Variations des caractres discrtes ou continues : couleur, cornes, groupes sanguins. Nature discontinue des facteurs mendliens saccorde bien avec la nature discrte de lexpression de tels caractres. Relation simple entre le phnotype (ce que lon observe) et le gnotype (ce qui nous intresse). Variations observables chez des organismes vivants trs souvent continues. Individus dune population rpartis de faon continue : taille, poids, Q lait etc Linterprtation gntique de la variation de ces caractres apparat de prime abord plus complique que dans on est souvent incapable de dceler des gnes en sgrgation responsables de la variation observe, et on ne peut pas associer sans ambigut un phnotype donn un gnotype particulier. Les variations observables chez des organismes vivants sont trs souvent continues dans une certaine gamme de valeurs. Linterprtation gntique de la variation de ces caractres apparat plus complique que dans le cas prcdent : on est souvent incapable de dceler des gnes en sgrgation responsables de la variation observe, et on ne peut pas associer sans ambigut un phnotype donn un gnotype particulier. Ceci ne signifie pas que lhrdit des caractres variation continue repose sur des fondements diffrents de ceux concernant les gnes bien individualiss. Objet de la gntique quantitative : rendre compte de lhrdit de ce type de caractre (un caractre quantitatif est un caractre dont lobservation passe par une mesure). Branche de la gntique ne dans la controverse au sujet de lhrdit des caractres quantitatifs et des principes rgissant leur volution. Dbut du XXme sicle, a oppos les mutationnistes et les biomtriciens . Les premiers, dont le plus fameux fut William Bateson, considraient que les lois de Mendel ne sappliquaient pas aux caractres variation continue : ils taient amens remettre en cause la thorie de Darwin (1859) selon laquelle les caractres quantitatifs avaient subi une volution graduelle sous laction de la slection naturelle. Les seconds, emmens par le statisticien Karl Pearson, soutenaient la thorie de Darwin et apprhendaient lhrdit des caractres quantitatifs travers lanalyse statistique des liaisons existant entre les valeurs mesures chez des individus apparents, mais sans pouvoir cependant interprter leurs rsultats la lumire des lois de Mendel. Chez le haricot, le croisement de varits fleurs blanches et fleurs rouges donnait toute une srie de couleurs, du pourpre au violet ple et blanc . Mendel explique ce phnomne en considrant que la couleur de la fleur du haricot est un mlange de caractres lmentaires, la transmission de chacun suivant les mmes rgles que celles mises en vidence chez le pois. Suggrant ainsi ce quaujourdhui nous dcrivons comme lintervention de plusieurs locus pour rendre compte de la variation continue de certains caractres. Plus tard, des slectionneurs de plantes comme lAmricain East (1903) ou le Sudois Nielson Ehle (1908) firent des expriences tayant cette hypothse multifactorielle. Cest en 1918 que le statisticien anglais Ronald Fisher propose un modle de synthse, rendant la fois compte des lois de Mendel et des relations biomtriques entre apparents. Ce modle a fait lobjet de dveloppements ultrieurs, mais reste le fondement actuel de la gntique quantitative. Applications de la gntique quantitative : pidmiologie gntique (chez lhomme) , lamlioration des plantes et des animaux domestiques et la comprhension de certains mcanismes de lvolution Nul doute que lhomme a depuis des temps trs anciens, voire ds les dbuts de la domestication, mis en uvre des procdures de slection des espces quil exploitait. Une rfrence fort respectable nous est donne par la Bible, o lon peut dcouvrir le procd imagin par Jacob, alors gardien des brebis de son beau-pre Laban, afin de conserver pour lui-mme les descendants des brebis les plus robustes et de ne laisser Laban que la progniture des brebis chtives (Gense, chapitre 30, versets 32 43). Remontant moins loin dans le temps, on peut constater quaux sicles derniers, des procdures empiriques de slection avaient dj permis dindividualiser des varits ou des races amliores : A titre dexemple, la mise en place de la slection gnalogique chez la betterave par le franais Vilmorin au milieu du XIXme sicle, ou la cration de la race bovine Longhorn et de la race ovine Dishley par langlais Robert Bakewell au milieu du XVIIIme sicle. Amlioration des espces domestiques a largement bnfici de lessor de la gntique quantitative, en mme temps que du dveloppement des exprimentations et de lusage des statistiques. En effet, dans de trs nombreuses espces, les progrs gntiques se sont fortement acclrs ds lors que des mthodes rationnelles ont pu tre gnralises dans le cadre de programmes intgrs (entre les deux guerres pour les plantes, partir du lendemain de la seconde guerre mondiale pour les animaux). A ce titre, il faut souligner la contribution majeure de certains gnticiens ou statisticiens, dont Kempthorne (USA), Lush (USA), Robertson (Ecosse) et Henderson (USA) ; Ont, sur les fondements de la gntique quantitative, dvelopp partir du milieu du 20ieme sicle des mthodologies aujourdhui largement utilises, tant en ce qui concerne lestimation de certains paramtres gntiques, lvaluation des reproducteurs et leur utilisation, que loptimisation des procdures de slection. Il est cependant indniable que lamlioration des espces domestiques a largement bnfici de lessor de la gntique quantitative, en mme temps que du dveloppement des exprimentations et de lusage des statistiques. En effet, dans de trs nombreuses espces, les progrs gntiques se sont fortement acclrs ds lors que des mthodes rationnelles ont pu tre gnralises dans le cadre de programmes intgrs (entre les deux guerres pour les plantes, partir du lendemain de la seconde guerre mondiale pour les animaux). A ce titre, il faut souligner la contribution majeure de certains gnticiens ou statisticiens, dont Kempthorne (USA), Lush (USA), Robertson (Ecosse) et Henderson (USA), qui ont, sur les fondements de la gntique quantitative, dvelopp partir du milieu du 20ime sicle des mthodologies aujourdhui largement utilises, tant en ce qui concerne lestimation de certains paramtres gntiques, lvaluation des reproducteurs et leur utilisation, que loptimisation des procdures de slection. Notion de population recouvre un concept difficilement rductible une dfinition unique. Au sens de la gntique, une population reprsente une entit de reproduction au sein dune espce. Dfinition nanmoins vague ; ne prcise ni le type de reproduction, ni le critre permettant daffecter un individu une entit plutt qu une autre. Nous considrons la population comme un ensemble dindividus possdant certaines caractristiques communes : il peut sagir des pieds de mas dune parcelle, dune colonie dinsectes dans une fort, des habitants de la commune de Saint Louis (Sngal) ou de la Rpublique Populaire de Chine (1,25 milliard dhabitants), etc. Pour dcrire la variabilit au sein dune population, une premire solution consiste fournir le rsultat brut de la collecte de donnes, cest--dire la liste des valeurs numriques mesures sur tous les individus pour les diffrents caractres observs. Le volume des donnes peut tre extrmement important et ne permet pas dapprhender correctement la situation gnrale de la population. Aussi, a-t-on recours aux statistiques, dont un des rles est de synthtiser linformation. 1. La distribution Une reprsentation graphique permet de rendre compte de la manire dont les valeurs numriques se rpartissent dans la gamme de variation observe : cest la distribution. Il sagit dun graphe o en abscisse se trouvent les valeurs numriques et en ordonne la frquence (ou le nombre) des individus que lon trouve avec une valeur donne ou dans un intervalle donn. La figure 1 reprsente la distribution de la taille de mille tudiants de luniversit de Harvard. On voit que lallure de la distribution change selon la prcision avec laquelle a t faite la mesure, ou, ce qui revient au mme, la largeur des classes que lon constitue pour raliser le graphe. Si le pas de classe adopt est de 10 cm, les tudiants se rpartissent en cinq classes (Figure 1.a). Si lon peut mesurer 1 cm prs, les classes se subdivisent (Figure 1.b). Si