Évaluation de la précision des modèles de prédiction de la qualité boulangère du blé tendre (Triticum aestivum L.) - DUMAS - Dépôt Universitaire de Mémoires Après Soutenance Accéder directement au contenu
Mémoires Année : 2016

Testing accuracy of prediction models for wheat (Triticum aestivum L.) bread-making qualities

Évaluation de la précision des modèles de prédiction de la qualité boulangère du blé tendre (Triticum aestivum L.)

Pierre Colin
  • Fonction : Auteur

Résumé

Bread-making qualities are crucial to register a new variety in France. It is a complex trait that can be measured either by bread-making tests or by indirect physical measurements of the dough (alveograph). Genomic selection could increase genetic gain per time or cost unit for this trait. The objective is to define the size of the training population, the number of molecular markers and the optimal statistical model to build the prediction equation. In total, 716 lines and 10 124 SNPs from Limagrain’s breeding program, 370 lines and 172 074 SNPs from INRA-AgriObtentions are analysed. The architecture of 14 traits is determined using association analyses. Different prediction models adapted to traits controlled by many genes with small effect (GBLUP) or a few genes with large effect ( Bayes Cπ ) are tested. Although random samples of 5000 molecular markers allow optimal predictions for GBLUP, 1000 independent markers associated with the trait give significantly higher accuracy for all traits, up to three times higher for bread-making ability at Limagrain. The Bayes Cπ model gives similar results than GBLUP. The size of the training population needs to be increased to stabilize predictions. These models necessitate validation on independent data sets.
La qualité boulangère est déterminante pour l’inscription d’une variété de blé au catalogue français. C’est un caractère complexe qui se mesure par des tests de panification ou par des mesures physiques sur la pâte (alvéographe). La sélection génomique pourraît augmenter le gain génétique par unité de temps ou de coût sur ces caractères. L’objectif est de définir la taille de la population de calibration, le nombre de marqueurs moléculaires et le modèle statistique optimaux pour établir l’équation de prédiction. Au total, 716 lignées et 10 124 SNPs provenant des programmes de sélection Limagrain et 370 lignées et 172 074 marqueurs INRA-Agri-Obtentions sont analysés. L’architecture de 14 caractères est décrite grâce aux résultats d’études d’association. Différents modèles de prédiction adaptés à des caractères contrôlés par de nombreux gènes à effets faibles (GBLUP) ou quelques gènes à effets forts (Bayes Cπ) sont testés. Alors que 5000 marqueurs tirés au hasard sont suffisants pour permettre une précision optimale avec un GBLUP classique, la sélection de 1000 marqueurs indépendants associés au caractère améliore les prédictions de tous les caractères, jusqu’à un facteur 3 pour la note de panification Limagrain. Le modèle and Bayes Cπ donne des précisions équivalentes au GBLUP. La taille de la population de calibration devra être augmentée pour stabiliser les précisions de prédiction. Les modèles nécessitent une validation sur des jeux de données indépendants.
Fichier principal
Vignette du fichier
2016_Colin_Pierre_SPV.pdf (1.57 Mo) Télécharger le fichier
Loading...

Dates et versions

dumas-01404001 , version 1 (28-11-2016)

Identifiants

  • HAL Id : dumas-01404001 , version 1

Citer

Pierre Colin. Évaluation de la précision des modèles de prédiction de la qualité boulangère du blé tendre (Triticum aestivum L.). Sciences du Vivant [q-bio]. 2016. ⟨dumas-01404001⟩
114 Consultations
1178 Téléchargements

Partager

Gmail Facebook X LinkedIn More