Prédiction génomique dans une population d'amélioration multi-générations d'Eucalyptus globulus

Genomic prediction in a multi-generation breeding population of Eucalyptus globulus

• Auteur / Autrice : Geoffrey Haristoy
• Direction : Jean-Marc Gion
• Type : Projet de thèse
• Discipline(s) : Génétique et amélioration des plantes
• Date : Inscription en doctorat le 01/10/2019
• Etablissement(s) : Institut Agro
• Ecole(s) doctorale(s) : École Doctorale GAIA Biodiversité, agriculture, alimentation, environnement, terre, eau (Montpellier ; 2015-...)
• Partenaire(s) de recherche : Laboratoire : AGAP Institut, Amélioration Génétique et Adaptation des Plantes
• Partenaire(s) de recherche : Equipe de recherche : Génome et Sélection des plantes Pérennes (GSP)
• Partenaire(s) de recherche : École d’inscription : L'Institut Agro Montpellier (2020-....)

Mots clés

Mots clés libres

Sélection génomique

Croissance

Eucalyptus

Genomic selection

Growth

Eucalyptus

Résumé

Dans le cadre du projet H2020 « B4EST » sur l'adaptation des programmes d'amélioration génétique pour assurer la santé, la résilience et la productivité des forêts face au changement climatique, une collaboration étroite entre l'UMR AGAP et l'entreprise portuguaise ALTRI a été mise en place sur la prédiction de caractères d'intérêt économique et adaptatifs chez l'eucalyptus. ALTRI gère depuis plusieurs années un programme d'amélioration génétique pour l'espèce Eucalyptus globulus. ALTRI dispose d'une caractérisation phénotypique fine de ses ressources génétiques (caractères de croissance et de tolérance aux ravageurs à différents stades de développement et dans des environnements variés), grâce à une évaluation en tests clonaux multisites. Une population de calibration d'une centaine d'individus a été sélectionnée parmi ces ressources génétiques (clones) pour cette étude de prédiction et sélection génomique. Des données phénotypiques complémentaires seront générées dans le cadre du projet en particulier des mesures relatives aux propiétés bois, à la tolérance au froid et aux microfluctuations du tronc pour une partie de cette population de calibration. Des données d'expression de gènes (réseau d'expression de gènes) devraient aussi être disponibles en lien avec un partenaire du projet (UPS/CNRS). En parralèle, des données de génotypage issues d'une puce de 60K SNPs, disponible sur eucalyptus (Silva-Junior et al. 2015), seront générées sur cette population de calibration. L'objectif de la thèse sera de construire des modèles de prédiction génomique à partir des données de phénotypage et de génotypage, de les évaluer et de proposer une stratégie d'intégration de la sélection génomique dans le programme d'amélioration d'Eucalyptus globulus. Au cours d'une première étape, l'analyse des données phénotypiques et génomiques disponibles permettra au doctorant, de caractériser les relations entre propriétés (phénotypes), ainsi que leurs bases génétiques (régions génomiques et/ou gènes impliqués). Le doctorant aura, dans une seconde étape, en charge la mise en œuvre de modèles de prédiction génomique. Ces données de génotypage permettront de préciser les apparentements (et/ou proximités génétiques) entre les génotypes de la population de calibration. Par ailleurs, la grande variété des données phénotypiques pour les clones étudiés va permettre de tester plusieurs types de modélisation, à un ou plusieurs caractères, à différents âges, en intégrant dans les modèles plusieurs niveaux d'informations de variations génétiques (SNPs, marques épigénétiques, variants d'expression…). L'évaluation de ces différents modèles pourra être réalisée au sein de descendances impliquant des génotypes parentaux utilisés dans la population de calibration. Enfin, le doctorant proposera différents scenarios pour l'intégration de ces approches dans le cadre du programme d'amélioration génétique d'E. globulus. L'objectif à terme étant de développer des modèles de prédiction multicritères, utilisables pour la sélection précoce de descendants des clones élites du programme d'amélioration.

In the framework of the H2020 'B4EST' project (Adaptive breeding for productive, sustainable and resilient forests under climate change), a close partnership has been developed between the UMR AGAP and ALTRI (a private company from Portugal) on the prediction of economical and adaptive traits in eucalyptus. ALTRI is managing a breeding programme on Eucalyptus globulus since several years. ALTRI has already acquired a fine phenotypic knowledge of its genetic resources (growing performances, pest tolerance, at different developmental stages in several environments) through an evaluation in multisite clonal tests. A calibration population of 100 individuals was selected from the available genetic resources (clones) for this study on genomic prediction and selection. Additional phenotypic data will be generated within the project, in particular wood properties related traits, cold tolerance and trunk microfluctuations for a sub-sample of the calibration population. Gene expression data (gene network) should also be available in connection with a project's partner (UPS/CNRS). Genotyping data from a 60K SNP array, available for eucalyptus (Silva-Junior et al., 2015), will be generated for each individual of the calibration population. The goal of the PhD thesis will be i/ to build genomic prediction models from phenotyping and genotyping data, ii/ to evaluate these models, and iii/ to propose a strategy for integrating genomic information into the Eucalyptus globulus breeding programme. In a first step, the analysis of the phenotypic and genomic data available will enable the PhD student to characterize the relationships between phenotypes, as well as their genetic bases (genomic regions and / or genes involved). In a second step, the PhD student will be in charge of implementing genomic prediction models. The genotyping data will make it possible to specify the relatedness within the calibration population. Moreover, the wide variety of phenotypic data for the studied clones will make it possible to test several models, with single- or multi-traits approaches, at different ages, taking into account different levels of genetic variation (SNPs, epigenetic marks, expressional variants...). These models can be validated on progenies from parental genotypes used in the calibration population. Finally, the PhD student will propose different scenarios to implement these genomic approaches into the E. globulus breeding program. The ultimate goal is to develop multi-trait prediction models for the early selection of offspring from elite clones of the breeding program.