lon poursuit le processus, en affinant les mesures et en supposant que lon peut mesurer un trs grand nombre dindividus, on tend vers une distribution continue (Figure 1.c). La figure 1 nous indique galement que la distribution de la taille, dans la population observe, se rapproche, dans sa forme, de la courbe en cloche caractristique de la loi normale (voir Stat). Les caractres quantitatifs prsentent une variation continue. La figure 2 montre quelques exemples de variation observe pour des caractres dimportance agronomique ou zootechnique. Mme lorsque le caractre mesur est par nature discontinu, car reprsentant la somme dun nombre dobjets distincts (nombre de grains sur un pi de mas, nombre de soies abdominales chez la drosophile, nombre de jeunes dans une porte de truie, etc.), le nombre de classes observes peut tre lev, et lon considre la variation de ce type de caractre comme continue (voir figure 2.d). La distribution normale est une distribution trs frquemment rencontre pour un grand nombre de caractres dans toutes les espces (voir figure 2). De ce fait, lanalyse statistique des caractres auxquels on sintresse en gntique quantitative est souvent facilite. Toutefois, les caractres pour lesquels on ne peut pas admettre la normalit de la distribution ncessitent un traitement appropri. Par exemple, une transformation mathmatique des donnes par des fonctions telles que le logarithme, la racine, etc. permet souvent de normaliser les distributions. 2. La moyenne La distribution reste nanmoins peu facile manipuler, et ne donne pas immdiatement une valeur reprsentative du caractre dans la population : si nous demandons un obsttricien combien pse un bb la naissance en France, il ne nous prsentera pas une courbe de distribution, mais nous rpondra, autour de 3,2 kg . La moyenne, ou esprance, est le concept statistique le plus utilis pour donner un ordre de grandeur dun caractre. Cependant, on peut parfois tre amen donner le mode (valeur la plus frquemment observe) ou la mdiane (valeur autour de laquelle leffectif de la population se rpartit quitablement). En cas de distribution normale, ces trois paramtres sont gaux. 3. La variance Pour dcrire lamplitude de la dispersion autour de la moyenne, on utilise le plus souvent la variance, qui est la moyenne des carrs des carts la moyenne (voir le mmento statistique en fin de ce chapitre) et sexprime dans le carr de lunit du caractre mesur. Lcart-type, quant lui, est gal la racine carre de la variance et sexprime dans lunit du caractre. A titre dillustration, le tableau 1 donne les paramtres des distributions reportes aux figures 1 et 2. Une proprit intressante de la loi normale est que lon peut facilement calculer la proportion dindividus dont la valeur se situe au-del (ou en de) dun certain seuil par rapport la moyenne ; des tables donnent ces proportions pour une loi normale centre rduite, cest--dire dont la moyenne est nulle et la variance est gale 1 (voir Stat). Ainsi, il est bien connu que, dans le cas dune distribution normale, 95 % des valeurs se situent dans un intervalle allant de -1,96 + 1,96 carts- types de part et dautre de la moyenne. Si lon prfre, on peut galement dire que seulement 2,5 % des valeurs se situent plus de 1,96 carts-types au-del de la moyenne, et rciproquement en de de la moyenne. A titre dexemple, la distribution de la teneur en protines du lait tant rigoureusement ajuste une distribution normale (figure 2.c), les chiffres du tableau 1 nous indiquent que 95 % des vaches Montbliardes contrles en 1988 ont eu une valeur de taux protique comprise entre 27,6 et 35,4 g/kg, ce qui reprsente un bon aperu du champ de variation du caractre dans la population considre. Lorsque lon tudie une population, il est rare que lon ne sintresse qu un seul caractre mesurable sur les individus qui la composent. En amlioration des plantes ou des animaux, ce nest quasiment jamais le cas. Il est donc important de disposer doutils permettant, au minimum, de dcrire une population de faon bidimensionnelle. 