1 EVALUATION GENETIQUE ET PRINCIPALES CONTRAINTES A SON APPLICATION CHEZ LES OVINS AU MAROC I. Boujenane Département des Productions Animales Institut Agronomique et Vétérinaire Hassan II Résumé Dans cette étude, on s'est intéressé à l'évaluation génétique des animaux et aux principales contraintes génétiques à la réalisation d'un progrès génétique notable chez les ovins au Maroc. Ainsi, après avoir rappelé l'intérêt de la sélection sur valeurs génétiques, on a présenté, de façon succinte, les deux principales méthodes d'évaluation génétique des animaux, à savoir la méthode des index de sélection et la méthode BLUP. L'accent a été mis ensuite sur les méthodes d'évaluation génétique en absence de paternité, comme c'est le cas dans l'élevage ovin au Maroc, et sur l'intérêt d'une évaluation entre troupeaux par le développement de connexions génétiques à l'aide de la technique d'insémination artificielle. Enfin, on a souligné, une fois de plus, la nécessité de créer un centre national de traitement de l'information zootechnique. Mots clés: Evaluation génétique, BLUP, Absence de paternité, Connexions génétiques. Introduction L'amélioration de la productivité des troupeaux passe par l'utilisation des reproducteurs ayant un mérite génétique élevé. Or, le seul moyen fiable pour détecter ces animaux est d'entreprendre une évaluation génétique dans les troupeaux soumis au contrôle de performances. Des tentatives d'évaluation génétique ont été menées dans les troupeaux de race Timahdit (Asrary, 1992; Boujenane, 1994). Toutefois, les résultats obtenus ne sont pas très encourageants. En effet, l'évaluation s'est basée sur la filière mère, puisque la paternité des agneaux n'est pas connue, et elle s'est faite intra-troupeaux dans la mesure où les troupeaux ne sont pas génétiquement connectés entre eux. Atelier de Travail conjoint ANOC-ANPA sur « Objectifs et Organisation de la Sélection Ovine : Cas de la race Timahdite», janvier 1996, Meknès. 1 1 L'objectif de ce travail est de rappeler, de façon succinte, la notion de la valeur génétique additive et les principales méthodes de son estimation. L'accent sera mis sur les principales contraintes génétiques à la réalisation d'un progrès génétique notable chez les ovins au Maroc. 1. Déterminisme de la variation entre les animaux Deux raisons essentielles font qu'un animal est meilleur que ses contemporains: - Il a probablement hérité des gènes intéressants qui font de lui un animal génétiquement supérieur. - Il a la chance d'être élevé dans un environnement favorable. Pour bien comprendre ce qui suit, les définitions suivantes sont nécessaires (Boujenane, 1996): a. La valeur phénotypique d'un animal pour un caractère donné est la performance réalisée pour ce caractère. b. Le génotype d'un animal est l'assemblage de gènes qu'il possède. Ainsi, la valeur génotypique ou valeur génétique totale est la somme de la valeur génétique additive, la valeur génétique de dominance et la valeur génétique d'épistasie. c. L'environnement est un mot général qui désigne les conditions dans lesquelles un animal est élevé. Il inclut les facteurs qui sont identifiables et mesurables (âge de la mère, sexe, type de naissance, mode d’élevage ...), les facteurs identifiables mais non mesurables (l'état physiologique de l'animal, l’état sanitaire de l’animal ...), et les facteurs non identifiables (erreurs de pesée ...). 2. Modélisation Pour réaliser un gain génétique, on n'est pas intéressé par la supériorité environnementale dont un animal dispose, parce que cette supériorité n'est pas transmise à la génération suivante. On est plutôt intéressé par choisir les animaux possédant des gènes favorables. Pour cela, on est obligé de sanctionner les animaux élevés dans de bonnes conditions. Cela est fait en cherchant le modèle statistique qui explique le mieux la variable étudiée; c'est la modélisation. Ainsi, on introduit dans le modèle initial tous les facteurs susceptibles d'influencer la variable étudiée, et on élimine à tour de rôle chaque facteur dont les effets ne sont pas significatifs. 