Grapevine breeding optimization with genomic and phenomic predictions

Brault Charlotte. 2021. Grapevine breeding optimization with genomic and phenomic predictions. Montpellier : Montpellier SupAgro, 264 p. Thèse de doctorat : Génétique et amélioration des plantes : Montpellier SupAgro

Titre français : Optimisation de la sélection de variétés de vigne à l'aide laprédiction génomique et phénomique

Encadrement : This, Patrice ; Doligez, Agnès

Résumé : Grapevine breeding needs to address two main issues over the next few years: reducing pesticide use and adaptating to climate change. If the selection of new resistant grapevine cultivars has been accelerated, breeding remains a long and costly process for a perennial species such as grapevine. That is why I tested and compared different methodologies for optimizing the breeding of new grapevine varieties. The first is genomic prediction (GP), which relies on the use of molecular markers to train a model to predict genetic values. The second is phenomic prediction (PP), which relies on the use of spectra measured on plant tissues, which is cheaper and more high-throughput than genotyping. I used GP and PP under different configurations to evaluate their interest in breeding programs. For that, I used three grapevine populations with contrasted relatedness, both genotyped and phenotyped. First, I compared univariate and multivariate GP models in a bi-parental population (N=188), on 14 traits related to drought. Multivariate methods did not perform better than univariate ones, and ranking between methods depended on the genetic architecture and heritability of the trait. Secondly, I tested across-population GP (a more applicable configuration for breeding) for 15 traits, by training the prediction model in a diversity panel (N=277) and using 10 bi-parental families of a half-diallel (N=622) as validation sets. For that, I first predicted the average genetic value of each family (for the first selection step of future crosses to be made) and then the genetic values of individuals within each family (for the second selection step of offspring within crosses once they have been realized). Prediction accuracy for these two steps appeared to be satisfying for the application of GP in breeding programs, compared to within-population prediction accuracy. Finally, I tested for the first time the application of PP in grapevine, by using near-infrared spectra measured on wood and leaves. Prediction accuracies were encouraging, despite a suboptimal framework because phenotypes and spectra were not measured in the same years.In conclusion, these results provide a good overview of methods and configurations that could be applied to optimize the selection of new grapevine varieties. For this optimization to be effective, it will be necessary to define the varietal ideotype and to have a reference population genotyped and phenotyped in several environments. My results allowed me to propose a new breeding scheme that comprises two steps, the selection of crosses to be made with GP and the selection of individuals within crosses with GP or PP. Such a scheme would allow to increase genetic gain while decreasing the cycle length from 15 to 9 years.In conclusion, these results provide a good overview of methods and configurations that could be applied to optimize the selection of new grapevine varieties. For this optimization to be effective, it will be necessary to define the varietal ideotype and to have a reference population genotyped and phenotyped in several environments. My results allowed me to propose a new breeding scheme that comprises two steps, the selection of crosses to be made with GP and the selection of individuals within crosses with GP or PP. Such a scheme would allow to increase genetic gain while decreasing the cycle length from 15 to 9 years.In conclusion, these results gave us a good overview of what could be applied to optimize the selection of new grapevine varieties. For this optimization to be effective, it will be necessary to define the varietal ideotype and to have a reference population genotyped and phenotyped in several environments. The new breeding scheme that I propose comprises two steps, selection of crosses to realize by GP and the selection of individuals within a cross with GP or PP. Such a scheme would allow to increase genetic gain while decreasing the cycle length from 15 to 9 years.

Résumé (autre langue) : La sélection génétique de la vigne doit répondre à deux enjeux majeurs dans les prochaines années : la réduction de l'utilisation de produits phytosanitaires et l'adaptation au changement climatique. Si la sélection de variété résistantes a été grandement accélérée, la sélection de caractères d'intérêt complexes reste un processus long et coûteux pour une plante pérenne comme la vigne. C'est pourquoi j'ai testé et comparé différentes méthodologies pour optimiser la sélection de nouvelles variétés de vigne. La première est la prédiction génomique (PG), qui repose sur les marqueurs moléculaires pour entraîner un modèle de prédiction des valeurs génotypiques. La seconde est la prédiction phénomique (PP), qui repose sur l'utilisation de spectres mesurés sur les tissus de la plante, plus rapides et moins chers à obtenir que le génotypage. J'ai utilisé la PG et la PP dans différentes configurations pour mesurer leur intérêt pratique dans les programmes d'amélioration. Pour cela, je me suis basée sur trois populations de variétés de vigne avec des apparentements génétiques contrastés, préalablement génotypées et phénotypées. J'ai d'abord comparé des modèles de PG univariés et multivariés dans une population bi-parentale (N = 188), sur 14 caractères relatifs au stress hydrique. Les précisions de prédiction étaient bonnes pour les caractères héritables, les méthodes multivariées n'étaient pas meilleures que les méthodes univariées, et le classement entre les méthodes dépendait de l'architecture génétique du caractère. Dans un second temps, j'ai testé la PG inter-population (configuration plus applicable en sélection) pour 15 caractères, en entraînant le modèle de prédiction dans un panel de diversité (N = 277) pour prédire dans 10 familles bi-parentales connectées en demi-diallèle (N = 622). Pour cela, j'ai prédit d'abord la moyenne des familles (pour la sélection des futurs croisements à réaliser), puis la valeur des individus au sein de chaque famille (pour la sélection d'individus au sein des croisements un fois qu'ils ont été réalisés). Pour ces deux étapes, les précisions de prédiction en inter-population restaient satisfaisantes (par rapport à l'intra-population) pour l'application de la PG dans les programmes d'amélioration. Finalement, j'ai testé la PP pour la première fois chez la vigne, en utilisant des spectres dans le proche infrarouge obtenus sur bois et sur feuilles. Les précisions de prédiction en PP se sont révélées encourageantes, malgré un cadre suboptimal car les spectres et les phénotypes n'ont pas été mesurés les mêmes années. En conclusion, ces résultats donnent un bon aperçu de ce qui pourrait être appliqué pour optimiser la sélection de nouvelles variétés de vigne. Pour que cette optimisation soit effective, il faudra cependant bien définir l'idéotype variétal et avoir à disposition une population de référence génotypée et phénotypée dans plusieurs environnements. Le nouveau schéma de sélection que je propose sur la base de mes résultats comprend deux étapes : la sélection des croisements à réaliser par PG et la sélection des individus au sein des croisements par PG ou PP. Un tel schéma pourrait permettre d'augmenter le gain génétique par cycle et de diminuer la durée du cycle de 15 à 9 ans.

Mots-clés Agrovoc : vigne, amélioration des plantes, génomique, sélection, choix des variétés, technique de prévision, Vitis, programme d'amélioration

Classification Agris : F30 - Génétique et amélioration des plantes
F01 - Culture des plantes

Agences de financement hors UE : Inter-Rhône

Auteurs et affiliations

• Brault Charlotte, CIRAD-BIOS-UMR AGAP (FRA)

Source : Cirad-Agritrop (https://agritrop.cirad.fr/604586/)

Métriques

[ Page générée et mise en cache le 2024-01-29 ]