En savoir plus

A propos des cookies

Qu’est-ce qu’un « cookie » ?

Un "cookie" est une suite d'informations, généralement de petite taille et identifié par un nom, qui peut être transmis à votre navigateur par un site web sur lequel vous vous connectez. Votre navigateur web le conservera pendant une certaine durée, et le renverra au serveur web chaque fois que vous vous y re-connecterez.

Différents types de cookies sont déposés sur les sites :

  • Cookies strictement nécessaires au bon fonctionnement du site
  • Cookies déposés par des sites tiers pour améliorer l’interactivité du site, pour collecter des statistiques

> En savoir plus sur les cookies et leur fonctionnement

Les différents types de cookies déposés sur ce site

Cookies strictement nécessaires au site pour fonctionner

Ces cookies permettent aux services principaux du site de fonctionner de manière optimale. Vous pouvez techniquement les bloquer en utilisant les paramètres de votre navigateur mais votre expérience sur le site risque d’être dégradée.

Par ailleurs, vous avez la possibilité de vous opposer à l’utilisation des traceurs de mesure d’audience strictement nécessaires au fonctionnement et aux opérations d’administration courante du site web dans la fenêtre de gestion des cookies accessible via le lien situé dans le pied de page du site.

Cookies techniques

Nom du cookie

Finalité

Durée de conservation

Cookies de sessions CAS et PHP

Identifiants de connexion, sécurisation de session

Session

Tarteaucitron

Sauvegarde vos choix en matière de consentement des cookies

12 mois

Cookies de mesure d’audience (AT Internet)

Nom du cookie

Finalité

Durée de conservation

atid

Tracer le parcours du visiteur afin d’établir les statistiques de visites.

13 mois

atuserid

Stocker l'ID anonyme du visiteur qui se lance dès la première visite du site

13 mois

atidvisitor

Recenser les numsites (identifiants unique d'un site) vus par le visiteur et stockage des identifiants du visiteur.

13 mois

À propos de l’outil de mesure d’audience AT Internet :

L’outil de mesure d’audience Analytics d’AT Internet est déployé sur ce site afin d’obtenir des informations sur la navigation des visiteurs et d’en améliorer l’usage.

L‘autorité française de protection des données (CNIL) a accordé une exemption au cookie Web Analytics d’AT Internet. Cet outil est ainsi dispensé du recueil du consentement de l’internaute en ce qui concerne le dépôt des cookies analytics. Cependant vous pouvez refuser le dépôt de ces cookies via le panneau de gestion des cookies.

À savoir :

  • Les données collectées ne sont pas recoupées avec d’autres traitements
  • Le cookie déposé sert uniquement à la production de statistiques anonymes
  • Le cookie ne permet pas de suivre la navigation de l’internaute sur d’autres sites.

Cookies tiers destinés à améliorer l’interactivité du site

Ce site s’appuie sur certains services fournis par des tiers qui permettent :

  • de proposer des contenus interactifs ;
  • d’améliorer la convivialité et de faciliter le partage de contenu sur les réseaux sociaux ;
  • de visionner directement sur notre site des vidéos et présentations animées ;
  • de protéger les entrées des formulaires contre les robots ;
  • de surveiller les performances du site.

Ces tiers collecteront et utiliseront vos données de navigation pour des finalités qui leur sont propres.

Accepter ou refuser les cookies : comment faire ?

Lorsque vous débutez votre navigation sur un site eZpublish, l’apparition du bandeau « cookies » vous permet d’accepter ou de refuser tous les cookies que nous utilisons. Ce bandeau s’affichera tant que vous n’aurez pas effectué de choix même si vous naviguez sur une autre page du site.

Vous pouvez modifier vos choix à tout moment en cliquant sur le lien « Gestion des cookies ».

