WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Modélisation spatiale hiérarchique bayésienne de l'apparentement génétique et de l'héritabilité en milieu naturel à  l'aide de marqueurs moléculaires

( Télécharger le fichier original )
par Ciré Elimane SALL
Université Montpellier II - Doctorat 2009
  

précédent sommaire suivant

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

2.5 Conclusion

Nous avons, dans ce chapitre, d'abord présenté les modèles classiques pour l'estimation de l'héritabilité en milieu naturel à l'aide des données moléculaires. Le premier modèle présenté, celui de Ritland (1996a), repose sur une procédure de régression linéaire. Ce modèle consiste à écrire la similarité génotypique des couples d'individus en fonction de leur apparentement. Ce modèle est, à première vue, bien adapté à l'estimation de l'héritabilité en milieu naturel vu que dans ce contexte l'apparentement varie sur une échelle continue. Cependant, comme en milieu naturel, l'apparentement génétique n'est

justement pas connu, il est estimé, la variabilité de l'estimation de l'apparentement doit être prise en compte et le modèle de Ritland ne prend pas bien en compte cette variabilité. Mousseau et al. (1998) ont développé un modèle de la vraisemblance pour estimer l'héritabilité et les corrélations génétiques. Ce modèle suppose que la structure d'apparentement est connue : les individus sont soit plein-frères soit non apparentés. Il a été appliqué à une population de saumons en captivité composée uniquement de familles de plein-frères. Ce modèle a été généralisé par Thomas et al. (2000) pour prendre en compte d'autres structures d'apparentement prédéterminées (non-apparentés, demifrères, plein-frères par exemple). L'application pratique de ces modèles à des études réalisées en milieu naturel est confrontée au fait qu'en milieu naturel l'apparentement varie, comme nous l'avons déjà indiqué, sur une échelle continue. Nous avons proposé une approche pour modéliser à la fois l'apparentement et l'héritabilité. Il s'agit d'un modèle bayésien hiérarchique pour l'apparentement et l'héritabilité. L'intérêt de ce modèle est d'une part, qu'il nous libère de devoir faire des hypothèses sur la structuration de l'apparentement en un certain nombre de classes prédéterminées, et d'autre part, qu'il permet de prendre en compte l'effet de la variabilité de l'estimation du vecteur des probabilités d'IBD sur l'estimation de la variance génétique additive. Ce modèle nous assure enfin que la matrice d'apparentement des couples d'individus est bien définie-positive.

précédent sommaire suivant






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy








"La première panacée d'une nation mal gouvernée est l'inflation monétaire, la seconde, c'est la guerre. Tous deux apportent une prospérité temporaire, tous deux apportent une ruine permanente. Mais tous deux sont le refuge des opportunistes politiques et économiques"   Hemingway