Mutation breeding for quantitative traits in the era of genomic selection
Cette étude démontre que si la sélection génomique ne peut pas prédire directement les mutations privées dans les lignées mutantes individuelles, elle capture efficacement la variation polygénique induite une fois que ces mutations sont partagées entre parents par croisement, offrant ainsi une stratégie viable pour intégrer le sélection par mutation dans les programmes de pré-amélioration.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA d'un preprint qui n'a pas été évalué par des pairs. Ce n'est pas un avis médical. Ne prenez pas de décisions de santé basées sur ce contenu. Lire la clause de non-responsabilité complète
Les agriculteurs et les scientifiques s'appuient depuis longtemps sur deux voies distinctes pour améliorer les cultures. La première est la sélection massale, une pratique séculaire consistant à choisir les meilleures plantes d'un champ et à les croiser pour combiner leurs traits désirables. Cette méthode fonctionne en mélangeant les cartes génétiques existantes qui sont déjà présentes dans la population. La seconde voie est la sélection par mutation, une technique plus moderne qui utilise des produits chimiques ou des radiations pour brouiller délibérément l'ADN des graines, dans l'espoir de créer de nouvelles cartes génétiques que la nature n'a jamais produites d'elle-même. Si la sélection massale a nourri le monde pendant des générations, la sélection par mutation a souvent été un processus distinct et plus lent, reposant sur des chercheurs devant traquer manuellement de rares changements bénéfiques parmi des milliers de plantes endommagées. La question à laquelle est confrontée l'agriculture moderne est de savoir si ces deux mondes peuvent enfin fusionner : les modèles informatiques puissants utilisés pour prédire le succès de la sélection massale peuvent-ils aussi aider les sélectionneurs à exploiter le potentiel chaotique des mutations induites ?
Une équipe de chercheurs du Rural College d'Écosse s'est donné pour mission de répondre à cette question en testant une méthode appelée sélection génomique sur deux groupes de plantes mutantes avancées : 190 lignées de blé et 74 lignées de tomates. La sélection génomique est un outil qui utilise le code génétique d'une plante pour prédire sa performance future, comme la quantité de grains qu'elle produira ou la sucrosité de ses fruits, sans attendre que la plante atteigne sa pleine croissance. Les chercheurs voulaient voir si cet outil pouvait fonctionner sur des lignées mutantes qui n'avaient jamais été croisées entre elles, et s'il pouvait aider les sélectionneurs à combiner plusieurs petites mutations bénéfiques en une seule culture supérieure. Ils ont également lancé des simulations informatiques pour voir comment ces lignées mutantes se comporteraient si elles étaient croisées avec des plantes sauvages sur plusieurs générations, testant si les modèles informatiques pouvaient suivre et accumuler avec succès ces nouvelles mutations.
Les résultats issus des panels de plantes réelles ont révélé une limitation surprenante. Lorsque les chercheurs ont tenté d'utiliser la sélection génomique pour prédire la valeur des lignées mutantes de blé et de tomate en se basant uniquement sur les mutations que chaque lignée portait, le modèle a échoué. L'ordinateur ne pouvait pas « voir » les mutations induites uniques car elles étaient privées à chaque lignée individuelle ; aucune plante ne partageait le même changement génétique nouveau. Au lieu de cela, les prédictions du modèle provenaient entièrement des similitudes génétiques de fond que les plantes partageaient avec leurs variétés parentales d'origine. Dans le groupe du blé, par exemple, le signal prédictif provenait de grands segments de chromosomes qui étaient encore mélangés avec ceux de la plante parente, et non des nouvelles mutations. Dans le groupe de la tomate, où les mutations étaient encore plus uniques, le modèle n'a trouvé aucun pouvoir prédictif dans les mutations privées. Cette découverte suggère que le simple fait de rassembler une collection de lignées mutantes indépendantes ne suffit pas pour utiliser ces outils de prédiction avancés ; les mutations doivent d'abord être partagées entre parents par croisement.
Cependant, l'histoire change lorsqu'on examine ce qui se passe après le croisement de ces mutants. Dans leurs simulations informatiques, les chercheurs ont créé des populations où les lignées mutantes étaient croisées avec des plantes sauvages, permettant aux nouvelles mutations de se mélanger et de se propager à travers la descendance. Dans ces scénarios, la sélection génomique s'est révélée être un puissant moteur d'amélioration, mais seulement sous des conditions spécifiques. Lorsque les mutations étaient nombreuses et comprenaient un mélange équilibré de changements bénéfiques et néfastes, l'approche guidée par l'ordinateur a surpassé largement les méthodes traditionnelles. Après seulement deux cycles de sélection, l'approche génomique a produit des plantes ayant une valeur génétique de 2,84, contre seulement 0,45 pour la méthode traditionnelle, qui se concentre sur la recherche et la conservation d'une seule et unique mutation bénéfique majeure. Le modèle informatique a réussi parce qu'il pouvait sélectionner simultanément de nombreux petits changements bénéfiques tout en filtrant les changements néfastes, une tâche trop complexe pour la sélection manuelle.
Les simulations ont également montré que la valeur de cette approche dépend fortement de la diversité génétique de la population de départ. Dans les scénarios où la variation génétique naturelle était faible, l'introduction de fondateurs mutants a dopé le gain génétique de près de sept fois sur cinq cycles de sélection. Dans ces cas, les nouvelles mutations constituaient la seule source d'amélioration, et le modèle informatique a pu capturer presque tout ce gain. À l'inverse, lorsque la variation naturelle était déjà élevée, le bénéfice ajouté par les mutations était minime, augmentant le gain d'environ cinq pour cent seulement. Cela indique que la sélection par mutation est plus précieuse lorsqu'une culture est à court de diversité naturelle pour travailler, et que les nouvelles mutations fournissent un nouveau réservoir de traits.
En fin de compte, l'étude clarifie une voie cruciale pour l'amélioration des cultures. Elle démontre que la sélection génomique ne peut pas prédire la valeur d'une lignée mutante de manière isolée car les mutations uniques sont trop rares pour être apprises des autres lignées. Mais une fois que ces mutants sont croisés et que leurs nouveaux changements génétiques commencent à se ségréger parmi les parents, les modèles informatiques peuvent capturer et accumuler efficacement ces changements. Cela offre une voie pratique pour intégrer la sélection par mutation dans les programmes modernes de pré-sélection : utiliser la mutagenèse pour créer une nouvelle diversité, croiser les mutants pour partager les changements, puis utiliser la sélection génomique pour empiler rapidement les traits bénéfiques. Cette approche pourrait aider les sélectionneurs à développer des cultures plus résilientes au changement climatique et capables de nourrir une population mondiale croissante, transformant le potentiel chaotique des mutations aléatoires en un outil prévisible et puissant pour l'agriculture.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.