères x

x

1 Gpère x 1 Gmère

n pères plein-frères

n mères non apparentées

n x m descendants x

m descendants/couple Demi-frère/soeur (HS3)

(Weller et al 1990)

Plein-frère/soeur (FS3) Plein-frère/demi-frère-soeur (FSHS) Dispositifs expérimentaux impliquant deux générations

Dispositif demi-frère (HS2)

(Soller et Genizi 1978)

Dispositif plein-frère (FS2)

1 père

non apparentées

1 descendant/couple

x 1 père x 1 mère

n descendants/couple n descendants n descendants

n mères

1 Gpère x 1 Gmère

n pères plein-frères

m mères non apparentées par père x

n x m descendants 1 descendant/couple Figure 2. Dispositifs expérimentaux de recherche de QTL intra-lignée (d’après Van der Beek et al1995).

Ils sont classés selon le nombre de générations qu’ils nécessitent. Les abréviations HS et FS

correspondent respectivement à demi-frère (half sib) et plein-frère (full sib). Les animaux dont le génotype est à déterminer sont encadrés, ceux dont le phénotype est à déterminer sont encerclés.

(7)

2

.3

/ Vers des plans dÕexpŽriences communs aux approches QTL et g•nes candidats

Tous les dispositifs visant ˆ rechercher des QTL ˆ partir dÕune carte gŽnŽtique, mais Žgale- ment certains des plans dÕexpŽrience relatifs ˆ lÕŽtude dÕun g•ne candidat prennent en compte, ou crŽent artificiellement, un dŽsŽquilibre de liaison entre le marqueur polymorphe et le g•ne ou entre un site polymorphe du g•ne candidat et le locus de la mutation causale (de ce m•me g•ne). Seule lÕhypoth•se prŽalable que le polymorphisme ŽtudiŽ dans le cadre dÕune approche g•ne candidat est directement responsable dÕun effet sur le caract•re, ou que la population ŽtudiŽe nÕest pas en Žquilibre de liaison, peut permettre de sÕaffranchir de dispositifs de croisement ou dÕanalyse intra-famille, relativement lourds. LÕanalyse statistique attribue alors un effet direct au polymorphisme testŽ dans des mod•les simples dÕanalyse de variance ou de rŽgression (cf. par exemple Niel- sen et al 1995), ou dans des mod•les prenant en compte lÕorigine mixte -polygŽnique et g•ne candidat Ð du dŽterminisme du caract•re (mod•le animal) (cf. par exemple Rothschild et al1996). LÕattribution dÕun effet au polymorphisme est une hypoth•se qui peut •tre consi- dŽrŽe comme largement justifiŽe dans le cas de lÕŽtude de variants protŽiques, de polymorphismes dÕADN sur des zones traduites, ou lorsque des variations de taille ou de quantitŽ dÕARNm sont connues. Dans les nombreux autres cas, lÕattribution dÕun effet au polymorphisme candidat testŽ peut •tre abusive. Un site polymorphe m•me proche (voire ˆ lÕintŽ- rieur) dÕun g•ne connu devra •tre considŽrŽ comme un marqueur - marqueur de la mutation causale - et traitŽ comme tel, dans un dispositif en croisement ou intra-famille. La simple proximitŽ entre le site polymorphe Žtu- diŽ et la mutation rŽellement en cause nÕest

pas garante de lÕexistence dÕun dŽsŽquilibre de liaison total sur la population.

Les deux approches, dans la majoritŽ des cas, sont donc ˆ conduire sur des dispositifs similaires et, compte tenu de la lourdeur de ceux-ci, ils devraient •tre exploitŽs par les deux approches. Ainsi, lÕintroduction dÕun marqueur de g•ne candidat dans une analyse de type QTL permet dÕavoir rapidement une information sur la valeur de ce candidat ; de m•me, lÕexistence dÕun QTL au voisinage dÕun g•ne candidat peut conduire ˆ exploiter un marqueur de ce g•ne, peut-•tre plus difficile- ment utilisable que les marqueurs usuels de la carte, mais plus proches -donc plus effi- caces Ð de la mutation causale.

