Prédiction génomique intégrant les valeurs génétiques indirectes issues des données spectrales MIR chez les vaches laitières
La spectroscopie moyen infrarouge (MIR) offre une méthode de phénotypage à haut débit et rentable qui permet de capter des informations moléculaires à partir d'échantillons de lait. Cette étude de validation évalue l'intégration des données spectrales MIR dans des modèles de prédiction génomique afin d'améliorer l'estimation des valeurs génétiques pour la production, la santé, la fertilité et les caractères morphologiques chez trois races laitières françaises : Holstein, Normande et Montbéliarde.
Au total, 6 861 vaches ont été considérées, avec des génotypes provenant d'une puce SNP 50K et des enregistrements spectraux MIR. Les héritabilités des spectres MIR variaient selon les races, avec des estimations atteignant 0,45 chez la Holstein, 0,42 chez la Normande et 0,30 chez la Montbéliarde. Nous avons comparé quatre modèles de prédiction génomique : (1) GBLUP (matrice de relations génomiques), (2) FBLUP (matrice de relations basée sur le MIR), (3) F+GBLUP (matrices de relations génomiques et basées sur le MIR) et (4) GOBLUP (modèle génomique intégrant des valeurs génétiques indirectes dérivées des effets génétiques du MIR).
La précision des prédictions s'est améliorée lorsque les données MIR ont été intégrées. Par exemple, chez les Holstein, la précision de la prédiction de la teneur en protéines est passée de 0,56 (GBLUP) à 0,60 (GOBLUP), tandis que chez les Montbéliardes, les caractères de fertilité ont montré un gain pouvant atteindre 0,05 sur la précision des prédictions. La prédiction inter-races était plus efficace avec les données MIR qu'avec les seules données génomiques. Ces résultats soulignent le potentiel des spectres MIR en tant qu'outil additionnel pour améliorer les prédictions génomiques dans les programmes de sélection des bovins laitiers.
