M2-Gene - Génétique Quantitative-Dissection Génétique Des Caractères Quantitatifs

Master 2 - UE Gntique Quantitative ECUE 2 : Dissection Gntique des Caractres Quantitatifs
I

RPUBLIQUE DE CTE D'IVOIRE
UNION-DISCIPLINE-TRAVAIL
-------------------------------
MINISTRE DE L'ENSEIGNEMENT SUPRIEUR
ET DE LA RECHERCHE SCIENTIFIQUE

Laboratoire de Gntique

Dr KOUASSI Abou
MASTER 2 DE GNTIQUE
COURS MAGISTRAL UE GNTIQUE QUANTITATIVE
ECUE 2 : DISSECTION GNTIQUE DES CARACTRES
QUANTITATIFS

22 BP : 582 Abidjan 22
Tl. /Fax : 22 44 58 03
Courriel : biosciences@univ-cocody.ci
ufrbiosciences@yahoo.fr

01 BP V 34 Abidjan 01
Tl. /Fax : +225 22 44 35 31
www.univ-cocody.ci
I

LES OBJECTIFS DU COURS............................................................................................................. 1
Chapitre I. GNRALITS ............................................................................................................. 2
I. DFINITION DES NOTIONS DE CARACTRE QUANTITATIF ET DE QTL ..................... 2
II LES OBJECTIFS GNRAUX DE LA CARTOGRAPHIE DES QTLs .................................... 4
III LES TAPES DE LA CARTOGRAPHIE DE QTLs ................................................................. 5
Chapitre II. LES PR REQUIS LA CARTOGRAPHIE DES QTLs ..................................... 6
I. LE CHOIX DE LA POPULATION DE CARTOGRAPHIE ....................................................... 6
I.1 Populations pour la cartographie par analyse de liaison ......................................................... 6
I.1.1 Populations de cartographie chez les espces autogames .............................................. 6
I.1.1.1 Descendances F
2
et Backcross .................................................................................. 7
I.1.1.2 Populations de familles F
x : y
et lignes recombinantes ............................................. 7
I.1.1.3 Lignes quasi-isogniques et Haplodes doubls ...................................................... 8
I.1.1.3.1 Dfinitions et avantages ..................................................................................... 8
I.1.1.3.2 Limites des Lignes quasi-isogniques et Haplodes doubls ............................ 9
I.1.1.4 Les limites de toutes les populations de cartographie issues de croisement initial
entre lignes pures ................................................................................................................. 11
I.1.2 Populations de cartographie chez les espces allogames .............................................. 11
I-2. Populations pour la cartographie dassociation ...................................................................... 12
II. PHNOTYPAGE ...................................................................................................................... 13
III. GNOTYPAGE ET CONSTRUCTION DE CARTES GNTIQUES ................................. 14
III.1 Introduction ........................................................................................................................ 14
III.2 Les marqueurs dans la recherche de QTL .......................................................................... 15
III.2.1 Les marqueurs molculaires ......................................................................................... 15
III.2.2 Types de marqueur molculaire .................................................................................. 16
III.2.2.1 Polymorphismes de longueur des fragments de restriction (Restriction Fragment
Lengh Polymorphism - RFLP)............................................................................................... 16
III.2.2.2 ADN Polymorphe Amplifi au hasard (Ramdom Amplified Polymorphic DNA
RAPD) ................................................................................................................................... 19
III.2.2.3 Polymorphisme de Longueur de Fragments Amplifis (Amplified Fragments
Length polymorphism AFLP) ............................................................................................. 20
III.2.2.4 Microsatellites ...................................................................................................... 20
III.2.2.5 Les marqueurs SNP -Polymorphisme mono-nuclotidique (Single Nucleotide
Polymorphism) ...................................................................................................................... 21
III.3 Les stratgies de gnotypage .............................................................................................. 22
III.3.1 Le gnotypage de l'ensemble de la population de cartographie ................................. 22
III.3.2 Le gnotypage slectif .................................................................................................. 22
II

III.3.3 Le gnotypage aprs constitution de pools dindividus prsentant des phnotypes
contrasts (Bulk Segregant Analysis - BSA) ............................................................................... 23
III.4 Construction de carte gntique ......................................................................................... 25
III.4.1 Analyse statistique des marqueurs molculaires ......................................................... 25
III.4.2 Taille et structure du gnome ...................................................................................... 26
III.4.3 Saturation des cartes gntiques et assignation des groupes de liaisons aux
chromosomes ............................................................................................................................ 27
IV. EFFET DE LA TAILLE DE LA POPULATION ET DE LENVIRONNEMENT SUR LA
PUISSANCE DE DTECTION DES QTLs ..................................................................................... 28
Chapitre III LA CARTOGRAPHIE DE QTLs PAR ANALYSE DE LIAISON GNTIQUE
............................................................................................................................................................... 30
I GNRALITS ........................................................................................................................... 30
II. MTHODES DE CARTOGRAPHIE DE QTLs PAR ANALYSE DE LIAISON ................... 31
II.1 Cartographie de QTL par Analyse de variance (ANOVA).................................................. 31
II.1.1 Principe de la Cartographie de QTL par analyse de variance. ....................................... 31
II.1.2 Avantages et limites de la Cartographie de QTL par analyse de variance. ................... 32
II.2 Cartographie de QTL par analyse dintervalle simple (Simple Interval Mapping SIM). .. 34
II.2.1 Principe de la SIM .......................................................................................................... 34
II.2.2 Avantages et limites de la SIM....................................................................................... 34
II.3 Cartographie dintervalle composite (Composite Interval Mapping CIM) ....................... 36
II.3.1 Principe de la CIM .......................................................................................................... 36
II.3.2 Avantages et limites de la CIM. ..................................................................................... 36
II.4 Cartographie de QTL par analyse de plusieurs intervalles (Multiple Interval Mapping
MIM) .............................................................................................................................................. 37
III. SENSIBILIT DES MTHODES DE CARTOGRAPHIE DES QTLs LCART LA
NORMALIT DES DONNES PHNOTYPIQUES. ..................................................................... 37
IV. TESTS DE LA POSITION ET DE LEFFET DES QTLs. ...................................................... 38
IV.1 Les tests de permutation ..................................................................................................... 39
IV.2 La validation croise .......................................................................................................... 39
V. LES LIMITES DES MTHODES DE CARTOGRAPHIE DE QTLs PAR ANALYSE DE
LIAISON ........................................................................................................................................... 39
Chapitre IV. LA CARTOGRAPHIE DE QTLs PAR ANALYSE DE DSQUILIBRE DE
LIAISON OU CARTOGRAPHIE DASSOCIATION .................................................................... 41
II. LES CONCEPTS DE DSQUILIBRE DE LIAISON ET DE CARTOGRAPHIE
D'ASSOCIATION ............................................................................................................................. 42
III. VISUALISATION ET SIGNIFICATION STATISTIQUE DU DSQUILIBRE DE LIAISON
........................................................................................................................................................... 45
III

IV. VARIATION DU DSQUILIBRE DE LIAISON SOUS L'EFFET DE FACTEURS
BIOLOGIQUES ................................................................................................................................ 47
IV.1 Recombinaison ...................................................................................................................... 47
IV.2 Systme de reproduction .................................................................................................... 48
IV.3 Le matriel gntique ......................................................................................................... 48
V. VARIATION DU DSQUILIBRE DE LIAISON SOUS lEFFET DE FACTEURS
D'VOLUTION ................................................................................................................................ 49
V.1 Slection .............................................................................................................................. 49
V.2 Structure de la population .................................................................................................... 50
V.3 Drive gntique, goulot d'tranglement et flux de gnes ................................................... 51
V.3.1 La drive gntique ....................................................................................................... 51
V.3.2 Le goulot d'tranglement .............................................................................................. 51
V.3.3 Les flux gntiques ........................................................................................................ 51
VI. MTHODES DE CARTOGRAPHIE DASSOCIATION ...................................................... 52
VI.1 Multi-parent Advanced Generation Inter-Cross (MAGIC) ................................................ 52
VI.2 Case - control (CC) ............................................................................................................ 54
VI.3 Test de Dsquilibre de Transmission (Transmission disequilibrium Test -TDT) ............. 54
VII. AVANTAGES ET LIMITES DE LA CARTOGRAPHIE DASSOCIATION ..................... 55
VII.1 Avantages de la cartographie dassociation ....................................................................... 55
VII.2 Limites de la cartographie dassociation ........................................................................... 56
VII. PROGRAMMES STATISTIQUES POUR LA CARTOGRAPHIE DES QTLs ................... 58

1

LES OBJECTIFS DU COURS
La plupart des caractres d'intrt pour l'amlioration des espces ont une hrdit
quantitative qui complique le processus de slection puisque les performances phnotypiques
ne refltent que partiellement les valeurs gntiques des individus. La variation gntique d'un
caractre quantitatif est suppose tre contrle par les effets collectifs de loci effet
quantitatif (QTLs), de lpistasie (interaction entre QTLs), de l'environnement, et de
l'interaction entre QTLs et environnement. Lexploitation des marqueurs molculaires en
slection implique de trouver un sous-ensemble de marqueurs associs un ou plusieurs
QTLs qui rgulent l'expression des caractres complexes. De nombreuses tudes de
cartographie de QTLs ont identifis des QTLs qui expliquent gnralement une proportion
significative de la variance phnotypique, et par consquent, ont donn lieu une valuation
optimiste des perspectives de slection assiste par marqueurs. La cartographie par analyse de
liaison et la cartographie dassociation sont les deux mthodes les plus couramment utilises
pour la cartographie des QTLs.
Ce cours, organis en quatre chapitres, a pour objectif de faire comprendre les
diffrents aspects de ces deux mthodes de cartographie de QTLs.
Un chapitre introductif prsentera un aperu gnral de la notion de QTL.
Le deuxime chapitre traitera des pr-requis la cartographie des QTLs. On y
verra : les diffrents types de populations de cartographie avec leurs avantages et limites ; les
diffrents types de marqueurs molculaires avec leurs avantages et limites ; les diffrentes
stratgies de gnotypage avec leurs avantages et limites ; le phnotypage des populations de
cartographie et notamment les dispositions exprimentales ncessaires pour sa russite.
Le troisime chapitre portera sur les diffrentes mthodes de cartographie de QTL
par analyse de liaison (principe, avantages et limites)
Le quatrime chapitre sera consacr la cartographie par analyse de dsquilibre
de liaison ou cartographie dassociation. Le concept de dsquilibre de liaison y sera
prsent travers sa dfinition, son valuation statistique, les facteurs biologiques
(recombinaison, systme de reproduction, diversit gntique) et volutifs (slection, structure
de la population, drive gntique, goulot dtranglement, flux de gnes) susceptibles de le
modifier. Diffrentes mthodes de cartographie dassociation seront enfin vues avec leurs
principes, avantages et limites
2

Chapitre I. GNRALITS
I. DFINITION DES NOTIONS DE CARACTRE QUANTITATIF ET DE QTL
La slection des espces (plantes et animaux) est un processus en trois tapes, dans
lequel :
1 Les populations ou les collections de matriel gntique avec une variation
gntique utile sont cres ou assembles,
2 Les individus ayant des phnotypes suprieurs sont identifis et,
3 Des individus (cultivars, varits, races) amliors sont dvelopps partir
dindividus slectionns.
La plupart des caractres d'intrt pour l'amlioration des espces (par exemple, le
rendement, la hauteur, la rsistance la scheresse, la rsistance aux maladies chez de
nombreuses espces, etc) sont quantitatifs, aussi appels caractres polygniques, continus,
multifactorielles ou complexes. Un caractre quantitatif est une caractristique mesurable
qui dpend de l'action cumule de nombreux gnes, connus sous le nom de Quantitative
Trait loci - QTL (loci effet quantitatif), et de leur interaction avec l'environnement qui
peut varier d'un individu lautre, sur une plage de valeurs donne, pour produire une
distribution continue des phnotypes
Les caractres polygniques ne suivent donc pas les lois de transmission mendlienne
des caractres. Leurs phnotypes varient plutt gnralement le long d'un gradient continu
reprsent par une courbe en cloche. Les caractres quantitatifs compliquent les travaux des
amliorateurs parce que les performances des individus ne refltent que partiellement leurs
valeurs gntiques. En effet, tant donn que les caractres quantitatifs sont contrls par
plusieurs gnes ou QTLs :
1 Des individus avec le mme phnotype peuvent porter des allles diffrents
chacun des nombreux gnes ou QTL,
2 Des individus avec les mmes gnotypes aux QTLs peuvent montrer des
phnotypes diffrents lorsqu'ils sont placs dans des environnements diffrents, et
3

3 L'effet d'un QTL peut dpendre de la constitution alllique de lindividu un autre
QTL.
Pour ces raisons, on ne peut pas dduire le gnotype du phnotype, et il faut construire
des ressources gntiques spcialises et les valuer pour leurs performances phnotypiques
dans des environnements strictement contrls.
Le nombre de QTLs dtects dans une tude donne dpend de diffrents
facteurs, notamment le type et la taille de la population de cartographie utilise, les
caractres tudis, le nombre d'environnements utiliss pour le phnotypage et la
couverture du gnome par les marqueurs molculaires utiliss.
Les QTLs comprennent deux groupes de gnes :
Des gnes majeurs trs grands effets sur les caractres hautement hritables,
chacun expliquant une grande partie de la variation totale des caractres dans une population
de cartographie.
Des gnes mineurs faibles effets expliquant chacun une petite partie de la variation
totale des caractres
Cependant, la variation gntique de la plupart des caractres quantitatifs implique un
petit nombre de gnes ou de QTLs majeurs, un plus grand nombre de loci avec des effets
modrs, et un trs grand nombre de loci avec des effets mineurs. Les effets des gnes
majeurs peuvent tre tudis par analyse de sgrgation ainsi que par l'histoire de l'volution
et de la slection. Les nombreux gnes avec de petits effets, par contre, ne peuvent pas tre
tudis individuellement.
La thorie de la cartographie des QTLs a t dcrite pour la premire fois par Karl
SAX (1923) qui a not que la taille des graines du haricot (un caractre complexe) est
associe la couleur du tgument des graines (un caractre simple, monognique). Ce concept
a t mieux labor par Jhon THODAY (1961), qui a suggr que si la sgrgation des
monognes simplement hrits peut tre utilise pour dtecter des QTLs lis, il devrait
finalement tre possible de cartographier et de caractriser tous les QTLs impliqus dans les
caractres complexes.
Avant l'avnement de la cartographie moderne des QTLs, les caractres montrant une
variation quantitative ont t tudis par une analyse statistique de populations exprimentales
4

appropries sur la base des moyennes, des variances et covariances des phnotypes des
individus apparents sans aucune connaissance relle du nombre et de l'emplacement des
gnes qui les sous-tendent. Ces tudes ont port sur les distributions phnotypiques des
populations et des corrlations des phnotypes entre les individus ou les lignes apparents.
Lintrt pour la cartographie de QTLs chez les vgtaux est ne dtudes sur les caractres de
fruits de tomate (Paterson et al., 1988) et les caractres morphologiques et agronomiques du
mas (Stuber et al., 1992) qui ont russi dmontrer que certains marqueurs molculaires
expliquent une part importante de la variance phnotypique des caractres quantitatifs.
II LES OBJECTIFS GNRAUX DE LA CARTOGRAPHIE DES QTLs
Les deux objectifs gnraux de la cartographie des QTLs sont d:
1 Accrotre notre connaissance biologique de l'hritabilit et de l'architecture
gntique des caractres quantitatifs, tant au sein d'une espce quentre espces apparentes,
2 Identifier des marqueurs qui peuvent tre utiliss comme outils de slection
indirecte en matire d'amlioration gntique.
Les rsultats des tudes de cartographie de QTLs fournissent des informations sur :
a Le nombre et la localisation chromosomique de QTLs affectant un
caractre,
b Limportance et la direction de l'effet de chaque QTL ( savoir si un
caractre phnotypique est rgul par de nombreux gnes ou de nombreux loci indpendants
effet faible ou par quelques gnes effet fort),
c Le mode d'action des gnes chaque QTL (dominance ou additivit),
d Les sources parentales des allles favorables au QTL et,
e Les interactions entre les diffrents QTLs (pistasie, c'est dire, les
interactions entre deux QTL qui se traduisent par un effet sur le caractre qui ne pourrait pas
tre prvu par la somme des effets de chacun des QTLs) ou entre les gnotypes et
lenvironnement.

