Sélection génomique à la tomate.

Pour soutenir l'innovation et l'évaluation des ressources génétiques de la tomate, nous avons lancé un programme de sélection génomique chez cette espèce. Dans un premier temps, nous avons étudié le modèle de déséquilibre de liaison dans une collection de plus de 200 accessions et son évolution à travers les générations dans plusieurs pedigrees. Ensuite, nous avons utilisé des données génétiques et phénotypiques issues de l’étude de GWAS pour mener une expérience de validation croisée. Nous avons testé l'effet de divers paramètres tels que la densité de marqueurs ou la taille de la population d'entraînement sur la précision de prédiction des phénotypes d'intérêt (Duangjit et al, 2017).

Parallèlement nous avons poursuivi l’innovation variétale en vue de créer des variétés de tomate rustiques de bonnes qualité gustative.

Publications représentatives

Zhao J, C Sauvage, F Bitton, M Causse (2021) Multiple haplotype-based analyses provide genetic and evolutionary insights into tomato fruit weight and composition. (2022) Hort Res  https://doi.org/10.1093/hr/uhab009

Bineau, E.; Rambla, J.L.; Priego-Cubero, S.; Hereil, A.; Bitton, F.; Plissonneau, C.; Granell, A.; Causse, M. 2021. Breeding Tomato Hybrids for Flavour: Comparison of GWAS Results Obtained on Lines and F1 Hybrids. Genes, 12, 1443. https://doi.org/10.3390/genes12091443

Roth, M., H. Muranty, et al. (2020). Genomic prediction of fruit texture and training population optimization towards the application of genomic selection in apple. Horticulture Research 7(1): 148. doi.org/10.1038/s41438-020-00370-5 https://www.nature.com/articles/s41438-020-00370-5

 Nsibi, M., B. Gouble, et al. (2020). Adoption and Optimization of Genomic Selection To Sustain Breeding for Apricot Fruit Quality. G3: Genes|Genomes|Genetics 10(12): 4513-4529. doi.org/10.1534/g3.120.401452

Duangjit J, M Causse, C Sauvage (2016) Efficiency of genomic selection for tomato fruit quality. Molecular Breeding doi:10.1007/s11032-016-0453-3

Innovation chez les Prunus.

La conversion des résultats de recherche en innovation est réalisée par une étroite collaboration avec des partenaires privés. L'objectif est d'assurer un transfert d'activités, de compétences, d'outils et de matériels pour développer des variétés multi-résistantes pour une production régulière et durable. Ainsi, les activités d'innovation de notre équipe sont axées sur le développement de marqueurs pour la selection assistée par marqueurs (SAM) et de matériaux de présélection, à travers:

• le développement de la sélection multi-caractères dans des systèmes de production à faibles intrants: optimisation des schémas et des méthodes de sélection, sélection génomique,
• la conception de prototypes pour «protéger» les résistances et répondre à des contraintes multiples, par exemple en introgressant des traits cibles dans des génotypes résilients.

Publications représentatives

Laurens, F., Aranzana, M. J., Arus, Bassi, D., Bink, M., Bonany, J., Caprera, A., Corelli-Grappadelli, L., Costes, E., Durel, C. E., Mauroux, J.-B., Muranty, H., Nazzicari, Pascal, T., Patocchi, A., Peil, A., Quilot-Turion, Rossini, Stella, Troggio, M., Velasco, R., van de Weg, E. (2018). An integrated approach for increasing breeding efficiency in apple and peach in Europe. Horticulture Research, 5 (1). https://www.nature.com/articles/s41438-018-0016-3

Biscarini, F., Nazzicari, N., Bink, M., Arús, P., Aranzana, Verde, I., Micali, Pascal, T., Quilot-Turion, B., Lambert, P., da Silva Linge, Pacheco, I., Bassi, Stella, Rossini (2017). Genome-enabled predictions for fruit weight and quality from repeated records in European peach progenies. BMC Genomics, 18 (1). https://bmcgenomics.biomedcentral.com/articles/10.1186/s12864-017-3781-8

Lambert, P., Campoy, J. A., Pacheco, I., Mauroux, J.-B., da Silva Linge, C., Micheletti, D., Bassi, D., Rossini, L., Dirlewanger, E., Pascal, T., Troggio, M., Aranzana, M. J., Patocchi, A., Arús, P. (2016). Identifying SNP markers tightly associated with six major genes in peach [Prunus persica (L.) Batsch] using a high-density SNP array with an objective of marker-assisted selection (MAS). Tree Genetics and Genomes, 12 (6), 121. https://link.springer.com/article/10.1007/s11295-016-1080-1