Application du machine learning et deep learning pour perfectionner la sélection génomique animale

Contexte, enjeux & objectifs

Les modèles les plus couramment utilisés en prédiction génomique (modèles génétiques additifs de type GBLUP¹) sont très efficaces pour prédire la valeur génétique des animaux sur quelques caractères génétiquement corrélés.  En revanche, ce type de modèle ne permet pas d’intégrer un très grand nombre de mesures hétérogènes, ni de prédire beaucoup de caractères en sortie sans connaître leurs corrélations génétiques. De plus, ce modèle reste limité pour tenir compte des nombreuses interactions non-linéaires qui interviennent entre les régions du génome ou des facteurs environnementaux.

Le projet GenIALearn propose d’évaluer la performance des méthodes d’apprentissage statistique et profond pour la prédiction conjointe de multiples caractères complexes chez le bovin laitier en intégrant des données massives de génotypage. Deux approches complémentaires ont été mises en œuvre - des méthodes ensemblistes (machine learning) et des réseaux de neurones (deep learning) - pour prédire 33 caractères phénotypiques (production, morphologie, boiterie, fertilité, etc.) à partir du seul génotype, et sont comparées au modèle de référence GBLUP.

Pour mener à bien le projet GenIALearn, les équipes ont utilisé un jeu de données massives de génotypes et phénotypes de bovins laitiers (113 599 femelles Holstein) produites et gérées par l’UMR GABI, porteuse du projet.

Résultats

Acquisition de moyens de calculs adaptés et évaluation des méthodes d’apprentissage

Le projet a permis de financer l’acquisition d’un serveur GPU² et d’un serveur d’archivage qui ont été intégrés à la plateforme ColabIA, entièrement dédiée aux calculs d’intelligence artificielle au sein du Data Center Toulouse. Les différents stages de Master 2 durant le projet ont testé plusieurs méthodes : certaines se sont révélées inadaptées au contexte, tandis que d’autres montrent un réel potentiel (mais nécessiteront des améliorations pour être pleinement efficaces pour ce type d’applications). Le projet a notamment permis d’observer que :

• Sur 33 caractères phénotypiques étudiés, environ une dizaine sont mieux prédits par les modèles d’IA explorés. Cependant, sur la majorité des caractères le modèle de référence GBLUP reste suffisant. Les méthodes explorées offrent cependant l’avantage de la rapidité, par rapport au GBLUP unicaractère répété individuellement 33 fois.
• Les modèles de deep learning (réseaux de neurones) semblent globalement plus adaptables et performants que les modèles ensemblistes.
• Parmi les modèles basés sur des réseaux de neurones, les modèles génératifs de type WGAN-GP parviennent à bien simuler des génotypes artificiels très réalistes selon les analyses (PCA, métriques de distance). C’est une piste prometteuse à explorer pour améliorer l’apprentissage des modèles de prédiction en sélection génomique.

Perspectives

Poursuite de la thématique de recherche dans deux thèses

Les membres du projet poursuivent leur collaboration pour développer le partage des ressources (grands jeux de données,  plateforme de calculs ColabIA). Le projet a par ailleurs abouti au financement de deux thèses en IA appliquée à la sélection génomique au sein de l’unité GABI :

• la thèse de Sihan Xie (DeepSelectGene, 2024-2026), financée par le métaprogramme Digit-Bio, qui vise à développer des méthodes d’apprentissage pour les espèces pour lesquelles il n’existe des données génotype-phénotype que pour quelques milliers d’animaux.
• La thèse de Fatima Shokor (2022-2025) financée par APIGENE, vise à développer des modèles d’IA appliqués à la prédiction des phénotypes par le croisement de races bovines.

Infrastructure de calcul dédiée à l’IA

La plateforme ColabIA, dédiée aux applications d’intelligence artificielle, s’inscrit dans la durée. Sa maintenance et son développement se poursuivent grâce à la collaboration active entre les membres du projet GenIALearn et l’unité d’épidémiologie EPIA (Clermont-Ferrand). Un nouvel investissement réalisé en 2024 a permis de renforcer les capacités de calcul GPU et de stockage, ouvrant la voie à l’exploration de modèles plus complexes sur des jeux de données d’apprentissage plus volumineux.

Ce projet interdisciplinaire a favorisé la mise en place de collaborations à la fois entre équipes de l’unité, entre départements d’INRAE, et avec des partenaires externes, notamment le laboratoire IBISC (INRAE – Université d’Évry Val-d’Essonne / Université Paris-Saclay). Cette dynamique collaborative se poursuit au travers de l’amélioration continue de la plateforme ColabIA et de l’encadrement de doctorants.. De plus, les unités impliquées dans GenIALearn ont contribué à la construction du Cluster DATA IA de l’Université Paris-Saclay, dans le cadre du programme France 2030 piloté par l’Agence Nationale de la Recherche et sont aujourd’hui parties prenantes de ce cluster.

Contacts :

Acteurs du projet

Unités INRAE impliquées

Partenaires extérieurs

Publications

Articles

• Xie, S., Tribout, T., Boichard, D., Hanczar, B., Chiquet, J., & Barrey, E. (2025). Deep Generative Models for Discrete Genotype Simulation. BioRxiv, 2025.08.08.669289. https://doi.org/10.1101/2025.08.08.669289
• Shokor, F., Croiseau, P., Gangloff, H., Saintilan, R., Tribout, T., Mary-Huard, T., & Cuyabano, B. C. D. (2024) Deep Learning and GBLUP Integration: An Approach that Identifies Nonlinear Genetic Relationships Between Traits. bioRxiv https://doi.org/10.1101/2024.03.23.585208
• Shokor, F., Croiseau, P., Gangloff, H., Saintilan, R., Tribout, T., Mary-Huard, T., & Cuyabano, B. C. D. (2025). Deep learning and genomic best linear unbiased prediction integration: An approach to identify potential nonlinear genetic relationships between traits. Journal of Dairy Science, 108(6), 6174–6189. https://doi.org/10.3168/jds.2024-26057

Communications orales

• Eric Barrey, Blaise Hanczar, Julien Chiquet, Didier Boichard, Jocelyn de Goër de Herve, et al.. Benchmarking predictive models: evaluating parametric, ensemble, and deep learning approaches for animal phenotype prediction from genotypes.. AI and biology Symposium, EMBO EMBL, Heidelberg, Mar 2024, HEIDELBERG, Germany. ⟨hal-04510253⟩
• Eric Barrey, Pierre Fumeron, Anne Ricard, Blaise Hankzar, Eric Barrey 1, Pierre Fumeron 1, Anne Ricard 1, 2, Blaise Hankzar 3  (1 Université Paris-Saclay, AgroParisTech, INRAE, GABI UMR1313, Jouy-en-Josas, France. 2 IFCE, Recherche et Innovation, 61310 Exmes, France. 3 IBISC, UEVE, Université Paris-Saclay, France). Deep Learning Application for Predicting Endurance Horse Racing Performance via High-Density Genotyping, 14th International Havemeyer Foundation Horse Genome Workshop, May 12-15, 2024, Caen, France, Abstracts book 25   https://horse-genome.workshop.inrae.fr/content/download/723/7227?version=2 
• F Shokor, P Croiseau, R Saintilan, T Mary-Huard, H Gangloff, et al.. Exploring Non-Linear Genetic Relationships Between Correlated Traits. 74th Annual Meeting of the European Association for Animal Production, INRAE, Aug 2023, Lyon, France. ⟨hal-04247381)