Optimisation du schéma de sélection chez le blé tendre : apport des prédictions génomiques et des caractères corrélés

Optimization of wheat breeding schemes : contribution of genomic predictions and correlated traits

• Auteur / Autrice : Sarah Ben Sadoun
• Direction : Gilles Charmet
• Type : Thèse de doctorat
• Discipline(s) : Biologie Végétale
• Date : Soutenance le 27/05/2020
• Etablissement(s) : Université Clermont Auvergne‎ (2017-2020)
• Ecole(s) doctorale(s) : École doctorale des sciences de la vie, santé, agronomie, environnement (Clermont-Ferrand)
• Partenaire(s) de recherche : Laboratoire : Génétique, Diversité et Ecophysiologie des Céréales
• Jury : Président / Présidente : Jacques Le Gouis
• Jury : Examinateurs / Examinatrices : Julie Boudet, Pascal Croiseau, Bettina Lado
• Jury : Rapporteurs / Rapporteuses : Mathilde Causse, Laurence Moreau, Leopoldo Sanchez Rodriguez

Mots clés

Mots clés contrôlés

Plantes -- Amélioration génétique

Triticum aestivum

Mots clés libres

Prédictions génomiques

Multi-caractère

Optimisation économique

Simulations

Qualité boulangère

Blé tendre

Genomic predictions

Multi-trait

Economical optimization

Simulations

Bread-making quality

Bread wheat

Résumé

La sélection variétale consiste à créer de nouvelles variétés répondant aux exigences du marché pour plusieurs caractères d’intérêt agronomique. L’objectif de la thèse était d’étudier l’apport des prédictions génomiques pour optimiser les programmes de sélection chez le blé tendre. Dans un premier chapitre, nous avons testé des méthodes visant à améliorer la précision les prédictions génomiques d’un caractère cher à mesurer en utilisant un caractère corrélé moins cher à mesurer, sans augmenter le budget alloué au phénotypage. Nous avons utilisé un modèle de prédiction génomique multi-caractère. Nous avons développé un indice appelé CDmulti permettant d’optimiser le choix d’un sous-ensemble de lignées à phénotyper pour deux caractères corrélés. Nous avons montré que les prédictions génomiques multi-caractères étaient particulièrement intéressantes lorsque les lignées de la population de validation, ou au moins une partie d’entre elles, pouvaient être phénotypées pour la force boulangère, caractère corrélé à la note de panification et dont le phénotypage est moins coûteux. En effet, cette approche permettait de réduire le budget alloué au phénotypage sans diminuer la précision des prédictions de la qualité boulangère. Dans un deuxième chapitre, nous avons développé un pipeline de simulations stochastiques pour comparer des schémas de sélection produits in silico à partir du génotypage et du phénotypage d’une population de référence. Un cycle dure cinq ans, comprenant un an pour les croisements, un an pour la production d’haploïdes doublés, un an de multiplication, une étape de sélection qui peut être basée soit sur les valeurs phénotypiques (stratégie PS) soit sur les prédictions génomiques (stratégie GPS), et une dernière année de sélection phénotypique. Pour la stratégie GPS, nous avons la possibilité de faire les croisements au hasard parmi les meilleurs descendants du cycle précédent, ou d’optimiser les croisements grâce aux prédictions génomiques. Nous montrons que la stratégie GPS avec optimisation des croisements est systématiquement significativement supérieure aux autres pour tous les paramètres testés (héritabilité du caractère, budget, intensité de sélection relative à deux étapes clé). L’efficacité de la stratégie GPS sans optimisation de croisement est similaire à PS. En revanche, la perte de diversité génétique était plus rapide pour GPS avec ou sans prédiction de croisement. Des modules complémentaires seront ajoutés à cet outil d’aide à la décision pour lui permettre de simuler des schémas de sélection plus réalistes.

Breeding consists in creating new varieties which combine qualities for several traits of agronomic interest to answer to the market demand. The objective of the phD was to propose strategies using genomic predictions to optimize bread wheat breeding programs in terms of genetic gain under economic constraint. In a first chapter, we tested methods aiming at improving genomic prediction accuracy of a trait that is expensive to measure using a correlated cheap trait, without increasing the budget allocated to phenotyping. We used a multi-trait genomic prediction models. We also developed an index called CDmulti to optimize the choice of a subset of lines to phenotype for two different correlated traits. We showed that multi-trait genomic predictions could be particularly interesting when lines of the validation set, or at least part of them, could be phenotyped for dough strength, which is correlated to bread-making quality and which is cheaper to phenotype. Indeed, this approach allowed to reduce the budget allocated to phenotyping without decreasing the genomic prediction accuracy of bread-making quality. In a second chapter, we developed a stochastic simulation pipeline to compare breeding scheme produce in silico, using genotyping and phenotyping of a reference population. One cycle lasts five years, including one year for crossing, one year for double haploids production, one year for seed multiplication, one year of selection based on either phenotypic value (PS strategy) or genomic predictions (GPS strategy), and one last year of phenotypic selection. For GPS strategy, we can mate the best lines of previous cycle at random or optimise mating using genomic predictions. We showed that GPS strategy with mating optimization is systematically significantly superior to other strategies for all tested parameters (trait heritability, budget, relative intensity of selection at two key steps). The efficiency of GPS strategy without mating optimization was similar to PS. However, the loss of genetic diversity was more intense for GPS strategies, with or without mating optimization. Some complementary modules will be added to this decision tool to simulate more realistic breeding schemes.