Résumé du projet porté par l'unité GDEC

Depuis environ 10 000 ans, les hommes ont sélectionné les meilleurs animaux et plantes qui contribueraient à la génération suivante. La définition du « meilleur » varie suivant l’espèce, l’époque, le pays, l’environnement et les besoins / demandes des utilisateurs directs ou du marché. En général, pour assurer un haut niveau dans la descendance et un gain génétique rapide pour un caractère donné, les sélectionneurs croisent les meilleurs individus qu’ils ont à disposition. Le principal risque est que ces individus possèdent des combinaisons alléliques similaires et que le matériel à disposition perde à moyen terme de nombreux allèles favorables, limitant son potentiel génétique sur le long terme. Pendant longtemps, les choix de croisements étaient basés sur des observations phénotypiques. Grâce aux prédictions génomiques, nous espérons pouvoir prédire la valeur de croisements, c’est-à-dire la distribution attendue dans la descendance, et surtout la valeur du meilleur individu. Il s’agit d’estimer la moyenne et la variance de la descendance. La moyenne de la descendance correspond à la moyenne des valeurs génétiques des parents. Par contre la variance est plus difficile à estimer. En effet, elle est générée par l’échantillonnage au hasard des chromosomes au moment de la méïose, et des recombinaisons entre chromosomes homologues au niveau de crossing-overs. La probabilité de recombiner entre deux marqueurs peut s’estimer dans différents types de population, biparentales, connectées ou panels de diversité (Petit et al, 2017). Ce vecteur de recombinaison est utilisé pour estimer la valeur d’un croisement par production stochastique de descendants in silico et calcul de leur GEBV (Mohammadi et al, 2015), par calcul analytique pour des RILs fixées (Jannink et al, 2007), des RILs ou des HDs après k générations de méïoses (Lehermeier et al, 2017), des croisements 3 ou 4 voies (Allier et al, 2019). Alors que nous ne pouvons pas tester au champ tous les croisements possibles, nous pouvons estimer in-silico dans des délais raisonnables les critères d’utilité cités ci-dessus de nombreux croisements pour nous aider à choisir des individus ayant des allèles favorables complémentaires.

Nous proposons dans ce projet de tester la capacité prédictive de ces critères d’utilité en comparant la distribution des performances des descendants observés au champ avec la valeur prédite des croisements par différents critères d’utilité.

Pour ceci nous disposons du phénotypage d’haploïdes doublés INRAE-Agri-Obtentions produits dans le cadre du PIA Breedwheat, de F5 des programmes INRAE-Agri-Obtentions et de SSDs Florimond-Desprez. Cependant ces descendances sont représentatives d’un échantillon des meilleurs descendants après une première sélection en pépinière. Nous aimerions phénotyper des descendances supplémentaires représentatives de la variance réelle du croisement. Dans ce projet FSOV, Florimond-desprez et INRAE-A0 évalueront une petite centaine de descendants pris au hasard au sein d’une soixantaine de croisements. L’échantillonnage exacte sera optimisé d’après des simulations préalables. Nous évaluerons la distribution de la date d’épiaison, la hauteur, le rendement et la teneur en protéine. Nous les comparerons aux valeurs de croisements estimées grâce aux bases de données historiques (génotypage et phénotypage) respectives des deux programmes de sélection et au génotypage des parents.