5

III LES TAPES DE LA CARTOGRAPHIE DE QTLs
La cartographie des QTLs exige que on :
1 Slectionne et/ou dveloppe des populations de cartographie appropries
(populations exprimentales pour la cartographie par analyse de liaison ou populations
naturelles/ slectionnes pour la cartographie dassociation),
2 Mesure le phnotype des individus de la population pour le (les) caractres (s)
d'intrt (caractres morphologiques, caractres agronomiques, taux de sensibilit des
maladies et ravageurs, rsistance la scheresse, etc.) dans diffrents environnements,
3 Dcide du type de marqueur (s) molculaire (s), de la stratgie de gnotypage
(ensemble de la population, gnotypage slective ou analyse de sgrgation en mlange (BSA-
Bulk Segregant Analysis) et gnre les donnes molculaires pour un nombre suffisant de
marqueurs polymorphes uniformment repartis sur le gnome de la plante tudie,
4 Identifie des marqueurs molculaires lis au (x) caractre (s) d'intrt en utilisant
des programmes statistiques (les mthodes de cartographie de QTLs par analyse de liaison
ncessite la construction de carte de liaison gntique) et
5 Teste l'applicabilit et la fiabilit des marqueurs associs aux QTLs effet moyen
fort dans la prdiction du (des) caractres (s) dans les familles apparentes (validation ou
vrification de marqueurs).
La disponibilit d'une large gamme de marqueurs molculaires et de mthodes
statistiques puissantes a considrablement facilit la cartographie des QTLs. La cartographie
de liaison et la cartographie dassociation sont les deux outils les plus couramment utiliss
pour la dissection de caractres complexes. Les deux mthodes de cartographie de QTLs
commencent par la collecte de donnes gnotypiques et phnotypiques soit de
populations en sgrgation soit de populations naturelles, suivie par des analyses
statistiques pour rvler tous les locus marqueurs o la variation alllique est en
corrlation avec le phnotype.

6

Chapitre II. LES PR REQUIS LA CARTOGRAPHIE DES QTLs
I. LE CHOIX DE LA POPULATION DE CARTOGRAPHIE
Le choix de la population de cartographie approprie est trs important pour la
russite de tout projet de cartographie de QTLs. Les populations pour la cartographie des
QTLs peuvent tre classes en deux catgories:
1 Les populations exprimentales pour la cartographie de QTLs par analyse de
liaison. Par exemple :
a Des lignes pures [individus identiques entre eux l'intrieur d'une
gnration (homognit) et identiques entre eux d'une gnration l'autre (stabilit). Le
gnotype est fix)] pour les espces autogames ou autopollinisation;
b Des familles de demifrres ou de plein-frres pour les espces
allogames ou pollinisation croise) et
2 Les populations naturelles ou les populations slectionnes pour la cartographie
d'association par analyse de dsquilibre de liaison.
I.1 Populations pour la cartographie par analyse de liaison
I.1.1 Populations de cartographie chez les espces autogames
La Cartographie de QTL par analyse de liaison dpend de populations bien dfinies.
Chez les espces autogames, les tudes de cartographie de QTL utilisent :
1 Des descendances F
2
ou des familles F
x : y
qui en sont drives,
2 Des descendances de rtrocroisements (backcross - BC),
3 Des lignes recombinantes consanguines (Recombinant Inbred Lines - RIL),
4 Des lignes quasi-isogniques (Near-Isogenic Lines-NILs) et
5 Des lignes dhaplodes doubls (Double Haploids - DH).
Ces populations sont dveloppes par le croisement de deux parents homozygotes
(lignes pures) clairement diffrents au niveau du (des) caractre (s) phnotypique (s) d'intrt
(Figure 1). Chaque population de cartographie dveloppe partir des parents
homozygotes a ses propres avantages et inconvnients et les chercheurs doivent choisir
la population approprie en fonction de l'objectif de leur projet de recherche, la
7

complexit du (des) caractres, le temps dont-ils disposent, et selon que les marqueurs
molculaires qui seront utiliss pour le gnotypage sont dominants ou codominants.
I.1.1.1 Descendances F
2
et Backcross
Les descendances F2 et les descendances de Backcross sont les types de populations
de cartographie les plus simples, car elles sont faciles construire et il faut relativement peu
de temps pour les produire. La descendance F
2
est plus puissante pour dtecter des QTLs
avec des effets additifs, et peut galement tre utilise pour estimer le degr de
dominance des QTLs dtects. Lorsque la dominance est prsente, les rtrocroisements
donnent des estimations biaises des effets car les effets additifs et de dominance sont
compltement confondus.
Les deux populations F
2
et Backcross ont trois limites :
1 Le dveloppement de ces populations ncessite relativement peu de mioses de
telle sorte que mme les marqueurs loigns restent fortement associs aux QTL. Ces
associations longue distance entravent la localisation prcise des QTLs.
2 les populations F
2
et backcross sont des populations temporaires car elles sont
trs htrozygotes et ne peuvent tre reproduites indfiniment par les graines (par
exemple, ces populations ne peuvent pas tre values plusieurs reprises dans diffrentes
conditions environnementales, sur des annes, en diffrents lieux, etc.)
3 les interactions pistatiques peuvent difficilement tre tudies dans les
populations F
2
et backcross.
I.1.1.2 Populations de familles F
x : y
et lignes recombinantes
En gntique quantitative classique, si un caractre a une faible hritabilit, on peut
prendre la moyenne de la famille comme unit de mesure et choisir les parents ayant la
performance moyenne leve sur la base de la moyenne de la famille parce que lhritabilit
estime partir de la moyenne de la famille peut tre considrablement augmente en
augmentant le nombre de descendants. Cette ide a d'abord t applique la cartographie
gntique pour les caractres faible hritabilit chez les animaux l'aide du dispositif fille
ou petite-fille (daughter or grand-daughter design), o la valeur phnotypique du pre est
remplace par la valeur phnotypique moyenne des filles. La mme ide a ensuite t
applique aux plantes en remplaant la valeur phnotypique d'une plante de F
2
par la moyenne
8

de la progniture F
3
. Tous les descendants F
3
issue de la mme plante F
2
appartiennent la
mme famille F
2:3
, note F
2:3
. Si la taille de chaque famille F
2:3
(le nombre de descendants
F
3
) est suffisamment grande, la valeur moyenne de la famille reprsente la valeur
gnotypique de la plante F
2
, et donc la puissance de la cartographie des QTL peut
augmenter de faon significative.
On peut augmenter le nombre de gnrations de 3 y pour obtenir un dispositif Fx:y.
Dans de tels cas, le gnotypage sera effectu sur les plantes de la gnration x et le
phnotypage sur les plantes de la gnration y, avec y > x. Alternativement, le gnotypage
peut galement tre effectu en mlangeant l'ADN ou les feuilles d'au moins 15 individus de
mme famille de la gnration y.
Lorsque y augmente au moins 6 gnrations, le dispositif devient un dispositif de
lignes recombinantes (Recombiant Inbred Line RIL). Les RIL sont issus d'une population
F
2
par des gnrations de croisements entre individus pleins-frres (croisement entre
descendants des mmes parents pour les espces pollinisation croise) ou
dautofcondations (Bulk ou Single Seed Descent). Les RIL sont des lignes homozygotes
avancs qui ont subi plusieurs cycles dautofcondation. Ces multiples gnrations de
croisements augmentent le nombre potentiel d'vnements de recombinaison et amliorent la
rsolution de la cartographie (un nombre suffisant de mioses ont eu lieu pour rduire le
dsquilibre de liaison entre les marqueurs modrment lis).
I.1.1.3 Lignes quasi-isogniques et Haplodes doubls
I.1.1.3.1 Dfinitions et avantages
Si la slection par rtrocroisement est rpte au moins sur six gnrations, plus de
99% du gnome des individus choisis au hasard dans la descendance du rtrocroisement 6
(Backcross 6 - BC
6
), et des rtrocroisements suivants, proviendra du parent rcurrent.
LAutofcondation des individus slectionns dans la descendance du rtrocroisement 7,
note BC
7
F
1,
va produire deux types de lignes BC
7
F
2
, homozygotes pour les deux allles au
locus du gne cible, qui sont dits quasi-isogniques lun avec l'autre et avec le parent receveur
(NearIsogenic Lines NIL).
Lanalyse de familles consanguines htrognes est aussi une mthode pour
dvelopper rapidement les lignes quasi-isogniques (NIL) pour un QTL identifi dans des
9

lignes consanguines. La slection pour le caractre cible est requise pour la gnration des
NIL.
En fixant essentiellement le fond gntique, les lignes quasi-isogniques sont
idales pour :
a) la cartographie gntique haute rsolution,
b) le suivi de lexpression des gnes, et une conduite plus directe
dexprimentation biologique fonde sur une hypothse.
c) l'tude des effets phnotypiques attribuables un QTL puisque le fond
gntique, contrlant les caractres morphologiques et phnologiques qui influencent
gnralement les valuations phnotypiques des caractres quantitatifs, est uniforme.
Les populations dhaplodes doubls (Double Haploids - DH) sont galement
utilises pour la cartographie des QTL chez plusieurs espces. La mthodologie de production
des haplodes doubls amliore l'efficacit de lamlioration en gnrant des lignes
consanguines avec 100% de puret et duniformit gntique en seulement deux gnrations.
Les lignes dhaplodes doubls rendent facile la conduite des tudes gntiques et
raccourcissent significativement la dure de la slection.
Les lignes recombinantes (RIL), quasi-isogniques (NILs) et haplodes doubles
(DH) sont des populations permanentes parce qu'elles sont des lignes homozygotes qui
peuvent tre multiplis sans quil ne se produise des modifications gntiques. Les
semences de RIL, NILs et DH peuvent tre transfres entre diffrents laboratoires de
cartographie afin de s'assurer que tous les collaborateurs examinent le mme matriel, de sorte
que les rsultats gntiques de phnotypage, de gnotypage et de cartographie de QTL dans
les laboratoires puissent tre mis ensemble.
I.1.1.3.2 Limites des Lignes quasi-isogniques et Haplodes doubls
Les principales limites des lignes quasi-isogniques et des lignes recombinantes
viennent du fait que :
1 Le temps et /ou le cot ncessaires pour dvelopper ces populations sont grands et
2 Ces populations ne dtectent que la composante additive, mais ne fournissent
aucune information sur les relations de dominance pour tout QTL.
10

Les populations dhaplodes doubls sont plus rapides gnrer que les lignes
recombinantes et les lignes quasi-isogniques, mais la production dhaplodes doubls est
seulement possible pour les espces chez lesquelles un protocole de production dhaplodes
est bien tabli.

Figure 1 : Diffrentes populations de cartographies gnres partir de deux lignes parentales pures
dune espce autogame
Une fois les parents choisis, une descendance en sgrgation de plusieurs dizaines d'individus sera
ncessaire pour obtenir un chantillon d'vnements miotiques suffisant pour estimer le plus prcisment
possible les taux de recombinaison entre les marqueurs. Classiquement, les pedigrees utiliss sont :
- une descendance F2, issue de l'autofcondation d'un hybride simple F1,
- une population "bulk F3" drive d'individus F2 par une gnration d'autofcondation,
- une population de lignes recombinantes (RIL) drive des individus F2 par 5 6 gnrations
d'autofcondation sans slection,
- un croisement en retour (backcross) de premire gnration lorsque l'hybride F1 est recrois un de ses
parents,
- des lignes quasi-isognique(NIL) slectionnes aprs au moins six gnrations de rtrocroisement avec le
parent rcurrents,
- des lignes issues d'haplodes doubls (HD) chez les espces o l'on sait induire les phnomnes
d'andrognse ou de gynognse,
11

I.1.1.4 Les limites de toutes les populations de cartographie issues de croisement initial
entre lignes pures
Les limites communes toutes les populations de cartographie labores partir des
lignes pures sont que :
1 L'intervalle de confiance pour de nombreux QTLs cartographis en utilisant la
taille la plus couramment utilise de population (100-200 individus) est de plusieurs
centimorgans, qui pourraient correspondre des centaines de gnes;
2 Le faible nombre d'allles chantillonns par locus dans chaque population rend
difficile lexamen de l'ventail complet de la diversit gntique disponible pour de
nombreuses espces et ;
3 Pour certaines espces telles que celles pollinisation croise, il est souvent
impossible (en raison de la dpression de consanguinit ou de lauto-incompatibilit) ou trs
peu pratique, trs long et/ou coteux de produire des lignes consanguines.
I.1.2 Populations de cartographie chez les espces allogames
Les analyses gntiques chez les espces pollinisation croise sont beaucoup plus
complexes que chez les espces qui peuvent tre autofcondes pour produire des lignes
consanguines. Certaines des difficults surgissent lorsque des parents htrozygotes et
htrognes sont croiss pour dvelopper une population de cartographie.
1 Le nombre d'allles aux marqueurs et le profil de sgrgation des gnotypes
aux marqueurs peut varier d'un locus lautre chez les espces pollinisation croise,
tandis quune population en sgrgation cre partir de lignes pures a toujours deux allles
et un rapport de sgrgation prvu chacun des diffrents marqueurs.
2 Des complications surviennent si les parents ont des allles en commun au
QTL ou au locus marqueurs, ou si les parents partagent des allles au QTL dans
diffrentes phases de liaison avec le locus marqueur.
3 Les phases de liaison entre les diffrents marqueurs ne sont pas connues a
priori pour les parents homozygotes et, par consquent, un algorithme doit tre utilis pour
caractriser une phase de liaison la plus probable pour l'analyse de liaison.
12