1. La distribution deux dimensions Pour rendre compte graphiquement dune distribution deux dimensions, on construit un nuage de points : chaque individu est reprsent sur le graphe par un point dont les coordonnes sont gales aux valeurs respectives pour les deux caractres tudis. La figure 3 montre une construction de ce type, partir de donnes recueillies sur une espce dongul sauvage, le bouquetin des Alpes, Capra ibex ibex. La forme du nuage de points suggre une liaison statistique entre les deux caractres mesurs, liaison quil est possible de quantifier. 2. La corrlation Le coefficient de corrlation (de Pearson) est le paramtre usuel pour quantifier lassociation entre deux variables. Ce coefficient se calcule comme tant le rapport de la covariance entre les deux variables au produit de leurs carts-types respectifs ; la covariance est lesprance du coproduit des deux variables centres (voir mmento statistique). Le coefficient de corrlation entre deux variables X et Y est sans dimension et varie de -1 +1. Il mesure le degr de liaison linaire entre les deux variables mais nimplique pas toujours une relation de cause effet. Si la corrlation est positive, les valeurs leves de Y sont prfrentiellement associes des valeurs leves de X. En cas de corrlation ngative, ce sont les valeurs faibles de Y qui sont associes prfrentiellement aux valeurs leves de X. Quand le coefficient de corrlation est lev en valeur absolue, lassociation est rigoureuse et le nuage de points est resserr autour dune droite. A contrario, une valeur proche de zro indique que la liaison linaire est imparfaite, une valeur de zro signifiant lindpendance linaire entre les deux variables. Lorsque deux variables suivent conjointement une loi normale, leur coefficient de corrlation est le meilleur indicateur de leur association statistique. A linverse, deux variables peuvent avoir entre elles une liaison forte mais non linaire (par exemple X sur lensemble des rels et Y=X2) et tre en corrlation nulle, car comme indiqu plus haut, la corrlation mesure une liaison qui est de type linaire. Lorsque lon ne connat pas a priori le type de liaison entre deux variables, lobservation de leur distribution bidimensionnelle est indispensable et se restreindre au seul calcul du coefficient de corrlation pour juger de leur liaison peut conduire de grossires erreurs. 3. La rgression linaire Lexistence dune corrlation linaire entre deux variables permet de prdire la valeur dune variable partir de la valeur prise par lautre variable. En effet, connaissant X, il est possible de prdire Y par , selon lquation suivante : = a + bX Le coefficient de rgression (b) reprsente la pente de la droite, cest--dire la quantit selon laquelle, en moyenne, la variable Y varie lorsque la variable X crot dune unit. Quant au coefficient a, il reprsente simplement lordonne de la droite lorigine (c..d. le zro de la variable X). Les coefficients a et b de cette droite de rgression sont dtermins de faon minimiser la variance derreur entre les valeurs prdites par lquation ci-dessus () et les valeurs relles de Y sur lchantillon considr (mthode des moindres carrs, voir Stat). Plus la corrlation entre les deux variables est leve, plus la prdiction de lune partir de lautre est prcise (plus est proche de Y). Lintrt de la technique de rgression linaire est de permettre une prdiction de la valeur dun individu pour un caractre qui nous intresse alors que la mesure en est difficile ou trs coteuse, voire impossible dans les conditions o lon se trouve. Lobjectif des mesures faites chez le bouquetin des Alpes et prsentes la figure 3 tait justement de fournir un prdicteur simple du poids des animaux afin de permettre le suivi rgulier des populations, notamment de la croissance des animaux. On conoit en effet que, dans lhabitat naturel du bouquetin, le transport dune bascule soit quelque peu malais. Un mtre-ruban est bien moins encombrant et dun maniement trs facile. Les prdictions que lon peut faire du poids des animaux partir de la simple meure de leur tour de poitrine sont juges suffisamment fiables pour lobjectif que lon sest assign : les erreurs de prdiction sont de faible ampleur et elles