Laurence MOREAU

Laurence MOREAU

 dernières mises à jour 04/01/2023 -   +33 (0)1 69 33 23 37
 laurence.moreau@inrae.fr
 Génétique Quantitative et Méthodologie de la Sélection
 INRAE, Directrice de Recherche
 Génétique d’Association, Analyse de liaison, Sélection Génomique, Sélection Assistée par Marqueurs, Méthodologie de la sélection
 publications - orcid 

Parcours professionnel et formation

  • 2020-présent: Responsable de l’équipe GQMS (Génétique Quantitative et Méthodologie de la Sélection)
  • 1999-présent: INRAE   Chargée de recherche puis Directrice de Recherche (depuis 2018), GQE-Le Moulon, Gif-sur-Yvette, France
  • 2017: Habilitation à Diriger des Recherches “Contributions méthodologiques et expérimentales à la Sélection Assistée par Marqueurs. Application au Maïs” Univ. Paris-Sud
  • 2000: Séjour Sabbatique dans le groupe de J. Dekkers de l’Iowa State University, Ames, USA, dans le département de Génétique Animale sur l’optimisation de la sélection assistée par marqueurs.
  • 1998: PhD “Détection de QTL et sélection assistée par marqueurs chez le maïs”, INA-PG (maintenant AgroParisTech), Paris, France
  • 1994: Ingénieur Agronome and Master « Ressources génétiques et amélioration des plantes », (INA-PG, Université de Paris VI et Paris XI).

Thèmes de recherche

L’amélioration des plantes doit actuellement faire face à de nouveaux challenges en lien avec le changement climatique et la nécessité de réduire les impacts environnementaux de l’agriculture. La plupart des caractères d’intérêt ont un déterminisme génétique complexe largement inconnu. Le développement du génotypage puis des approches de séquençage ainsi que la disponibilité de données « omiques » offrent de nouveaux outils pour mieux comprendre les bases génétiques dans caractères et proposer de nouvelles méthodes de sélection. Mes projets de recherche sont liés au développement de méthodes et de dispositifs expérimentaux de détection de QTL (Quantitative Trait Loci) et de sélection assistée par marqueurs avec un intérêt particulier pour les dispositifs multiparentaux et les dispositifs hybrides avec des applications sur le maïs. Avec le développement de génotypage dense, mes recherches actuelles s’orientent plus spécifiquement sur:

  • La génétique d’association et sa combinaison avec la détection de QTL par analyse de liaison. Je m’interesse notamment à mieux comprendre les paramètres qui détermine la puissance de détection () et au développement de méthodes adaptées pour mieux comprendre les différences d’effets des QTL dans les différents groupes génétiques (1).

  • La selection génomique. Mes projets récents portent sur l’optimisation du jeu de calibration pour améliorer la précision de prédiction des modèles (, 2, 3), l’impact de la structuration ne groupe sur l’efficacité des prédictions (4, 5). J’étudie également le potentiel de la sélection génomique pour identifier des sources de d’allèles d’intérêt dans les ressources génétique et mieux gérer la variabilité génétique dans les programmes de sélection (6, 7, 8, 9, 10).

  • La selection hybride. J’ai récemment contribué à développer un dispositive multiparental original afin d’identifier les locus impliqués dans l’AGC et l’ASC de la valeur hybride pour des performances en ensilage et évalué la possibilité de remplacer, dans les programmes de sélection, les évaluations sur testeur par des prédictions génomiques calibrées dans un dispositive factoriel incomplet et revisiter ainsi le concept de sélection récurrente réciproque (11, 12, 13, 14). De façon plus Générale j’essaie de mieux comprendre l’impact de la structuration en groupes hétérotiques sur les performances hybrides afin de mieux comprendre et prédire l’effet d’hétérosis.

L’essentiel de mes programmes de recherche sont conduits en collaboration avec des partenaires privés impliqués dans la sélection du maïs mais au-delà de cette espèce , mes objectifs sont de développer des méthodes et outils utilisables sur d’autres espèces tels que « OptiMAS »   , un outil d’aide à la décision permettant de faciliter l’implémentation de la sélection assistée par marqueurs. Au delà du Maïs, je contribute ainsi à différents projets sur d’autres espèces (Tomate, Concombre, Lin, Légumineuses…).

