Canevas : 1

Canevas : 1
 Université Mohamed El Bachir El Ibrahimi.
Faculté des Sciences de la Nature et de la vie

Master : Amélioration des plantes

Matière : Techniques d’analyses biomoléculaires

Cours N°01:

Introduction à l’analyse des QTLs

Année Universitaire : 2022-2023

 APERÇU

▪ Qu'est-ce qu'un caractere quantitatif ?

▪ Qu'est-ce qu'un QTL ?

▪ Principes de l'analyse des QTL

▪ Méthodes statistiques pour l'analyse QTL

▪ Applications de l'analyse des QTLs dans l'amélioration

des plantes.
 Caractères qualitatives vs quantitatives

Qualitatif Quantitatif

➢ Peu de gènes ➢ Polygènes

➢ Faible influence ➢ Forte influence

environnementale environnementale

➢ Classes distinctes ➢ Pas de classes

distinctes
Caractères qualitatives vs quantitatives
Caractères qualitatives vs quantitatives
 Propriétés des polygènes

▪ Héritage mendélien.

▪ Petits effets individuels (additif).

▪ Ségrégation.

▪ Linkage.
 Principes de génétique quantitative

▪ L'effet gène additif (a) représente le changement moyen de la

valeur génotypique résultant de la substitution d'un allèle "A" à
un allèle "a" (Falconer 1981)

▪ L'effet dominant (d) est dû à l'interaction entre allèles d'un

même locus.
 QTL (Quantitative Trait Locus)
▪ Une région chromosomique responsable d'une partie de
la variation phénotypique pour un caractère quantitatif.

▪ Peut être un gène unique ou

un groupe de gènes liés.

▪ Doit être polymorphe (avoir

une variation allélique).
 Analyse de QTL

Une méthode statistique met en

relation deux types d'informations

Données phénotypiques Données génotypiques

(caractère quantitatif) (marqueur génétique)
 Analyse de QTL
▪ Example :

Moyenne qq/mm/aa
Moyenne QQ/MM/AA
Différence
 Objectifs de l'analyse de QTL
Identifier les régions génomiques
contenant des QTL (Mapping QTLs)

Pour estimer les effets génétiques du QTL :

• Quelle est la variation causée par le QTL ?
• L'action génique associée au QTL ?
• Quel allèle est associé à un effet favorable ?

Identifier les marqueurs étroitement liés au QTL

Afin d’etre utiliser pour la SAM dans les
programmes de sélection

SAM sélection assistée par des marqueurs

 Analyse de QTL

Exigences

Une carte de linkage des Variation au sein d'une

marqueurs polymorphes population cartographique
 Marqueurs génétiques

Marqueurs morphologiques
(Couleur → du grain – des glumes – des fleurs)

Marqueurs biochimiques
(Basé sur le produit du gène, par Exp. les isozymes)

Marqueurs à base d'ADN ou moléculaires

(Sites de variation dans l'ADN)
Marqueurs génétiques
 Avantages des marqueurs moléculaires

▪ Neutre, situé dans les régions non codantes de l'ADN.

▪ Marqueurs codominants.

▪ Peu d'effets épistatiques ou pléiotropes.

▪ Non influencé par les environnements.

▪ Peut être fait à n'importe quel stade de la croissance de

la plante.
 Avantages des marqueurs moléculaires

▪ De nombreux marqueurs ADN.

▪ Distribué dans tout au long du génome.

▪ Niveau élevé de polymorphisme allélique.

▪ De petites quantités de tissus sont suffisants.

Polymorphe VS Monomorphe
Dominant VS Codominant
Dominant VS Codominant
Construction d'une carte de linkage

Production d'une population cartographique

(population en ségrégation)

Identification du polymorphisme
phénotypage

Analyse de linkage des marqueurs

(basé sur la fréquence de recombinaison)
 Construction d'une carte de linkage

La fonction de cartographie est utilisée pour traduire la fréquence de

recombinaison en une distance génétique (cM).

1- Fonction de cartographie Haldane (crossovers indépendants, pas

d'interférence).

2- Fonction de cartographie Kosambi (suppose des interférences).

Population cartographique
 Backcross

▪ Une méiose.

▪ Un seul des chromosomes est recombinant

▪ Les individus sont soit homozygotes pour les allèles

P1 soit hétérozygotes
 F2

▪ Une méiose.

