Lundi 16 novembre 2020

SĂ©minaire
Organisme intervenant (ou équipe pour les séminaires internes)
INRAE Génétique Quantitative et Evolution – Le Moulon
Nom intervenant
Isabelle Goldringer
Titre
Quels dispositifs et méthodes d’analyse pour la recherche participative et décentralisée à la ferme ?
Résumé

En agriculture biologique et/ou agroĂ©cologie, les environnements des cultures et les pratiques agronomiques sont très diversifiĂ©s. Cette diversitĂ© peut ĂŞtre prise en compte par une sĂ©lection dĂ©centralisĂ©e dans les fermes associant les savoir-faire des acteurs de terrain et les connaissances scientifiques, telle que celle menĂ©e depuis 2006 sur le blĂ© tendre avec le RĂ©seau Semences Paysannes. Cette approche permet de : 1) crĂ©er de nouvelles variĂ©tĂ©s populations de blĂ© tendre adaptĂ©es localement (innovation gĂ©nĂ©tique) ; 2) mettre en place des stratĂ©gies de gestion collective de la diversitĂ© basĂ© sur la co-construction (innovation sociale) ; 3) dĂ©velopper des dispositifs expĂ©rimentaux, des mĂ©thodes et des outils statistiques et de gestion de donnĂ©es qui favorisent ces innovations (Rivière et al 2013). Des modèles statistiques Bayesiens ont Ă©tĂ© adaptĂ©s pour permettre l’analyse des donnĂ©es issues des essais dĂ©centralisĂ©s sur les fermes, ces essais Ă©tant de tailles variables, parfois très rĂ©duites, avec peu de rĂ©pĂ©titions et peu de variĂ©tĂ©s communes d’une ferme Ă  l’autre (coll. O David, MaIAGE). La prise en compte de l’information sur le rĂ©seau dans un modèle Bayesien a permis d’amĂ©liorer la stabilitĂ© des estimations et notre capacitĂ© Ă  dĂ©tecter des diffĂ©rences significatives entre populations au sein d’une ferme (Rivière et al. 2015) et d’estimer les effets gĂ©nĂ©tiques moyens et les interactions GxE sur l’ensemble du rĂ©seau. Une approche par simulation a permis d’explorer des gammes assez larges de valeurs des paramètres du dispositif expĂ©rimental afin d’identifier des valeurs seuils Ă  atteindre et les zones oĂą les modèles se comportent bien (van Frank et al 2019). Les rĂ©sultats nous permettent Ă  la fois de proposer des Ă©volutions aux participants du programme de sĂ©lection participative (SP) blĂ© et de donner des recommandations Ă  de nouveaux groupes qui dĂ©marrent.

Nous nous intéressons finalement à la diversité génétique des populations en cours de sélection et issues de SP afin de mieux comprendre les pressions (dérive, sélection naturelle ou humaine, circulation des semences) qui façonnent l’évolution de ces populations. Nous abordons ces question par 1) des analyses de diversité génétique sur des échantillons de populations, 2) des analyses de l’évolution des caractères phénotypiques. Dans ce cadre, un modèle d’évolution en génétique quantitative a été développé pour tester la présence de sélection naturelle sur les fermes au cours des générations à partir de données phénotypiques mesurées. L’approche a été testée avec des données simulées puis appliquée aux données issues du programme de SP blé (David et al 2020).

Nous souhaitons maintenant mieux prendre en compte l’information sur l’histoire des populations (pedigree) et les spécificités des environnements pour comprendre les déterminants de l’évolution de ces populations.

RĂ©fĂ©rences :

- Rivière P, Pin S, Galic N, De Oliveira Y, David O, Dawson J, Wanner A, Heckmann R, Obbellianne S, Ronot B, Parizot S, Hyacinthe A, Dalmasso C, Baltassat R, Bochède A, Mailhe G, Cazeirgue F, Gascuel J-S, Gasnier R, Berthellot J-F, Baboulène J, Poilly C, Lavoyer R, Hernandez M-P, Coulbeaut J-M, Peloux F, Mouton A, Mercier F, Ranke O, Wittrish R, De Kochko P, Goldringer I (2013) Mise en place d'une mĂ©thodologie de sĂ©lection participative sur le blĂ© en France. Innovations Agronomiques 32 : 427-441.

- Rivière P, Dawson JC, Goldringer I, David O. (2015) Hierarchical Bayesian modeling for flexible experiments in decentralized participatory plant Breeding. Crop Science 55(3): 1053-1067. DOI: 10.2135/cropsci2014.07.0497

- van Frank G, Goldringer I, Rivière P & O David. (2019) Influence of experimental design on decentralized, on-farm evaluation of populations: a simulation study. Euphytica 215(7): UNSP 126 doi: 10.1007/s10681-019-2447-9.

- David O, G van Frank, I Goldringer, P Rivière, M Turbet Delof. (2020) Bayesian inference of natural selection from spatio-temporal phenotypic data. Theoretical Population Biology 131: 100-109.

 

 

Lieu
Salle de réunion 142, bâtiment 210
Date du jour