3. Paramètres génétiques et phénotypiques La réalisation d'un progrès génétique passe par la connaissance précise de l'héritabilité, la répétabilité et les corrélations génétiques et phénotypiques. Il est à noter que ces paramètres doivent être estimés à partir des données collectées sur la population étudiée, en appliquant la méthode d'estimation appropriée au modèle statistique adéquat. Dans le cas de la race Timahdit, l'estimation de ces paramètres pour certains caractères de reproduction et de croissance a été faite par El Kihal (1990) et Tijani & Boujenane (1993). 2 4. Evaluation génétique Parmi les trois composantes du génotype (valeur génétique additive, valeur génétique de dominance et valeur génétique d'épistasie), c'est la valeur génétique additive qui est la plus importante, parce qu'elle est transmise du parent au descendant. Ainsi, la valeur génétique d'un descendant est la moyenne des valeurs génétiques additives de ses deux parents. Malheureusement, on ne peut pas voir les gènes qu'un animal porte, par conséquent, on ne peut jamais connaitre sa vraie valeur génétique additive. Toutefois, on peut l'estimer à partir des performances de l'animal lui-même et/ou de celles des animaux apparentés. Les deux principales méthodes d'estimation des valeurs génétiques additives sont: a. La méthode des index de sélection (Hazel, 1943): La valeur génétique additive d'un animal est estimée par un index de sélection I exprimé comme une combinaison linéaire des performances Yi (corrigées pour les effets de l'environnement) de l'animal et/ou des animaux apparentés pondérées selon leur importance (nombre de performances incluses dans l'information et relation additive avec l'individu à évaluer). I= b1Y1+ b2Y2+...+ bnYn Les coefficients de pondération bi sont obtenus par la formule ci-après, qui maximise le coefficient de corrélation entre la vraie valeur génétique additive et son estimation: Pb=G avec: P= matrice des variances et des covariances phénotypiques b= vecteur des coefficients de pondération G= vecteur des covariances entre la valeur génétique additive de l'animal à évaluer et les performances utilisées pour son estimation. Toutefois, cette méthode souffre d'un certain nombre de défauts, en l'occurrence, la correction à priori des performances pour les facteurs de l'environnement (troupeau surtout) peut s'avérer imprécise. Aussi, la méthode ne prend pas en considération les performances de tous les individus apparentés, et elle ne corrige pas pour la valeur génétique du conjoint. b. La méthode BLUP (Henderson, 1973). Contrairement à la méthode des index de sélection, la méthode BLUP estime les effets aléatoires (valeur additive ou moitié de la valeur additive) tout en corrigeant pour les effets de l'environnement. Par conséquent, les différences génétiques entre les troupeaux sont correctement prises en considération. Par ailleurs, grâce à la matrice des relations additives A, la méthode BLUP prend en considération les performances de tous les individus apparentés. 3 Les équations du modèle mixte utilisées pour trouver les solutions des effets fixes et prédire les effets aléatoires sont: X ' X Z' X X'Z b X ' Y −1 = Z ' Z + A α û Z ' Y avec: Y= vecteur des observations b= vecteur des effets fixes û= vecteur des effets aléatoires X= matrice d'incidence reliant les observations aux effets fixes Z= matrice d'incidence reliant les observations aux effets aléatoires A-1= inverse de la matrice des relations génétiques additives σ e2 α= 2 σu La méthode BLUP peut être appliquée à différents modèles utilisés pour la prédiction des effets aléatoires. Lorsque ces modèles sont classés selon la définition de l'effet aléatoire, on distingue: - Modèle père. Les effets aléatoires sont les effets des pères des animaux dont on analyse les performances, c'est à dire, que ce qui est estimé est la moitié de la valeur génétique additive du père. Dans ce cas: σ u2 = σ s2 = 0,25σ A2 = 0,25h 2 σ y2 σ = 2 e (4 − h2 ) 4 4 − h2 α= h2 σ y2 - Modèle père et grand-père maternel. C'est une extension du modèle précédent, sauf