Vous pouvez gérer ces cookies au niveau de votre navigateur. Voici les procédures à suivre :

Firefox ; Chrome ; Explorer ; Safari ; Opera

Pour obtenir plus d’informations concernant les cookies que nous utilisons, vous pouvez vous adresser au Déléguée Informatique et Libertés de INRAE par email à cil-dpo@inrae.fr ou par courrier à :

INRAE
24, chemin de Borde Rouge –Auzeville – CS52627
31326 Castanet Tolosan cedex - France

Dernière mise à jour : Mai 2021

Menu Logo Principal Logo GAFL logo partenaire

Site WEB GAFL

OFFRE STAGE MASTER 2

Sujet : Intégration de données multisites et multiannées pour la prediction génomique des composants de résilience chez l'abricotier et le pêcher

INTEGRATION DE DONNEES MULTISITES ET MULTIANNEES POUR LA
PREDICTION GENOMIQUE DES COMPOSANTES DE RESILIENCE CHEZ
L’ABRICOTIER ET LE PECHER

Début janvier à mars 2023 pour une durée de 6 mois – INRAE GAFL Avignon

CONTEXTE ET PROBLEMATIQUE :
La voie génétique est un levier essentiel pour fournir des variétés mieux adaptées à une production agro-
écologique. Dans le contexte de l’arboriculture, qui repose sur des plantes pérennes, une gestion de la santé des
arbres sur la durée est cruciale pour assurer une production continue des vergers, expliquant en grande partie
la forte dépendance aux pesticides de ce secteur (IFT entre 10 et 20 pour l’abricotier et le pêcher, source :
statistique agricole Agreste). En effet, une maladie ou un ravageur s’attaquant à un verger va non seulement
impacter la quantité et la qualité de production à l’échelle de l’année concernée, mais est aussi fortement
susceptible d’entraîner une alternance de production, une baisse de vigueur voire un dépérissement des arbres,
et des contaminations grandissantes les années suivantes. Devant l’urgence de développer des variétés de
fruitiers moins gourmandes en intrants phytosanitaires, l’unité GAFL développe un nouvel axe de recherche sur
la notion de résilience des arbres fruitiers avec pour objet d’étude les abricotiers et pêchers. La résilience est un
vaste concept (Bai and Plastow, 2022; Sauvant and Martin, 2010) qui dans notre contexte représente la capacité
d’un arbre à maintenir son fonctionnement au fil des années en présence de perturbations dues aux
bioagresseurs. Pour étudier ce trait chez les fruitiers, il est indispensable de travailler :
• Avec des vergers à forte diversité génétique menés sous basse protection phytosanitaire
• Avec un grand nombre de variables caractérisant la santé de l’arbre à plusieurs niveaux (vigueur et
activité photosynthétique, symptômes, phénologie) à l’aide d’une démarche multitrait
• À travers de nombreux environnements, à l’aide d’un réseau d’observation multisite mené sur une
longue durée (de 5 à 10 ans)
Aujourd’hui, l’équipe Prunus mène ses observations sur des core-collections implantées dans un réseau à cheval
sur trois régions et dédié à l’étude de la résilience chez l’abricotier et le pêcher.
L’équipe souhaite valoriser la complémentarité entre génétique d’association et prédiction génomique pour
mettre au point à moyen terme des outils de diagnostic génétique de la résilience pour les sélectionneurs (via la
sélection assistée par marqueurs et sélection génomique). Tous les individus des core-collections pêcher et
abricotier sont densément génotypés à l’aide de marqueurs de type Single Nucleotide Polymorphism (~30k SNP
chez l’abricotier et ~14k SNP chez le pêcher). La génétique d’association, qui permet d’identifier des marqueurs
liés aux traits de résilience, est déjà à l’étude au travers d’une thèse initiée en 2021 à l’aide des données de
phénotypage et de génotypage disponibles (Roth et al. 2022, Serrie et al. 2022).
Le présent sujet de stage vise à explorer le potentiel de la sélection génomique pour les traits de résilience et
sera co-encadré par Marie Serrie, doctorante de l’équipe travaillant sur la génétique d’association. La sélection
génomique permet de prédire à l’aide des données génomique des traits en entrainant un modèle de génétique
quantitative de type linéraire (ex. GBLUP, rrBLUP), bayésien (ex. ‘BAYES alphabet’), ou encore à l’aide du machine
learning (ex. random forest, Heslot et al., 2012). Les traits quantitatifs sont le souvent sujets à des fortes
interactions GxE, et il a été démontré qu’utiliser les liens statistiques entre sites permet d’améliorer les
prédictions pour un site donné (Crossa et al., 2022; Roth et al., 2022). De même, il est possible d’exploiter les
corrélations entre traits pour obtenir de meilleures prédictions sur des traits peu héritables ou entre traits anticorrelés (Nsibi et al. 2020; Jung et al., 2022; Montesinos-López et al., 2022). Une composante essentielle de ce
stage sera donc de tester les modèles correspondants et ainsi évaluer la faisabilité d’identifier des génotypes
résilients dans de plus vastes collections de ressources génétique ou de matériel de sélection. Les traits étudiés
seront ceux déjà évalués en routine par l’équipe (symptômes de bioagresseurs, phénologie, circonférence du
tronc). L’étudiant·e sera également en charge d’adapter un protocole d’acquisition pour estimer l’activité
photosynthétique, sur la base d’essais préliminaires réalisés en 2022 à l’aide d’un chlorophylle-mètre, qui servira
comme trait complémentaire destiné à la prédiction de la santé des arbres en verger.