nont que peu de consquences pratiques. La rgression fait lobjet de trs nombreuses applications, dans des domaines trs varis. Notamment, il sera largement discut, dans le cadre des enseignements correspondants, de lusage extrmement courant que lon fait de la rgression linaire en amlioration des plantes et en amlioration des animaux, pour prdire ce que lon ne peut en gnral pas observer directement, la valeur gntique pour un caractre donn, partir de ce que lon voit, le phnotype. EXERCICES Le tableau ci-dessous donne les valeurs numriques ayant servi ltablissement du graphe relatif la liaison entre le tour de poitrine (TP) et le poids chez 35 mles de bouquetin des Alpes (Togo, 1998 ; cf. figure 3 dans le chapitre I). A partir des lments partiels de calcul qui sont fournis, calculer : - la moyenne et lcart-type de chacun des caractres. - les coefficient de corrlation entre les deux caractres. - lquation de la droite de rgression permettant de prdire le poids en fonction du tour de poitrine. A. Dfinitions 1. Le phnotype et le gnotype Le phnotype est la manire dont un organisme nous apparat, pour un niveau dobservation donn. En gntique quantitative, les caractres que lon tudie font lobjet dune mesure. Ainsi, on appelle valeur phnotypique le rsultat de la mesure effectue sur un individu. Dans le milieu professionnel de la slection, animale ou vgtale, on parle galement de performance. Notons quen gntique vgtale, lentit sur laquelle on ralise une mesure peut tre un mlange dindividus, par exemple lensemble des individus cultivs sur une mme parcelle ; dans ce cas, la valeur phnotypique peut se dfinir lchelle de la parcelle : elle reprsente en fait une moyenne de valeurs phnotypiques individuelles. Le gnotype dun individu en un locus est lensemble des gnes quil possde ce locus (deux gnes homologues pour un individu diplode). Le gnotype en plusieurs locus1 est lensemble des gnotypes chacun des locus. Si lon considre lensemble du gnome et lensemble des caractristiques phnotypiques des organismes, aucun individu ne peut tre strictement identique un autre, hormis le cas dorganismes obtenus par multiplication vgtative ou le cas des vrais jumeaux (encore ces exceptions ne concernent-elle que le gnotype). En pratique, nous emploierons les termes "gnotype" et "phnotype" dans un sens restreint, cest--dire pour les seuls caractres qui nous intressent et les gnes qui les influencent. Sauf indication contraire, les termes gnotype et phnotype sont employs par rapport un ensemble dfini de caractres. 2. Le milieu a. Le milieu : ensemble des causes non gntiques de variation Le milieu dsigne (1) lenvironnement dans lequel vit (ou a vcu) lindividu observ, (2) certains tats physiologiques qui lui sont propres et (3) lobservateur lui-mme. La premire acception est certainement la plus intuitive. En production vgtale, on range dans cette catgorie des facteurs tels que lanne (influence du climat), la parcelle (influence des conditions topographiques et de sol), les doses dengrais appliques aux diffrents stades du dveloppement de la plante, les traitements phytosanitaires effectus, les conditions de rcolte, etc. En production animale, on considre des facteurs tels que lanne (influence du climat sur les ressources fourragres), llevage (influence des potentialits agricoles de lexploitation, du mode de conduite des animaux et de la technicit de lleveur), la saison de mise-bas en cas de production laitire ou de croissance des jeunes, etc. Parmi les caractristiques physiologiques propres lindividu que lon considre comme facteurs de milieu, lge concerne les cultures permanentes et les animaux : le rendement en fruits dun cep de vigne ou dun arbre fruitier varie en fonction de son ge ; il en est de mme chez tous les animaux en ce qui concerne la taille et le poids, chez les femelles de mammifres en ce qui concerne lintensit de la production laitire, etc. Le stade physiologique un ge donn joue galement sur les valeurs phnotypiques : cycle et stade de vgtation des plantes fourragres, stade de lactation des femelles laitires, etc. Lobservateur, enfin, a une