que dans ce cas la matrice Z relie la performance de l'animal à son père (0 et 1) et à la moitié de son grand-père maternel (0, 1/2). Là aussi, on estime la moitié de la valeur génétique additive du père et la moitié de celle du grand-père maternel. - Modèle animal. Actuellement, à l'échelle mondiale, c'est le méthode de choix pour l'évaluation génétique des animaux. Le modèle animal permet la prédiction des valeurs génétiques de tous les animaux. Il évalue directement ceux qui ont réalisé des données sur leurs propres performances, et évalue les parents qui n'ont pas de données à travers l'introduction de l'inverse de la matrice des relations additives. Dans ce cas: 4 σ u2 = σ A2 = h 2 σ y2 σ e2 = (1 − h 2 )σ y2 1 − h2 α= h2 5. Contraintes à la réalisation d'un progrès génétique notable chez les ovins au Maroc Plusieurs contraintes à la réalisation d'un progrès génétique réel chez les ovins au Maroc peuvent être identifiées. On se limitera, dans ce qui suit, aux principales contraintes inhérentes à l'évaluation génétique. 5.1. Absence de paternité des agneaux A l'échelle nationale, la majorité des troupeaux ovins est conduite de manière extensive. Au moment de la lutte, plusieurs béliers sont utilisés pour assurer la saillie des brebis. Par conséquent, la paternité des agneaux qui naissent n'est pas connue. Or, la méconnaissance du père peut affecter le progrès génétique de trois façons: - Réduction de l'intensité de sélection, à travers l’élimination, lors de la sélection, des agneaux dont les pères ne sont pas connus. - Diminution de la précision de l'estimation des valeurs génétiques. - Sous-estimation de l'héritabilité (Van Vleck, 1970). Pour pallier à ces inconvénients, les chercheurs ont essayé de trouver des méthodes d'évaluation génétique applicables même en absence de paternité. Poivey & Elsen (1984) et Foulley et al. (1987) étaient les premiers à se pencher sur ce problème. Ainsi, si un nombre limité de pères potentiels peut être identifié, on affecte des probabilités (égales ou différentes) à chacun des pères d'être le vrai père du produit (père probable). Foulley et al. (1987) ont appliqué cette méthode au BLUP modèle père, en remplaçant les éléments 0 et 1 de la matrice d'incidence Z par les probabilités Pi (avec 0< Pi< 1). L'autre méthode qui est également utilisée pour l'évaluation génétique quand les parents sont inconnus est la méthode BLUP en affectant un ou deux "parent(s) fantome(s)" aux animaux dont l'un ou les deux parent(s) ne sont pas connus (Westell et al., 1988). On ajoute ainsi au modèle l'effet fixe du groupe génétique. Les parents fantomes sont classés en groupes génétiques selon les dates de naissance de leurs descendants. Toutefois, cette méthode suppose que les parents fantomes ont chacun un seul descendant et ils ne sont apparentés à aucun animal de la population. Ce qui n'est pas toujours vrai. Pour éviter d'introduire le groupe génétique dans le modèle, Henderson (1988) a opté pour l'utilisation de la méthode des probabilités (père probable), tout en remplaçant dans les équations du modèle mixte l'inverse de la vraie matrice des relations additives par l'inverse de la matrice moyenne des relations additives. Les algorithmes pour trouver cette inverse ont été développés par Henderson (1988), Famula (1992) et Perez- Enciso & Fernando (1992). 5 L'efficacité de la méthode basée sur la matrice moyenne des relations additives a été testée et comparée à d'autres méthodes d'évaluation en utilisant la méthode de simulation (Perez-Enciso & Fernando, 1992; Famula, 1993; Kerr et al., 1994). Les principales conclusions sont: - L'application de la méthode BLUP en utilisant la matrice moyenne des relations additives (BLUP-Am) améliore le progrès génétique de 26-63% par rapport à la méthode de sélection sur propres performances uniquement. - Avec la méthode BLUP-Am, le progrès génétique réalisé est réduit de moins de 6-24% seulement comparée à la méthode BLUP utilisant la vraie matrice des relations génétiques additives (BLUP-A), mais il est de 4-8% supérieur que celui obtenu par la méthode BLUP utilisant les groupes génétiques (BLUP-G). - La méthode BLUP-Am est meilleure que la méthode BLUP appliquée à la filière mère et ignorant le père. - La variance de l'erreur de prédiction est élevée avec BLUP-G qu'avec BLUP-Am. - La sélection basée sur BLUP-Am augmente la consanguinité que BLUP-G. Important: Il découle, de ce qui précède, qu'il est primordial de noter, à chaque saison, les numéros des béliers utilisés à la lutte, même si celle-ci est groupée. 