Développement de nouveaux idéotypes de tournesol par une approche associant génétique quantitative et modélisation du couvert végétal

Development of new sunflower ideotypes by combining quantitative genetics approach ans crop modeling

• Auteur / Autrice : Florie Gosseau
• Direction : Nicolas Langlade, Pierre Casadebaig
• Type : Thèse de doctorat
• Discipline(s) : Agrosystèmes, écosystèmes et environnement
• Date : Soutenance le 28/05/2019
• Etablissement(s) : Toulouse 3
• Ecole(s) doctorale(s) : École doctorale Sciences écologiques, vétérinaires, agronomiques et bioingénieries (Toulouse)
• Jury : Président / Présidente : Matthieu Arlat
• Jury : Examinateurs / Examinatrices : Philippe Vivin, Michael Dingkuhn
• Jury : Rapporteurs / Rapporteuses : Denis Vile, Nadia Bertin
• DOI : 10.70675/2b84cd9bzb7a9z4045zb967zbb35d1e93b5d

Mots clés

Mots clés contrôlés

Tournesol

Génétique végétale

Couverture végétale du sol

Mots clés libres

Sélection génétique (GS)

Analyse d’association génétique (GWAS)

Modèle de culture

Génétique du tournesol

Idéotypage

Genomics selection (GS)

Genome wide association study (GWAS)

Crop modelling

Sunlower

Ideotyping

Résumé

L’évaluation des performances et des caractéristiques des nouvelles variétés produites est une étape clef de l’amélioration des performances d’une culture. Cependant, le processus d’évaluation des variétés est actuellement principalement basé sur des expérimentations en champs. Cela réduit le nombre et la diversité des conditions pédologiques, climatiques et les pratiques culturales évaluées et bien sûr rend impossible l’évaluation dans des conditions climatiques futures induites par le changement climatique. Evaluer, comprendre génétiquement et prédire la plasticité de la performance des variétés est donc un enjeu de recherche fondamentale et appliquée pour adapter les variétés aux conditions climatiques et aux systèmes de culture futurs. Notre objectif général est de construire des outils qui permettent de tirer parti de la plasticité phénotypique pour utiliser plus efficacement les ressources génétiques et environnementales afin de réduire les écarts de rendement actuellement observés entre le progrès génétique (rendement potentiel) et la production agricole. Pour parvenir à cet objectif, nous avons développé deux approches pour contribuer à l’identification de marqueurs génétiques impliqués dans la performance et la stabilité des variétés dans des environnements de culture variés. Les deux approches utilisent à la fois des modèles de génétique quantitative et un modèle écophysiologique pour tenir compte de l’interaction entre les variétés et l’environnement. La première approche (''plasticité'') se base sur l’identification des bases génétiques de la plasticité du rendement et la seconde (''optimisation'') sur l’identification des bases génétiques des caractéristiques d’hybrides optimaux pour le niveau et la stabilité du rendement dans une population d’environnement de cultureélargie. Dans la première approche ''plasticité'', le modèle écophysiologique nous a permis de caractériser les niveaux de stress abiotiques des environnements du réseau d’essais. Nous avons ensuite pu estimer la plasticité des performances d’un panel d’hybride vis-à-vis de ces stress. L’intégration avec les données de génotypage a permis ensuite d’en identifier le contrôle génétique et de prédire ces caractéristiques chez des hybrides apparentés. Dans la seconde approche ''optimisation'', la conception d’un modèle multi-échelle génétique et écophysiologique est un élément central pour prédire la performance d’hybrides non observés en champ dans des conditions de culture variées. Nous avons procédé en deux étapes : (1) utiliser des modèles de prédiction génomique pour prédire un ensemble de paramètres phénotypiques caractérisant un hybride en fonction de son génotype, puis (2) utiliser un modèle de simulation pour prédire le rendement de l’hybride en fonction de l’environnement, de la conduite de culture et de ses paramètres phénotypiques. La performance de ce modèle couplé s’est révélée inférieure à une approche de prédiction génomique seule et nous a permis d’identifier des verrous méthodologiques pour cette problématique. Nous avons mis en oeuvre de manière exploratoire ce modèle dans une approche d’optimisation par simulation qui nous a permis d’identifier des combinaisons de caractères physiologiques et développementaux associés à des performances plus élevées ainsi que d’en identifier le contrôle génétique. Dans les deux approches menées, les analyses de génétique d’association ont permis de la complexité du contrôle génétique des différents caractères, les informations relatives à aux marqueurs associés sont disponibles pour développer des variétés qui seront adaptées à des conditions de culture de plus en plus variables, du fait du changement climatique et de la nécessité de développer des pratiques agricoles plus durables.

Assessing the performance and the characteristics (e.g. yield, quality, disease resistance, abiotic stress tolerance) of new varieties is a key component of crop performance improvement. However, the variety testing process is presently exclusively based on experimental field approaches. This reduces the number and the diversity of experienced combinations of varieties x environment x management conditions and of course testing in future climatic conditions generated by climate change. Testing, understanding genetically and predicting phenotyic plasticity of crop performance constitutes therefore a challenge for basic and applied research in order to adapt varieties to future climatic conditions and technical practices. Our aim is to design tools to leverage phenotypic plasticity and better use genetic and environmental resources to reduce yield gaps currently observed between the genotypic potential and the agricultural production. We developed two approaches to identify genetic markers associated to yield and its stability in various production situations. Both approaches are based on the combination of quantitative genetics models and crop simulation models to capture phenotypic plasticity. The first approach (''plasticity'') aims to identify the genetic architecture of yield plasticity in a multi-environment trial, while the second (''optimization'') rather focus of the genetic architecture of plant traits that are optimal for yield and its variance in specific growing conditions. In the first ''plasticity'' approach, the crop simulation model allowed assessing abiotic stress levels occurring in a multi environment trial. We then calculated yield plasticity for each genotype in a hybrid panel as the regression of the yield of the hybrid against the stress level in the environment (reaction norms). Finally, a genome-wide association study (GWAS) identified genetic markers linked to yield plasticity. In the second ''optimization'' approach, the key step was to design a multiscale model to predict the performance of new hybrids in new environments. We proceed in two steps: (1) build whole genome prediction models to predict a set of component traits as a function of allelic combination of genotypes and (2) use a crop simulation model to predict the hybrid yield as a function of component traits, environmental variables and management practices. We found that the accuracy of our multi-scale model was worse than the accuracy of a sole genome prediction model directly predicting crop yield, but we identified new bottlenecks related to the design of such models. We nevertheless used this model in an experimental simulation-based optimisation method, which allowed identifying plant traits associated to high yield level and stability in specific growing conditions and we discussed their genetic architecture. In both approaches, association studies identified numerous genomic regions controlling yield plasticity in responses to abiotic stresses and highlighted its complexity. Such information is available to plant breeders to develop new genotypes adapted to increasingly variable cropping conditions drived by climate change to fulfill the societal need to switch to more sustainable agricultural management.