Pour surmonter ces problmes, les stratgies du double pseudo-testcross, des
familles de demi-frres et de plein-frres issus de croisements contrls sont utilises pour
les espces allogames. Les proprits biologiques (dpression de consanguinit, auto-
incompatibilit) des espces allogames empchent la gnration de lignes pures et, par
consquent, de tout croisement avanc. Cependant, parce que ces espces sont trs
htrozygotes, la descendance F1 issue du croisement entre deux parents affiche souvent
diffrents types de sgrgation. Certains loci peuvent avoir quatre allles diffrents entre les
parents croiss, gnrant ainsi quatre classes de gnotypes dans la descendance. Beaucoup
d'autres peuvent galement prsenter le profil de sgrgation dune descendance F2 dans les
proportions 1:2:1 ou le profil de sgrgation dune descendance de backcross dans les
proportions 1:1. La stratgie du double pseudo-testcross utilise les marqueurs en sgrgation
1 :1, c'est dire ceux qui sgrgent chez un parent mais pas chez l'autre, pour construire une
carte gntique spcifique chacun des parents. La limite de la stratgie du double pseudo
testcross est qu'elle ne permet quune utilisation partielle des marqueurs molculaires.
I-2. Populations pour la cartographie dassociation
Pour la cartographie d'association, les populations peuvent tre classes dans l'une des
cinq groupes suivants:
1 chantillon idal prsentant une structure subtile de population et des relations
familiales (En biologieou en cologie, une population est un groupe d'organismes vivants de
la mme espce qui coexistent et se reproduisent entre eux sur un territoire dtermin ou
dans un mme habitat),
2 chantillon multi-famille,
3 chantillon prsentant une structure de population,
4 chantillon ayant la fois une structure de population et des relations familiales, et
5 chantillon avec une structure franche de population et des relations familiales.
En raison de l'adaptation locale, de la slection et de l'histoire de lamlioration de
nombreuses espces, de nombreuses populations de cartographie d'association se classent
plutt dans la catgorie quatre.
13

Alternativement, les populations de cartographie d'association peuvent tre classes
selon leur origine telle que les collections des banques de matriel gntique, les populations
synthtiques, et le matriel gntique lite.
II. PHNOTYPAGE
Les donnes phnotypiques idales pour la cartographie des QTLs sont les valeurs des
performances phnotypiques des individus dans diffrents environnements. L'exactitude et la
prcision du phnotypage dtermine le ralisme des rsultats de la cartographie de QTL. La
puissance de dtection de QTL, dfinie comme tant la probabilit de dtection d'un QTL
un seuil de significativit statistique donn, dpend :
1 du nombre de descendants dans la population (taille de l'chantillon),
2 de l'hritabilit du caractre,
3 de la dissemblance gntique entre descendants,
4 de l'effet du QTL et,
5 de l'environnement utilis pour l'valuation phnotypique.
En raison de la disponibilit d'outils molculaires haut dbit et faible cot, le
gnotypage ne limite plus la taille de la population dans les tudes de cartographie gntique
mais le cot et la logistique de phnotypage imposent des limites sur la taille de l'chantillon.
Cela est particulirement vrai pour les phnotypes des caractres complexes.
Le niveau de l'hritabilit d'un caractre dpend en partie de la reproductibilit du
phnotypage sur diffrentes saisons, et dans diffrents lieux et environnements. Une
prcision accrue de phnotypage augmente lhritabilit qui, son tour, augmente la
puissance statistique de dtection des QTLs
Un protocole de phnotypage approprie doit comprendre :
1 un chantillon reprsentatif d'environnements diffrents et leur emplacement
optimal;
2 un nombre de rptitions par individu dans chaque environnement;
3 un dispositif exprimental tenant compte efficacement de la variation du milieu
dans les parcelles exprimentales;
4 des mthodes statistiques appropries pour l'analyse efficace des donnes et,
5 la prise en considration de linteraction QTL x environnement.
14

La rptition indique simplement le nombre de parcelles attribues un individu. Elle
est ncessaire pour obtenir une estimation interne de la variance de l'erreur exprimentale et
pour sparer la variance de lerreur de la variance de l'interaction gnotype x environnement.
La randomisation fournit la validit statistique aux rsultats et protge contre les
biais. Le contrle local de l'erreur peut tre obtenu par la rpartition des parcelles dans des
blocs de sorte maximiser la variation inter-blocs et minimiser la variation intra - bloc.
Lorientation des blocs, dans la mesure du possible, doit tre perpendiculaire la pente du
champ exprimental, de la serre, etc. Cependant, il y a toujours une certaine variation qui reste
incontrle dans les blocs. La comparaison croise des donnes de phnotypage des
populations dans diffrents environnements est ncessaire afin de dterminer la faon dont
l'association marqueur - caractre identifie dans un environnement peut tre utilise pour la
slection dans un autre environnement.
La rptition et la randomisation des individus et le contrle local des erreurs,
lorsqu'ils sont correctement utiliss, ont trois avantages:
1 Ils permettent de sparer les vritables diffrences entre les performances
phnotypiques des individus et lerreur rsiduelle;
2 Ils maximisent le rapport diffrences entre performances phnotypiques
des individus /erreur rsiduelle,
3 ils fournissent une estimation valable et objective du niveau
derreur/incertitude dans les rsultats.
III. GNOTYPAGE ET CONSTRUCTION DE CARTES GNTIQUES
III.1 Introduction
L'hypothse de base qui sous-tend l'utilisation des locus marqueurs dans la recherche
de QTL, est quil existe un dsquilibre de liaison entre les allles au locus marqueur et le
polygne li. Le dsquilibre de liaison est, l'association non alatoire des allles des loci
diffrents dans une population, cause par la slection, la drive gntique et d'autres facteurs.
La population en sgrgation est divise en fonction des gnotypes des individus au
locus marqueur, puis des procds statistiques sont utiliss pour dterminer si les groupes
dindividus diffrent significativement l'un de l'autre par rapport au caractre mesur. Si une
15

diffrence significative est dtecte cela est interprt comme un gne affectant la
caractristique est li au locus marqueur utilis pour subdiviser population.
III.2 Les marqueurs dans la recherche de QTL
III.2.1 Les marqueurs molculaires
Les marqueurs lis sont utiliss dans la recherche de QTLs pour analyser
indirectement les QTLs. La capacit de dtecter la variation gntique au niveau de l'ADN a
permis un approvisionnement sans fin de marqueurs pour toutes les espces d'intrt. Il est
maintenant courant d'utiliser 50 200 marqueurs pour l'analyse fine des QTLs. Cela a
entran une explosion de l'utilisation des mthodes base de marqueurs en gntique
quantitative.
Par rapport aux marqueurs morphologiques, lintrt des marqueurs
molculaires pour la recherche de QTLs se dcline en cinq caractristiques:
1. La neutralit phnotypique - Le problme de gnes marqueurs ayant un effet
phnotypique plus grand que le polygne li est surmont par les marqueurs molculaires.
Diffrents allles ne provoquent pas un changement dans le phnotype de l'organisme ; ils se
distinguent par leurs vitesses de migration sur un gel.
2. Le polymorphisme - Le niveau de polymorphisme est maintenu par de nombreux
facteurs. Il s'agit notamment de la taille de la population, du mode de reproduction, de la
slection, du taux de mutation et de la migration. Les faibles pressions de slection et taux de
mutation provoquent des variations suprieures au niveau des marqueurs molculaires. Ceci,
combin avec la sensibilit accrue des techniques de dtection des variations molculaires,
augmente le nombre de sites d'informatifs qui sont disponibles dans les croisements.
3. Labondance Il existe plus de marqueurs molculaires que les isoenzymes ou les
marqueurs morphologiques. Des cartes compltes de liaison gntique sont maintenant
disponibles pour certaines espces.
4. La codominance - La plupart des marqueurs molculaires sont codominants. Cela
signifie qu'il y a une relation un pour un entre le gnotype et le phnotype. Les marqueurs
morphologiques ont tendance tre dominants ou rcessifs, ce qui diminue la dtection des
QTLs.
16

5. Lpistasie - C'est l'interaction entre les gnes non allles, par laquelle lun
interfre avec l'autre. Cela tend se produire dans les caractres morphologiques et rduit le
nombre de marqueurs qui peuvent tre confirms.
III.2.2 Types de marqueur molculaire
III.2.2.1 Polymorphismes de longueur des fragments de restriction (Restriction
Fragment Lengh Polymorphism - RFLP)
Les marqueurs RFLP sont utiles dans la recherche de QTL en raison de:
1 Labsence de dominance
2 - Le nombre de multiples formes allliques
3 L'absence d'effet pliotropique sur d'autres caractres
Les fragments de restriction sont produits par le clivage des squences d'acides
nucliques spcifiques dans l'ADN par des endonuclases de restriction. Ces enzymes
reconnaissent des squences spcifiques d'acides amins et coupent lADN ces sites. Plus un
site de restriction est frquent dans l'ADN, plus souvent, il sera cliv et plus les fragments de
restriction seront produits et spars par lectrophorse.
Des fragments spcifiques peuvent tre identifis par l'utilisation d'une sonde
radioactive approprie, consistant en une squence d'ADN clone homologue un
fragment d'ADN particulier, dans des conditions favorisant l'hybridation, aprs le transfert
du profil d'lectrophorse sur un support solide de nitrocellulose. La sonde s'hybride avec
l'ADN sur le filtre, qui est ensuite plac sur une pellicule photographique pour exposition. En
utilisant des sondes spcifiques, des squences aussi rares que un sur un million peuvent tre
identifies.
Les changements dans la squence de bases d'ADN peuvent se traduire par la
suppression ou la cration de squences reconnues par les enzymes de restriction. Il en
rsulte diffrents sites de clivage chez diffrents individus. Un grand nombre d'enzymes
de restriction (Tableau I), qui clivent des squences diffrentes sont disponibles. En
consquence, une grande partie du gnome peut tre chantillonn et la capacit du procd
dtecter des polymorphismes est pratiquement illimite (Botstein el al, 1980).

17

Tableau I : Exemples denzymes de restriction
Enzyme Source
Squence
reconnue
Coupure
Extrmits
(aprs
coupure)
EcoRI Escherichia coli
5'GAATTC
3'CTTAAG
5'---G AATTC---3'
3'---CTTAA G---5'
Cohsives
BamHI
Bacillus
amyloliquefaciens
5'GGATCC
3'CCTAGG
5'---G GATCC---3'
3'---CCTAG G---5'
Cohsives
HindIII
Haemophilus
influenzae
5'AAGCTT
3'TTCGAA
5'---A AGCTT---3'
3'---TTCGA A---5'
Cohsives
MstII Microcoleus species
5'CCTNAGG
3'GGAMTCC
5'---CC TNAGG---3'
3'---GGAMT CC---5'
Cohsives
TaqI Thermus aquaticus
5'TCGA
3'AGCT
5'---T CGA---3'
3'---AGC T---5'
Cohsives
NotI Nocardia otitidis
5'GCGGCCGC
3'CGCCGGCG
5'--GC GGCCGC--3'
3'--CGCCGG CG--5'
Cohsives
HinfI
Haemophilus
influenzae
5'GANTC
3'CTNAG
5'G ANTC
3'CTNA G
AluI Arthrobacter luteus
5'AGCT
3'TCGA
5'---AG CT---3'
3'---TC GA---5'
Franches
BgIIII Bacillus globigii
5'AGATCT
3'TCTAGA
5'---A GATCT---3'
3'---TCTAG A---5'
Cohsives
HaeIII
Haemophilus
aegyptius
5'GGCC
3'CCGG
5'---GG CC---3'
3'---CC GG---5'
Franches
HhaI
Haemophilus
haemolyticus
5'GCGC
3'CGCG
5'---GCG C---3'
3'---C GCG---5'
Cohsives
PstI Providencia stuartii
5'CTGCAG
3'GACGTC
5'---CTGCA G---3'
3'---G ACGTC---5'
Cohsives
SmaI Serratia marcescens
5'CCCGGG
3'GGGCCC
5'---CCC GGG---3'
3'---GGG CCC---5'
Franches
La nomenclature des enzymes de restriction est prcise. Leur nom comporte 3 ou 4 lettres correspondant entre
autres la bactrie partir de laquelle on a extrait cette enzyme :
- La premire lettre est en majuscule cela correspond la premire lettre du genre de la bactrie
- La seconde et la troisime lettre sont en minuscule et correspondent aux deux premires lettres de
l'espce bactrienne
- La quatrime lettre correspond la souche bactrienne, elle est crite en majuscule mais n'est pas
prsente dans toutes les enzymes de restriction
- Enfin un chiffre romain donne le numro d'ordre de caractrisation de l'enzyme
Ainsi on a EcoRI : Enzyme de restriction d'Escherichia (genre) coli (espce) souche RY317 la premire tre
caractrise (I)
Le N et le M dans les squences de MstII et HinfI peuvent tre remplacs par une des 4 bases et son
complment.

18

Figure 2 : tapes de la rvlation du RFPL port par un ADN.

Marqueur RFLP = couple enzyme / sonde
Figure 3 : Mise en vidence d'un site RFLP rvl par une sonde X et TaqI
19

III.2.2.2 ADN Polymorphe Amplifi au hasard (Ramdom Amplified Polymorphic DNA
RAPD)
La production de ces marqueurs se fait par l'utilisation d'amorces dans la raction de
polymrisation en chane. Les amorces fonctionnent dans le sens (5----3), inverse du sens de
lecture de l'ADN (3----5). Lorsque des squences d'amorces sont suffisamment rapproches
pour permettre lhybridation, la raction en chane de la polymrase rplique la rgion d'ADN
en aval du site dhybridation de lamorce, en produisant un fragment amplifi. Si les sites de
liaison d'amorces sont absents ou la distance entre les rgions est trop grande, la PCR choue
et l'amplification ne se produit pas. Les squences polymorphes produites par cette mthode
sont appels RAPD.
L'avantage du RAPD sur le RFLP, est qu'une seule amorce peut rvler plusieurs
loci la fois et de plus petites quantits d'ADN sont ncessaires. Un problme avec les
RAPD est qu'ils sont des marqueurs dominants du fait de marqueurs homozygotes ayant ou
non la squence de lamorce. La conclusion gnrale est que les RAPD sont en termes de
cots plus rentables que les RFLP lorsque la taille de l'chantillon est petite.

Marqueur RAPD = amorce de squence arbitraire
Figure 4 : Mise en vidence d'un marqueur RAPD

20

III.2.2.3 Polymorphisme de Longueur de Fragments Amplifis (Amplified Fragments
Length polymorphism AFLP)
Les marqueurs AFLP sont obtenus par l'amplification de fragments de restriction
slectionns dun ADN gnomique total digr avec deux enzymes de restriction. Les
produits amplifis sont spars par lectrophorse dnaturant sur gel de polyacrylamide. Un
grand avantage de la technique AFLP est qu'elle permet l'identification simultane d'un
grand nombre de produits d'amplification. Cest aussi un des moyens les plus efficaces
pour construire une carte gntique haute densit.

Marqueur RFLP = couple enzyme / amorce
Figure 5 : tapes de la technique AFLP
III.2.2.4 Microsatellites
Les microsatellites sont des squences d'ADN formes par une rptition continue
de motifs composs de 2 10 nuclotides. Les anglophones les nomment Simple Sequence
Repeats (SSR), Short Tandem Repeats (STR) ou Variable Number Tandem Repeats
(VNTR). Ils ont tendance tre trs polymorphes du fait dun taux lev de mutations
rsultant en des changements dans le nombre de rptitions en tandem. Lidentification des
squences se fait par le nombre de squences rptes, ce qui fait que les marqueurs
21

microsatellites sont codominants. Les individus homozygotes peuvent tre distingus des
htrozygotes, car ils ont deux copies du mme nombre de rptitions de motifs, mais des
homozygotes ne peuvent pas tre distingus les uns des autres.