5.2. Absence de connexions génétiques entre les troupeaux Le fait que les béliers de lutte ne soient utilisés que dans un seul troupeau ne permet qu'une évaluation génétique intra- troupeau. Or, dans une situation où le nombre de béliers utilisés par élevage, lors d'une campagne donnée, est réduit, le niveau génétique moyen de ceux-ci peut varier amplement d'un élevage à l'autre du seul fait de l'échantillonnage. Cette situation réduit le progrès génétique réalisé. Pour pouvoir profiter des animaux génétiquement supérieurs qui se trouvent dans d'autres élevages, une évaluation génétique entre troupeaux s'impose; elle permettera de tenir compte des différences génétiques et environnementales entre les élevages. Ceci est d'autant mieux réalisé qu'il y a davantage de relations de parenté entre les individus présents dans différents troupeaux ou années. Ce qui n'est possible que si ces troupeaux sont génétiquement liés entre eux; c'est ce qu'on appelle connexions génétiques. Mocquot et al. (1984) ont comparé une situation théorique où tous les choix se feraient intra-élevage à une situation où l'IA serait partiellement utilisée pour assurer simplement une connexion de qualité (Figure 1). Ils ont conclu que le gain génétique dans une population en présence de connexions est le double de celui obtenu dans une population en absence de connexions. Pratiquement une connexion entre troupeaux est réalisée dès que chaque éleveur assure une partie de son renouvellement (mâles et/ou femelles) par achat de reproducteurs dans d'autres élevages. Ainsi, différentes méthodes sont utilisées pour planifier les connexions entre les troupeaux: 6 - Méthode de "cercles à béliers" utilisée essentiellement en Norvège. Elle consite en une rotation des béliers qui changent d'élevage chaque jour pendant la saison de lutte. - Schéma de sélection à noyau ouvert. Le transfert des béliers et de quelques brebis du noyau de sélection vers les troupeaux de sélection, et des brebis de remplacement de ces derniers vers le noyau de sélection permet d'établir des connexions génétiques entre les troupeaux. - Méthode d'insémination artificielle (IA) sur tout ou une partie du troupeau des brebis. L'IA est un outil très puissant de planification et de réalisation de connexions de qualité entre élevages, à travers la création de demi-frères/soeurs de pères dans un maximum de troupeaux. Dans l'espèce ovine, l'IA est réalisée essentiellement avec de la semence fraiche sur oestrus induit, et n'est généralement pas utilisée pour les retours en chaleur après les inséminations premières. Ainsi, pour créer des connexions entre troupeaux, il est nécessaire d'imposer, avant chaque saison de lutte, certains béliers d'IA à utiliser par l'éleveur. Ces mâles d'IA de connexion doivent être choisis parmi ceux les mieux indexés sur les caractères à améliorer. Ils seront issus soit du noyau de sélection, soit des troupeaux de sélection. Par ailleurs, pour que l'évaluation génétique ne soit pas biaisée, il ne suffit pas que les troupeaux soient connectés entre eux dans l'espace, mais également dans le temps. Ces connexions existent pratiquement dès que les générations se chevauchent. Pour cela, les béliers de connexion doivent être utilisés lors d'au moins deux saisons. De même, la congélation de la semence (si la technique le permet) permet, par procréation de demi-frères/soeurs de pères sur un nombre élevé d'années d'assurer cette tâche. 