Déterminisme génétique et moléculaire de la teneur et digestibilité des protéines du grain de sorgho. Vers une optimisation des capacités de prédiction

Genetic and molecular determinism of the protein content of sorghum grain and theirdigestibility. Towards optimising predictive capabilities

• Auteur / Autrice : Mamadou Sene
• Direction : Nancy Terrier
• Type : Projet de thèse
• Discipline(s) : BIDAP-Biologie et Amélioration des plantes
• Date : Inscription en doctorat le 01/12/2022
• Etablissement(s) : Montpellier, SupAgro
• 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 : Génétique et innovation variétale (GIV)

Mots clés

Mots clés libres

Génétique

Génomique

Digestibilité

Protéine

Sorgho

Grain

Digestibility

Genomics

Sorghum

Genetics

Protein

Grain

Résumé

Malgré ses atouts agronomiques, la faible digestibilité des protéines de réserve du grain de sorgho par les protéases gastro-intestinales, représente un frein important à une utilisation plus large du sorgho pour l'alimentation humaine et animale. Une variabilité génétique existe pour ce caractère ce qui laisse entrevoir des possibilités d'amélioration génétique. Pour cela, une meilleure compréhension des mécanismes moléculaires impliqués dans l'accumulation des protéines et de leur digestibilité est nécessaire en complément du développement de méthodes de sélection plus efficaces pour atteindre cet objectif. Ces deux aspects constituent les objectifs de ce projet de thèse. Pour cela, une approche couplée de génomique et de génétique sera menée : - Les données d'analyse de réseaux de gènes déjà disponibles seront exploitées pour identifier de nouveaux facteurs de transcription potentiellement régulateurs des mécanismes de mise en place de réserves protéiques et leurs rôles seront testés par un système simplifié de surexpression. - Des données de génotypage et de phénotypage (par SPIR, Spectroscopie Proche Infra Rouge) seront produites dans le cadre du programme CASDAR Nitrosorg sur lequel s'appuie cette thèse sur un panel représentant la diversité mondiale. Ces données seront agrégées pour analyser le déterminisme génétique des caractères de qualité au travers d'une approche de génétique d'association. Les données obtenues seront aussi mobilisées pour développer des modèles de prédiction génomique. Des modèles seront construits en utilisant les données spectrales (SPIR) seules (sélection phénomique) ou en combinaison avec les informations moléculaires (sélection phénomique couplée avec les zones du génome à effet majeurs et les approches de prédiction génomique) pour prédire les performances des variétés.

Despite its agronomic advantages, the low digestibility of sorghum grain proteins by gastrointestinal proteases, represents an important obstacle to the wider use of sorghum for food and animal feed. Genetic variability exists for this trait, suggesting opportunities for the development of better adapted varieties. A better understanding of the molecular mechanisms involved in the accumulation of proteins and their digestibility is necessary in addition to the development of more effective breeding methods to achieve this goal. These two aspects constitute the objectives of this PhD project. In this context, a coupled “genomics and genetics” approach will be conducted: - Already available gene network analysis data will be used to identify new transcription factors potentially regulating the mechanisms of protein storage and their role will be tested by a simplified over-expression system. - Genotyping and phenotyping data (by NIRS, Near Infra Red Spectroscopy) will be produced as part of the CASDAR Nitrosorg programme, on which this PhD is based, on a panel representing sorghum worldwide diversity. These data will be aggregated to analyze the genetic determinism of quality traits through a genomewide association genetics approach. The data obtained will also be used to develop genomic prediction models. Models will be constructed using spectral data (NIRS) alone (phenomic selection) or in combination with molecular information (phenomic selection coupled with major effect genome areas and genomic prediction approaches) to predict the performance of varieties.