Genomic prediction of biomass yield in two selection cycles of a tetraploid alfalfa breeding population

La luzerne (Medicago sativa L.) est une légumineuse fourragère vivace largement cultivée dans les régions tempérées et les régions subtropicales sèches du monde. L’amélioration génétique de la luzerne est limitée par de longs cycles de sélection, particulièrement pour des caractères complexes comme le rendement en biomasse. La sélection génomique (SG), qui est fondée sur les valeurs de sélection prédites au moyen de marqueurs moléculaires pangénomiques, pourrait améliorer l’efficacité de sélection sur les plans du gain par unité de temps et du coût. Dans cette étude, nous avons génotypé des luzernes tétraploïdes dont on avait auparavant déterminé le rendement durant deux cycles de sélection phénotypique au moyen du génotypage par séquençage. Nous avons ensuite établi des équations de prédiction à partir de données de rendement obtenues à trois sites. Nous nous sommes servis d’environ 10 000 marqueurs de polymorphisme mononucléotidique pour modéliser la SG. L’exactitude de la prédiction génomique du rendement en biomasse totale a varié de 0,34 à 0,51 pour la population du cycle 0 et de 0,21 à 0,66 pour la population du cycle 1, selon le site. Le modèle de SG mis au point à l’aide de la population du cycle 0 utilisée comme population d’apprentissage a permis de prédire le rendement en biomasse totale du cycle 1 avec des exactitudes allant jusqu’à 0,40. L’interaction génotype × environnement ainsi que les nombres de récoltes et d’années utilisées pour obtenir des phénotypes de rendement ont eu des effets sur l’exactitude de prédiction selon la génération et le site. Nos résultats montrent que l’efficacité de sélection par unité de temps est plus élevée pour la SG que pour la sélection phénotypique, bien que les exactitudes diminueront sans doute au fil de plusieurs cycles de sélection. En résumé, notre étude montre que la SG peut accélérer les gains génétiques au chapitre du rendement en biomasse de la luzerne.