Integrating phenotypic and SSR marker-based molecular diversity for prioritization of parental resources in elite maize (Zea mays L.) inbred lines

Dans le monde de l'agriculture, améliorer une culture ressemble souvent à une tentative de construire un meilleur moteur en ne regardant que l'extérieur. Pendant des décennies, les sélectionneur de plantes se sont appuyés sur ce qu'ils pouvaient voir : la taille d'une plante, le nombre de grains sur un épi et la quantité de grains qu'elle produit. Ces traits visibles sont le résultat de l'interaction entre le code génétique d'une plante et son environnement, mais ils ne racontent pas toute l'histoire. Deux plantes peuvent paraître presque identiques dans les champs tout en ayant des histoires génétiques très différentes, tandis que deux plantes qui semblent très différentes peuvent partager un arbre généalogique étonnamment proche. Pour véritablement comprendre le potentiel d'une culture, les scientifiques doivent regarder sous la surface, en utilisant des outils moléculaires pour lire directement les instructions génétiques. Cette double approche — combiner ce qui est vu avec ce qui est codé — est essentielle pour créer la prochaine génération de cultures vivrières plus productives et plus résilientes.

Une équipe de chercheurs de l'Université des sciences et technologies agricoles de Sher-e-Kashmir à Jammu, en Inde, a récemment appliqué cette double perspective au maïs, une culture qui nourrit des millions de personnes. Ils ont rassemblé une collection de 54 lignées pures de maïs élites, qui sont des variétés de lignées pures développées sur de nombreuses générations pour être stables et uniformes. Ces lignées représentent les meilleures ressources actuellement disponibles pour la création de nouveaux hybrides. Les scientifiques voulaient savoir quelles lignées constitueraient les meilleurs parents pour de futurs croisements. Pour le découvrir, ils n'ont pas seulement mesuré les plantes ; ils ont aussi décodé leur ADN. Ils ont cultivé le maïs dans les champs de Jammu et de Cachemire au cours des saisons de croissance 2023 et 2024, en enregistrant soigneusement quatorze caractéristiques différentes pour chaque lignée. Ces mesures comprenaient tout, du nombre de jours nécessaires pour que la plante fleurisse au poids de mille grains, en passant par l'épaisseur de la tige et le rendement total en grains par plante.

Pendant que les plantes poussaient, les chercheurs ont également extrait l'ADN des feuilles de plantes représentatives. Ils ont utilisé vingt marqueurs génétiques spécifiques, qui agissent comme des panneaux indicateurs uniques dispersés à travers le génome du maïs, pour cartographier les relations génétiques entre les lignées. En comparant les traits physiques aux données génétiques, l'équipe a pu voir si les plantes qui paraissaient différentes étaient aussi génétiquement différentes, ou si les deux types d'informations racontaient des histoires divergentes. Les résultats ont révélé un tableau complexe. Lorsque les chercheurs ont regroupé les plantes en fonction de leur apparence et de leurs performances sur le terrain, ils ont formé sept groupes distincts. Les différences les plus importantes entre ces groupes étaient dictées par le rendement en grains, le poids des grains et le nombre de grains par épi. Cependant, lorsqu'ils ont regroupé les mêmes plantes en fonction de leurs marqueurs génétiques, le tableau a complètement changé. Les lignées se sont classées en douze clusters génétiques différents, avec un grand groupe contenant près de la moitié de toutes les lignées et plusieurs autres groupes contenant seulement une ou deux lignées uniques.

La découverte la plus importante était que la manière dont les plantes paraissaient ne correspondait pas toujours à la manière dont elles étaient apparentées génétiquement. Un groupe de plantes qui performait exceptionnellement bien sur le terrain ne provenait pas nécessairement d'une seule famille génétique. En fait, les lignées les plus performantes étaient dispersées à travers de nombreux groupes génétiques différents. Cette découverte est cruciale car elle suggère que les sélectionneurs ne peuvent pas se fier uniquement à l'apparence pour trouver des parents diversifiés. S'ils ne choisissaient que des plantes qui paraissent différentes, ils pourraient passer à côté d'une précieuse diversité génétique cachée au sein de lignées d'apparence similaire. Inversement, s'ils ne regardaient que la distance génétique, ils pourraient choisir des parents qui sont génétiquement distincts mais qui performent mal sur le terrain. L'étude a identifié des lignées spécifiques qui offrent le meilleur des deux mondes. Par exemple, quelques lignées se sont distinguées par leur rendement élevé en grains et appartenaient à des contextes génétiques différents, ce qui en fait des candidates idéales pour être croisées avec d'autres lignées afin de créer des hybrides robustes et productifs. D'autres lignées ont été isolées pour leur capacité à produire plus de grains ou pour leur maturité précoce, des traits vitaux pour l'adaptation aux changements climatiques.

Les chercheurs ont conclu que la manière la plus efficace de choisir des parents pour la sélection est d'examiner simultanément la performance physique et la composition génétique. Ils ont constaté que les marqueurs génétiques fournissaient une couche d'information que les mesures de terrain ne pouvaient pas voir, révélant une diversité cachée au sein de la collection. Cette approche intégrée leur a permis de prioriser une liste restreinte de lignées spécifiques qui sont non seulement agronomiquement précieuses, mais aussi génétiquement distinctes. Ces lignées prioritaires sont désormais prêtes à être utilisées dans des programmes de croisement stratégiques. En combinant les traits de haut rendement de certaines lignées avec les contextes génétiques uniques d'autres, les sélectionneurs peuvent développer de nouvelles variétés de maïs plus robustes et plus productives. L'étude démontre que si voir, c'est croire, dans le monde complexe de la génétique végétale, comprendre le code invisible est ce qui permet véritablement de débloquer le potentiel d'amélioration.