Accuracy of predicting genomic breeding values for residual feed intake in Angus and Charolais beef cattle.

Chez les bovins de boucherie, les valeurs phénotypiques qui, comme l’indice de consommation, sont difficiles et/ou coûteuses à mesurer, et le génotype des marqueurs moléculaires ne sont généralement connus que pour un petit nombre d’animaux de races ou de populations différentes. Pour en arriver à une prédiction génomique ayant un maximum d’exactitude en utilisant des données phénotypiques et génotypiques, il faut d’abord évaluer diverses stratégies de constitution de la population d’apprentissage qui servira à prédire la valeur génétique des candidats à la sélection. Dans les travaux présentés ici, nous avons examiné l’exactitude de la prédiction de la valeur génétique de la consommation alimentaire résiduelle d’après les données recueillies sur les polymorphismes mononucléotidiques (SNP) de 522 bouvillons Angus et 395 bouvillons Charolais par analyse sur une puce BovineSNP50 d’Illumina en vue de la appliquer dans trois stratégies de constitution de la population d’apprentissage : intra-raciale, multiraciale et mixte, c’est-à-dire avec regroupement des données. Nous avons aussi évalué deux autres approches appliquées aux données d’apprentissage et de validation divisées en fonction de l’année de naissance et de la famille paternelle chez une même race pour déterminer l’effet des relations génétiques sur l’exactitude de la prédiction génomique. Pour prédire la valeur génétique, nous avons utilisé trois méthodes statistiques : le BLUP (meilleure prédiction linéaire non biaisée) avec une matrice relationnelle définie d’après la généalogie (BLUPG) et une matrice définie d’après le génotype des SNP (BLUPS), et une méthode bayésienne (BayesB). La valeur génétique la plus exacte a été obtenue avec l’approche de prédiction intra-raciale et la population de validation ayant les relations génétiques les plus importantes avec la population d’apprentissage, le maximum étant de 0,58 pour les Angus, et de 0,64 pour les Charolais; l’exactitude des prévisions intra-raciales a baissé à 0,29 et 0,38, respectivement, lorsque les populations de validation n’avaient que des liens généalogiques minimes avec la population d’apprentissage. Lorsque la population d’apprentissage d’une autre race a été utilisée pour prédire la valeur génétique de la population de validation, c’est-à-dire pour une prédiction génomique multiraciale, l’exactitude des résultats a encore diminué à une valeur comprise entre 0,10 et 0,22 selon la méthode de prédiction utilisée. Le regroupement des données des deux races pour la constitution de la population d’apprentissage s’est traduit par une augmentation de l’exactitude, laquelle a monté à 0,31 pour la population de validation Angus, et à 0,43 pour la population de validation des Charolais. Ces résultats semblent indiquer que la relation génétique des candidats à la sélection de la population d’apprentissage influe davantage sur l’exactitude de la prédiction de la valeur génétique lorsqu’on utilise la puce Bovine SNP50 d’Illumina. Le regroupement des données de différentes races pour la constitution de la population d’apprentissage permet d’améliorer l’exactitude de la prédiction multiraciale de la valeur génétique de la consommation alimentaire résiduelle chez les bovins de boucherie.