Principaux projets en cours ou récents et implication dans la communauté

  • Coordination du WP4 du projet “Amaizing” (ANR investment for the Future, 2011- )
  • Co-coordination (avec C. Bauland) des projets Promaïs SAMMCR (2011- )
  • Co-coordination du reseau INRAE “R2D2” dans le cadre du metaprogramme Selgen.
  • Membre de la section maïs du CTPS (2015-2019).
  • Suppléante au conseil scientifique du département BAP de INRAE (2012-2016)
  • Editeur associée de Theoretical and Applied Genetics (2016 -) et Crop Science (2008-2010)
  • Membre du comité scientifique d’Eucarpia Biometrics (2012-)

Enseignement

  • Je donne régulièrement des cours sur la détection de QTL, la sélection assistée par marqueurs et la sélection génomique dans différents masters (AgroCampus Ouest, AgroParisTech, SupAgro). Je contribue également au Master 2 d’Amélioration des plantes du CIHAM (Saragosse).
  • Je contribue également à des formations continues à destination de scientifiques d’instituts publics ou privés organisées par l’ASFIS, dans le cadre de différents projets (Amaizing, Selgen) ou organisées en interne par des sociétés semencières sur la détection de QTL, la génétique d’association, la SAM et la sélection génomique.

Récompenses

2019: Prix Limagrain de l’Académie d’agriculture française.

Bibliographie

  1. Rio S., Moreau L. , Charcosset A., Mary-Huard T.. (2020) Accounting for Group-Specific Allele Effects and Admixture in Genomic Predictions: Theory and Experimental Evaluation in Maize. Genetics, 1 (216) 27-41
  2. Rincent R., Charcosset A., Moreau L. . (2017) Predicting genomic selection efficiency to optimize calibration set and to assess prediction accuracy in highly structured populations. Theor Appl Genet, 11 (130) 2231-2247
  3. Mangin B., Rincent R., Rabier CE., Moreau L. , Goudemand-Dugue E.. (2019) Training set optimization of genomic prediction by means of EthAcc. PLOS ONE, 2 (14) e0205629
  4. Rio S., Mary-Huard T., Moreau L. , Charcosset A.. (2019) Genomic selection efficiency and a priori estimation of accuracy in a structured dent maize panel. Theor Appl Genet, 1 (132) 81-96
  5. Rio S., Mary-Huard T., Moreau L. , Bauland C., Palaffre C., Madur D., Combes V., Charcosset A., Springer NM.. (2020) Disentangling group specific QTL allele effects from genetic background epistasis using admixed individuals in GWAS: An application to maize flowering. PLoS Genet, 3 (16) e1008241
  6. Allier A., Teyssèdre S., Lehermeier C., Claustres B., Maltese S., Melkior S., Moreau L. , Charcosset A.. (2019) Assessment of breeding programs sustainability: application of phenotypic and genomic indicators to a North European grain maize program. Theor Appl Genet, 5 (132) 1321-1334
  7. Allier A., Moreau L. , Charcosset A., Teyssèdre S., Lehermeier C.. (2019) Usefulness Criterion and Post-selection Parental Contributions in Multi-parental Crosses: Application to Polygenic Trait Introgression. G3: Genes, Genomes, Genetics, 5 (9) 1469-1479
  8. Allier A., Lehermeier C., Charcosset A., Moreau L. , Teyssèdre S.. (2019) Improving Short- and Long-Term Genetic Gain by Accounting for Within-Family Variance in Optimal Cross-Selection. Front. Genet., (10) 1006
  9. Seye AI., Bauland C., Charcosset A., Moreau L. . (2020) Revisiting hybrid breeding designs using genomic predictions: simulations highlight the superiority of incomplete factorials between segregating families over topcross designs. Theor Appl Genet, 6 (133) 1995-2010
  10. Allier A., Teyssèdre S., Lehermeier C., Moreau L. , Charcosset A.. (2020) Optimized breeding strategies to harness genetic resources with different performance levels. BMC Genomics, 1 (21) 349
  11. Giraud H., Bauland C., Falque M., Madur D., Combes V., Jamin P., Monteil C., Laborde J., Palaffre C., Gaillard A., Blanchard P., Charcosset A., Moreau L. . (2017) Reciprocal Genetics: Identifying QTL for General and Specific Combining Abilities in Hybrids Between Multiparental Populations from Two Maize (Zea mays L.) Heterotic Groups. Genetics, 3 (207) 1167-1180
  12. Giraud H., Bauland C., Falque M., Madur D., Combes V., Jamin P., Monteil C., Laborde J., Palaffre C., Gaillard A., Blanchard P., Charcosset A., Moreau L. . (2017) Linkage Analysis and Association Mapping QTL Detection Models for Hybrids Between Multiparental Populations from Two Heterotic Groups: Application to Biomass Production in Maize (Zea mays L.). G3: Genes, Genomes, Genetics, g3.300121.2017
  13. Seye AI., Bauland C., Giraud H., Mechin V., Reymond M., Charcosset A., Moreau L. . (2019) Quantitative trait loci mapping in hybrids between Dent and Flint maize multiparental populations reveals group-specific QTL for silage quality traits with variable pleiotropic effects on yield. Theor Appl Genet, 5 (132) 1523-1542
  14. Seye AI., Bauland C., Charcosset A., Moreau L. . (2020) Revisiting hybrid breeding designs using genomic predictions: simulations highlight the superiority of incomplete factorials between segregating families over topcross designs. Theor Appl Genet, 6 (133) 1995-2010

