Application de la theorie des indices de selection a des caracteres repetes. Exemple de la selection sur la prolificite chez le porc.
1984
Tartar, M. | Bolet, Gerard
Pour des caractères répétés (production laitière, prolificité...), l’indice de sélection (Im.) classiquement utilisé est basé sur la moyenne des n observations et ne dépend que de l’héritabilité et la répétabilité du caractère ; nous lui comparons un indice combiné (Ic) où chaque observation est pondérée par un coefficient calculé à partir de la théorie de HAZEL prenant en compte les corrélations génétiques (rG) entre répétitions, éventuellement inférieures à 1. Pour un objectif de sélection H constant, nous faisons varier le nombre d’observations dans l’indice (1 à 5), l’héritabilité (0,10 et 0,60) et les corrélations génétiques rG (de 0 à 1 par pas de 0,1). Pour une même valeur de ces paramètres, la précision (corrélation entre H et I) et l’efficacité (espérance de progrès génétique sur H par unité d’intensité de sélection) de Im et Ic sont pratiquement identiques ; la perte de précision de Im par rapport à Ic est au maximum de 9 p. 100 ; elle est d’autant plus élevée que rG est faible et que le nombre de mesures augmente. Le gain de précision et d’efficacité de Im ou Ic lié à la multiplication des mesures est d’autant plus important que rG est élevé ; il est plus important pour h2 = 0,10 que pour h2 = 0,60. L’hypothèse d’identité génétique entre observations (rG = 1), si elle est fausse, conduit à surestimer la précision et l’efficacité de la sélection ; cette surestimation est d’autant plus importante que le nombre de mesures est élevé ; elle varie également avec l’héritabilité. Ainsi, dans le cas de la sélection sur la prolificité chez le porc (h2 = 0,10), la surestimation de l’espérance de progrès génétique peut aller jusqu’à 300 p. 100 ; le cas de ce caractère est discuté en fonction des estimations de rG obtenues dans la littérature, elles sont variables mais inférieures à 1, ce qui permet d’expliquer en partie le désaccord entre les estimations théoriques et les résultats pratiques des expériences de sélection.
Show more [+] Less [-]The selection index (Im) which is classically used for repeated characteristics (e.g. milk production, prolificacy) is based on an average of n measurements and depends only on the coefficients of heritability (h2) and repeatability (r) of the trait concerned. As an alternative, a combined index (Ic) is suggested in which each observation is weighted by a coefficient calculated according to HAZEL'S theory ; this takes into account genetic correlations (rG) between repeated performances. For a desired breeding goal (H), this index is compared to the conventional one by varying the number of observations made (1 to 5), the values of h2 (0.1 to 0.6) and rG (0 to 1 in steps 0.1). For a given value of these parameters, the accuracy (correlation between H and I) and the efficiency (expected genetic improvement on H by selecting on Im and Ic respectively) of Im and Ic are almost the same. The greatest loss of accuracy of Im relative to Ic is 9 p. 100 ; the difference being more marked as rG is lower and n greater. The accuracy and efficiency of both Im and Ic are improved with increasing n and this is amplified by increasing ro and decreasing h2 values. If the hypothesis of rG = 1 is wrong, the accuracy and the efficiency of selection may be overestimated ; this overestimation is all the larger as the number of measures is higher ; it also varies with heritability. For example, in the case of selection on prolificacy in pigs (h2 = .10), overestimation of the expected genetic progress may be 300 p. 100. This character is discussed according to estimations of rG made in the literature ; these estimations are variable but lower than 1 and this may partly explain the discrepancies between theoretical expectations and the actual results obtained in selection experiments.
Show more [+] Less [-]AGROVOC Keywords
Bibliographic information
This bibliographic record has been provided by Fundamental Library of Latvia University of Life Sciences and Technologies