PUBLICATIONS DE L’EQUIPE D’ACCUEIL ET/OU RELATIVE AU SUJET (ET/OU AU PROJET
DANS LEQUEL S’INSERE LE STAGE – NOM DES MEMBRES DE L’EQUIPE EN GRAS) :
Colleu, S., Guadagnini-Palau, M., Audergon, J. M., et al. (2016). Méthodes et dispositifs innovants pour l'évaluation du
matériel végétal fruitier, rapport MEDIEVAL.
Debaeke, P., & Quilot-Turion, B. (2014). Conception d'idéotypes de plantes pour une agriculture durable. In Ecole
chercheur INRA (pp. 254-p). FormaScience.
Bai, X., and Plastow, G.S. (2022). Breeding for disease resilience: opportunities to manage polymicrobial challenge and
improve commercial performance in the pig industry. CABI Agric. Biosci. 3, 1–17.
Crossa, J., Montesinos-López, O.A., Pérez-Rodríguez, P., Costa-Neto, G., Fritsche-Neto, R., Ortiz, R., Martini, J.W.R., Lillemo,
M., Montesinos-López, A., Jarquin, D., et al. (2022). Genome and Environment Based Prediction Models and
Methods of Complex Traits Incorporating Genotype × Environment Interaction. In Genomic Prediction of Complex
Traits, Methods in Molecular Biology, Vol 2467, N. Ahmadi, and J. Bartholomé, eds. (New York: Humana Press),
pp. 245–283.
Heslot, N., Yang, H.P., Sorrells, M.E., and Jannink, J.L. (2012). Genomic selection in plant breeding: A comparison of models.
Crop Sci. 52, 146–160.
Jung, M., Keller, B., Roth, M., Aranzana, M.J., Auwerkerken, A., Guerra, W., Al-Rifaï, M., Lewandowski, M., Sanin, N.,
Rymenants, M., et al. (2022). Genetic architecture and genomic predictive ability of apple quantitative traits
across environments. Hortic. Res. 9, uhac028.
Montesinos-López, O.A., Montesinos-López, A., Mosqueda-Gonzalez, B.A., Montesinos-López, J.C., and Crossa, J. (2022).
Accounting for Correlation Between Traits in Genomic Prediction. In Genomic Prediction of Complex Traits,
Methods in Molecular Biology, Vol 2467, N. Ahmadi, and J. Bartholomé, eds. (New York: Humana Press), pp. 285–
327.
Nsibi, M., Gouble, B., Bureau, S., Flutre, T., Sauvage, C., Audergon, JM, and Regnard, J. (2020). Adoption and optimization of
genomic selection to sustain breeding for apricot fruit quality.
Roth, M., Beugnot, A., Mary-Huard, T., Moreau, L., Charcosset, A., and Fiévet, J.B. (2022). Improving genomic predictions
with inbreeding and nonadditive effects in two admixed maize hybrid populations in single and multienvironment
contexts. Genetics iyac018.
Sauvant, D., and Martin, O. (2010). Robustesse, rusticité, flexibilité, plasticité... les nouveaux critères de qualité des animaux
et des systèmes d’élevage : Définitions systémique et biologique des différents concepts. Prod. Anim.
M.Serrie, A.Blanc, L.Brun, G.Clauzel, F.Combe, F.Gilles, G.Roch, V.Signoret, S.Viret, J.M.Audergon, B.Quilot-Turion,
M.Roth, Adapting stone fruit to pesticide reduction: screening apricot and peach core-collections for multi-pest
resistance via integrative phenotyping under low pesticide management, IHC, In press

