Nouvelle mesure de la robustesse des animaux d’élevage par utilisation des données de phénotypage haut-débit

Je m’appelle Vincent Le et je suis doctorant à INRAE Occitanie-Toulouse. Après un diplôme de Master 2 « Mathématiques appliquées, statistiques parcours Statistiques appliquées et analyse décisionnelle » à l’Université de Caen, j’ai envie de poursuivre mes études en faisant une thèse et découvrir le milieu de la recherche.

L’élevage de demain sera un élevage de précision et l’animal de demain doit être un animal robuste. Mesurer la robustesse de chaque animal est donc un prérequis indispensable à sa sélection. Néanmoins, peu d’outils sont disponibles pour effectuer une telle mesure. Une de mes missions principales est donc d’extraire des nouveaux critères de la robustesse et de trouver le meilleur indicateur de la robustesse des animaux.

Après avoir effectué mon stage de M2 au sein de l’INRA sur la « Description de Trajectoires de Poids Vif d’Ovins », le fait de travailler dans le milieu de l’agriculture et de la génétique m’a vraiment plu. En plus, en ayant fait mon master Maths-Info, mes connaissances en modélisation et statistiques vont être utiles pour le déroulement de la thèse.

• Date de démarrage : 01 novembre 2019
• Université : INP Toulouse
• Ecole doctorale : SEVAB
• Discipline / Spécialité : Agronomie, Mathématiques appliquées
• Directrice de thèse : Ingrid DAVID, GenPHyse, INRAE
• Encadrant(es)  : Ingrid DAVID, GenPHyse, INRAE
• Financement : INRA – Alliance R&D
• #DigitAg : Thèse labellisée – Axe 6 – Challenge 4

Mots-clés: Robustesse, génétique, modélisation

Résumé : Dans un contexte de changement climatique, de transition agro-écologique et de nouvelles demandes de la société pour le bien-être animal, les animaux de demain seront élevés dans des milieux suboptimaux ou changeants auxquels ils devront pouvoir s’adapter. Dans ce contexte, il est nécessaire de sélectionner des animaux robustes (c.-à-d. peu sensibles aux variations de milieu). La robustesse est un caractère complexe et difficile à mesurer. Le but de la thèse était de proposer un nouveau critère de robustesse pour la sélection par utilisation des données de phénotypage haut-débit (données mesurées de manière répétée au cours du temps). Nous avons dans un premier temps démontré, par simulation, que la sélection animale à partir des phénotypes de production enregistrés dans un environnement fortement contrôlé tel que rencontré en élevage de sélection porcine, ne permettait pas une sélection conjointe sur la production et la robustesse. En simulant une sélection sur le poids à 100j de contrôle en engraissement, nous avons comparé les paramètres et valeurs génétiques pour ce phénotype dans deux situations : en l’absence ou en présence de perturbations environnementales. Bien que l'héritabilité du caractère ait diminué en présence de perturbations (de l’ordre de 28 %), les valeurs génétiques prédites ne correspondaient pas à une combinaison du potentiel génétique de la production et de la robustesse (les corrélations partielles entre ces dernières et le vrai potentiel de robustesse n’étant pas significativement différentes de 0). Il était donc nécessaire de proposer une méthode de mesure de la robustesse qui puisse être appliquée en élevage de sélection porcine (c.-à-d. lorsque les porcs sont élevés en case-intra-bande). Nous avons développé pour cela la méthode Up & Down qui consiste, en étudiant la dynamique d’évolution d’un phénotype au cours du temps à des échelles différentes : individuelle ou groupe d’animaux (case et bande), à identifier et caractériser les perturbations à ces différentes échelles puis mesurer les réponses individuelles face à ces perturbations, c.-à-d. quantifier la robustesse. Cette méthode a été validée dans un premier temps par simulation : la sensibilité de détection de perturbation variait en fonction de l’échelle sur laquelle cette dernière intervenait (93%, 73% et 43% à l’échelle de bande, case et individuelle respectivement) tout en conservant une bonne spécificité (supérieur à 95% à tous les niveaux). Les débuts et fins des perturbations étaient correctement estimés (écart en valeur absolue médian de 2 à 3 jours entre les estimations et les vraies valeurs selon l’échelle) tout comme l’intensité de la perturbation (corrélation de 0.78, 0.72, 0.50 à l’échelle de bande, case et individuelle respectivement). La méthode Up & Down a ensuite été appliquée aux données de consommation cumulée et poids de 6298 porcs en croissance de la station de phénotypage du Rheu. Les perturbations identifiées ont été confirmées par les données météo et de santé enregistrées dans l’élevage : les moments estimés des perturbations détectées à raison correspondaient relativement bien aux moments des perturbations enregistrées (les écarts variaient entre 1.5 et 3 jours selon l’échelle). Enfin, un nouveau critère des composantes de la robustesse a été proposé : la pente minimale du phénotype pour la résistance, et la pente entre la fin de la perturbation et la fin de réaction de l’animal du phénotype pour la résilience. Un modèle animal a été appliqué pour estimer les paramètres et valeurs génétiques de ces nouveaux phénotypes sur trois sets de simulations en variant le pourcentage de perturbations de groupe. A partir de ces nouveaux caractères, les résultats ont montré qu’une augmentation du pourcentage de perturbations simulées avait tendance à entrainer une diminution dans l’estimation des héritabilités et une augmentation de la précision de l’EBV des deux composantes de la robustesse.

Composition du jury:

Sandrine Mignon-Grasteau, INRAE Tours, rapporteure

Rafael Munoz-Tamayo, INRAE Paris, rapporteur

Tristan Mary-Huard, AgroParisTech, examinateur

Catherine Larzul, INRAE Toulouse, examinatrice

Florence Ytournel, Choice Genetics, examinatrice

Ingrid David, INRAE Toulouse, directrice de thèse