Loin de sÕopposer, les deux approches sont bien complŽmentaires : les rŽsultats propres ˆ chacune sont des aides et des contr™les de lÕautre, qui doivent •tre utilisŽs pour accro”tre lÕefficacitŽ gŽnŽrale des dispositifs mis en Ïuvre.

Conclusion

A lÕavenir, la majoritŽ des zones chromosomiques gouvernant un caract•re quantitatif devrait •tre dŽcouverte gr‰ce ˆ lÕŽtude de la sŽgrŽgation de marqueurs ŽquirŽpartis sur le gŽnome. Des dŽcouvertes complŽmentaires peuvent •tre attendues dÕune approche ciblant, sans cette Žtude prŽalable, le polymorphisme de g•nes candidats, dans le cadre de fonctions physiologiques relativement bien dŽlimitŽes (lipogŽn•se, synth•se protŽique du lait ...) ou pour des esp•ces en retard dans lÕŽtablissement des cartes ou ne prŽsentant pas de matŽriel expŽrimental propice ˆ la rŽa- lisation de dispositif de croisement.

Tous les exemples aujourdÕhui disponibles permettent de dŽfinir les points de stratŽgie essentiels pour la dŽcouverte des loci responsables dÕune partie de la variabilitŽ dÕun caract•re. En effet, deux Žtapes, qui dŽpas- sent le clivage des approches Ç QTL È ou Ç g•ne candidat È, sont ˆ considŽrer :

- dŽmontrer la co-sŽgrŽgation dÕun polymorphisme et dÕun caract•re, que ce soit par une approche cartographique ou fonctionnelle (mais ceci ne suffit pas ˆ la dŽmonstration du r™le de lÕall•le ŽtudiŽ) ;

- dŽmontrer lÕexistence dÕune relation de cause ˆ effet entre une modification de sŽquence dÕADN et la modification biochi- mique (ARN, protŽine) ou physiologique responsable de lÕeffet. Cette Žtape nŽcessite la mise en Ïuvre dÕanalyses de type biologique pour •tre menŽe ˆ bien. Elle est importante puisquÕelle seule permettra dÕutiliser, pour lÕamŽlioration gŽnŽtique, la partie du gŽnome directement responsable de la variabilitŽ dÕun caract•re.

Remerciements

Ce travail a ŽtŽ financŽ par la sociŽtŽ BŽtina sŽlection et lÕAssociation Nationale de la Recherche Technique (ANRT) dans le cadre dÕune convention CIFRE, lÕEcole Nationale SupŽrieure Agronomique de Rennes et lÕInsti- tut National de la Recherche Agronomique.

INRA Productions Animales, juillet 1997

Maximum de vraisemblance et cartographie par intervalle La cartographie par intervalle, proposée par Lander et Botstein en 1989 est la méthodologie actuellement la plus employée pour la recherche de QTL (Quantitative Trait Loci). L’analyse statistique est basée sur une méthode du maximum de vraisemblance. L’hypothèse d’existence d’un gène à effet quantitatif entre deux marqueurs est testée par le calcul du rapport entre la probabilité d’observation de la ségrégation sous l’hypo- thèse de liaison entre marqueurs et QTL (θ< 0,5) et la probabilité d’observation de ces mêmes données sous l’hypothèse d’absence de liaison (θ= 0,5), θ étant le pourcentage de recombinaison. Pour des raisons pra- tiques, le log₁₀de ce rapport de vraisemblance (« lodscore ») est en fait calculé et comparé à un seuil log₁₀A où A est voisin de (1-β)/αavec αl’erreur de type I et βl’erreur de type II. Le choix de la valeur seuil est important afin de minimiser le risque de détermination de fausses liaisons. Un seuil égal à 3 est proposé en génétique humaine, correspondant à un risque αcompris entre 1 : 1 000 et 1 : 10 000. Le calcul du seuil peut être modulé en fonction de la taille du génome, de la densité des marqueurs, du dispositif expérimental et du type d’action considéré (additivité, domi- nance) au locus quantitatif. Cependant, la prise en compte des seules erreurs de type I n’est pas nécessairement la contrainte première à appli- quer à ce type d’analyse. En effet, dans le cas où l’approche est prélimi- naire, ou bien lorsque l’analyse est réalisée simultanément sur plusieurs dispositifs, un risque de première espèce élevé peut être accepté pour réduire les erreurs de type II et ainsi s’assurer de la mise en évidence des principaux QTL, même si le risque d’identifier de faux positifs augmente.

