Utilisation d'une population multi-parentale et hautement recombinante de blé tendre pour l'étude de l'architecture génétique de la précocité de floraison

• Main Author: Thépot, Stéphanie
• Other Authors: Paris 11
• Language: fr; en
• Published: 2014
• Subjects: Multi-parentale; MAGIC; Gestion dynamique; Détection QTLs; Précocité de floraison; Evolution expérimentale; Triticum aestivum L.; Multi-parental; Dynamic management; QTL detection; Flowering time; Experimental evolution
• Online Access: http://www.theses.fr/2014PA112043/document

Aujourd'hui, alors que le nombre de marqueurs génétiques disponibles augmente rapidement, de nouvelles populations doivent être créées pour exploiter au mieux cette quantité d'informations dans le but de mieux comprendre l'architecture génétique de caractères complexes. Les populations de type MAGIC ont été créées pour rassembler les avantages des populations bi-parentales et des panels d'associations, la bonne puissance de détection et une localisation précise. L'objectif de cette thèse était d'étudier l'intérêt de la population MAGIC INRA pour l'analyse de l'architecture génétique de la précocité de floraison. Cette population a été créée à partir de 60 parents brassés durant 12 générations de panmixie grâce à l'introduction d'un gène de stérilité mâle (ms1b). Cette étude a été réalisée sur 56 parents toujours disponibles en banque de graines et 380 lignées dérivées de la population après les 12 générations de recombinaison. Cette population a été génotypée avec la puce 9K iSelect, représentant environ 5 000 SNPs localisés sur tout le génome, additionnée de 14 marqueurs localisés dans des gènes candidats. Ce jeu de données moléculaires a été complété par des données fines de phénotypage de la précocité de floraison. Suite aux 12 générations de panmixie, le DL de cette population a été très réduit, à longue comme à moyenne distance (<10cM). Ce faible DL nous a amené à développer un algorithme basé uniquement sur le DL qui ordonne les marqueurs de manière à avoir un DL décroissant monotone avec la distance. L'algorithme ordonne globalement de la même manière que la carte génétique les marqueurs à longue distance mais à courte distance le DL est moins lié à la distance génétique. La différence réside sur l'équilibre entre les effets de la recombinaison et de la dérive génétique sur le DL. L'intérêt de la population MAGIC INRA pour détecter des QTLs a ensuite été étudié avec deux approches : une approche évolutionniste et une approche de génétique d'association. La première approche détecte les loci soumis à sélection par comparaison des fréquences alléliques de la population initiale (G0) et de la population évoluée (G12) grâce à une nouvelle méthode. La population initiale est composée des parents pondérés par une contribution estimée avec une nouvelle méthode bayésienne. 26 régions génomiques soumises à sélection ont été détectées. Une analyse de génétique d'association avec les marqueurs détectés sous sélection a montré que respectivement cinq et trois zones étaient associées à la précocité avec un semis d'automne et au caractère printemps/hiver. Une analyse phénotypique a effectivement mis en évidence la précocification de la date de floraison et une augmentation de la proportion de plantes de type printemps. Une analyse de génétique d'association a ensuite été réalisée sur les lignées SSD sur 12 caractères x environnements i.e. la date d'épiaison et le temps de remplissage du grain mesurés dans six environnements. Les tests d'association ont aussi été réalisés avec des variables synthétisant l'information présente dans plusieurs traits phénotypiques soit avec une ACP, soit avec un modèle écophysiologique. Au total, toutes ces analyses ont détecté six QTLs dont trois correspondants à des gènes majeurs. Parmi ces six QTLs, deux sont spécifiques des caractères mesurés avec un semis d'automne et deux avec ceux mesurés avec un semis de printemps. === Nowadays, with the dramatically increase of available molecular markers, there is a deep need for new populations allowing to exploit all of this information to better understand the genetic architecture of complex traits. MAGIC populations as they are built to bring together bi-parental populations and association panel advantages, provide such powerful detection and fine mapping capacities. The aim of these PhD was to study the MAGIC INRA population usefulness for the study of genetic architecture of earliness. This population is derived from 12 cycles of random crosses between 60 founders, turning wheat from selfing to outcrossing thanks to the use of a nuclear male sterility gene (ms1b, Probus donor). This population is composed of 56 parents still available and 380 SSD lines. Parents and SSD lines were genotyped using the 9K iSelect SNPs array, providing around 5 000 SNPs on the whole genome, as well as 14 addition markers located in candidate genes. They were also finely phenotyped for earliness traits. With the 12 panmictic generations, the population LD decreased strongly, especially at long and medium distance (<10cM). This allowed us to develop an algorithm mapping markers on the sole pairwise LD information, ordering markers in a way to have the LD decreasing along the distance. When considering long distances, overall the results were consistent with the order found on genetic maps while at short distance LD was poorly linked to genetic distance. These differences between long and short distances were linked to the balance between recombination and drift effects on LD. The usefulness of the MAGIC INRA population for QTL detection was analyzed with two approaches: an evolutionary approach and an association genetics approach. The first one detects loci under selection by identifying high shift in allelic frequency with a new method. The initial population was composed of founders weighted by a contribution estimated with a new Bayesian method. 26 genomic areas under selection were detected. An association genetics analysis with the markers detected as under selection showed respectively five and three genomic regions associated with earliness and growth habit. Actually the G12 population was found phenotypically earlier than the G0 and with more spring individuals. A broader association genetics analysis was performed on G12 population, studying 12 traits x environments i.e. heading date and grain filling time, both observed in six environmental conditions. Two additional integrated traits from either PCA or ecophysiological model were also analyzed. In all, these different analyses detected six QTLs, three of them corresponding to candidate genes. Among these six QTLs, two were specific to autumn sowing and two specific to spring sowing.