Développement de méthodes statistiques pour l’identification de gènes d’intérêt en présence d’apparentement et de dominance, application à la génétique du maïs

Informations générales
Nom
Laporte
Prénom
Fabien
Diplôme
Thèse
Année
2018
Détails de la thèse/HDR
Jury
Mathieu EMILY
Grégory Nuel
Christophe Ambroise
Elisabeth GASSIAT
Brigitte Mangin
Directeur (pour les thèses)
Tristan Mary-Huard
Alain CHARCOSSET
Résumé en français
La détection de gènes est une étape importante dans la compréhension des effets de l'information génétique d'un individu sur ses caractères phénotypiques. Durant mon doctorat, j'ai étudié les méthodes statistiques pour conduire les analyses de génétique d'association, avec les hybrides de maïs comme modèle d'application.
Je me suis tout d'abord intéressé à l'estimation des paramètres d'apparentement entre individus à partir de données de marqueurs bialléliques. Cette estimation est réalisée dans le cadre d'un modèle de mélange paramétrique. J'ai étudié l'identifiabilité de ce modèle dans un cadre général mais aussi dans un cadre plus spécifique où les individus étudiés étaient issus de croisements entre lignées, cadre représentatif des plans de croisement classiquement utilisés en génétique végétale.
Je me suis ensuite intéressé à l'estimation des paramètres des modèles mixtes à plusieurs composantes de variance et plus particulièrement à la performance des algorithmes pour tester l'effet de très nombreux marqueurs. J'ai comparé pour cela des logiciels existants et optimisé un algorithme Min-Max.
La pertinence des différentes méthodes développées a finalement été illustrée dans le cadre de la détection de QTL à travers une analyse d'association réalisée sur un panel d'hybrides de maïs.