Marqueur = paire damorces spcifiques bordant le microsatellite
Figure 6 : tapes de la mise en vidence des microsatellites
III.2.2.5 Les marqueurs SNP -Polymorphisme mono-nuclotidique (Single Nucleotide
Polymorphism)
Les rcents progrs en matire d'analyse de squences d'ADN et la mise au point de
mthodologies haut dbit ont rendu possible l'identification et l'analyse de la variation
nuclotidique grande chelle. Le marquage molculaire par SNP permet de reprer les
diffrences au niveau d'un nuclotide dans une squence d'ADN.
Cette technique consiste hybrider sur l'ADN cible une sonde complmentaire
portant une molcule fluorescente (le fluorophore). Chaque sonde est spcifique d'une
squence d'ADN donne.
La deuxime tape consiste en une longation par action de la Taq polymrase
(PCR). Cette enzyme ajoute, l'extrmit des amorces, des oligonuclotides prsents dans le
milieu de raction et libre les fluorophores fixs sur les sondes.
22

Enfin, une visualisation par excitation et quantification du fluorophore, une
longueur d'onde qui lui est propre, est ralise. Les individus A et B ne rvlent pas la mme
fluorescence, ils ont donc un polymorphisme au niveau d'un nuclotide.
Cette technologie qui permet d'liminer entirement les tapes de sparation de taille
par lectrophorse prsente un potentiel d'automatisation trs suprieur aux technologies
prcdentes (RFLP, RAPD, AFLP, SSR...). Elle peut donc tre ralise trs haut dbit. Le
marquage SNP ou Snip permet d'obtenir des rsultats prcis pour diffrencier des allles entre
individus. Les marqueurs SNP sont des marqueurs dominants.
III.3 Les stratgies de gnotypage
Les donnes de gnotypage (avec des marqueurs molculaires) peuvent tre obtenues
de l'une des trois faons suivantes:
1 Par gnotypage de tous les individus de la population de cartographie;
2 Par gnotypage dune partie des individus de la population qui prsentent des
phnotypes extrmes pour le caractre dintrt, connu sous le nom de gnotypage slectif;
3 - Par gnotypage de mlanges dindividus choisis, connu sous le nom d'analyse de
mlanges sgrgeant (Bulk Segregant Analysis BSA).
III.3.1 Le gnotypage de l'ensemble de la population de cartographie
La mthode classique de cartographie de QTLs ncessite le gnotypage de l'ensemble
de la population de cartographie avec des marqueurs rpartis sur l'ensemble du gnome. Cette
approche est plus fiable mais vaste, longue et coteuse.
III.3.2 Le gnotypage slectif
La seconde approche est le gnotypage slectif (Figure 7) qui implique le gnotypage
d'individus slectionns qui sont choisis sur la base de leurs phnotypes (gnralement ceux
ayant des valeurs phnotypiques extrmement leves et/ou faibles). Le gnotypage slectif
permet de rduire le nombre dindividus qui doivent tre gnotyps pour dtecter des QTL en
utilisant uniquement des individus au niveau de lune ou des deux queues de la distribution
phnotypique pour le caractre quantitatif d'intrt Le gnotypage slectif est utile dans les
situations o le gnotypage de la population complte est trop coteux ou impossible, ou
23

lorsque l'objectif est de dtecter rapidement un grand nombre de donneurs potentiels pour les
allles utiles ayant des effets forts.
Le gnotypage unidirectionnel (gnotypage au niveau dune queue de la distribution)
est d'un intrt particulier pour son application dans les programmes de slection, car il a le
potentiel de permettre la dtection de QTLs en utilisant les descendants de qualit suprieure
qui ont t retenus par slection dans les programmes damlioration. Cela permet quun plus
grand nombre de donneurs potentiels soient analyss pour des allles ayant des effets dans
diffrents fonds gntiques.
Gnralement, il est conseill de faire le gnotypage d'environ 30% dindividus
de chaque queue de distribution. Cependant, mesure que la taille de la population
augmente, la proportion requise dindividus de chaque queue diminue de telle sorte qu un
certain moment un nombre absolu dindividus de chaque queue deviendra crucial.
Le gnotypage slectif n'est pas largement adopt, en raison de :
1 - La distorsion de sgrgation dans les populations de cartographie gntique,
2 Lestimation biaise des effets de QTLs lis et,
3 La contrainte de ne pouvoir tudier quun seul caractre la fois.
Le gnotypage slectif permet de rduire la taille de la population de
cartographie qui, en gnral, va diminuer la puissance de dtection des QTLs,
augmenter l'intervalle de confiance des QTLs et augmenter la probabilit de dtection
de QTLs faux positifs.
III.3.3 Le gnotypage aprs constitution de pools dindividus prsentant
des phnotypes contrasts (Bulk Segregant Analysis - BSA)
La troisime approche est la stratgie du mlange (Bulk Segregant Analysis - BSA,
figure 6) qui accentue un peu plus l'approche de gnotypage slectif soit par le regroupement
de dindividus (groupage de poids gal dchantillon de chaque individu avant l'extraction de
l'ADN) soit par le mlange d'ADN (mlange dADN aprs l'extraction et lhomognisation
des concentrations) partir dindividus slectionns chacun des deux phnotypes extrmes.
La BSA mesure la variation prsente dans les pools dindividus qui ont t tris selon leurs
24

phnotypes et utilise la corrlation entre ces mesures et les pools de phnotypes pour
dterminer une position probable sur une carte gntique.
L'analyse thorique de la BSA pour les expriences impliquant des descendances de
backcross, F2 et des familles de demi-frres montre que la puissance de la mise en commun
slective de l'ADN pour la dtection des gnes effet important peut tre la mme que celle
obtenue par le gnotypage slectif individuel. Toutefois, la BSA n'est gnralement pas
considre comme une approche utile pour soit la dtection de QTLs qui peut tre
conditionne par plusieurs gnes avec un petit effet, ou lorsque le QTL est faiblement li au
marqueur. Cela sexplique par le fait que les deux pools sont souvent contamins par des
allles alternatifs si les individus sont mal phnotyps ou si une recombinaison se produit.

Figure 7. Principe du gnotypage slectif et de l'analyse de pools en sgrgation.
La mthode de gnotypage slectif implique la slection d'individus prsentant des valeurs phnotypiques trs
hautes et basses (dans la zone hachure) de la distribution continue d'un caractre quantitatif d'intrt. Les
individus slectionns sont gnotyps et l'association est teste. La Bulk Segregant Analysis BSA accentue un
peu plus l'approche de gnotypage slectif en regroupant les individus slectionns dans chacune des deux
queues de la courbe de distribution des phnotypiques, chaque queue tant reprsente que par un seul
chantillon de mlange.
La fiabilit de la BSA pour la cartographie des QTLs peut tre affecte par :
1 une densit insuffisante de marqueur,
2 la petite taille des populations, ce qui entrane des diffrences phnotypiques entre
pools qui sont suffisantes seulement pour identifier les gnes ou QTLs effet majeur,
3 lestimation errone de la frquence des allles dans les pools et,
4 un taux lev de faux positifs.
25

Ces problmes peuvent tre rsolus en augmentant la taille de population et le nombre
dindividus slectionns dans chaque queue de distribution et la densit de marqueurs sur la
carte gntique.
III.4 Construction de carte gntique
L'tablissement d'une carte gntique utilise les proprits de la recombinaison la miose. Il
ncessite :
1 La cration d'une descendance en sgrgation issue d'un croisement par
reproduction sexue
2 La caractrisation molculaire (gnotypage) des individus de la descendance
3 L'utilisation d'outils d'analyse statistique et de mthodes de calculs mathmatiques
pour estimer les distances gntiques entre les marqueurs molculaires d'un mme groupe de
liaison, puis les ordonner l'intrieur de chaque groupe.
Une fois la descendance obtenue, on procde au criblage des marqueurs informatifs,
c'est--dire qui rvlent diffrents allles entre les lignes parentales. Chaque individu de la
population en sgrgation est ensuite typ pour les diffrents marqueurs polymorphes.
III.4.1 Analyse statistique des marqueurs molculaires
Un premier test statistique,
2
_ , est appliqu au niveau de chaque marqueur pour tester
l'hypothse nulle d'une sgrgation de type mendlienne (par exemple, 1:1 pour les marqueurs
codominants ou dominants dans des familles issues de backcross, d'haplodes doubls et dans
des lignes recombinantes; 1:2:1 pour les marqueurs codominants dans des familles F2; 3:1
pour les marqueurs dominants dans des familles F2).
Un
2
_ significatif (gnralement P > 0.05) indique une distorsion de sgrgation qui
peut avoir une origine soit biologique comme la liaison du marqueur avec un locus
d'incompatibilit, soit statistique et dans ce cas rsultant d'un chantillonnage trop faible ou
derreurs de gnotypage.
Les marqueurs sont alors soumis un test d'indpendance de sgrgation c'est--dire
un test de liaison. L'hypothse nulle H
0
: "u = 0.5" (u est le taux de recombinaison entre
26

couples de marqueurs) permet de tester s'il existe ou non une liaison significative entre les
marqueurs. Le test de liaison peut tre ralis en utilisant la valeur du
2
_ ou le rapport des
vraisemblances appel LOD score (Log of the odds ratio) :
( )
( )
(
=
0
10
log
u
u
L
L
e
e
LOD ou ( ) u
L
e
reprsente la vraisemblance maximale value u
et ( )
0
u
L
e la vraisemblance maximale
value ( ) u 2 1 log
2
1
10
= d qui suppose que les crossingovers sont indpendants (pas
d'interfrence) ou celle de Kosambi (1944)
|
.
|
\
|
+
=
u
u
2 1
2 1
log
4
1
10
d qui tient compte des
phnomnes d'interfrence. Lorsque l'interfrence est complte, u et d sont identiques.
Des logiciels, plus ou moins interactifs et souples en termes de nombre de populations
et de mlange de ratios de sgrgation qu'ils peuvent prendre en compte, permettent d'obtenir
une carte ordonne de faon automatique. Les logiciels les plus couramment utiliss pour la
construction des cartes gntiques sont MAPMAKER et JOINMAP.
III.4.2 Taille et structure du gnome
Des cartes de liaison partielles permettent d'estimer la taille totale du gnome d'une
espce. Cette estimation peut ensuite tre utilise pour dterminer le nombre de marqueurs
ncessaires pour saturer un gnome avec une densit donne. A titre d'exemple, environ 250
marqueurs sont thoriquement requis pour obtenir une couverture de 95% d'un gnome de
1500 cM avec un espacement moyen entre les marqueurs infrieur 20 cM. Cependant dans
la pratique, plus de marqueurs sont ncessaires et bien que les marqueurs soient rpartis
alatoirement sur le gnome, certaines rgions en comportent plus (marqueurs regroups en
cluster), d'autres au contraire en possdent moins.
En effet, la relation entre distance physique sur le chromosome et frquence de
recombinaison entre 2 marqueurs n'est pas immdiate. Il existe des rgions qui recombinent
beaucoup (points chauds de recombinaison) alors que les distances physiques sont petites.
Inversement, il existe de trs longues portions d'ADN dans des rgions centromriques et
tlomriques o le phnomne de recombinaison est rprim par la prsence
d'htrochromatine ou d'ADN hautement rpt. Ces zones montrent par consquent des
distances gntiques plus faibles entre les marqueurs qui tendent tre regroups en cluster.
27

Si le rapport entre distance physique et distance gntique varie au niveau intra-
chromosomique, il varie plus gnralement lorsque l'on compare des espces contenu
d'ADN diffrents. A titre d'exemple, 1 cM quivaut en moyenne 13, 3.5, 2.5 et 0.23 millions
de paires de bases respectivement chez le pin maritime, le bl, le mas et Arabidopsis. Ainsi,
des distances qui peuvent sembler faibles en terme de distance gntique s'avrent parfois
importantes en terme de distance physique.
Le taux de recombinaison entre marqueurs identiques est galement variable selon
l'environnement. Des croisements inter spcifiques donnent galement des longueurs de
carte plus faibles que des croisements intra-spcifiques. Un mauvais appariement des
chromosomes homologues la miose plus ou moins important en fonction du degr de
divergence des espces parentales entranerait une baisse de la frquence des chiasmas et se
traduirait par un taux de recombinaison plus faible entre les marqueurs.
III.4.3 Saturation des cartes gntiques et assignation des groupes de
liaisons aux chromosomes
Lorsquune carte de liaisons gntiques est sature tout point du gnome est
gntiquement li au moins un marqueur. Il faut cependant vrifier les vnements de
recombinaisons trop proches car laccumulation de marqueurs augmente les risques derreur
et la longueur de carte. Lajout de marqueurs supplmentaires ne doit pas donc faire
augmenter la taille de la carte, et le nombre de groupes de liaison doit correspondre aux
nombres de chromosomes dans les cellules haplodes (gamtes) de lespce tudie. On doit
par ailleurs sassurer que des marqueurs spcifiques des rgions subtlomriques des
chromosomes se lient aux marqueurs les plus distaux des groupes de liaisons.
La cartographie gntique ne permet pas par elle-mme une assignation directe des
groupes de liaison gntique aux chromosomes. Deux approches ont t dveloppes pour
rsoudre ce problme:
Lune fait appel une combinaison de mthodes cytogntiques (observation du
caryotype/mtaphase en microscopie) et molculaire (hybridation in situ laide de sondes
molculaires correspondants aux marqueurs RFLP localiss sur les groupes de liaison).
Lautre est une combinaison entre une approche gntique (utilisation danormalits
chromosomiques: jeux de lignes monosomiques, lignes aneuplodes, lignes dadditions ou
28

de substitution) et une approche molculaire (hybridations de type ADN/ADN en utilisant
comme sondes molculaires les marqueurs RFLP cartographis sur chaque groupe de liaison
et comme ADN cible des digestions dADN de lignes anormalit chromosomique pour
chacun des chromosomes identifis dans lespce considre).
IV. EFFET DE LA TAILLE DE LA POPULATION ET DE LENVIRONNEMENT
SUR LA PUISSANCE DE DTECTION DES QTLs
Le gnotypage (gnration de donnes de marqueurs molculaires) et le phnotypage
(valuation des individus pour leurs performances phnotypiques), de populations de grandes
tailles ont gnralement des cots levs, en particulier pour les caractres ncessitant de
vastes essais au champ ou des analyses complexes. Par consquent, la taille de la population
de cartographie et le nombre de rptitions et de sites (environnements) pour le
phnotypage sont souvent limits.
En gnral si on peut :
1 Dvelopper une population de cartographie de 100 200 descendants F2 ou dune
population backcross, partir dun croisement de dpart entre deux lignes,
2 Obtenir d'assez bonnes donnes phnotypiques pour les caractres d'intrt,
3 Faire le gnotype de la population avec des marqueurs espacs de 10 15 cM,
alors lanalyse des donnes phnotypiques et gnotypiques avec une mthode statistique
approprie, conduit presque toujours l'identification d'au moins quelques marqueurs associs
chaque caractre d'intrt. Cependant, la petite taille de la population aboutit souvent la
dtection de quelques QTL avec de grands effets phnotypiques. Cela ne signifie pas
ncessairement que les positions des QTL seront inexactes bien que cela puisse tre le cas.
L'ampleur des effets des QTL peut galement tre biaise par la petite taille de
l'chantillon. En effet, plus la taille de la population de cartographie est petite, plus levs
sont les effets des QTLs plus forts effets identifis. En outre, les QTL effet
phnotypique fort peuvent aussi tre un artefact de la slection directionnelle forte souvent
utilise pour crer les lignes parentales phnotypiquement divergentes qui sont utilises pour
la cartographie.

