Évaluation d’une stratégie de sélection génomique chez la tomate cultivée : prise en compte d’informations extérieures et des interactions GxE - DUMAS - Dépôt Universitaire de Mémoires Après Soutenance Access content directly
Master Thesis Year : 2020

Évaluation d’une stratégie de sélection génomique chez la tomate cultivée : prise en compte d’informations extérieures et des interactions GxE

Abstract

Genomic selection is an alternative for the reduction of selection costs and rapid genetic progress in plant breeding. Previous genomic selection studies on tomato have evaluated the impact of several factors such as linkage disequilibrium and training population size on prediction accuracy. These evaluations were done using simple environment models that do not consider GxE interactions. In our study, we have evaluated the impact of the integration of GxE interaction and environmental cofactors on prediction accuracy. The simple environment, G+E and GxE models were used to evaluate the prediction accuracy in two population datasets (MAGIC and GWAS) that have been genotyped and phenotyped for several traits in different environments. This study revealed that the prediction accuracy of multi-environment models is better than that of the single environment model. The GxE model has a prediction accuracy as high as that of G+E, and even predicted better than G+E depending on the environment or the composition of the training population. Both models have a higher prediction accuracy than the single environment model (G) when accessions are tested in at least one environment (CV2 sampling) compared to models where some accessions are tested in none of the environments (CV1). The prediction accuracy of these different models was strongly correlated to the heritability of the traits. It increased when the environments were correlated with each other. The integration of environmental co-factors in the GxE model improved prediction accuracy. In limited conditions, CV2 sampling is the most appropriate to make genomic predictions with multi-environment models.
La sélection génomique est une alternative permettant la réduction des coûts de la sélection et un progrès génétique rapide. Les études précédentes de sélection génomique sur la tomate ont permis d’évaluer l’impact des facteurs de la prédiction génomique tels que le déséquilibre de liaison et la taille de la population d’entrainement sur la précision de la prédiction. Ces évaluations ont été faites à l’aide de modèles simples environnements qui n’intègrent pas les interactions GxE. Dans notre étude, nous avons évalué l’impact de l’intégration de l’interaction GxE et de cofacteurs environnementaux sur la précision de la prédiction. Trois modèles ont été comparés, simple environnement, G+E et GxE, pour évaluer la précision de prédiction des jeux de données de deux populations, MAGIC et GWAS, génotypées et phénotypées pour plusieurs caractères dans différents environnements plus ou moins stressés. Cette étude a révélé que la précision de prédiction des modèles multi-environnements est meilleure à celle du modèle simple environnement. Le modèle GxE a une précision de prédiction aussi élevée, voire meilleure que celle de G+E, mais avec des différences suivant les environnements ou la composition de la population d’entrainement. Ces deux modèles ont une précision de prédiction très supérieure à celle du modèle simple environnement (G) lorsque les individus sont testés dans au moins un environnement (CV2). Le gain est plus faible pour prédire des individus testés dans aucun environnement (CV1). La précision de prédiction de ces différents modèles est fortement corrélée à l’héritabilité du caractère. Elle augmente quand les environnements sont corrélés entre eux. L’intégration des cofacteurs environnementaux au modèle GxE, améliore la précision de prédiction. En condition limitée, l’échantillonnage CV2 est le plus approprié pour faire la prédiction génomique avec des modèles multi-environnements.
Fichier principal
Vignette du fichier
2020_APIMET_Fouabi.pdf (2.32 Mo) Télécharger le fichier
Origin : Files produced by the author(s)

Dates and versions

dumas-03032941 , version 1 (01-12-2020)

Identifiers

  • HAL Id : dumas-03032941 , version 1

Cite

Ange Fouabi. Évaluation d’une stratégie de sélection génomique chez la tomate cultivée : prise en compte d’informations extérieures et des interactions GxE. Agronomie. 2020. ⟨dumas-03032941⟩
99 View
328 Download

Share

Gmail Facebook X LinkedIn More