influence au travers du protocole de mesure quil applique, de la prcision de ses instruments de mesure, et des erreurs de mesure quil peut commettre. b. Facteurs de milieu contrls et non contrls Ds maintenant, il faut introduire une autre classification des facteurs de milieu, qui est dterminante ds lors que lon est au stade de lexprimentation ou de lanalyse des donnes recueillies sur le terrain. Les facteurs de milieu contrls sont des facteurs de milieu que lon identifie comme tels, dont on sait ou dont on pense quils ont un effet important sur les caractres tudis : on parle galement de macro-milieu. Ici, non seulement on peut enregistrer les conditions propres plusieurs individus, mais on peut agir dessus : par exemple, on peut apporter une culture une fumure azote plus ou moins forte, mais contrle. Les exemples donns plus haut relvent en fait tous de cette catgorie. Ainsi, en mme temps que lon mesure le rendement en fruits dun arbre fruitier, on enregistre lanne correspondante, la parcelle, lge de larbre, etc. Lorsque lon mesure la production laitire dune vache, on enregistre galement le numro du troupeau, le rang de lactation de lanimal, sa date de mise-bas (donc de dmarrage de la lactation), etc. Au stade de lanalyse, on considre quun effet de macro-milieu sapplique en commun tous les individus se trouvant dans une catgorie de milieu donne. Les facteurs de milieu non contrls sont des facteurs, soit que lon ne matrise pas car ils chappent lobservateur, soit que lon nenregistre pas car le recueil de linformation correspondante est trop compliqu ou trop coteux. On pense que ces facteurs non contrls induisent chacun des faibles variations, car rsultant de microphnomnes locaux, sappliquant de manire diffrente chaque individu : on parle aussi de micro- milieu. Cette distinction entre macro-milieu et micro-milieu comporte une part darbitraire lie lchelle dobservation laquelle on se situe. Ne pas enregistrer un facteur de milieu qui, en ralit, induit des variations importantes, conduit des erreurs danalyse ; dans la pratique de la slection, o lon doit corriger les donnes pour les effets des facteurs de milieu contrls, une telle omission a des rpercussions relativement graves. B. Mise en vidence des facteurs de variation gntique Les caractres quantitatifs prsentant une variation continue, la mise en vidence des facteurs gntiques lorigine de cette variation est en gnral plus complique que pour les caractres pour lesquels les individus observs se rangent dans un petit nombre de catgories. Quelques rsultats exprimentaux vont nous permettre de donner des claircissements et de poser certaines hypothses quant lhrdit de ces caractres. 1. Lhypothse multifactorielle Plusieurs expriences ont t ralises au dbut du XXme sicle afin de confronter la variation des caractres quantitatifs la thorie mendlienne (notons que Mendel lui-mme, au travers de ses expriences sur la couleur de la fleur chez Phaseolus multifloris, avait dj pos les bases de lhrdit multifactorielle). Pour se ramener dans les mmes conditions, les parents utiliss pour les croisements taient des lignes pures , cest-- dire homozygotes tous les locus. Cet tat est facilement obtenu chez des plantes se reproduisant naturellement par autofcondation (plantes autogames) : aprs plusieurs gnrations dautofcondation, le coefficient de consanguinit au sein dune ligne tend vers 1, cest--dire que tous les individus de la ligne sont homozygotes, chacun des locus, pour le mme allle (voir GP). La figure 4 prsente les rsultats dune exprience de croisement ralise par East (1916) partir de deux lignes consanguines dune espce ornementale de tabac diffrant pour la longueur des fleurs. Compte tenu du rgime dautofcondation, lintrieur de chacune des deux lignes parentales (P1 et P2), tous les individus sont gntiquement identiques. De mme, tous les individus de la premire gnration de croisement (F1) sont gntiquement identiques : notamment, ils sont tous htrozygotes aux locus o les deux lignes parentales diffrent. Ainsi, la variance observe chez les parents et en F1 est dorigine strictement