29

La part de variance qui reste explique peut tre due :
(a) l'environnement,
(b) lerreur de mesure,
(c) aux QTLs supplmentaires avec des effets trop petits pour tre dtects
dans une population de telle taille,
(d) aux interactions entre QTLs, trop petites pour tre dtectes, et
(e) linteraction gnotype-environnements (GxE)
Le nombre de QTLs dtects et la part de la variance gnotypique explique par les
QTLs dans une population de cartographie augmente gnralement plus avec l'augmentation
de la taille (N) de la population de cartographie quavec laugmentation du nombre
denvironnements (E). Pour la plupart des caractres, moins que lhritabilit soit trs
faible et/ou que les cots de gnotypage dindividus supplmentaires soient beaucoup
plus levs que ceux de phnotypages supplmentaires, il est conseill d'augmenter la
taille de la population de cartographie plutt que le nombre d'environnements ou de
rptitions.

30

Chapitre III LA CARTOGRAPHIE DE QTLs PAR ANALYSE DE LIAISON
GNTIQUE
I GNRALITS
Ayant gnr et enregistr les donnes phnotypiques et gnotypiques, deux
hypothses sont testes dans la cartographie des QTLs:
1 L'hypothse nulle (H
0
): aucun QTL nest prsent ou un QTL est prsent mais il
n'est pas li au (x) marqueur (s) et
2 L'hypothse alternative (HA): un QTL est prsent et il est li au (x) marqueur (s).
Diverses mthodes statistiques existent pour tester les deux hypothses et peuvent
tre reparties en trois groupes en fonction du type de population (s ) de cartographie:
1 - Les mthodes qui ncessitent le dveloppement de population (s) de cartographie
approprie (s) partir de croisements raliss entre deux parents choisis :
Lanalyse de la variance (Analysis of variance ANOVA),
La cartographie dintervalle simple (Simple Intervalle Mapping SIM ou
Intervalle Mapping IM),
Lla cartographie dintervalle composite (Composite Intervalle Mapping
CIM),
La cartographie dintervalle multiple (Multiple Intervalle Mapping);
2 Les mthodes qui utilisent des populations naturelles ou amliores (Cartographie
par analyse de dsquilibre de liaison ou linkage desequilibrum-based mapping) et
3 Les mthodes qui utilisent soit des populations de cartographie appropries cres
partir de croisements raliss entre deux parents choisis soit des populations naturelles ou
slectionnes.
Les mthodes statistiques pour la cartographie des QTL peuvent galement tre
reparties en deux groupes selon quelles ncessitent ou non la construction de cartes
gntiques:
1 Les mthodes qui ne ncessitent pas la construction pralable de carte de liaison
gntique (analyse de la variance, Cartographie par analyse de dsquilibre de liaison, la
31

cartographie base sur l'analyse en composante principale et la rgression des moindres carrs
partiels)
2 les mthodes qui ncessitent la disponibilit de la carte gntique de la population
(la cartographie dintervalle simple, la cartographie dintervalle composite, la cartographie
dintervalle multiple). Pour ce dernier groupe de mthodes, il est ncessaire deffectuer des
analyses de liaison sur les donnes gnotypiques et construire une carte de liaison gntique
pour la population avant la recherche des QTLs.
Les mthodes statistiques peuvent galement tre reparties eu deux groupes sur la
base de la distribution des caractres phnotypiques:
1 - Les mthodes paramtriques (celles qui supposent une distribution normale des
donnes phnotypiques) ou ncessitent une transformation mathmatique des donnes
phnotypiques pour obtenir une distribution normale approximative.
2 Les mthodes non paramtriques (distribution libre).
II. MTHODES DE CARTOGRAPHIE DE QTLs PAR ANALYSE DE LIAISON
II.1 Cartographie de QTL par Analyse de variance (ANOVA).
II.1.1 Principe de la Cartographie de QTL par analyse de variance.
L'analyse de variance (ANOVA) est la mthode la plus simple pour la cartographie
des QTL. Une fois les donnes gnotypiques (marqueurs molculaires) et phnotypique
(symptmes de maladies, caractres morphologiques et caractres agronomiques etc.) sont
disponibles pour la population de cartographie, lANOVA teste l'association statistique des
marqueurs molculaires aux caractres phnotypiques d'intrt. A chaque marqueur
molculaire utilis pour le gnotypage, les individus de la population de cartographie
sont spars en deux groupes, selon leurs gnotypes, et les distributions phnotypiques
des deux groupes sont compares. Le locus marqueur test sur une analyse donne est
appel le locus cible.
Lanalyse dun locus marqueur peut impliquer des locus marqueurs additionnels,
appels marqueurs de fond gntique, qui sont associs au caractre dintrt et par
consquent se situent proximit d'autres QTLs affectant le caractre (QTLs de fond
gntique). Dans ce cas, lassociation de chaque locus cible au caractre est teste par
rgressions multiples, en combinaison avec un ensemble de marqueurs de fond gntique. A
32

chaque locus marqueur, l'valuation de la solidit des preuves de la prsence d'un QTL est
base sur les statistiques t de Student ou F de Fischer. Dans un rtrocroisement, on peut
calculer un t-statistique pour comparer les moyennes phnotypiques des deux groupes de
gnotypes au marqueur. Pour les autres types de descendances (comme les F
2
), o il y a plus
de deux gnotypes possibles, on utilise une forme plus gnrale de lanalyse de la variance,
qui fournit des statistiques F.
II.1.2 Avantages et limites de la Cartographie de QTL par analyse de
variance.
Les principaux avantages de la cartographie par analyse de variance sont sa simplicit
et elle ne ncessite pas une carte de liaison gntique des marqueurs car elle considre chaque
locus marqueur sparment.
Cependant, l'approche ANOVA pour la cartographie des QTL a quatre limites:
1 Il est difficile de procder des estimations spares de la position et de l'effet de
chaque QTL (proportion de la variance phnotypique explique par le QTL).
2 Les individus ayant des gnotypes manquants doivent souvent tre limins, sauf
si un modle mixte qui peut traiter les donnes dsquilibres et d'autres traitements
statistiques sont utiliss.
3 Lorsque les marqueurs sont trs espacs et/ou irrgulirement rpartis, le QTL peut
tre assez loign des marqueurs voisins, et donc la puissance de dtection de QTL diminue.
Enfin, il y a beaucoup de variations phnotypiques entre individus de chaque classe
gnotypique et une partie de ces variation peut tre due d'autres QTLs affectant caractre.

33

Figure 8. Principes de la cartographie des loci effet quantitatif (Quantitative Trait Loci - QTL).
En (a), les parents homozygotes qui diffrent par la densit des trichomes les trichomes sont de fines
excroissances ou appendices chez les plantes et certains protistes. Leurs fonctions et leur structure diffrent. On
peut citer comme exemple les poils, les poils glandulaires et les cailles - (parent 1: forte densit de trichomes;
Parent 2: faible densit des trichomes) sont croises pour former une population de F1 avec une densit de
trichomes intermdiaire. En (b), un individu F1 est autofcond pour former une population d'individus F2. En
(c), chaque F2 est autofcond sur six gnrations supplmentaires, formant finalement un ensemble de lignes
recombinantes (Recombinant Inbred Line -RIL). Chaque RIL est homozygote pour une section d'un
chromosome parental. Les gnotypes des RILs aux marqueurs gntiques, ainsi que leurs phnotypes (la densit
des trichomes) sont dtermins. la flche indique une section du chromosome qui drive de Parent 2 (le parent
avec la faible densit de trichomes). Les feuilles de tous les individus qui ont hrit de cette section du
chromosome du parent avec la densit de trichomes faible ont aussi la densit de trichomes faible, ce qui indique
que cette rgion chromosomique contient probablement un QTL pour ce caractre (Mauricio, 2001).

34

II.2 Cartographie de QTL par analyse dintervalle simple
(Simple I nterval Mapping SI M).
II.2.1 Principe de la SIM
La cartographie dintervalle simple (Simple Intervalle Mapping - SIM). est souvent
appel cartographie dintervalle (Intervalle Mapping - IM). Lorsquune carte de liaison
gntique et les donnes phnotypiques sont disponibles pour une population, la SIM utilise
un intervalle entre deux marqueurs pour rechercher un QTL hypothtique (le QTL cible) en
effectuant un test de rapport de probabilit (Likelihoods of odds score - LOD score) chaque
position l'intrieur de l'intervalle. Dans cette approche, le QTL est situ l'intrieur d'un
intervalle chromosomique, dfini par les marqueurs adjacents. Le LOD score est le
logarithme base 10 du rapport de deux vraisemblances (probabilits) : la probabilit
des donnes phnotypiques observes en supposant un QTL la position en question et
la probabilit en supposant qu'aucun QTL nest prsent cette position. Les rsultats de
l'analyse sont reprsents sous forme dune courbe dvolution du LOD score en fonction de
la position en centimorgan (cM) sur la carte chromosomique. La localisation chromosomique
du LOD score maximum est prise comme position du QTL (Figure 9).
La procdure SIM est base sur le maximum de vraisemblance ou la rgression et
maximise la probabilit d'un modle gntique un gne en calculant la moyenne des
donnes phnotypiques pour les tats possibles du gnotype au QTL chaque position
possible sur lintervalle cible.
II.2.2 Avantages et limites de la SIM
La SIM a plus de puissance et ncessite des populations de cartographie moins
grande que lanalyse de variance, mais elle a ses propres limites.
1 La SIM considre un seul QTL dans le modle (modle un QTL) en ignorant les
effets d'autres QTLs (cartographis ou pas encore cartographis). Par consquent, la SIM peut
fournir une identification et une estimation de l'effet et de la position des QTLs qui sont
biaises lorsque plusieurs QTLs sont situs dans le mme groupe de liaison.
2 Les QTLs en dehors de l'intervalle considr peuvent affecter la capacit de
trouver un QTL dans cet intervalle cible.
35

3 Une fausse identification d'un QTL (faux positif ou pic fantme) peut survenir si
d'autres QTL sont lis l'intervalle d'intrt.
La cartographie d'intervalle par rgression multiple, peut faire gagner du temps
dans les calculs et produire des rsultats similaires ceux obtenus par maximum de
vraisemblance, mais l'estimation de la variance rsiduelle est biaise et la puissance de
dtection des QTLs peut tre affecte.

Figure 9. Cartographie d'intervalle par analyse de rapports de vraisemblances.
Les rsultats de la cartographie des QTL sont reprsents sous forme dune courbe dvolution du LOD score en
fonction de la position mesure en units de recombinaison (centimorgan - cM) sur la carte chromosomique. La
ligne verticale en pointill reprsente une valeur seuil au-dessus de laquelle le test de rapport de vraisemblance
est significatif. La meilleure estimation de l'emplacement du QTL est donne par la localisation chromosomique
qui correspond au LOD score le plus lev. Dans cet exemple, le LOD score maximum est 44 cM et l'intervalle
de confiance est compris entre 36 et 54 cM. Le marqueur 10 est le marqueur le plus proche du QTL alors que le
marqueur 13 et le marqueur 18 sont les deux marqueurs adjacents.

36

II.3 Cartographie dintervalle composite (Composite I nterval
Mapping CI M)
II.3.1 Principe de la CIM
Comme la cartographie dintervalle simple, la cartographie dintervalle composite
value la probabilit de prsence d'un QTL cible plusieurs points d'analyse dans
chaque intervalle entre marqueurs. Cependant, en chaque point, la cartographie
dintervalle composite prend galement en compte l'effet d'un ou plusieurs marqueurs
de fond gntique qui sont souvent appels des cofacteurs. Le but de l'utilisation des
cofacteurs est de minimiser les effets des QTL dans le reste du gnome en essayant
d'identifier un QTL dans une rgion particulire.
Les modles plusieurs QTLs sont une amlioration par rapport aux modles un
QTL en raison de leur capacit sparer les QTL lis sur le mme chromosome et dtecter
les QTLs qui interagissent et qui, autrement, ne pourraient pas tre dtects.
II.3.2 Avantages et limites de la CIM.
L'inclusion de cofacteurs dans l'analyse confre deux avantages possibles, selon
que les marqueurs de fond gntique et l'intervalle cible sont lis ou non.
Sils ne sont pas lis, l'inclusion de marqueurs de fond rend l'analyse plus sensible
la prsence d'un QTL dans l'intervalle cible.
Sils sont lis, l'inclusion des marqueurs de fond peut aider sparer le QTL cible
d'autres QTL lis, du ct oppos du marqueur de fond.
La CIM prsente quatre grandes limites :
1 La CIM peut tre affecte par une rpartition ingale des marqueurs dans le
gnome. Les statistiques dans une rgion riche en marqueurs peuvent ne pas tre comparables
celles d'une rgion pauvre en marqueurs
2 Il est difficile d'estimer la contribution conjointe de plusieurs QTL lis la
variance gntique;
3 La CIM n'est pas directement extensible pour analyser lpistasie,
37

