Genetic Evaluation and Genomic Prediction of Zootechnical traits in Moroccan Dairy Cattle Using Bayesian Approaches and Artificial Intelligence Algorithms

Abstract

Cette thèse traite l'amélioration génétique des vaches laitières au Maroc, avec un focus sur l'estimation des paramètres génétiques des traits de production et de reproduction des vaches Holstein. Elle révèle que l'héritabilité du rendement laitier est modérée, tandis que celle des traits de fertilité est faible, rendant la sélection directe pour ces derniers difficile. Toutefois, l'intégration de traits de fertilité et de production dans un indice de sélection pourrait aider à limiter la baisse de la fertilité. Pour les données censurées, le modèle à seuil s'avère efficace pour l'imputation des phénotypes, améliorant la précision prédictive, ce qui pourrait être une solution pour les bases de données des vaches Holstein au Maroc. La thèse analyse également l'utilisation de l'intelligence artificielle dans la prédiction des valeurs génétiques, en évaluant ses effets sur la précision et la complexité computationnelle. En comparant plusieurs méthodes de sélection de SNPs, notamment l'ACP, le Gradient Boosting Machines, la régression Ridge et LASSO, le GBM a démontré un avantage en sélectionnant 500 et 1000 SNPs. La précision obtenue avec 1000 SNPs sélectionnés par GBM est presque équivalente à celle obtenue avec un panel complet de 50 000 SNPs.