(8)

RŽfŽrences bibliographiques

Andersson L., Haley C.S., Ellegren H., Knott S.A., Johansson M., Andersson K., Andersson-Eklund L., Edfors-Lilja I., Fredholm M., Hansson I., Hakansson J., Lundstr…m K., 1994. Genetic mapping of quantitative trait loci for growth and fatness in pigs.

Science, 263, 1771-1774.

Beavis W.D., Grant D., Albertsen M., Fincher R., 1991. Quantitative trait loci for plant height in four maize populations and their associations with quali- tative genetic loci. Theor. Appl. Genet., 83, 141-145.

Bidanel J.P., Bonneau M., Chardon P., Elsen J.M., Gellin J., Le Roy P., Milan D., Ollivier L., 1996. Eta- blissement et utilisation de la carte gŽnŽtique porcine. INRA Prod. Anim., 9, 299-310.

Bovenhuis H., Weller J.I., 1994. Mapping and analysis of dairy cattle quantitative trait loci by maximum likehood methodology using milk protein genes as genetic markers. Genetics, 137, 267-280.

Bovenhuis H., Van Arendonk J.A.M., Korver S., 1992. Associations between milk protein polymorphisms and milk production traits. J. Dairy Sci., 75, 2549-2559.

Cicila G.T., Rapp J.P., Wang J.M., Lezin E.St., Chung Ng S., Kurtz T.W., 1993. Linkage of 11β- hydroxylase mutations with altered steroid biosyn- thesis and blood pressure in Dahl rat. Nature genetics, 3, 346-353.

Collins F.S., 1992. Positional cloning : letÕs not call it reverse anymore. Nature genetics, 1, 3-6.

Courreau J.F., Sellier P., Boulard J., Breton T., Goul- lieux P., GuŽrin G., 1985. Marqueurs sanguins (Phi et Pgd) et sensibilitŽ ˆ lÕhalothane chez le porc Lan- drace fran•ais. JournŽes Rech. Porcine en France, 17, 95-104.

Cowan C.M., Dentine M.R., Ax R.L., Schuler L.A., 1990. Structural variation around prolactin gene lin- ked to quantitative traits in an elite Holstein sire family. Theor. Appl. Genet., 79, 577-582.

Cowan C.M., Dentine M.R., Coyle T., 1992. Chromo- some substitution effects associated with κ-casein and β-lactoglobulin in Holstein cattle. J. Dairy Sci., 75, 1097-1104.

Dalens M., Runavot J.P., 1993. Test molŽculaire pour le dŽpistage du g•ne de sensibilitŽ ˆ lÕhalothane chez le porc. Techni-porc, 16-1-93, 17-21.

Darvasi A., Weinreb A., Minke V., Weller J.I., Soller M., 1993. Detecting marker-QTL linkage and esti- mating QTL gene effect and map location using a saturated map. Genetics, 134, 943-951.

Deng A.Y., Dene H., Rapp J.P., 1994. Mapping of a quantitative trait locus for blood pressure on rat chromosome 2. J. Clin. Invest., 94, 431-436.