5.3. Absence d'un centre de calcul Actuellement, l'ANOC réalise le contrôle de performances dans les troupeaux de sélection, assure la saisie et fait un traitement préliminaire des données. Malgré tous les efforts fournis, elle va, tôt ou tard, être dépassée, essentiellement à cause du manque de moyens, aussi bien humains que matériels. Or, pour réussir un programme de sélection, il faut aboutir à l'évaluation génétique des animaux, chose qui n'est possible que si le pays est doté d'un centre de calcul permettant de traiter les informations zootechniques (contrôle de performances des ovins, contrôle laitier des bovins...). Conclusion Le Maroc a réussi un grand pari en arrivant à organiser les éleveurs en groupements et en réalisant le contrôle de performances dans les troupeaux de sélection. De même, la Commission Nationale de Sélection et de Marquage a fait du bon travail d'homogénéisation des races et de sensibilisation des éleveurs à la notion de la pureté de la race. Un seul pas reste à franchir pour finir en beauté le programme de sélection; c'est l'évaluation génétique. Actuellement, la méthode de choix pour l'évaluation génétique des animaux est la méthode BLUP appliquée à un modèle animal. Le problème de l'absence de paternité, dans le cas des élevages qui pratiquent la lutte groupée, peut être surmonté par l'utilisation de la méthode du père probable. Il reste, cependant, à 7 réaliser les connexions génétiques entre les troupeaux à l'aide de l'IA. Par conséquent, la réussite des programmes de sélection ovins passe par le développement de l'IA ovine. C'est le nouveau défi que nous devons relever. 8 Réferences Asrary, M. 1992. Analyse des performances et évaluation génétique des ovins de race Timahdit dans les UREO de la SNDE et les troupeaux de sélection. Mémoire de 3ème Cycle Agronomie, I.A.V. Hassan II, Rabat Boujenane, I. 1994. Méthodes d'analyse des données du contrôle de performances. 1ères Journées Ovines, Ifrane. ANOC-ANPA Boujenane, I. 1996. Amélioration Génétique des Animaux Domestiques, avec Exercices et Solutions (Polycopié) 153 pages. I.A.V. Hassan II, Rabat El Kihal, E. 1990. Analyse des performances de croissance et de reproduction chez la race Timahdit à l'UREO de Sidi Aissa. Mémoire de 3ème Cycle Agronomie, I.A.V. Hassan II, Rabat Famula, T.R. 1992. Simple and rapid inversion of additive relationship matrices incorporating parental uncertainty. J. Anim. Sci. 70:1045-1048 Famula, T.R. 1993. The contribution of progeny of uncertain paternity to the accuracy of sire evaluation. J. Anim. Sci. 71:1136-1141 Foulley, J.L., Gianola, D. & Planchenault, D. 1987. Sire evaluation with uncertain paternity. Genet. Sel. Evol. 19:83-102 Hazel, L.N. 1943. The genetic basis for constructing selection index. Genetics 28:476-490 Henderson, C.R. 1973. Sire evaluation and genetic trends. In: Proc. Anim. Breed. Genet. Symp. in Honor of Dr. J.L. Lush. Am. Soc. Anim. Sci. and Am. Dairy Sci. Assoc., Champaign, pp. 10-41 Henderson, C.R. 1988. Use of an average relationship matrix for multiple-sire joining. J. Anim. Sci. 66:1614-1621 Kerr, R.J., Hammond, K. & Kinghorn, B.P. 1994. Effects of multiple-sire matings on genetic evaluations, selection response and rates of inbreeding. Livest. Prod. Sci. 38:161-168 Mocquot, J.C., Bibé, B. & Elsen, J.M. 1984. Intérêt de l'insémination artificielle pour la sélection. Comparaison de diverses situations. Les Colloques de l'INRA 29:115-132 Perez-Enciso, M. & Fernando, R.L. 1992. Genetic evaluation with uncertain parentage: a comparison of methods. Theor. Appl. Genet. 84:173-179 Poivey, J.P. & Elsen, J.M. 1984. Estimation de la valeur génétique des reproducteurs dans le cas d'incertitude sur les apparentements. I. Formation des indices de sélection. Genet. Sel. Evol. 16:445-454 Tijani, A. & Boujenane, I. 1993. Estimation des paramètres génétiques et phénotypiques des performances de croissance des agneaux de race Timahdite au Maroc. 44ème Réunion de la FEZ. Aarhus, Danemark Van Vleck, L.D. 1970. Misidentification in estimating the parental sib correlation. J. Dairy Sci. 53:1469-1474 Westell, R.A., Quaas, R.L. & Van Vleck, L.D. 1988. Genetic groups in an animal model. J. Dairy Sci. 71:1310-1318. 9