4 L'utilisation de marqueurs troitement lis lintervalle cible comme cofacteurs
peut rduire la puissance statistique pour dtecter un QTL.
II.4 Cartographie de QTL par analyse de plusieurs intervalles
(Multiple I nterval Mapping MI M)
L'ide de la MIM est dinclure les effets de plusieurs QTL putatifs et les effets
pistatiques associs, directement dans un modle, pour faciliter la recherche de QTLs,
tester et estimer les positions, les effets et les interactions de plusieurs QTLs.
La cartographie dintervalles multiples comprend quatre lments :
1 Une procdure d'valuation conu pour analyser la vraisemblance des donnes par
rapport un modle gntique donn (nombre, positions et les interactions pistatiques des
QTLs),
2 Une stratgie de recherche optimise pour slectionner le meilleur modle
gntique (entre ceux identifis) dans l'espace des paramtres,
3 Une procdure d'estimation de tous les paramtres de l'architecture gntique des
caractres quantitatifs (nombre, positions, effets et epistasis des QTLs; variances et
covariances gntiques expliques par les effets des QTL),
4 Une procdure de prvision pour estimer ou prdire les valeurs gnotypiques des
individus et de leur progniture sur la base du modle gntique slectionn et des valeurs
estimes des paramtres gntiques.
En comparaison avec des mthodes telles que la SIM et la CIM, la MIM a donc
tendance tre plus puissante et plus prcise dans la dtection des QTLs.
III. SENSIBILIT DES MTHODES DE CARTOGRAPHIE DES QTLs
LCART LA NORMALIT DES DONNES PHNOTYPIQUES.
Toutes les diffrentes mthodes de cartographie de QTL dcrites ci-dessus partent de
lhypothse gnrale que le phnotype suit une distribution normale avec la mme variance
chez les deux parents. Les mthodes bases sur lANOVA et les moindres carrs (rgression)
supposent que les erreurs rsiduelles (c.-- d les rsidus dans les classes de gnotypes au
QTL) sont distribues normalement. Ces mthodes sont gnralement considres comme
tant robustes contre la non-normalit. Cependant, la robustesse contre tout type de non-
38

normalit dans le cadre de mthodes de cartographie de QTL n'a pas t bien tablie. Par
ailleurs, des mthodes bases sur le maximum de vraisemblance dans la cartographie
intervalle utilisent la fonction normale de densit pour la construction de la vraisemblance
elle-mme. La qualit des estimations est donc trs dpendante de la normalit du phnotype.
Beaucoup de phnotypes d'intrt, cependant, ne sont pas normalement distribus de
sorte que les mthodes de cartographie des QTLs dcrites prcdemment ne peuvent pas tre
directement appliques dans de tels cas. Une approche pour contourner l'hypothse de
normalit est d'utiliser une transformation mathmatique (par exemple, le logarithme base
10, arcsinus, etc) qui va convertir la distribution du caractre en une distribution peu prs
normale avec la mme variance chez les deux parents. Une autre approche consiste utiliser
des mthodes statistiques non paramtriques de cartographie de QTL qui sont applicables
toute distribution phnotypique. On peut par exemple utiliser le test de somme des rangs de
Wilcoxon (Wilcoxon rank-sum test) applicable aux croisements exprimentaux.
IV. TESTS DE LA POSITION ET DE LEFFET DES QTLs.
L'un des dfis de la cartographie des QTL est la difficult de dterminer les seuils de
significativit appropris (valeurs critiques) pour les deux types d'erreurs :
1 Conclure qu'il existe un QTL en sgrgation alors qu'en ralit il n'y en a pas (faux
positifs ou erreur de type I) et
2 Conclure qu'il n'existe pas de QTL alors quil en existe effectivement (faux ngatif
ou erreur de type II).
Le problme de la dtermination des valeurs seuils appropries apparait difficile car il
y a de nombreux facteurs qui peuvent varier d'une exprience lautre et peuvent influencer
la distribution des statistiques des tests. Ces facteurs comprennent, mais pas seulement, la
taille de l'chantillon, la taille du gnome de l'organisme tudi, la densit de la carte
gntique, les distorsions de sgrgation, la proportion et le type de donnes manquantes, le
nombre et l'effet des QTL en sgrgation.
Une "mthode de chute de LOD score", est gnralement utilise pour trouver
lintervalle de confiance des QTLs. Selon cette approche, lintervalle de confiance de chaque
QTL correspond au segment chromosomique sur lequel le LOD score maximum chute dune
unit. La figure 9 illustre cela en utilisant un ensemble de donnes hypothtiques. Le LOD
39

score maximum est 44 cM, et l'intervalle de confiance est compris entre 36 et 54 cM. On
utilise un LOD score minimum de 3,0 dclarer un QTL. L'introduction de diffrentes
mthodes de r-chantillonnage, comme les tests de permutation, les mthodes de r-
chantillonnage par bootstrap, les procdure de slection de modles par bootstrap et la
validation croise fournissent des calculs simples et sans hypothses douteuses pour
dterminer la valeur du seuil de significativit.
IV.1 Les tests de permutation
Les tests de permutation gnrent de nombreux chantillons diffrents partir des
donnes relles en permutant les valeurs phnotypiques correspondant aux gnotypes aux
marqueurs pour estimer empiriquement le seuil du test statistique pour la dtection d'un QTL.
Cette approche tient compte des donnes manquantes de gnotypage, des densits relles de
marqueurs et de la sgrgation non alatoire des allles aux marqueurs.
IV.2 La validation croise
La validation croise est une technique permettant d'valuer la faon dont les rsultats
d'une analyse statistique seront gnraliss un ensemble de donnes indpendantes. Elle se
fait en divisant les donnes en sous-ensembles complmentaires pour effectuer l'analyse
initiale et un ensemble de validation pour valider l'analyse. La part de variance gnotypique
explique par les QTLs peut tre surestime dans les modles danalyse de QTL sur la
cartographie intervalle composite,. Ce type danalyses doit inclure la validation croise avec
des donnes obtenues dans dautres environnements, les gnotypes r- chantillonnes partir
de la mme population ou les deux.
V. LES LIMITES DES MTHODES DE CARTOGRAPHIE DE QTLs PAR
ANALYSE DE LIAISON
Les mthodes de cartographie QTLs fondes sur l'analyse de liaison ont les limites
suivantes :
1 La ncessit davoir des marqueurs uniformment rpartie et espacs de 10 20
cM et un grand nombre dindividus informatifs peuvent faire de la cartographie une procdure
quelque peu difficile et mme voue lchec. Il convient toutefois de noter que les
marqueurs denses peuvent poser des problmes pour les logiciels d'analyse de liaison dans la
40

fourniture de l'ordre correct des marqueurs et peuvent conduire des rsultats errons de
cartographie de QTL.
2 Les parents utiliss pour dvelopper la population de cartographie peuvent tre
dpasss au moment o les donnes gnotypiques et phnotypes sont disponibles. Beaucoup
de projets de dveloppement de marqueurs pour les cultures annuelles utilisent les populations
qui ont t tablie cinq ans ou plus avant les travaux de gnotypage. Cela pourrait rduire la
valeur de l'information recueillie et la porte de sa mise en uvre.
3 L'identification de QTL sur la base des tudes de liaison identifie des rgions
chromosomiques et non des gnes individuels qui peuvent affecter un caractre. L'analyse de
liaison chez les plantes localise typiquement les QTL dans des intervalles de 10 20 cM en
raison du nombre limit d'vnements de recombinaison qui se produisent au cours de la
construction des populations de cartographie et du cot pour la propagation et l'valuation
d'un grand nombre de lignes. Pour les espces gnome de grande taille, ce grand intervalle
peut contenir de nombreux gnes moins que la rgion chromosomique lies au caractre soit
cartographie finement par gnotypage de populations de grandes tailles avec des milliers de
marqueurs haut dbit et faible cot, comme les marqueurs SNP (Single Nucleotide
Polymorphism).

41

Chapitre IV. LA CARTOGRAPHIE DE QTLs PAR ANALYSE DE
DSQUILIBRE DE LIAISON OU CARTOGRAPHIE DASSOCIATION
I. INTRODUCTION
Comme nous lavons vu dans les chapitres prcdents, la cartographie gntique est un
outil essentiel pour identifier la base gntique des caractres quantitatifs chez les plantes.
Toutefois, pour la cartographi de liaison, des croisements appropris, parfois limits par un
faible polymorphisme ou une petite taille de la population, sont ncessaires. En outre,
seulement deux allles par locus et quelques vnements de recombinaison sont considrs
pour estimer les distances gntiques entre les locus marqueurs et identifier les rgions
gnomiques portant les loci effet quantitatif (Quantitative Trait Loci (QTL), limitant ainsi la
rsolution de la cartographie.
La cartographie de dsquilibre de liaison (linkage desequilibrium-DL) ou
Cartographie d'association (Association Mapping-AM) a donc t initie pour contourner
ces limites. La cartographie dassociation consiste rechercher des corrlations
gnotype-phnotype chez des individus non apparents. Elle a le potentiel d'identifier un
polymorphisme dans un gne qui est responsable des diffrences phnotypiques. Sa rsolution
leve s'explique par la recombinaison historique accumule dans les populations naturelles et
les collections de varits locales, des matriaux de slection et de varits.
En exploitant une diversit gntique plus large, la cartographie dassociation
prsente trois avantages principaux sur la cartographie de liaison:
1 La rsolution de la cartographie,
2 le nombre allles et lconomie de temps en tablissant une association marqueur-
caractre et,
3 Son application dans les programmes d'amlioration.
Bien que la cartographie dassociation prsente des avantages vidents sur la
cartographie de liaison, elles sont souvent appliques conjointement, notamment pour valider
les associations identifies par cartographie dassociation, rduisant ainsi les fausses
associations.
La force de la cartographie dassociation repose sur l'analyse des variantes courantes,
qui expliquent au plus 5% 10% de la composante hrditaire des maladies humaines. Le rle
42

de variantes rares dans lexplication de la variation hrditaire restante est de plus en plus
important. De nouveaux modles statistiques pour la cartographie dassociation sont
dveloppes pour mieux prendre en compte les variantes rares parce que les premires
mthodes alloue plus de leur puissance statistique aux allles les plus frquents.
Comme la plupart des caractres importants pour ladaptation lenvironnement et la
valeur agricole sont de nature quantitative, il est dun grand intrt dutiliser la cartographie
dassociation pour les examiner. Dans ce chapitre, nous introduisons le concept de
dsquilibre de liaison, qui joue un rle central dans la cartographie dassociation. Pour
cette raison, il est essentiel de comprendre la mesure du dsquilibre de liaison, sa variation
dans le gnome et comment il est affect par la structure de la population et la parent. Les
avantages et les inconvnients de la cartographie dassociation, et son intgration avec
d'autres mthodes de cartographie sont galement prsents. Un aperu des Mthodes
actuellement disponibles pour la cartographie dassociation et leurs principales
caractristiques est prsent.
II. LES CONCEPTS DE DSQUILIBRE DE LIAISON ET DE CARTOGRAPHIE
D'ASSOCIATION
Les termes de cartographie de dsquilibre de liaison et de cartographie
dassociation sont souvent utiliss indiffremment. Cependant, ils prsentent des diffrences
subtiles. La cartographie dassociation fait rfrence l'association significative entre un
locus marqueur et un caractre phnotypique tandis que le dsquilibre de liaison
renvoit l'association non alatoire entre deux marqueurs ou deux gnes/QTLs (Figure
1). Ainsi, la cartographie dassociation est en fait une exploitation du dsquilibre de liaison.
En d'autres termes, deux marqueurs en dsquilibre de liaison prsentent une association
non alatoire entre les allles, mais ne sont pas ncessairement corrls/associs un
phnotype particulier, alors que l'association implique une signification statistique et
renvoit la covariance d'un marqueur et d'un phnotype d'intrt.
Il convient galement de prciser la diffrence entre la liaison et le dsquilibre de
liaison parce qu'ils sont trop souvent confondus. La liaison fait rfrence la transmission
conjointe (co-sgrgation) de loci du fait de leur proximit physique sur un chromosome,
tandis que le dsquilibre de liaison fait rfrence la corrlation entre allles dans une
population, mais pas ncessairement sur le mme chromosome. Bien que la liaison troite
entre les allles sur le mme chromosome se traduise gnralement par un grand dsquilibre
43

de liaison, un important dsquilibre de liaison peut galement exister entre loci distants, et
mme entre des loci situs sur des chromosomes diffrents. Ce dernier type de dsquilibre de
liaison est le rsultat d'autres forces telles que la slection, la mutation, le systme de
reproduction, la structure de la population, etc
La cartographie de QTL par analyse de liaison gntique et la cartographie
dassociation sont donc bases sur le dsquilibre de liaison entre marqueurs molculaires et
loci fonctionnels. Dans la cartographie de liaison, le dsquilibre de liaisons est gnr par l
dispositif de croisement alors que dans la cartographie dassociation, le dsquilibre de liaison
est limage de la collection de matriel gntique l'tude. Dans une population de
cartographie de liaison, le dsquilibre de liaison n'est influenc que par la
recombinaison en l'absence de distorsion de sgrgation. Dans la cartographie
dassociation, le dsquilibre de liaison peut aussi tre influenc par d'autres forces
telles que celles mentionnes ci-dessus ainsi que par la recombinaison.
Le concept de dsquilibre de liaison a t dcrit par Herbert Spencer JENNINGS
(1868-1947), zoologiste et gnticien amricain, en 1917, et sa quantification (D) a t
dveloppe par Richard Charles LEWONTIN, biologiste et gnticien amricain, en 1964.
L'explication simplifie de la mesure du dsquilibre de liaison couramment utilise, D ou D'
(version normalise de D), est la diffrence entre les frquences gamtiques observes
des haplotypes et les frquences gamtiques attendues des haplotypes en quilibre de
liaison.
D = P
AB
- P
A
P
B
(1)
o P
AB
est la frquence des gamtes portant les allles A et B deux loci, P
A
et P
B
sont
le produit des frquences des allles A et B, respectivement. En l'absence d'autres forces, la
recombinaison, travers les croisements alatoires entre individus, dcompose le dsquilibre
de liaison tel que :
D
t
= D
0
(1- r)t,
o D
t
est le dsquilibre de liaison restant, en partant de D
0
(D originale), entre deux
locus aprs t gnrations de croisements alatoires entre individus.
44

Association non alatoire entre Association significative (covariance),
Locus 1 et Locus 2 en dsquilibre de liaison entre Locus 1 et Locus 2 et couleur
r
2
= 1,0 (phnotype) de la semence
Figure 10. Principes du dsquilibre de liaison et de la cartographie dassociation.
a. Dsquilibre de liaison. Le Locus 1 et le Locus 2 prsentent un inhabituel profil d'association entre les allles
AG et TC, qui s'carte du profil attendu dans lhypothse dune association alatoire des bases nuclotidiques,
mais sans aucune corrlation statistique avec un phnotype. b. Cartographie d'association. Le Locus 1 et le
Locus 2 sont en dsquilibre de liaison. La covariance significative avec la couleur (le phnotype) de la semence
est considre comme une preuve d'association.
Les deux statistiques les plus utilises pour valuer le dsquilibre de liaison, D' et r
2
(le carr du coefficient de corrlation entre deux loci), refltent diffrents aspects du
dsquilibre de liaison et se comportent diffremment dans diffrentes conditions. D' ne
reflte que l'histoire de recombinaison et est donc une statistique plus prcise pour
estimer les diffrences de recombinaison, alors que r
2
rsume la fois l'histoire de
recombinaison et de mutation.
Pour deux loci bi-allliques, D'et r
2
ont les formules suivantes:
D' = |D| / D
max
(2)
D
max
= min (P
A
P
b
, P
a
P
B
) si D > 0 ;
D
max
= min (P
A
P
B
, P
a
P
b
) si D < 0
r
2
= D
2
/ P
A
P
B
P
a
P
b
(3)
D est limit parce que sa gamme de variation est dtermine par la frquence des
allles. D' est dvelopp pour normaliser partiellement D par rapport la valeur
maximale possible des frquences allliques et lui donner une gamme entre 0 et 1.
La statistique r
2
a une esprance de 1/(1 + 4Nc) , o N est la taille effective de la
population et c est le taux de recombinaison, et elle varie aussi entre 0 et 1.
45