Douaire M., Sourdioux M., 1994. Markers for fat deposit. Proc. 9th European Poultry Conf. Aug. 7-12, 2, 364-367.

Gellin J., Chevalet C., 1994. StratŽgie dÕŽtablisse- ment des cartes gŽniques. Exemple du porc. Genet.

Sel. Evol., 26, Suppl. 1, 35-51.

Georges M., Nielsen D., Mackinnon M., Mishra A., Okinoto R., Pasquino A.T., Sargeant L.S., Sorensen A., Steele M.R., Zhao X., Womack J.E., HÏschele I., 1995. Mapping quantitative trait loci controlling milk production in dairy cattle by exploiting progeny testing. Genetics, 139, 907-920.

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., 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 Cristobal M., Vu Tien Khang J., 1994. MŽthodes mathŽmatiques pour lÕŽtude des g•nes contr™lant des caract•res quantitatifs. Genet.

Sel. Evol., 26, Suppl. 1, 95-105.

Haley C.S., Knott S.A., 1992. A simple regression method for mapping quantitative trait loci in line crosses using flanking markers. Heredity, 69, 315- 324.

Haley C.S., Knott S.A., Elsen J.M., 1994. Mapping quantitative trait loci in crosses between outbred lines using least square. Genetics, 136, 1195-1207.

Hanset R., Grobet L., 1992. SŽlection assistŽe par marqueur. Bull. GTV, 92-5, 71-75.

Hyne V., Kearsey M.J., 1995. QTL analysis : further uses of Òmarker regressionÓ. Theor. Appl. Genet., 91, 471-476.

Hyne V., Kearsey M.J., Pike D.J., Snape J.W., 1995.

QTL analysis : unreliability and biais in estimation procedure. Molecular Breeding, 1, 273-282.

Jacob H.J., Lindpaintner K., Lincoln S.E., Kusumi K., Bunker R.K., Mao Y.P., Ganten D., Dzau J., Lan- der E.S., 1991. Genetic mapping of a gene causing hypertension in the Stroke-Prone Spontaneously Hypertensive rat. Cell, 67, 213-224.

Kearsey M.J., Hyne V., 1994. QTL analysis : a simple Ômarker-regressionÕ approach. Theor. Appl. Genet., 89, 698-702.

Kinghorn B., Van Arendonk J.A.M., Hetzel J., 1994.

Detection and use of major genes in animal breeding.

Agbiotech. News and Info., 6, 297N-302N.

Lander E.S., Botstein D., 1989. Mapping Mendelian factors underlying quantitative traits using RFLP linkage maps. Genetics, 121, 185-199.

Luo Z.W., 1993. The power of two experimental designs for detecting linkage between a marker locus and a locus affecting a quantitative character in a segregating population. Genet. Sel. Evol., 25, 249- 261.

Manfredi E., Ricordeau G., Barbieri M.E., Amigues Y., BibŽ B., 1995. GŽnotype casŽine αS1et sŽlection des boucs sur descendance dans les races Alpine et Saanen. Genet. Sel. Evol., 27, 451-458.

Mangin B., Goffinet B., Reba• A., 1994. Constructing confidence intervals for QTL location. Genetics, 138, 1301-1308.

Martin P., Grosclaude F., 1993. Improvement of milk protein quality by gene technology. Livest. Prod. Sci., 35, 95-115.

(9)

Genetic analysis of a quantitative trait.

For several years, many studies have been under- taken in order to identify the genes which actually control the variability of quantitative traits. Mainly two strategies have been developed for this purpose. One relies on the genetic map knowledge and searches for the so-called QTL (quantitative trait loci). It gives rise to an early application to selection process by the use of mar- kers associated to the trait ; it is also a first step towards the location of genes actually involved in part of the trait variability determinism. The

other one is supported by the biological know- ledge of the trait and focus on few genes -candi- date genes Ð supposed to be responsible for part of the trait variability. At the moment the analysis of these methods and their results allow to make out their abilities and limits. Moreover, it brings to the fore their complementary nature in the genetic analysis of quantitative traits, and their similarities in part of the experimental designs.

