On the relevance of three genetic models for the description of genetic variance in small populations undergoing selection | De l'interet de trois modeles genetiques pour la description de la variance genetique dans les petites populations selectionnees
1998
Fournet Hanocq, F. (Institut National de la Recherche Agronomique, Castanet Tolosan (France). Station d'Amelioration Genetique des Animaux) | Elsen, J.M.
Французский. La conservation de la variabilite genetique est reconnue comme un objectif necessaire pour l'optimisation des schemas de selection, notamment pour les petites populations. De nombreux modeles, differant par les hypotheses de determinisme genetique sur lesquels ils reposent, sont disponibles pour une meilleure comprehension et une meilleure prediction de l'evolution de la variabilite genetique dans une petite population soumise a selection. Cet article compare trois modeles genetiques differents, traites soit par la voie analytique soit par des simulations Monte-Carlo, d'une part pour valider les predictions fournies par un "modele fini complet" pour des phenomenes connus (comme l'influence de la gestion de la population sur la variabilite genetique), d'autre part pour evaluer quand et comment les hypotheses faites dans les deux modeles analytiques induisent un ecart avec le dernier modele. Le modele fini complet apparait, dans un premier temps, en bon accord avec la theorie gaussienne quand il est utilise avec un grand nombre de locus, l'approche stochastique le rendant de plus beaucoup plus souple que les deux modeles algebriques. Dans la seconde partie de l'etude, le modele infinitesimal apparait plus robuste que le modele semi-infinitesimal. Des sources majeures d'ecart entre les modeles deterministes et le modele fini complet sont identifiees, notamment l'hypothese de l'independance entre les locus, puis le nombre infini de locus et d'alleles par locus
Показать больше [+] Меньше [-]Ключевые слова АГРОВОК
Библиографическая информация
Эту запись предоставил National Institute for Agricultural Research