Projet FUI - AAP 13

Objectifs du projet de recherche

L’objectif du projet GBds est de mettre au point des outils d’aide à la création de variétés de maïs permettant de prédire la valeur génétique d’un hybride grâce au génotypage haute densité de ses lignées parentales sous contraintes environnementales données.

En effet, les défis que rencontre l’agriculture moderne (changement climatique, diminution des intrants...) imposent aux sociétés semencières des efforts toujours plus importants pour proposer de nouvelles variétés adaptées et performantes. Les avancées faites dans les domaines du marquage moléculaire et de la génomique ouvrent aujourd’hui de nouvelles perspectives dans le secteur de la création variétale. Le génotypage haut débit a permis le développement d’une nouvelle approche dite de "sélection génomique" qui permet de calculer un indice moléculaire rendant compte de la valeur génétique des plantes analysées.

L’objectif du projet GBds est ainsi d’établir la meilleure corrélation possible entre données génotypiques, produites sur des puces ADN haute densité, et données phénotypiques afin de qualifier les croisements avec un indice géno-phénotypique (GEBV) permettant d’identifier ceux qui sont les plus prometteurs. Les plantes ayant la meilleure valeur GEBV sont retenues et évaluées par la suite au champ. GBds a aussi pour ambition de tenir compte de données environnementales (notamment des données climatiques fournies par Météo France) pour évaluer cet indice. Les analyses qui se heurtent déjà à l’explosion combinatoire des interactions génétiques, doivent donc aussi faire face à celle des combinaisons liées aux interactions possibles entre le génome et l’environnement.

Les volumes de données en jeu requièrent des développements spécifiques dans les domaines statistiques et algorithmiques. C’est pourquoi des algorithmes novateurs sont requis pour traiter, d’une part, les grandes quantités de données générées par le génotypage haute densité en prenant en compte toute la complexité des corrélations et des interactions entre tous les marqueurs moléculaires SNP et, d’autre part, les interactions entre les génotypes et les environnements.

L’objectif de SMAC est d’enrichir les algorithmes actuellement utilisés dans le domaine en proposant un modèle de prédiction, de la valeur phénotypique d’une variété, reposant sur (et enrichissant) la technologie des systèmes multi-agents adaptatifs. D’un point de vue analytique, un système multi-agent non supervisé, tel un AMAS, va permettre un découpage de l’espace global des variables en sous-espaces dans lesquels le système établira les relations de causalité entre les variables, ce qui permet de modéliser les interactions non linéaires. Cet outil sera intégré à une plateforme en ligne que les partenaires du projet pourront utiliser afin d’appliquer les différents modèles produits au sein du projet à leurs propres données.