EPINIUM © Wirestock, Freepik
Consortium EPINUM (2024 - 2026)

Apprentissage automatique et épigénotypage haut-débit : un nouveau levier pour améliorer la prédiction des phénotypes chez le bovin ?

L’élevage bovin subit les conséquences du changement climatique et doit s’adapter au développement des pratiques agroécologiques. Face à ces défis, de nouveaux outils de phénotypage fins, rapides et peu invasifs doivent être développés pour permettre un suivi de l’adéquation du couple animal/ environnement. Le consortium EPINUM propose d’utiliser des approches d’IA pour améliorer la prédiction phénotypique à partir de données épigénétiques.

Contexte et enjeux

Les modifications épigénétiques sont des éléments moléculaires intervenant dans la variabilité phénotypique des individus depuis la période péri-conceptionnelle et tout au long de leur vie. Leur étude permet d’appréhender les effets de l’environnement sur le fonctionnement du génome. Un suivi épigénétique des animaux pourrait ainsi contribuer à établir des recommandations en termes de conduites propres à accompagner la transition agroécologique tout en optimisant la rentabilité et la durabilité des élevages.

Le parcours EPINUM propose d’évaluer le potentiel d’approches d’apprentissage automatique pour améliorer la prédiction phénotypique à partir de données épigénétiques.

Objectifs

Le consortium EPINUM s’adosse au programme H2020 RUMIGEN, qui s’intéresse à l’impact du changement climatique sur l’élevage de ruminants. Il s’appuiera sur un jeu de données de méthylation de l’ADN obtenues à l’aide d’une puce d’épigénotypage sur 5000 bovins dans le cadre du projet RUMIGEN.

Les défis méthodologiques seront de :

  • Sélectionner les méthodes d’apprentissage les mieux adaptées aux données générées ;
  • Construire des modèles prédictifs intégrant l’information génétique et l’information épigénétique ;
  • Evaluer la qualité et la robustesse de la prédiction en référence aux modèles de génétique quantitative, sur une des plus grandes cohortes jamais exploitées pour générer des données épigénétiques.

Cette collaboration interdisciplinaire associant des compétences en épigénétique (BREED, Eliance), modélisation et machine learning (MIA-PS, Eliance), génétique quantitative (GABI) ainsi qu’un accès aux ressources biologiques (Eliance), permettra de répondre au challenge méthodologique lié à la dimension, la structure et la distribution des données d’épigénotypage, ainsi qu’au challenge biologique lié au rôle de la méthylation de l’ADN dans la construction des phénotypes.

Les impacts attendus sont de faciliter la réalisation du potentiel génétique du cheptel laitier par la mise en place de nouveaux critères basés sur l’épigénome.

L’ambition à terme est de développer de nouveaux outils pour adapter le cheptel laitier aux nouvelles conditions environnementales induites par la transition agroécologique et le changement climatique.

Contact-coordination

Acteurs du projet

Unités INRAE impliquées

DépartementUnitésExpertise
PHASEUMR BREEDEpigénétique, biologie de la reproduction
GAUMR GABIGénétique quantitative
MathNumMIA Paris-SaclayModélisation statistique, Machine learning, Prédiction

Partenaires extérieurs

InstitutExpertise
Eliance fédérationEpigénétique, analyse de données, accès aux ressources biologiques

Date de modification : 11 juillet 2024 | Date de création : 03 juin 2024 | Rédaction : Marjorie Domergue