Le Choix de la statistique approprie pour la quantification du dsquilibre de liaison
dpend de l'objectif de l'tude.
La plupart des tudes sur le dsquilibre de liaison dans les populations animales
utilisent D' pour mesurer le dsquilibre de liaison sur lensemble de la population avec des
donnes microsatellites. Cependant, D' est surestim par la petite taille de l'chantillon et
les frquences allliques faibles, par consquent, des valeurs intermdiaires de D' ne sont
pas sures pour des analyses comparatives de diffrentes tudes et doivent tre vrifies
avec r
2
avant d'tre utilises pour la quantification de l'tendue du dsquilibre de
liaison.
Bien que r
2
soit toujours considr comme dpendant des frquences allliques, le
biais d la frquence des allles est considrablement plus faible quavec D'. Actuellement,
la plupart des tudes de cartographie de dsquilibre de liaison dans les plantes utilisent r
2

pour la quantification du dsquilibre de liaison car il fournit galement des informations sur
la corrlation entre les marqueurs et les QTLs d'intrt. En rgle gnrale, les valeurs de r
2

gales 0,1 ou 0,2 sont souvent considrs comme des valeurs seuils pour une association
significative entre des paires de loci et pour dterminer la distance gntique ou
physique maximale laquelle le dsquilibre de liaison est significatif.
III. VISUALISATION ET SIGNIFICATION STATISTIQUE DU DSQUILIBRE DE
LIAISON
Comme D' et r
2
sont des mesures entre paires de loci polymorphes, il est difficile
d'obtenir des statistiques moyennes de dsquilibre de liaison dans une rgion gnomique.
Il y a deux faons courantes pour visualiser l'tendue du dsquilibre de liaison et les
rgions gnomiques ou des blocs d'haplotypes trouvs en dsquilibre de liaison important.
Les diagrammes de dispersion de dsquilibre de liaison sont utiliss pour estimer
la vitesse laquelle le dsquilibre de liaison diminue avec la distance gntique ou physique
(Figure 11a). Une dcroissance moyenne de dsquilibre de liaison sur l'ensemble du gnome
peut tre estime en construisant la courbe de dcroissance des valeurs de dsquilibre de
liaison en fonction de la distance gntique, partir d'un ensemble de donnes couvrant un
gnome entier. Sinon, la mesure de dsquilibre de liaison peut tre estime pour une rgion
particulire portant un gne/un QTL d'intrt pralablement identifis par cartographie de
liaison. Ces nuages de points sont utiles pour dterminer le seuil de distance moyenne au
46

dessus de laquelle un dsquilibre de liaison significatif (gnralement 0,5 pour D et 0,1 pour
r
2
) est attendu sur la base de la courbe de tendance logarithmique non linaire reliant les
points de donnes du nuage de points.
Les matrices de dsquilibre ou cartes de points chauds de dsquilibre de liaison
sont galement trs utiles pour la visualisation de l'agencement linaire des dsquilibres de
liaison entre les sites polymorphes l'intrieur d'une courte distance physique tel qu'un gne
sur un chromosome ou dans un gnome entier (figure 11b). Les cartes de points chauds de
dsquilibre de liaison sont des aires triangulaires colores o la diagonale reprsente les loci
ordonns et les diffrentes intensits de couleur reprsentent les niveaux dintensit (exprim
en D' ou r
2
) de dsquilibre de liaison significatif entre paires de loci. Les blocs fortement
colors offrent une visualisation facile des loci en dsquilibre de liaison significatif. Sur la
figure 11b, plus les blocs bleus dhaplotypes le long de la diagonale de laire triangulaire sont
grands, plus grand est le niveau et l'tendue du dsquilibre de liaison entre les loci adjacents
dans les blocs, ce qui signifie qu'il y a des recombinaisons limites ou qu'il ny a eu aucune
recombinaison depuis la formation du bloc de dsquilibre de liaison
Ces reprsentations graphiques nous permettent de dterminer le nombre
optimal de marqueurs pour dtecter d'importantes associations marqueur - caractre et
la rsolution laquelle un QTL peut tre cartographi. Parce que l'estimation de
dsquilibre de liaison bas sur D' ou r
2
peut tre sensible la densit de marqueurs, des
groupes de liaisons fortement saturs et reprsentatifs sont idaux pour les calculs de
dsquilibre de liaison.
La signification statistique du dsquilibre de liaison est gnralement
dtermine par un test de d'un tableau de contingence 2 2. Un seuil de 5% est
souvent utilis pour dclarer le manque d'indpendance des allles deux loci, suggrant ainsi
une association.
A partir dun tableau de contingence 2 2, la probabilit (P) de l'indpendance
des allles deux loci est gnralement calcule par le test exact de Fisher. Un
dsquilibre de liaison statistiquement significatif peut galement tre calcul en utilisant une
analyse multifactorielle de permutation pour comparer les loci avec plus de deux allles
tels que les marqueurs microsatellites. Ces mthodes statistiques sont mises en uvre dans
des logiciels tels que PowerMarker et TASSEL (Trait Analysis by aSSociation Evolution and
Linkage).
47

Fig. 11. Visualisation de dsquilibre de liaison chez le lin (Linum usitatissimumL.).
a. Courbe de dcroissance du dsquilibre de liaison (r
2
) en fonction de la distance gntique (cM), reprsentant
une mesure de dsquilibre de liaison moyen dans le gnome. b. Carte de points chauds de dsquilibre de
liaison variant entre paires de loci polymorphes de quatre groupes de liaison. Les blocs en dsquilibre de liaison
significatif sont mis en vidence par des triangles rouges. La distribution de dsquilibre de liaison est
htrogne au sein et entre les groupes de liaison.
IV. VARIATION DU DSQUILIBRE DE LIAISON SOUS L'EFFET DE
FACTEURS BIOLOGIQUES
IV.1 Recombinaison
Plusieurs facteurs biologiques influencent la force du dsquilibre de liaison et sa
rpartition entre les gnomes. De nombreuses rgions du gnome humain prsentent des taux
de recombinaison qui diffrent significativement du taux de recombinaison moyen du gnome
qui de 1 cM / Mb. Ces rgions sont appels points chauds et points froids pour les taux
de recombinaison levs et faibles, respectivement. Le dsquilibre de liaison est
localement fortement influenc par le taux de recombinaison et est en corrlation avec
d'autres facteurs associs comme la teneur en GC et la densit de gne. En principe, les
caractristiques de squences locales peuvent affecter directement et indirectement le
dsquilibre de liaison. Par exemple, des squences riches en GC peuvent tre associes des
taux plus levs de recombinaison et/ou de mutation, deux phnomnes qui peuvent
directement rduire les niveaux de dsquilibre de liaison dans leur voisinage. En outre, dans
certaines squences codant pour des protines, des changements crs par recombinaison ou
par mutation peuvent affecter la capacit dadaptation d'un individu, et ces squences peuvent
48

tre indirectement associs des profils uniques de dsquilibre de liaison comme une
consquence de la slection naturelle.
Parce que le dsquilibre de liaison est cass par la recombinaison, et la recombinaison
n'est pas rpartie de manire homogne sur tout le gnome, des blocs de dsquilibre de
liaison sont attendus. En outre, il existe des diffrences de dsquilibre de liaison entre les
micro-chromosomes et les macro-chromosomes ainsi que des variations intra-
chromosomiques, o les rgions centromriques ont des niveaux plus levs de dsquilibre
de liaison. En consquence, la recherche de la variation du dsquilibre de liaison
l'chelle du gnome et des chromosomes afin destimer avec prcision la densit de
marqueur pour chaque chromosome est ncessaire pour donner un clairage sur la
mthode de cartographie dassociation la plus efficace en termes de cot.
IV.2 Systme de reproduction
Le systme de reproduction a des effets profonds sur le dsquilibre de liaison.
Lautofcondation rduit les possibilits de recombinaison efficace parce que les individus
sont plus susceptibles d'tre homozygotes que chez les espces pollinisation croise. Chez
les espces autogames, le dsquilibre de liaison est plus tendu que chez les espces
allogames. En consquence, les polymorphismes gntiques ont tendance rester corrls, et
le dsquilibre de liaison devrait tre maintenu sur de longues distances gntiques ou
physiques.
Cependant, parce que le dsquilibre de liaison diminue plus rapidement chez les
espces vgtales pollinisation croise que chez les plantes autogames, une rsolution plus
leve est prvue, permettant une cartographie fine et plus prcise qui faciliterait le clonage de
gnes candidats.
IV.3 Le matriel gntique
Le matriel gntique joue un rle cl dans la variation du dsquilibre de liaison, car
la mesure du dsquilibre de liaison est lie au niveau de diversit gntique dans la
population tudie. En gnral, plus la diversit gntique est grande, plus vite le
dsquilibre de liaison dcroit, une consquence directe dun plus grand nombre de
recombinaisons historiques.
49

Les estimations de la dcroissance du dsquilibre de liaison moyen lchelle du
gnome peuvent ne pas reflter les profils de dsquilibre de liaison entre les diffrentes
populations de la mme espce. Chacune de ces populations doit tre explore
indpendamment pour estimer l'ampleur du dsquilibre de liaison afin de mener avec succs
des tudes de cartographie d'association.
En tenant compte de ces trois facteurs biologiques importants, une question vidente
est de savoir si un niveau lev ou faible de dsquilibre de liaison est favorable la
cartographie dassociation. Des populations avec une dcroissance rapide ou lente du
dsquilibre de liaison peuvent tre utiles en cartographie dassociation, selon les
objectifs de l'tude. Ainsi, les populations avec une faible diversit gntique et un niveau
lev de dsquilibre de liaison se prtent la cartographie grossire, la cartographie fine
ncessitant moins de marqueurs dans des populations plus diffrentes gntiquement, en
supposant que les facteurs gntiques en cause sont suffisamment similaires dans les
diffrents groupes de matriel gntique.
V. VARIATION DU DSQUILIBRE DE LIAISON SOUS lEFFET DE FACTEURS
D'VOLUTION
V.1 Slection
L'intrt initial pour le dsquilibre de liaison est parti des questions entourant le
mode opratoire de la slection naturelle. Plus simplement, si les allles deux loci sont en
dsquilibre de liaison et quils ont tous deux une incidence positive sur laptitude des
individus se reproduire, la rponse la slection un locus peut tre acclre par la
slection affectant l'autre locus. Ainsi, la slection positive augmentera le dsquilibre de
liaison entre et autour des loci slectionns, un phnomne connu sous le nom dauto-stop
gntique.
Mme si le second locus est slectivement neutre, la slection applique sur le premier
augmentera le dsquilibre de liaison entre eux. Le niveau de dsquilibre de liaison entre les
deux loci restera constant au cours du temps en fonction de la distance gntique, du taux de
recombinaison et de la taille de la population (N). En revanche, si les deux loci sont
maintenus par une slection quilibrante, alors le dsquilibre de liaison peut persister
indfiniment. Nanmoins, le dsquilibre de liaison sera plus lev dans les loci affects
par la slection positive parce quune forte slection positive limite la diversit gntique
50

par rapport une slection quilibrante qui tend maintenir ou augmenter le
polymorphisme. En gnral, les gnes de rsistance aux maladies dans les plantes (gnes R)
sont affects par une slection quilibrante avec un faible dsquilibre de liaison intragnique
dcroissant rapidement, ce qui peut faciliter la cartographie fine de gnes de rsistance aux
maladies en fournissant une saturation leve des cartes en marqueurs.
La slection artificielle a aussi des effets importants sur le dsquilibre de liaison.
Des mosaques de grands blocs de dsquilibre de liaison sont observes, en particulier dans
les rgions porteuses de gnes dintrts agronomiques. Les goulots d'tranglement de
domestication suivis par une forte slection pour des environnements spcifiques et des
caractres dintrt ont modifi l'architecture du gnome de nombreuses cultures en rduisant
la diversit gntique et en crant la structure de la population, qui peut tre le principal
facteur influant sur la puissance de la cartographie dassociation.
V.2 Structure de la population
La slection affecte le gnome et le dsquilibre de liaison au niveau de loci
spcifiques. En revanche, la structure de la population affecte le dsquilibre de liaison
sur l'ensemble du gnome. Par consquent, les profils de dsquilibre de liaison dans le
gnome entier peuvent aider comprendre l'histoire de l'volution des populations. Toutefois,
la puissance de la cartographie dassociation peut tre fortement rduite en raison de la
structure de la population.
La structure de la population provient de la rpartition ingale des allles entre les
sous-populations de diffrentes ascendances. Lorsque ces sous-groupes sont chantillonns
pour construire un ensemble de lignes pour la cartographie dassociation, le mlange dlibr
ou involontaire d'individus avec diffrentes frquences des allles cre un dsquilibre de
liaison. Un dsquilibre de liaison significatif entre loci non lis rsulte dassociations
faussement positives entre un marqueur et un caractre. L'effet est vident dans le cas suivant.
Considrons une sous-population fixe pour les allles A et B deux loci et une autre fixe
pour a et b. Tout mlange d'individus des deux sous-populations ne contiendra que les
haplotypes AB et ab, ce qui implique qu'ils sont en dsquilibre de liaison parfait, alors qu'en
fait, il n'y a aucun dsquilibre de liaison dans aucune des sous-populations Par dfinition, les
polymorphismes de deux ou plusieurs loci doivent exister pour estimer le niveau de
dsquilibre de liaison. Dans l'exemple ci-dessus, les deux loci sont monomorphes dans leurs
51

sous-populations respectives. Toutefois, lorsque les individus sont mlangs, dans lunique
population nouvellement cre artificiellement, des faux polymorphismes et par consquent
un dsquilibre de liaison significatif mais faux est observ.
L'occurrence de fausses associations est nettement plus leve dans les gnes lis
l'adaptation, car ils montrent une corrlation positive avec les variables de l'environnement
dans lequel ils ont volu, et, en consquence, les rgions gnomiques portant ces gnes
peuvent prsenter une plus forte diffrenciation des populations. Plusieurs modles
statistiques tiennent compte de l'effet potentiel de la structure de la population. Les
algorithmes couramment utiliss sont ceux implments dans le logiciel STRUCTURE.
D'autres mthodes sont bases sur l'analyse en composante principale - ACP (Principal
Component Analysis PCA), et lAnalyse en Coordonnes Principales (Principal Coordinate
Analysis PcoA) et le Regroupement Modal (Modal Clustering - MC).
V.3 Drive gntique, goulot d'tranglement et flux de gnes
V.3.1 La drive gntique
L'effet de la drive gntique dans une population de petite taille rsulte en la
perte constante de combinaisons allliques rares qui augmente le niveau de dsquilibre
de liaison. La drive gntique peut crer un dsquilibre de liaison entre loci troitement
lis. L'effet de la drive gntique est similaire celui du prlvement dun petit chantillon
partir d'une grande population. Mme si deux loci sont en quilibre de liaison,
l'chantillonnage de seulement quelques individus peut crer un dsquilibre de liaison.
V.3.2 Le goulot d'tranglement
Le dsquilibre de liaison peut galement tre cr dans les populations qui ont
connu une rduction de taille (appel un goulot d'tranglement) qui saccompagne dune
drive gntique extrme. Aprs un goulot d'tranglement, certains haplotypes seront perdus;
ce qui se traduit gnralement par une augmentation du dsquilibre de liaison. Des Goulots
d'tranglement ultrieurs vont galement contribuer augmenter le dsquilibre de liaison en
augmentant l'effet de la drive gntique.
V.3.3 Les flux gntiques
Le flux gntique introduit de nouveaux individus ou de nouveaux gamtes de
diffrentes ascendances et diffrentes frquences allliques dans les populations. Si la
52

slection maintient des diffrences dans les frquences des allles deux ou plusieurs loci
dans les sous-populations, le dsquilibre de liaison dans chaque sous-population va persister,
mais en gnral quand les croisements alatoires entre individus et la recombinaison ont lieu,
le dsquilibre de liaison caus par le flux de gnes peut se casser.
Des facteurs tels que la drive gntique, les goulots d'tranglement de la population et
les flux de gnes peuvent contribuer gnrer un dsquilibre de liaison artificielle et
ngativement affecter la possibilit dutiliser le dsquilibre de liaison en cartographie
dassociation pour la localisation prcise des QTL.
En gnral, toutes les forces biologiques ou volutives qui contribuent une
augmentation de dsquilibre de liaison au del de ce qui est attendu par hasard dans une
population idale se traduiront par des associations faussement positives.
VI. MTHODES DE CARTOGRAPHIE DASSOCIATION
Beaucoup de mthodes ont t dveloppes et sont largement utiliss pour la
cartographie dassociation chez l'homme, et plusieurs sont parfaitement applicables sans
changement ou avec des modifications au cas par cas pour une large gamme d'organismes, y
compris pour les plantes. Les mthodes d'tude de l'association marqueur - caractre en
utilisant le dsquilibre de liaison peuvent diffrer pour les caractres discrets et quantitatifs.
Ici, nous allons examiner plusieurs approches: Multiparentale Advanced Generation
Intercross (MAGIC), cas-tmoins (CC), Test de dsquilibre de Transmission (TDT) et autres
approches qui intgrent des corrections pour la structure de la population tels que le contrle
gnomique (GC) et l'association structure (SA) .
VI.1 Multi-parent Advanced Generation Inter-Cross (MAGIC)
Dans la mthode MAGIC, une population de lignes recombinantes consanguines
(Recombinant Inbred Lines - RIL) est cre partir de plusieurs lignes fondatrices, dont les
gnomes sont d'abord mlangs par plusieurs cycles de croisements, et les descendants sont
par la suite autofconds pour gnrer un panel de lignes consanguines stables.
Le plus grand nombre d'accessions parentales augmente la diversit alllique et
phnotypique par rapport aux lignes recombinantes consanguines obtenues partir dun
croisement de dpart entre deux lignes parentales, augmentant potentiellement le nombre de
QTLs qui sgrgent dans la population.
53