Sourdioux M., Lagarrigue S., Douaire M., 1997. Ana- lyse gŽnŽtique dÕun caract•re quantitatif. INRA Prod. Anim., 10 (3), 251-258.

N-G-Kwai-Hang K.F., Hayes J.F., Moxley J.E., Monardes H.G., 1983. Association of genetic variants of casein and milk serum proteins with milk, fat, and protein production by dairy cattle. J. Dairy Sci., 67, 835-840.

Nielsen V.H., Larsen N.J., Agergaard N., 1995. Asso- ciation of DNA polymorphism in the growth-hormone gene with basal-plasma growth-hormone concentration and production traits in pigs. J. Anim.

Breed. Genet., 112, 205-212.

Paterson A.H., Lander E.S., Hewitt J.D., Peterson S., Lincoln S.E., Tanksley S.D., 1988. Resolution of quantitative traits into Mendelian factors by using a complete linkage map of restriction fragment length polymorphisms. Nature, 335, 521-529.

Rapp J.P., Dene H., Deng A.Y., 1994. Seven renin alleles in rats and their effects on blood pressure. J.

Hypertens., 12, 349-355.

Reba• A., Goffinet B., Mangin B., 1995. Comparing power of different methods for QTL detection. Bio- metrics, 51, 87-99.

Robertson D.S., 1985. A possible technique for isola- ting genic DNA for quantitative traits in plants. J.

Theor. Biol., 117, 1-10.

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., 1996. 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.

Shuster D.E., Kehrli M.E.Jr., Ackermann M.R., Gil- bert R.O., 1992. Identification and prevalence of a genetic defect that causes leukocyte adhesion deficiency in Holstein cattle. Proc. Natl. Acad. Sci., 89, 9225-9229.

Smith C., Smith D.B., 1993. The need for close lin- kages in marker-assisted selection for economic merit in livestock. Anim. Breed. Abstr., 61, 197-204.

Soller M., 1994. Marker assited selection - an over- view. Anim. Biotech., 5, 193-207.

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

Soller M., Brody T., Genizi A., 1976. On the power of experimental designs for the detection of linkage between marker loci and quantitative loci in crosses between inbred lines. Theor. Appl. Genet., 47, 35-39.

Tanksley S.D., 1993. Mapping polygenes. Ann. Rev.

Genet., 27, 205-233.

Touzet P., Winkler R.G., Helentjaris T., 1995. Combi- ned genetic and physiological analysis of a locus contributing to quantitative variation. Theor. Appl.

Genet., 91, 200-205.

Van der Beek S., Van Arendonk J.A.M., Groen A.F., 1995. Power of two-and three-generation QTL mapping experiments in an outbred population contai- ning full-sib or half-sib families. Theor. Appl. Genet., 91, 1115-1124.

Visscher P.M., Haley C.S., 1995. Utilizing genetic markers in pig breeding programmes. Anim. Breed.

Abstr., 63, 1-8.

Warden C.H., Fisler J.S., Shoemaker S.M., Wenn P- Z., Svenson K.L., Pace M.J., Lusis A.J., 1995. Identi- fication of four chromosomal loci determining obesity in a multifactorial mouse model. J. Clin. Invest., 95, 1545-1552.

Weller J.I., Fernando R.L., 1991. Genomic genetics and plant genetic improvement. In : L.B. Schook, H.A. Lewin and D.C. McLaren (eds), Gene mapping techniques and applications, 201-230. M. Dekkers, New York.

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

Zhang Y., Proenca R., Maffei M., Barone M., Leopold L., Friedman J.M., 1994. Positional cloning of the mouse obese gene and its human homologue.

Nature, 372, 425-432.