Publications

2024

  • Lorenzi A., Bauland C., Pin S., Madur D., Combes V., Palaffre C., Guillaume C., Touzy G., Mary-Huard T., Charcosset A., Moreau L. . (2024) Portability of genomic predictions trained on sparse factorial designs across two maize silage breeding cycles. Theor Appl Genet, 3 (137) 75

2023

  • Raffo MA., Cuyabano BCD., Rincent R., Sarup P., Moreau L. , Mary-Huard T., Jensen J.. (2023) Genomic prediction for grain yield and micro-environmental sensitivity in winter wheat. Front. Plant Sci., (13) 1075077
  • Rio S., Charcosset A., Moreau L. , Mary-Huard T., Endelman J.. (2023) Detecting directional and non-directional epistasis in bi-parental populations using genomic data. GENETICS, 3 (224) iyad089
  • Sanchez D., Sadoun SB., Mary-Huard T., Allier A., Moreau L. , Charcosset A.. (2023) Improving the use of plant genetic resources to sustain breeding programs’ efficiency. Proc. Natl. Acad. Sci. U.S.A., 14 (120) e2205780119

2022

  • Ahmadi N., Bartholomé J., Rio S., Charcosset A., Mary-Huard T., Moreau L. , Rincent R.. (2022) Building a Calibration Set for Genomic Prediction, Characteristics to Be Considered, and Optimization Approaches. DOI.org (Crossref), (2467) 77-112
  • Lorenzi A., Bauland C., Mary-Huard T., Pin S., Palaffre C., Guillaume C., Lehermeier C., Charcosset A., Moreau L. . (2022) Genomic prediction of hybrid performance: comparison of the efficiency of factorial and tester designs used as training sets in a multiparental connected reciprocal design for maize silage. Theor Appl Genet,
  • Monnot S., Cantet M., Mary-Huard T., Moreau L. , Lowdon R., Van Haesendonck M., Ricard A., Boissot N.. (2022) Unravelling cucumber resistance to several viruses via genome-wide association studies highlighted resistance hotspots and new QTLs. Horticulture Research, uhac184
  • Roth M., Beugnot A., Mary-Huard T., Moreau L. , Charcosset A., Fievet JB.. (2022) Improving genomic predictions with inbreeding and non-additive effects in two admixed maize hybrid populations in single and multi-environment contexts. Genetics, iyac018
  • Speck A., Trouvé JP., Enjalbert J., Geffroy V., Joets J., Moreau L. . (2022) Genetic Architecture of Powdery Mildew Resistance Revealed by a Genome-Wide Association Study of a Worldwide Collection of Flax (Linum usitatissimum L.). Front. Plant Sci., (13) 871633