▪ La recombinaison dans les méga- et microgamétophytes

permet une meilleure résolution de liaison
 Lignées haploïdes doublées (DHL)

▪ Une méiose

▪ Un seul des chromosomes est recombinant

▪ Tous les individus sont homozygotes

▪ Population immortelle
Recominant Inbre Lines (RILs)
▪ Tous les individus sont
homozygotes

▪ Population immortelle

▪ Des multiples méioses

▪ Des multiples chromosomes

recombinants

▪ Résolution de carte la plus élevée

▪ Long temps nécessaire

 Avantages de la population RILs

▪ Peut être reproduit facilement.

▪ Peut être répliqué sur des environnements.

▪ Des marqueurs dominants peuvent être

utilisés.
 Taille de la population
▪ Les populations de moins de 50 individus
fournissent une résolution de cartographie trop
faible.

▪ 100 individus sont la taille typique de la

population.

▪ La plus grande population permit la détection

de QTL de moindre effet.
Polymorphisme et génotypage

SSRs : simple sequence repeats

Polymorphisme et génotypage
 Carte génétique de Linkage
Basée sur la fréquence de recombinaison avec un logiciel
Méthodes statistiques pour l’analyse de QTL
Méthodes statistiques pour l’analyse de QTL
 Analyse à Marqueur Unique

➢ Étudier des marqueurs uniques un à la fois.

➢ La méthode la plus simple pour l'analyse QTL.
➢ Peut être fait par des tests t ou ANOVA.
➢ Ne nécessite pas une carte de linkage complète.
 Analyse à Marqueur Unique

ANOVA pour les différences entre les classes de marqueurs

Non significatif Le test F est significatif

Pas de QTL Il y a un QTL à ou
près de ce marqueur près de ce marqueur
Analyse à Marqueur Unique

Estimation de l’effet de QTL

(Additive et dominance)
 Analyse à Marqueur Unique
Exemple:

R2 (le coefficient de détermination) = SS (G) / SS Total

(Le pourcentage de variation phénotypique expliqué par le QTL putatif)
 Analyse à Marqueur Unique
Limites:

1. L'effet QTL (additif et dominance) est affecté par ladistance entre le

marqueur et le QTL.

2. Si plusieurs loci avec des effets positifs et négatifs étaient liés au

marqueur, un effet QTL global serait estimé au lieu d'effets
individuels pour chaque QTL.
 Mappage à Intervalle Simple
Utiliser des marqueurs latéraux

➢ Deux marqueurs à la fois (marqueurs latéraux).

➢ Basé sur la cartographie de linkage des marqueurs.
➢ Plus précis que l’Analyse à Marqueur Unique.
 Mappage à Intervalle Simple
Estimation de vraisemblance maximale de la position QTL

Log10 de rapport des cotes (score LOD):

Un score LOD supérieur à 3,0 est considéré comme une

preuve de linkage
 Mappage à Intervalle Simple
Courbe de LOD :
La vraisemblance maximale
de QTL Entre M-3 et M-4
 Mappage à Intervalle Simple
Example de QTLs:
 Mappage à Intervalle Simple
Résultats d’analye de QTLs:

%R2: la proportion de variation phénotypique expliquée

par le QTL putatif
 Mappage par Intervalles Composites

▪ Utiliser d'autres marqueurs génétiques

comme contrôle lorsque effectuer un
mappage d'intervalle.

▪ Plus précis que le mappage d'intervalle.

 Mappage à Intervalles Multiples

▪ Utilisation simultanée de plusieurs intervalles

de marqueurs pour identifier plusieurs QTL
putatifs.

▪ Étudier les effets épistatiques des QTL.

Des Logiciels de Mappage des QTLs
 Facteurs influençant l'analyse des QTL

▪ Propriétés génétiques des QTL

(Seuls les QTL à effets importants seront détectés)

▪ Interaction QTL x E

▪ Taille de la population

▪ Erreur expérimentale
(erreurs de génotypage des marqueurs et l'évaluation phénotypique)
 Facteurs influençant l'analyse des QTL

▪ Propriétés génétiques des QTL

(Seuls les QTL à effets importants seront détectés)

▪ Interaction QTL x E

▪ Taille de la population

▪ Erreur expérimentale
(erreurs de génotypage des marqueurs et l'évaluation phénotypique)
 Confirmation du mappage de QTLs

▪ Stabilité des QTL dans des environnements différents

▪ Utilisation de différentes populations en ségrégation

▪ Taille de la population

▪ Utilisation de lignées quasi-isogéniques (NIL)

(ne différant que par le QTL d'intérêt)
Sélection assistée par marqueurs

QTL
Marquer

Sélection assistée par marqueurs