Optimisation de la sélection de variétés de vigne à l'aide de données omiques

par Charlotte Brault

Projet de thèse en Génétique et amélioration des plantes

Sous la direction de Patrice This, Agnès Doligez et de Loic Le cunff.

Thèses en préparation à Montpellier, SupAgro , dans le cadre de Biodiversité, Agriculture, Alimentation, Environnement, Terre, Eau , en partenariat avec AGAP - Amélioration Génétique et Adaptation des Plantes (laboratoire) et de Diversité, adaptation et amélioration de la vigne (DAAV) (equipe de recherche) depuis le 15-10-2018 .


  • Résumé

    Dans un premier temps, j'ai comparé l'efficacité des méthodes statistiques pour prédire les valeurs génotypiques et détecter des QTL chez la vigne. Cette étude est basée sur un croisement de 186 individus entre Syrah et Grenache. Des caractères liés à la tolérance à la sécheresse ont été mesurés en conditions contrôlées (Coupel-Ledru et al, 2014, 2016). J'utilise ces données phénotypiques ainsi que des simulations pour comparer ces méthodes statistiques.Parmi les méthodes statistiques testées, certaines sont multivariées, cela signifie que plusieurs caractères sont analysés en même temps, permettant de prendre en compte la corrélation génétique entre les caractères. Les résultats ont montré que les méthodes de prédiction génomique sont plus précises que celles de détection de QTL pourtant traditionnellement utilisées. Ensuite, ces méthodologies vont être testées dans un nouveau cadre: lorsque la population qui a servi pour entraîner le modèle est différente de celle qui est utilisée pour tester le modèle. Pour cela, en plus de la population Syrah x Grenache, nous disposons du panel de 276 variétés de vigne (Nicholas et al, 2016) et du dispositif demi-diallèle composé de 10 populations bi-parentales avec des parents issus de cépages emblématiques. Enfin, j'ai testé une nouvelle méthodologie, appelée prédiction phénomique, développée par Rincent et al (2017) qui consiste à remplacer le génotypage par des spectres mesurés en proche infra-rouge. J'ai comparé la prédiction phénomique avec la prédiction génomique pour plusieurs caractères dans deux populations de vigne.

  • Titre traduit

    Breeding optimization in grapevine with omic data


  • Résumé

    First, I compare efficiency of statistical methods for genotypic value prediction and for QTL detection in grapevine. This study is based on a progeny of 186 individuals between Syrah and Grenache. Traits linked to drought tolerance were previously measured in semi-controlled conditions (Coupel-Ledru et al, 2014, 2016). I used these phenotypic data as well as simulated data to compare these statistical methods. Among the methods tested, some of them are multivariate, i.e. several traits are analyzed jointly, allowing to take into account the genetic correlation between traits. Results showed that genomic prediction methods are more precise than QTL detection methods, yet traditionally used. Second, these methodologies will be tested in a new framework: when the population used to train the model is different from the one used to test the model. For that, besides the Syrah x Grenache population, we have the diversity panel composed of 276 grapevine varieties and the half diallel with ten bi-parental populations with parents from famous varieties. Then, I tested a new methodology, called phenomic prediction and developped by Rincent et al (2017), which consist in remplacing genotyping by near infra-red sprectum. I compare phenomic and genomic prediction for several traits and in two grapevine populations.