environnementale. Par contre, laccroissement substantiel de la variance observe en F2 (F1 x F1) voque une sgrgation de gnes. Si le polymorphisme en un seul locus tait responsable des variations observes de la longueur de fleur, la distribution de la F2 devrait tre un mlange des distributions respectives de P1, F1 et P2 dans des proportions mendliennes (1/4, 1/2 et 1/4), ce qui nest manifestement pas le cas. Cette exprience fut poursuivie par lanalyse de la rponse la slection en F3. Lensemble des rsultats a permis de suggrer que les lignes parentales diffraient non pas un locus, mais pour plusieurs ayant une influence sur le caractre mesur. En effet, les distributions globales observes saccordent bien avec lhypothse dune distribution binomiale en plusieurs locus indpendants les uns des autres.
Les variations observes des caractres
quantitatifs sont imputables (1) aux sgrgations plusieurs locus et (2) des facteurs de milieu. 2. Mise en vidence de locus ayant un effet sur un caractre quantitatif a. Description dtaille dune exprience sur drosophile La mise en vidence de gnes induisant des variations pour un caractre quantitatif suppose une variation alllique aux locus concerns. Pour cela, il est utile de prendre comme matriel dtude des populations diffrant nettement pour le caractre observ. Cela peut se trouver dans des populations naturelles, ou bien tre obtenu par slection divergente (slection de deux lignes dans des sens opposs pour un mme caractre) : si en plusieurs locus, il existe des allles qui sont favorables lobtention de fortes valeurs du caractre et des allles dfavorables , on peut raisonnablement penser (voir GP) que la frquence des allles favorables sera plus leve dans la ligne slectionne pour une augmentation de la moyenne du caractre que dans la ligne slectionne vers une diminution. La figure 5 prsente les rsultats dune exprience de ce type ralise sur drosophile. Le caractre tudi est le taux de survie une certaine dose de DDT. Les individus observs sont ceux dune F2 obtenue aprs le croisement de parents issus de deux lignes diffrentes, une ligne slectionne pendant plusieurs gnrations pour la rsistance au DDT et une ligne de contrle. Dans ces lignes, les chromosomes comportent des suppresseurs de recombinaison et sont porteurs de marqueurs gntiques qui permettent didentifier la provenance de chaque chromosome chez les individus de la F2. La figure 5 montre clairement que les chromosomes contribuent aux variations de rsistance au DDT : trs schmatiquement, plus la proportion de chromosomes provenant de la ligne rsistante est importante dans le gnome des individus, plus ceux-ci sont rsistants. Ces rsultats sont cohrents avec lhypothse multifactorielle voque plus haut, puisquils mettent en vidence laction dau moins trois locus (au minimum un par chromosome, en ralit plus) sur les variations de rsistance au DDT chez la drosophile. Une analyse plus dtaille permet de prciser laction des chromosomes (et donc des locus qui y sont ports). Ainsi, il apparat que la substitution dun chromosome 3 de la ligne de contrle par un chromosome 3 de la ligne rsistante confre une rsistance plus leve quelle que soit la combinaison aux autres chromosomes (comparer les valeurs respectives des types 1 et 4, 5 et 8, 12 et 15). Ceci nest pas vrai pour le chromosome X : les individus de type 2 sont plus rsistants que ceux de type 1, les individus de type 8 le sont plus que ceux de type 7, mais il ny a pas de diffrence entre les individus de type 14 et 15. Par ailleurs, la comparaison des individus de type 1 et 6, dune part, et de ceux de type 8 et 13, dautre part, montre que les effets "bnfiques" des chromosomes X et 3 de la ligne rsistante ont tendance se cumuler (ce qui ne signifie pas quils sajoutent strictement). Les locus responsables des variations des caractres quantitatifs ont des effets qui se cumulent. Figure 5. Taux de survie une dose de DDT chez la drosophile. Les individus observs comportent diverses combinaisons de chromosomes, dcrites pour les chromosomes X, 2 et 3, respectivement : c = chromosome originaire de la ligne de contrle, s = chromosome originaire de la ligne slectionne pour la rsistance au DDT. Source : Crow, 1957. b. Gnes marqueurs et gnes majeurs Une analyse plus fine peut tre ralise si, au lieu de reprer lorigine du gnome des individus chromosome par chromosome, on peut le faire sur des fragments chromosomiques plus petits. Ceci est maintenant possible grce au marquage molculaire pratiqu sur des organismes recombinant normalement. Plusieurs types de marqueurs molculaires sont aujourdhui disponibles : RFLP, AFLP, microsatellites, SNP, etc. A ct despces modles (lhomme, la souris, la drosophile, Arabidopsis, le riz, certaines levures ou bactries, o lon en est au stade du squenage du gnome entier), les tudes chez les espces majeures de plantes cultives ou danimaux dlevage ont fourni un grand nombre de marqueurs, capables de baliser lensemble du gnome, et qui, une fois ordonns sur une carte gntique, autorisent ltude fine des variations des caractres quantitatifs. Lanalyse des descendances obtenues avec recombinaison permet de rvler des co- sgrgations entre les allles aux marqueurs et les valeurs observes pour des caractres quantitatifs. Couples la carte gntique des marqueurs, ces analyses conduisent la localisation chromosomique de locus dont le polymorphisme induit des variations sur les caractres tudis, locus nomms QTL (de langlais Quantitative Trait Locus). Le principe de la dtection de QTL et les applications de cette mthodologie sont prsents au chapitre VI. Il na pas t besoin dattendre les progrs de la gntique molculaire pour mettre en vidence des locus polymorphes responsables de variations importantes pour un caractre quantitatif. De simples expriences de slection divergente et/ou de croisement ont permis dans divers cas de dtecter certains locus de ce type, par simple observation des distributions. A titre dexemple, la figure 6 prsente la distribution du poids 60 jours dans une ligne de souris slectionne pour de faibles poids, et dans laquelle une forme de nanisme est apparue. Les individus observs ayant t levs rigoureusement dans les mmes conditions de milieu, lhypothse de la sgrgation dun gne induisant de grandes diffrences de poids a t avance afin dexpliquer laspect bimodal de la distribution. Les rsultats daccouplements dindividus issus de chacun des deux sous- ensembles de la ligne ont permis de valider cette hypothse. Il a t tabli que le locus concern (dnomm pygme ) possde deux allles, lallle mut, responsable du nanisme, tant quasi-rcessif par rapport lallle normal. Ainsi, tous les individus du sous-ensemble infrieur de la distribution sont des homozygotes pour lallle mut. Bien sr, pour que laction dun gne soit dcelable au vu des seules distributions, il faut que les diffrences induites par ce gne soient grandes en regard de la variation totale observe. Dans lexemple de la figure 6, lcart- type total est de 3,5 g pour lchantillon mesur. La diffrence entre la valeur moyenne des individus nains (homozygotes muts) et celle des individus normaux (autres gnotypes) est de lordre de 8 g, soit environ 2,25 units dcart-type, ce qui est considrable : titre de comparaison, cela quivaut un gne qui induirait chez lhomme un cart dune quinzaine de cm pour la taille. Aussi, de tels gnes sont-ils appels gnes majeurs, du fait de lampleur des diffrences phnotypiques quils occasionnent. Dans de nombreuses espces domestiques, lexistence de gnes majeurs pour certains caractres quantitatifs a pu tre dcele par analyse des distributions. Cependant, des analyses fines de gntique quantitative mettent en vidence une composante hrditaire autre que celle relative aux locus concerns (cest le cas pour les donnes de la figure 6). On ne peut toutefois pas individualiser les autres locus impliqus ; aussi, suppose-t-on quils sont relativement nombreux et que le polymorphisme en chacun de ces locus induit de faibles diffrences : on parle de polygnes. Enfin, il existe beaucoup de caractres pour lesquels aucun gne majeur na pu encore tre mis en vidence. Lexistence dun gne majeur nexclut pas celle dautres gnes induisant des variations pour le caractre tudi.