En savoir plus

Chez le blé tendre, la sélection variétale consiste à créer des variétés regroupant plusieurs caractères d’intérêt agronomique comme un rendement élevé ou une bonne qualité boulangère. Certains de ces caractères sont coûteux ou difficiles à phénotyper. Les prédictions génomiques reposent sur un modèle statistique basé sur des données de marquage moléculaire et consistent à prédire la valeur génétique de candidats à la sélection dont le phénotype n’a pas été mesuré. Cette méthode a pour but d’améliorer le progrès génétique par unité de temps et de coût. Actuellement, la plupart des travaux sur les prédictions génomiques dans le domaine végétal portent sur un seul phénotype à la fois. Cependant, des méthodes de prédictions génomiques multi-caractères ont été développées pour bénéficier de l’information apportée par des caractères corrélés.

L’objectif de la thèse est d’optimiser les prédictions génomiques chez le blé tendre en utilisant des méthodes multi-caractères. Pour y répondre, une population de référence issue du programme de sélection du blé tendre INRA/Agri-Obtentions a été analysée.
Dans le premier volet de la thèse, différentes stratégies ont été comparées, à la fois en terme de précision des prédictions et en terme de coût relatif, afin d’optimiser l’allocation des ressources dans des schémas de sélection. Dans ce premier volet, la valeur de panification, dont l’évaluation n’est possible qu’à un stade tardif du schéma de sélection, a été utilisée comme cas d’étude. Différentes stratégies ont été évaluées pour prédire la valeur de panification, y compris des modèles de prédiction génomique mono-caractères et des modèles de prédiction génomique multi-caractères qui utilisent l’information d’un caractère corrélé, le paramètre de l’alvéographe de Chopin W (force boulangère) qui est moins coûteux à phénotyper. Dans le cas des modèles de prédiction génomique multi-caractères le caractère corrélé W peut être phénotypé dans la population cible (sélection assistée par le génome). De plus, l’approche d’optimisation de la population d’entrainement basée sur le CDmean (proposée par R. Rincent en 2012) a été étendue au cas multi-caractère et plusieurs scénarios ont été réalisés afin d’évaluer cette approche.  

Le second volet de la thèse porte sur l’optimisation des schémas de sélection du blé tendre en utilisant des prédictions génomiques. Cette seconde partie repose sur des simulations de schémas de sélection et permet d’étudier l’impact des prédictions génomiques sur l’amélioration de plusieurs caractères sur plusieurs cycles.