3240962896

CONCLUSION

La misę a disposition de ąuantites sans cesse croissantes de donnees issues du seąuen-ęage genomiąue a ouvert la voie a de nouvelles etudes d’association genetiąue. La plupart de ces etudes en vigueur ont ete fondees sur Uanalyse individuelle des mar-ąueurs. Cependant, ces analyses penalisent la puissance de detection des genes ayant des effets pleiotropiąues. Dans certains cas, les genes ayant des effets pleiotropiąues peuvent etre trouves en examinant separement chaąue caractere. Cependant, deux problemes majeurs ne rendent pas toujours cette strategie appropriee. Tout d’abord, les effets pleiotropiąues pour chaąue caractere peuvent etre trop faibles pour etre identifies. Deuxi&mement, plusieurs problemes de tests peuvent soit reduire la puissance soit introduire de 1’inflation a 1’erreur du type 1 des tests d’association. Dans ce cadre, nous avons introduit une nouvelle approche permettant de tirer parti de ces idees : composantes principales d’heritabilite dans le cas des donnees genetiąues de grandes dimensions (notee PCH_g).

Nous avons presente dans ce memoire comment il etait possible avec PCH_g de re-chercher des marąueurs a faibles effets en considerant le probleme de recherche des signaux significatifs sous 1’angle d’un algorithme qui cherche a resumer Tinformation utile de plusieurs variables (qualitatives ou quantitatives) correlees dans un nombre reduit de nouvelles variables (scores) appelees composantes principales d’heritabilitś. Ces nouveaux scores optimaux peuvent etre utilises dans des etudes d’association afin d’augmenter la puissance des tests statistiąues pour detecter les genes responsables