2021

  • Gonzàlez-Diéguez D., Legarra A., Charcosset A., Moreau L. , Lehermeier C., Teyssèdre S., Vitezica ZG.. (2021) Genomic Prediction of Hybrid Crops Allows Disentangling Dominance and Epistasis. Genetics, iyab026
  • Monnot S., Desaint H., Mary-Huard T., Moreau L. , Schurdi-Levraud V., Boissot N.. (2021) Deciphering the Genetic Architecture of Plant Virus Resistance by GWAS, State of the Art and Potential Advances. Cells, 11 (10) 3080

2020

  • Allier A., Teyssèdre S., Lehermeier C., Charcosset A., Moreau L. . (2020) Genomic prediction with a maize collaborative panel: identification of genetic resources to enrich elite breeding programs. Theor Appl Genet, 1 (133) 201-215
  • Allier A., Teyssèdre S., Lehermeier C., Moreau L. , Charcosset A.. (2020) Optimized breeding strategies to harness genetic resources with different performance levels. BMC Genomics, 1 (21) 349
  • Benoist R., Capdevielle‐Dulac C., Chantre C., Jeannette R., Calatayud PA., Drezen JM., Dupas S., Le Rouzic A., Le Ru B., Moreau L. , Van Dijk E., Kaiser L., Mougel F.. (2020) Quantitative Trait Loci involved in the reproductive success of a parasitoid wasp. Mol Ecol, mec.15567
  • Diouf I., Derivot L., Koussevitzky S., Carretero Y., Bitton F., Moreau L. , Causse M., Rebetzke G.. (2020) Genetic basis of phenotypic plasticity and genotype × environment interactions in a multi-parental tomato population. Journal of Experimental Botany, eraa265
  • Rio S., Mary-Huard T., Moreau L. , Bauland C., Palaffre C., Madur D., Combes V., Charcosset A., Springer NM.. (2020) Disentangling group specific QTL allele effects from genetic background epistasis using admixed individuals in GWAS: An application to maize flowering. PLoS Genet, 3 (16) e1008241
  • Seye AI., Bauland C., Charcosset A., Moreau L. . (2020) Revisiting hybrid breeding designs using genomic predictions: simulations highlight the superiority of incomplete factorials between segregating families over topcross designs. Theor Appl Genet, 6 (133) 1995-2010

2019

  • Allier A., Teyssèdre S., Lehermeier C., Claustres B., Maltese S., Melkior S., Moreau L. , Charcosset A.. (2019) Assessment of breeding programs sustainability: application of phenotypic and genomic indicators to a North European grain maize program. Theor Appl Genet, 5 (132) 1321-1334
  • Allier A., Lehermeier C., Charcosset A., Moreau L. , Teyssèdre S.. (2019) Improving Short- and Long-Term Genetic Gain by Accounting for Within-Family Variance in Optimal Cross-Selection. Front. Genet., (10) 1006
  • Allier A., Moreau L. , Charcosset A., Teyssèdre S., Lehermeier C.. (2019) Usefulness Criterion and Post-selection Parental Contributions in Multi-parental Crosses: Application to Polygenic Trait Introgression. G3: Genes, Genomes, Genetics, 5 (9) 1469-1479
  • Courret C., Gérard PR., Ogereau D., Falque M., Moreau L. , Montchamp-Moreau C.. (2019) X-chromosome meiotic drive in Drosophila simulans: a QTL approach reveals the complex polygenic determinism of Paris drive suppression. Heredity, 6 (122) 906-915
  • Fustier MA., Martínez-Ainsworth NE., Aguirre-Liguori JA., Venon A., Corti H., Rousselet A., Dumas F., Dittberner H., Camarena MG., Grimanelli D., Ovaskainen O., Falque M., Moreau L. , Meaux J., Montes-Hernández S., Eguiarte LE., Vigouroux Y., Manicacci D., Tenaillon MI.. (2019) Common gardens in teosintes reveal the establishment of a syndrome of adaptation to altitude. PLOS Genetics, 12 (15) e1008512
  • Mangin B., Rincent R., Rabier CE., Moreau L. , Goudemand-Dugue E.. (2019) Training set optimization of genomic prediction by means of EthAcc. PLOS ONE, 2 (14) e0205629
  • Rio S., 2019-04-26 26/04/19, Contributions to genomic selection and association mapping in structured and admixed populations : application to maize, PhD Thesis, Université Paris-Saclay
  • Rio S., Mary-Huard T., Moreau L. , Charcosset A.. (2019) Genomic selection efficiency and a priori estimation of accuracy in a structured dent maize panel. Theor Appl Genet, 1 (132) 81-96
  • Seye A., 2019-03-21 21/03/19, Prédiction assistée par marqueurs de la performance hybride dans un schéma de sélection réciproque : simulations et évaluation expérimentale pour le maïs ensilage, PhD Thesis, Université Paris-Saclay
  • Seye AI., Bauland C., Giraud H., Mechin V., Reymond M., Charcosset A., Moreau L. . (2019) Quantitative trait loci mapping in hybrids between Dent and Flint maize multiparental populations reveals group-specific QTL for silage quality traits with variable pleiotropic effects on yield. Theor Appl Genet, 5 (132) 1523-1542
  • Virlouvet L., El Hage F., Griveau Y., Jacquemot MP., Gineau E., Baldy A., Legay S., Horlow C., Combes V., Bauland C., Palafre C., Falque M., Moreau L. , Coursol S., Méchin V., Reymond M.. (2019) Water Deficit-Responsive QTLs for Cell Wall Degradability and Composition in Maize at Silage Stage. Front. Plant Sci., (10) 488

