En savoir plus

Notre utilisation de cookies

« Cookies » désigne un ensemble d’informations déposées dans le terminal de l’utilisateur lorsque celui-ci navigue sur un site web. Il s’agit d’un fichier contenant notamment un identifiant sous forme de numéro, le nom du serveur qui l’a déposé et éventuellement une date d’expiration. Grâce aux cookies, des informations sur votre visite, notamment votre langue de prédilection et d'autres paramètres, sont enregistrées sur le site web. Cela peut faciliter votre visite suivante sur ce site et renforcer l'utilité de ce dernier pour vous.

Afin d’améliorer votre expérience, nous utilisons des cookies pour conserver certaines informations de connexion et fournir une navigation sûre, collecter des statistiques en vue d’optimiser les fonctionnalités du site. Afin de voir précisément tous les cookies que nous utilisons, nous vous invitons à télécharger « Ghostery », une extension gratuite pour navigateurs permettant de les détecter et, dans certains cas, de les bloquer.

Ghostery est disponible gratuitement à cette adresse : https://www.ghostery.com/fr/products/

Vous pouvez également consulter le site de la CNIL afin d’apprendre à paramétrer votre navigateur pour contrôler les dépôts de cookies sur votre terminal.

S’agissant des cookies publicitaires déposés par des tiers, vous pouvez également vous connecter au site http://www.youronlinechoices.com/fr/controler-ses-cookies/, proposé par les professionnels de la publicité digitale regroupés au sein de l’association européenne EDAA (European Digital Advertising Alliance). Vous pourrez ainsi refuser ou accepter les cookies utilisés par les adhérents de l'EDAA.

Il est par ailleurs possible de s’opposer à certains cookies tiers directement auprès des éditeurs :

Catégorie de cookie

Moyens de désactivation

Cookies analytiques et de performance

Realytics
Google Analytics
Spoteffects
Optimizely

Cookies de ciblage ou publicitaires

DoubleClick
Mediarithmics

Les différents types de cookies pouvant être utilisés sur nos sites internet sont les suivants :

Cookies obligatoires

Cookies fonctionnels

Cookies sociaux et publicitaires

Ces cookies sont nécessaires au bon fonctionnement du site, ils ne peuvent pas être désactivés. Ils nous sont utiles pour vous fournir une connexion sécuritaire et assurer la disponibilité a minima de notre site internet.

Ces cookies nous permettent d’analyser l’utilisation du site afin de pouvoir en mesurer et en améliorer la performance. Ils nous permettent par exemple de conserver vos informations de connexion et d’afficher de façon plus cohérente les différents modules de notre site.

Ces cookies sont utilisés par des agences de publicité (par exemple Google) et par des réseaux sociaux (par exemple LinkedIn et Facebook) et autorisent notamment le partage des pages sur les réseaux sociaux, la publication de commentaires, la diffusion (sur notre site ou non) de publicités adaptées à vos centres d’intérêt.

Sur nos CMS EZPublish, il s’agit des cookies sessions CAS et PHP et du cookie New Relic pour le monitoring (IP, délais de réponse).

Ces cookies sont supprimés à la fin de la session (déconnexion ou fermeture du navigateur)

Sur nos CMS EZPublish, il s’agit du cookie XiTi pour la mesure d’audience. La société AT Internet est notre sous-traitant et conserve les informations (IP, date et heure de connexion, durée de connexion, pages consultées) 6 mois.

Sur nos CMS EZPublish, il n’y a pas de cookie de ce type.

Pour obtenir plus d’informations concernant les cookies que nous utilisons, vous pouvez vous adresser au Déléguée Informatique et Libertés de l’INRA par email à cil-dpo@inra.fr ou par courrier à :

INRA
24, chemin de Borde Rouge –Auzeville – CS52627
31326 Castanet Tolosan cedex - France

Dernière mise à jour : Mai 2018

Menu Logo Principal AgroParisTech Université Paris-Saclay SAPS - Sciences Animales Paris-Saclay

Genetique Animale et Biologie Integrative

Unité Mixte de Recherche INRA AgroParisTech GABI Génétique Animale et Biologie Intégrative

Rencontre avec Fanny Mollandin, doctorante à GABI

INRAE F. Mollandin
Fanny nous présente son sujet de doctorant qui porte sur les génomes fonctionnels des porcs et des poulets pour améliorer la durabilité et les conditions sanitaires dans la production animale. Un projet financé par le projet H2020 GENE-SWitCH et le département INRAE Génétique Animale.

L'objectif principal de la prédiction génomique est d'utiliser la variation génomique, généralement les polymorphismes à nucléotide unique (SNP), pour prédire les phénotypes. Cependant, certains caractères complexes restent difficiles à prédire. Parallèlement, les connaissances génomiques fonctionnelles obtenues à partir d'études omiques sont prometteuses et permettent de mieux comprendre les mécanismes cellulaires sous-jacents et l'étiologie des caractères.

L'intégration de ces informations dans les modèles de prédiction génomique pourrait potentiellement conduire à une meilleure compréhension des caractères complexes. Les modèles bayésiens, grâce à leur utilisation de prior, semblent être un moyen direct d'introduire des informations fonctionnelles connues dans les modèles de prédiction génomique pour les traits complexes, à la fois pour améliorer potentiellement la qualité de la prédiction et pour mieux comprendre leur architecture génomique. En particulier, BayesRC (MacLeod et al., 2016) catégorise les SNP dans de multiples annotations disjointes, permettant à la proportion de QTL de varier dans chacune. Bien que ce modèle montre de bons résultats, il est limité par la nature non chevauchante des annotations, qui empêche les SNP d'appartenir à plus d'une annotation. Lorsque le nombre d'annotations disponibles augmente, cela devient une forte limitation, et empêche d’exploiter au mieux l’information dont on dispose.

Nous proposons deux nouveaux modèles bayésiens pour tenir compte de ces SNP multi-annotés, en attribuant une contribution cumulative (BayesRC+) ou préférentielle (BayesRC..) à travers les catégories d'annotation. Ces deux modèles sont implémentés dans BayesRCO, un logiciel open source en Fortran 90 (https://github.com/fmollandin/BayesRCO). Nous appliquerons ces modèles sur les données issues du projet GENE-SWitCH.

Contact :