Identification de sources d’adaptation au changement climatique dans les variétés populations de maïs génotypées en pool grâce à des approches d’écogénétique et de prédiction génomique

Identification de sources d'adaptation au changement climatique dans les variétés populations de maïs génotypées en pool grâce à des approches d'écogénétique et de prédiction génomique

Soutenance de thèse
 17/03/2026
 14:00:00
 Agustin O. Galaretto, GQE-Le Moulon
 IDEEV, salle Rachel Carlson

Thèse dirigée par Stéphane Nicolas (chargé de recherche, GQE-Le Moulon) et co-encadrée par Alain Charcosset (directeur de recherche, GQE-Le Moulon) et Brigitte Gouesnard (chargée de recherche, AGAP).

Résumé de la thèse

Pour répondre aux besoins alimentaires futurs, l’agriculture doit s’adapter afin de faire face aux défis du changement climatique tout en réduisant son impact environnemental. Les collections de populations locales de maïs conservées dans les banques de gènes constituent une source prometteuse d’allèles bénéfiques pour la tolérance aux stress abiotiques et biotiques, car elles ont une grande diversité génétique et sont adaptées à une large gamme d’environnements. Toutefois, leur utilisation dans les programmes de sélection modernes est freinée par leur manque de caractérisation, dû à leur grande diversité génétique intra-populationnelle.

Pour répondre à cette problématique, j’ai développé une stratégie basée sur le génotypage haut débit de pools d’ADN (HPG) afin de caractériser et d’identifier des populations et des régions génomiques prometteuses pour la création de nouvelles variétés adaptées aux climats futurs et à une agriculture bas intrants. J’ai utilisé un panel de 626 populations européennes de maïs (panel EVA) étudiées dans le cadre des projets ECPGR EVA Maize et MineLandDiv et provenant de 9 banques de gènes européennes. Le HPG des populations a été réalisé avec deux puces 50K SNP et 600K SNP. Le panel EVA a été évalué pour divers caractères agronomiques au sein d’un réseau d’essais au champ avec un dispositif expérimental très déséquilibré.

Dans un premier temps, j’ai étudié la structuration génétique spatiale du panel EVA à l’aide des données 50K. J’ai identifié neuf groupes génétiques cohérents avec leurs origines géographiques et différant pour plusieurs caractères agronomiques.

Ensuite, j’ai évalué l’intérêt d’intégrer le décalage génomique (GO) et la diversité génétique intra-populationnelle (Hs) dans un modèle de prédiction génomique (GP) pour prédire le rendement en grain (GY), la floraison mâle (MF) et la hauteur de plante (PH) de ces populations dans 25 environnements à travers l’Europe. J’ai estimé le GO à l’aide d’un modèle « Gradient Forest » et les variables climatiques des sites de collecte des populations.

Pour comparer les précisions des modèles de GP, j’ai utilisé trois schémas de validation croisée correspondant à trois cas d’usage : observations manquantes, génotype inconnu, environnement inconnu. La GP a montré une précision élevée pour prédire GY, PH et MF dans divers environnements. L’ajout du GO et de Hs dans le modèle de GP (modèle GP-GO) a augmenté la précision de la prédiction de GY (+13%) et de PH (+11.8%) pour des populations inconnues dans des environnements inconnus. Le GO était corrélé négativement avec PH et GY. Le GO contribuait à l’interaction génotype × environnement, tandis que Hs contribuait à la variation génotypique. Cela confirme que le GO mesure la maladaptation des populations, tandis que Hs est lié à l’effet de dépression de consanguinité. Le modèle GP-GO a permis (i) de montrer que les performances des populations les plus diverses étaient plus stables à travers les environnements (ii) de cartographier les changements de rendement des populations à travers l’Europe pour différents scénarios climatiques. Ainsi, j’ai pu identifier les populations les plus performantes et stables dans différentes régions européennes pour différents scenario climatiques.

Enfin, j’ai identifié, avec 600K, 38 régions génomiques adaptatives prometteuses impliquées dans la variation des caractères en étudiant la colocalisation de SNP significatifs entre (i) des études d’association génome-environnement sur 36 variables pédologiques et 241 variables climatiques des sites de collecte des populations et (ii) des études d’association génomique sur 11 caractères agronomiques. Ces régions ciblent des gènes impliqués dans la tolérance aux stress abiotiques et pourraient contenir des allèles bénéfiques.

Ce travail ouvre de nouvelles perspectives pour l’utilisation des populations en présélection et pour l’évaluation de la résilience des populations cultivées face aux climats futurs.

Composition du jury

  • Yves VIGOUROUX, Directeur de recherche, IRD (Université de Montpellier), rapporteur et examinateur
  • David POT, Chercheur, CIRAD (Université de Montpellier), rapporteur et examinateur
  • Philippe BARRE, Ingénieur de recherche, INRAE (Université de Poitiers), examinateur
  • Mathieu GAUTIER, Directeur de Recherche, INRAE (Université de Montpellier), examinateur
  • Christine DILLMAN, Professeure (Université Paris Saclay), examinatrice

Pour suivre la soutenance en visioconférence : https://webinaire.numerique.gouv.fr/meeting/signin/invite/74812/creator/29541/hash/54286cda2af18b24d5a90cb19c8921746c305ec9