Les animaux d'élevage vivent dans des environnements changeants et complexes, et leur
microbiote représente un moyen prometteur de moduler les caractéristiques agroécologiques, en
tandem avec leur génétique. En effet, les animaux et leur microbiote forment un organisme
complexe, appelé holobionte, qui peut être considéré comme l'unité ultime sur laquelle l'évolution
et la sélection opèrent. L'intégration des données du microbiote dans les modèles de prédiction
génomique offre la possibilité d'améliorer les prédictions des phénotypes et des valeurs génétiques,
mais une telle approche doit tenir compte de l'interaction complexe entre la génétique de l'hôte et le
microbiote. En effet, dans les premiers instants de l'existence d'un mammifère, le contact maternel
pendant l'accouchement et l'allaitement joue un rôle crucial dans l'établissement de la composition
initiale du microbiote. Par la suite, les gènes de l'hôte et les facteurs environnementaux influencent
la colonisation, le développement et la fonction du microbiote, ce qui contribue à la formation des
phénotypes de l'hôte. En raison de ces interactions complexes entre le génotype, le microbiote et
l'environnement, il reste des défis statistiques et informatiques à relever pour intégrer
simultanément toutes les informations disponibles au niveau de l'hôte et du microbiote, et pour
simuler des données réalistes pour l'évaluation comparative des modèles.
 

Un cadre de simulation de données transgénérationnelles hologénomiques a récemment été
mis au point. Ce cadre a notamment l’avantage (1) de prendre en compte les particularités de
transmission et de modulation du microbiote, (2) de se baser sur des données génomiques et
microbiote réelles d’une population fondatrice en entrée, (3) de définir une architecture génétique et
un programme de sélection via le package MoBPS, et (4) de permettre la simulation d’une grande
variété de scénarios et de circonstances. Dans ce stage, notre objectif est d’étendre les
fonctionnalités actuelles du package pour se rapprocher au maximum de la réalité biologique des
élevages et produire des données avec une structure pertinente pour leurs utilisations dans des
modèles d’évaluation génétique.