Etude de la diversité génétique entre 74 races de moutons

Cette étude au sein du laboratoire de génétique cellulaire de l’INRA de Toulouse, vise à étudier la diversité génétique de 2819 moutons, répartis en 74 races différentes et à l’aide de 47803 marqueurs génétiques (des SNPs en l’occurrence). Notre jeu de données, obtenu grâce à PLink, se compose d’une matrice 74 x 47803 contenant les fréquences d’allèles mineurs de chaque marqueur et pour chaque population, et d’une matrice 2819 x 47803 contenant les génotypes observés pour chaque individu et pour chaque marqueur. Dans le chapitre 1, nous décrivons plus précisément le contexte du projet (Sheep HapMap)et nous rappelons quelques notions de génétique des populations. Dans le chapitre 2, un test de Hardy-Weinberg a été effectué pour tous les marqueurs et pour toutes les populations. Aucune population ne concentre un taux important de marqueurs n’étant pas à l’équilibre de Hardy-Weinberg (au maximum 0.15% pour la population irish Suffolk)et seulement six marqueurs ne sont pas en équilibres si l’on considère tous les individus et en tenant compte de l’ensemble des populations (voir 2.3.3 et 2.3.4).Lors du troisième chapitre, nous utilisons la méthode de classification ascendante hiérarchique et le critère deWard afin d’obtenir une classification des populations. Une classificationpeut être obtenue en considérant des distances ou indices sur les populations (indice de similarité de Nei, Reynolds) ou des distances sur les individus directement (IBS). Cette dernière classification nous donne de meilleurs résultats avec quasiment tous les individus d’une même population qui se retrouvent dans la même classe. Nous considérons ainsi 6 et 12 classes dont la liste détaillée est donnée en Annexe A. Dans la quatrième partie, nous essayons de réduire le nombre de marqueurs avec lequel nous travaillons afin de pouvoir utiliser certains logiciels de génétique (Structure par exemple dont le temps d’exécution peut être énorme sur des données volumineuses). La Sparse PLS va nous permettre d’extraire des listes de marqueurs caractéristiques d’une ou plusieurs classes (ou populations), comme le montre les figures 4.1 et 4.4. Nous obtenons ainsi 1665 marqueurs qui sont caractéristiques des groupes et 754 caractéristiques des différentes populations. En fusionnant les deux listes nous obtenons un total de 2271 marqueurs. Une fois le nombre de marqueurs réduit nous pouvons utiliser le logiciel de génétique Structure qui permet de réaliser une classification bayésienne de nos données. Les sorties graphiques, présentées en Annexe C, nous indiquent que la classification proposée semble cohérente et les marqueurs sélectionnés sont bien caractéristiques des groupes. Une dernière étape a été de réaliser de la prédiction sur nos données. La méthode de ran-6 dom Forest sur le génotype complet nous permet, avec les 1000 marqueurs les plus explicatifs (critère Accuracy), d’avoir un taux d’erreur de 1.9% pour la prédiction des groupes et 8.7% pour la prédiction des populations. La méthode d’assignation par maximum de vraisemblance avec les 2271 marqueurs de la Sparse PLS, bien plus rapide, permet lui d’avoir un taux d’erreur de YYYY% pour les groupes et de 6.45% pour les populations. Cette méthode est donc plus rapide et plus performante