En savoir plus

Notre utilisation de cookies

« Cookies » désigne un ensemble d’informations déposées dans le terminal de l’utilisateur lorsque celui-ci navigue sur un site web. Il s’agit d’un fichier contenant notamment un identifiant sous forme de numéro, le nom du serveur qui l’a déposé et éventuellement une date d’expiration. Grâce aux cookies, des informations sur votre visite, notamment votre langue de prédilection et d'autres paramètres, sont enregistrées sur le site web. Cela peut faciliter votre visite suivante sur ce site et renforcer l'utilité de ce dernier pour vous.

Afin d’améliorer votre expérience, nous utilisons des cookies pour conserver certaines informations de connexion et fournir une navigation sûre, collecter des statistiques en vue d’optimiser les fonctionnalités du site. Afin de voir précisément tous les cookies que nous utilisons, nous vous invitons à télécharger « Ghostery », une extension gratuite pour navigateurs permettant de les détecter et, dans certains cas, de les bloquer.

Ghostery est disponible gratuitement à cette adresse : https://www.ghostery.com/fr/products/

Vous pouvez également consulter le site de la CNIL afin d’apprendre à paramétrer votre navigateur pour contrôler les dépôts de cookies sur votre terminal.

S’agissant des cookies publicitaires déposés par des tiers, vous pouvez également vous connecter au site http://www.youronlinechoices.com/fr/controler-ses-cookies/, proposé par les professionnels de la publicité digitale regroupés au sein de l’association européenne EDAA (European Digital Advertising Alliance). Vous pourrez ainsi refuser ou accepter les cookies utilisés par les adhérents de l'EDAA.

Il est par ailleurs possible de s’opposer à certains cookies tiers directement auprès des éditeurs :

Catégorie de cookie

Moyens de désactivation

Cookies analytiques et de performance

Realytics
Google Analytics
Spoteffects
Optimizely

Cookies de ciblage ou publicitaires

DoubleClick
Mediarithmics

Les différents types de cookies pouvant être utilisés sur nos sites internet sont les suivants :

Cookies obligatoires

Cookies fonctionnels

Cookies sociaux et publicitaires

Ces cookies sont nécessaires au bon fonctionnement du site, ils ne peuvent pas être désactivés. Ils nous sont utiles pour vous fournir une connexion sécuritaire et assurer la disponibilité a minima de notre site internet.

Ces cookies nous permettent d’analyser l’utilisation du site afin de pouvoir en mesurer et en améliorer la performance. Ils nous permettent par exemple de conserver vos informations de connexion et d’afficher de façon plus cohérente les différents modules de notre site.

Ces cookies sont utilisés par des agences de publicité (par exemple Google) et par des réseaux sociaux (par exemple LinkedIn et Facebook) et autorisent notamment le partage des pages sur les réseaux sociaux, la publication de commentaires, la diffusion (sur notre site ou non) de publicités adaptées à vos centres d’intérêt.

Sur nos CMS EZPublish, il s’agit des cookies sessions CAS et PHP et du cookie New Relic pour le monitoring (IP, délais de réponse).

Ces cookies sont supprimés à la fin de la session (déconnexion ou fermeture du navigateur)

Sur nos CMS EZPublish, il s’agit du cookie XiTi pour la mesure d’audience. La société AT Internet est notre sous-traitant et conserve les informations (IP, date et heure de connexion, durée de connexion, pages consultées) 6 mois.

Sur nos CMS EZPublish, il n’y a pas de cookie de ce type.

Pour obtenir plus d’informations concernant les cookies que nous utilisons, vous pouvez vous adresser au Déléguée Informatique et Libertés de l’INRA par email à cil-dpo@inra.fr ou par courrier à :

INRA
24, chemin de Borde Rouge –Auzeville – CS52627
31326 Castanet Tolosan cedex - France

Dernière mise à jour : Mai 2018

Menu Logo Principal Logo UCA

UMR GDEC

UMR 1095 Génétique Diversité et Ecophysiologie des Céréales

2. Développement de méthodologies en sélection génomique

Sophie Bouchet (coordinateur), Gilles Charmet, Sarah Ben Sadoun (Doctorante)

Le développement récent des plates-formes de génotypage à haut débit, et celui attendu des plateaux de phénotypage, commence à générer une avalanche de données potentiellement utilisables en sélection. Il nous faut imaginer à la fois des méthodes et des procédures pour assurer l’exploitation conjointe des données de génotypage et de phénotypage afin d’identifier les meilleures lignées à croiser, c'est-à-dire celles qui donneront les meilleurs descendants. Cette « breeding value » (valeur en sélection), habituellement estimée par le phénotype ou à partir de tests de descendance, peut également être prédite par l’utilisation de marqueurs moléculaires, en particulier par un marquage très dense de l’ensemble du génome. Ce concept de sélection génomique parait particulièrement prometteur pour les caractères complexes, peu héritables et/ou coûteux à phénotyper comme le rendement ou la tolérance à des maladies fongiques (septoriose…), aux insectes, virus.... De plus, chez les plantes, sans doute plus que chez les animaux domestiques où ces méthodes commencent à être utilisées à grande échelle, il faudra prendre en compte les interactions Génotype x Environnement (GxE), et prédire les normes de réponses à des facteurs environnementaux changeants.

Plusieurs approches ont été proposées pour estimer cette « GEBV » (genomic estimate of breeding value). Dans tous les cas, nous assurons une veille méthodologique, pour choisir, parmi les méthodes disponibles, les plus pertinentes. Nous avons développé des programmes de simulation selon des scénarios mimant le plus possible un programme de sélection du blé, afin de tester de nouvelles méthodes ou de nouveaux schémas (sélection virtuelle), en particulier en optimisant le choix des parents et des croisements à réaliser.

Optimisation schémas de sélection via Sélection génomique (SG)

Optimisation schémas de sélection via Sélection génomique (SG)

Dans le cadre du projet Investissements d’Avenir BREEDWHEAT, nous avons développé un pipeline intégré pour la sélection génomique, basé sur des bibliothèques publiques disponibles en R permettant la mise en œuvre rapide de différentes méthodes pour la prédiction des GEBV.

Ce pipeline a été appliqué avec succès sur les données historiques du programme de sélection INRA-Agri-Obtentions. La précision des prédictions permet d’envisager leur utilisation dans les futurs schémas de sélection.

Enfin, dans le cadre d’une Thèse (D Ly, 2013-2016), nous avons développé une extension du modèle G-BLUP intégrant une régression aléatoire sur une (ou plusieurs) covariable(s) environnementale(s). Ce modèle, appelé Fr-GBLUP, permet d’améliorer la valeur prédictive des modèles en présence d’interactions GxE. Une nouvelle Thèse, démarrée en 2017 (S. Ben Sadoun), vise à estimer l’intérêt des approches de sélection génomique multicaractères sur les données réelles du programme de création variétale.