2017

  • Giraud H., Bauland C., Falque M., Madur D., Combes V., Jamin P., Monteil C., Laborde J., Palaffre C., Gaillard A., Blanchard P., Charcosset A., Moreau L. . (2017) Linkage Analysis and Association Mapping QTL Detection Models for Hybrids Between Multiparental Populations from Two Heterotic Groups: Application to Biomass Production in Maize (Zea mays L.). G3: Genes, Genomes, Genetics, g3.300121.2017
  • Giraud H., Bauland C., Falque M., Madur D., Combes V., Jamin P., Monteil C., Laborde J., Palaffre C., Gaillard A., Blanchard P., Charcosset A., Moreau L. . (2017) Reciprocal Genetics: Identifying QTL for General and Specific Combining Abilities in Hybrids Between Multiparental Populations from Two Maize (Zea mays L.) Heterotic Groups. Genetics, 3 (207) 1167-1180
  • Moreau L. , 2017-06-13 13/06/17, Utilisation des marqueurs en sélection : des QTL à la Sélection Génomique, HDR, Université Paris Sud
  • Rincent R., Charcosset A., Moreau L. . (2017) Predicting genomic selection efficiency to optimize calibration set and to assess prediction accuracy in highly structured populations. Theor Appl Genet, 11 (130) 2231-2247

2016

  • Giraud H., 2016-01-22 22/01/16, Genetic analysis of hybrid value for silage maize in multiparental designs : QTL detection and genomic selection, PhD thesis, Université Paris-Sud
  • Moreau L. , Charmet G., Charcosset A., Le Gouis J., Deretz S.. (2016) Quelle place pour la selection génomique chez les espèces de grande culture ?. ,

2013

  • Bardol N., Ventelon M., Mangin B., Jasson S., Loywick V., Couton F., Derue C., Blanchard P., Charcosset A., Moreau L. . (2013) Combined linkage and linkage disequilibrium QTL mapping in multiple families of maize (Zea mays L.) line crosses highlights complementarities between models based on parental haplotype and single locus polymorphism. TAG. Theoretical and applied genetics. Theoretische und angewandte Genetik, 11 (126) 2717-36
  • Bardol N., 2013-08-03 08/03/13, Interest of dense genotyping for selection in multi-parental designs. Comparison of two marker-assisted selection approaches: Genomewide selection and QTL-LDLA based selection. Application in maize (Zea mays L.), PhD thesis, AgroParisTech
  • Valente F., Gauthier F., Bardol N., Blanc G., Joets J., Charcosset A., Moreau L. . (2013) OptiMAS: a decision support tool for marker-assisted assembly of diverse alleles. The Journal of heredity, 4 (104) 586-90