OBJECTIFS :
1. Caractériser la résilience des arbres dans des core-collections de pêcher et d’abricotier soumises à des
pressions biotiques diverses et contexte-dépendantes par l’intégration de données multicaractère,
multisite et multiannée
2. Prédire les composantes de résilience en contexte mono- et multienvironnement grâce à des modèles
de prédiction génomique adéquats

RESULTATS ATTENDUS :
§ Protocole finalisé pour l’estimation de l’activité photosynthétique des arbres en verger
§ Jeu de données regroupant les traits de résilience estimés en verger
§ Quantification des interactions GxE pour les traits estimés
§ Hiérarchisation des traits de résilience et création d’index de robustesse et de résilience à l’aide de
données multicaractère, multisite et multiannée
§ Comparaison de modèles de prédiction génomique multi-environnement et multi-trait
§ Identification de profils résilients dans les ressources génétiques INRAE qui sont génotypées

ACTIVITES DOMINANTES CONFIEES AU STAGIAIRE :
o Affiner un protocole pour mesurer la photosynthèse dans les core-collections à l’aide d’un chlorophyllemètre de type SPAD, et réaliser les mesures correspondantes
o Venir en appui aux notations de terrains de routine de l’équipe (réalisées en binôme) et qui serviront
aux analyses :
§ Phénologie (débourrement foliaire et floral)
§ Symptômes de bioagresseurs (ex. cloque sur pêcher et monilia sur abricotier)
§ Vigueur (circonférence des troncs)
o Mise en forme et modélisation des données de phénotypage (distributions, analyses de variance)
o Tester des modèles de prédiction phénotype/génotype multitrait et multienvironnement
o Communication orale et écrite des résultats dans l’équipe et auprès des partenaires

PROFIL REQUIS :
Ø Dernière année de Formation Supérieure BAC + 5
Ø Connaissances : statistiques et génétique quantitative. Idéalement connaissance des plantes cultivées
et phytopathologie
Ø Compétences opérationnelles : maitrise du logiciel d’analyses R (idéalement code sous R-Markdown
pour le partage de scripts). Goût pour le travail de terrain (contexte verger)
Ø Langues : français (lu, parlé, écrit), anglais (lu)
Ø Permis de conduire (le cas échéant) : très souhaitable mais pas indispensable

INDEMNISATION ET AVANTAGES PROPOSES :
- Selon la règlementation en vigueur pour 2023 (environ 600 €/mois)
- Logement : quelques chambres disponibles à la location sur le centre INRAE
- Restauration : subvention INRA pour les repas au restaurant inter-entreprises Agroparc

ENCADREMENT :
(1) Maître de stage INRAE
Nom et fonction du responsable à contacter : Morgane ROTH, Chargée de Recherche au GAFL
Adresse : GAFL INRA Avignon, Domaine St Maurice, BP94, 84143 Montfavet cedex
Tél. : 04.32.72.27.63 Mail : morgane.roth@inrae.fr