Évaluation de la prédiction génomique de la résistance au pasmo chez le lin

Citation

He, L., Xiao, J., Rashid, K.Y., Jia, G., Li, P., Yao, Z., Wang, X., Cloutier, S., You, F.M. (2019). Evaluation of genomic prediction for Pasmo resistance in flax. International Journal of Molecular Sciences, [online] 20(2), http://dx.doi.org/10.3390/ijms20020359

Résumé en langage clair

Le lin est depuis longtemps été cultivé pour ses graines et ses fibres. Le pasmo, maladie causée par un champignon, menace à la fois le rendement et la qualité des récoltes de lin. L’amélioration génétique des cultivars en vue de leur résistance au champignon est la principale méthode de lutte contre la maladie. Il est possible d’améliorer l’efficacité de la sélection visant la résistance au champignon en augmentant l’exactitude de la prédiction génomique. La prédiction génomique peut prédire le potentiel génétique d’un organisme en se basant sur des marqueurs d’ADN sans qu’il soit nécessaire de mesurer directement le caractère. En utilisant les ensembles de données sur la gravité de la maladie recueillies sur une période de cinq ans ainsi que les ensembles de marqueurs identifiés, l’exactitude de la prédiction génomique a dépassé 90 %. La grande exactitude de la prédiction génomique porte à croire que la prédiction génomique est une méthode de sélection moléculaire très efficace pour la prédiction de la résistance aux maladies fongiques.

Résumé

© 2019 Les auteurs. Licencié MDPI, Bâle, Suisse. Le pasmo (Septoria linicola) est une maladie fongique causant d’importantes pertes de rendement grainier et de qualité des graines ainsi que de qualité de la fibre issue de la tige chez le lin. La résistance au pasmo (RP) est quantitative et a une faible héritabilité. Afin d’améliorer l’efficacité de la sélection visant la RP, nous avons évalué l’exactitude de la prédiction génomique (PG) à l’aide d’une collection de base diversifiée comprenant 370 obtentions du monde entier. Nous avons utilisé quatre ensembles de marqueurs, dont trois définis par 500, 134 et 67 loci de caractères quantitatifs (QTL) identifiés précédemment et un composé de 52 347 polymorphismes mononucléotidiques à l'échelle du génome corrélés à la RP, pour construire des modèles de la meilleure prédiction linéaire non biaisée par régression de crête (RR-BLUP) utilisant des données sur la gravité du pasmo recueillies lors d’expériences sur le terrain réalisées au cours de cinq années consécutives. Avec une validation croisée aléatoire d’un facteur de cinq, nous avons obtenu une exactitude de PG allant jusqu’à 0,92 à partir du modèle utilisant les 500 QTL lorsque la gravité du pasmo moyenne a été utilisée comme ensemble de données d'essai. L’exactitude de la PG a augmenté avec la taille de la population d’essai, atteignant des valeurs supérieures à 0,9 avec une population d’essai supérieure à 185. La régression linéaire de la PG observée avec le nombre de QTL à effet positif chez les obtentions a fourni une autre approche avec une exactitude de 0,86. Les résultats montrent que les modèles de PG fondés sur les marqueurs associés à tous les QTL identifiés et que la gravité du pasmo moyenne sur 5 ans sont très efficaces pour la prédiction de la RP.

Date de publication

2019-01-02