Les cycles successifs de recombinaison entrainent une dcroissance du dsquilibre de
liaison, ce qui augmente la prcision de la localisation des QTLs.
Chez les plantes comme chez les animaux, le dispostif MAGIC peut capturer la
majorit de la variation disponible dans le pool gnique. Bien que cela puisse prendre
plusieurs annes avant que ces populations ne soient adaptes pour la cartographie fine, elles
sont relativement peu coteuses dvelopper et leur valeur comme ressources pour la
cartographie augmente chaque gnration.
Chez les plantes, le dispositif MAGIC peut tre utilis pour combiner la cartographie
grossire utilisant de faibles densits de marqueurs sur des lignes issue dune gnration
moins avance, la cartographie fine utilisant des lignes issues d'une gnration plus
avance et une densit de marqueurs plus forte. Quelle que soit la gnration utilise, la
dcroissance du dsquilibre de liaison reste le facteur critique dterminant la rsolution de la
cartographie.

Figure 12: Schma de production de lignes recombinantes pour
la cartographie dassociation par la mthode MAGIC
54

VI.2 Case - control (CC)
Le dispositif classique de la cartographie dassociation est lapproche cas et tmoins"
(case and control CC). Si une mutation augmente la susceptibilit une maladie, alors on
peut sattendre quelle soit plus frquente chez les personnes touches (cas) que chez les
individus non affects (tmoins). L'ide essentielle derrire la cartographie dassociation
base sur le dispositif Cas et tmoins est que les marqueurs proximit de la mutation de
la maladie peuvent aussi avoir des diffrences de frquences des allles entre les cas et les
tmoins s'il y a dsquilibre de liaison entre le locus marqueur et les mutations "de
sensibilit".
Pour une cartographie prcise, de dispositif ncessite un nombre gal d'chantillons de
cas-tmoins indpendants et non structures. Le test de
2
de Pearson, le test exact de Fisher
ou la correction de continuit de Yates peuvent tre utiliss pour comparer les frquences des
allles et dtecter une association entre un phnotype et un marqueur.
Les tests Cas et tmoins sont sensibles un dsquilibre de liaison, lchelle de
la population globale, entre un marqueur et un locus affectant le caractre. Comme indiqu
prcdemment, le dsquilibre de liaison peut exister entre locus non lis, ce qui signifie
quune forte association marqueur - caractre ne prouve pas ncessairement une proximit
physique entre un marqueur et le gne affectant le phnotype. En consquence, l'approche
cas et tmoins est trs sensible la structure de la population. Le test de dsquilibre de
transmission (TDT) est utilis pour liminer efficacement les effets de confusion causs par la
structure de la population.
VI.3 Test de Dsquilibre de Transmission (Transmission
disequilibrium Test -TDT)
La possibilit de cartographier des QTL dans des collections de lignes slectionnes,
de varits locales ou des chantillons de populations naturelles a un intrt. Dans ces
populations, le dsquilibre de liaison se dsintgre souvent plus rapidement que dans les
populations issues de croisements contrls, permettant la cartographie fine. Le dfi est de
distinguer les effets de la subdivision de la population du dsquilibre de liaison caus par
la liaison (dsquilibre de liaison syntnique). Une mthode robuste pour tester ce
partitionnement est le Test de Dsquilibre de Transmission (TDT) qui permet la dtection
de la liaison en prsence d'un dsquilibre. Ni la liaison seule ni le dsquilibre seul
55

(dsquilibre de liaison non syntnique) ne va gnrer un rsultat positif dans un TDT. En
consquence, le Test de Dsquilibre de Transmission est un procd robuste pour contrler
les faux positifs.
En bref, le Test de Dsquilibre de Transmission compare la transmission par rapport
la non transmission d'allles la descendance en utilisant un test de
2
, dans l'hypothse
d'une liaison entre un marqueur et un caractre. Le dispositif du Test de Dsquilibre de
Transmission ncessite le gnotypage de marqueurs de trois groupes dindividus: un parent
htrozygote, un parent homozygote et une descendance atteinte.
En l'absence de liaison entre le QTL et le marqueur, le rapport de transmission prvu
pour la non transmission est de 1:1. En prsence de liaison, il est dform dans une proportion
qui dpend de la force du dsquilibre de liaison entre le marqueur et le QTL. En outre, la
puissance de l'association dpendra de l'efficacit de la slection de descendants extrmes
responsables de la modification du rapport de sgrgation attendu.
L'approche initiale du Test de Dsquilibre de Transmission ne traite pas les cas de
marqueurs multi-allliques, de plusieurs marqueurs, dinformation parentale manquante, de
grandes gnalogies et des caractres quantitatifs complexes. Une varit d'extensions de
l'approche de Test de Dsquilibre de Transmission ont t labores et appliques pour
rsoudre les problmes de marqueurs multi-allliques
Chez les vgtaux, les lignes parentales et les descendances sont souvent spares par
plusieurs gnrations de gamtogense plutt quune, comme c'est souvent le cas des tudes
humaines. Pour cette raison, le Test de Dsquilibre de Transmission, tout en restant toujours
valable, peut tre moins robuste parce que le processus de slection peut entraner une
augmentation de la distorsion de sgrgation.
VII. AVANTAGES ET LIMITES DE LA CARTOGRAPHIE DASSOCIATION
VII.1 Avantages de la cartographie dassociation
La haute rsolution potentielle dans la localisation d'un QTL contrlant un caractre
dintrt est le principal avantage de la cartographie dassociation par rapport la
cartographie de liaison.
56

La cartographie dassociation a le potentiel d'identifier plus dallles suprieurs et de
fournir des donnes dtailles sur les marqueurs dans un grand nombre de lignes qui peuvent
tre immdiatement utilises en slection.
En outre, la cartographie dassociation utilise des populations de programme
damlioration comprenant des matriaux divers et importants dans lesquels les gnes les plus
pertinents devraient tre en sgrgation.
Les interactions complexes (pistasie) entre allles plusieurs loci et gnes de petits
effets peuvent tre identifies, pour reprer les individus suprieurs dans une population sous
slection
La taille et la structure de l'chantillon n'ont pas besoin d'tre aussi grand que pour les
tudes de liaison pour obtenir une puissance similaire de dtection.
Enfin, la cartographie de liaison a le potentiel non seulement d'identifier et de
cartographier des QTL, mais aussi didentifier des polymorphismes en cause dans un gne qui
est responsable de la diffrence entre deux phnotypes.
VII.2 Limites de la cartographie dassociation
La cartographie dassociation souffre de quelques limites :
La puissance de la cartographie dassociation est rduite lorsque le caractre
tudi est fortement associ la structure de la population. La plupart des caractres sous
une adaptation locale ou sous une slection quilibrante dans diffrentes populations peuvent
tre ainsi affects. En effet, lorsque des mthodes statistiques pour corriger la structure de la
population sont appliques, les diffrences entre les sous-populations sont ignores lors de la
recherche des associations marqueur - caractre. Par consquent, tous les polymorphismes
responsables des diffrences phnotypiques entre les sous-populations restent inaperus,
rduisant ainsi la puissance de la cartographie dassociation.
La cartographie dassociation ncessite souvent un grand nombre de marqueurs
pour le gnotypage dans les tudes dassociation pan-gnomiques (Genome Wide
Association Studies GWAS). Le nombre de marqueurs dpend en grande partie de la taille
du gnome et la dcroissance prvue du dsquilibre de liaison; la cartographie de liaison
ncessite gnralement moins de marqueurs pour la dtection de QTLs significatifs. Une forte
densit de marqueurs ne peut tre atteinte que par le dveloppement d'une plate-forme de
57

gnotypage et de squenage intgrs (Gnotyping By Sequencing platform - GBS). Ainsi,
l'analyse des cots et des avantages doit tre mene la lumire des impacts rels que ces
investissements auront sur lapprciation de cette espce vgtale par le march. D'autres
approches telles que la cartographie de liaison et contrle gnomique (CG) pourraient tre
possible pour d'autres caractres tudis.
La puissance de dtection dune association par la cartographie dassociation est
influence par la distribution de frquences des allles au niveau du polymorphisme
fonctionnel. Les rsultats des tudes exprimentales suggrent qu'un pourcentage lev
d'allles sont rares Les allles rares ne peuvent pas tre valus de manire adquate parce
que, par dfinition, ils sont prsents dans trop peu d'individus et par consquent n'ont pas de
pouvoir de rsolution. En consquence, une partie importante de l'hritabilit reste inaperue.
Pour ces allles rares, la cartographie de liaison peut tre utilise parce que la corrlation entre
la structure de la population et les phnotypes peut tre rompue, et les frquences des allles
peuvent tre augmente pour renforcer la puissance de la cartographie. cet gard, plusieurs
tudes ont combin la cartographie de liaison et la cartographie dassociation, une mthode
connue sous le nom de cartographie dassociation imbrique , ce qui rduit les fausses
associations provoques par la structure de la population, en particulier pour les caractres
fortement affects par des profils gographiques locaux

Figure 13. Comparaison schmatique de la cartographie par analyse de liaison avec les populations de
cartographie exprimentales et la cartographie d'association avec diverses collections. (Zhu et al. 2008)
Dans l'analyse de liaison (panel a, en utilisant une descendance F2, par exemple), il n' y a que peu de possibilits
de recombinaison au sein des familles et des pedigrees d'ascendance connue, rsultant en une rsolution
relativement faible de la cartographie. Dans la cartographie d'association (Panel b, haplotype) la recombinaison
historique et la diversit gntique naturelle ont t exploites pour une cartographie haute rsolution. Le
58

dsquilibre de liaison entre un locus fonctionnel (losange jaune pour l'allle mut) et les marqueurs
molculaires est faible l'exception de ceux qui sont situs une distance trs courte.
VII. PROGRAMMES STATISTIQUES POUR LA CARTOGRAPHIE DES QTLs
Une grande quantit de donnes de cartographie peut maintenant tre produite un
rythme sans prcdent, ncessitant l'utilisation de programmes informatiques ddis extraire
toutes les informations quelles renferment. Le tableau 2 donne un bref aperu de certains des
logiciels les plus couramment utiliss pour la cartographie des QTL, avec leurs systmes
d'exploitation et leurs liens Internet

Master 2 - UE GntiqueQuantitative ECUE 2 : Dissection Gntiquedes Caractres Quantitatifs
59

Version
Plateforme
(systme
dexploitation)
Description Disponibilit Rfrences Liens internet (verified in July 2009)
Map Manager QTX b29
Windows, Mac
OS
Un programme graphique interactif
pour cartographier des locus
quantitatifs en utilisant des
populations exprimentales de plantes
ou danimaux. Issues de croisements
entre individus allogames, de
rtrocroisements ou de Lignes
recombinants consanguines
Gratuit
Manly and
Olson, 1999.
http://www.mapmanager.org/mmQTX.html
Mapmaker/QTL 1.1
UNIX, VMS,
DOS, Mac OS
Un package contenant un programme
d'analyse de liaison gntique et un
programme pour la cartographie de
QTL
Gratuit
Lincoln et
al. 1992.
http://www.broadinstitute.org/ftp/distribution/
software/mapmaker3/
MapQTL 5
Windows
(95/98/ME/NT4.
0/2000/XP/Vista
32-bit
cartographie de loci effets
quantitatifs (QTL) pour plusieurs types
de populations de cartographie
exprimentales.
Commercial
Van Ooijen,
2009.
http://www.kyazma.nl/index.php/mc.MapQT
L/sc
PlabQTL 1.2 DOS
Un programme de caractrisation des
locus qui influent sur la variation des
caractres quantitatifs
Gratuit
Utz and
Melchinger,
2003.
https://www.uni-
hohenheim.de/plantbreeding/software/
QGene 4.0 Tout ordinateur
Une application Java excutable sur
n'importe quel ordinateur
Gratuit
Nelson,
1997.
http://www.qgene.org/
QTL Cartographer
2.5 for
Windows
UNIX, DOS,
Windows, Mac
OS
Un programme pour cartographier les
QTLs en utilisant une carte de marqueurs
molculaires.
Gratuit
Basten et al.
1994; Wang
et al. 2007.
http://statgen.ncsu.edu/qtlcart/index.php
Structure 2.3
DOS, Windows,
UNIX (Solaris),
Linux
Un programme pour analyser la structure
des populations
Gratuit
Pritchard et
al. 2000.
http://pritch.bsd.uchicago.edu/structure.html
TASSEL 2
Internet (peu
importe le
systme
dexploitation)
Un logiciel pour la cartographie
dassociation, lestimation de diversit et
le calcul de dsquilibre de liaison
Gratuit
Zhang et al.
2006.
http://sourceforge.net/projects/tassel
60

M2-Gene - Génétique Quantitative-Dissection Génétique Des Caractères Quantitatifs

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

M2-Gene - Génétique Quantitative-Dissection Génétique Des Caractères Quantitatifs

Încărcat de

Drepturi de autor:

Formate disponibile

Master 2 - UE Gntique Quantitative ECUE 2 : Dissection Gntique des Caractres Quantitatifs

S-ar putea să vă placă și