En naviguant sur notre site vous acceptez l'installation et l'utilisation des cookies sur votre ordinateur. En savoir +

Menu Logo Principal Logo partenaire LOGO_SUPAGRO LOGO_ANR

LEPSE

MAGE : Modélisation et Analyse de l'interaction Genotype Environnement

Présentation de l'équipe

Objectifs et méthodologies

Nous identifions des caractères et des allèles qui favorisent le rendement des céréales et améliorent leurs bilans environnementaux dans des scenarios climatiques impliquant des épisodes de sécheresse et de hautes températures, en particulier ceux liés aux changements climatiques. La démarche est d’analyser la réponse de processus essentiels aux conditions environnementales, et d’analyser la variabilité génétique de ces réponses. Ces processus sont, en particulier, l’expansion foliaire, le développement reproducteur, la transpiration et le tallage. Le maïs et le blé sont les principales espèces cibles. Les principales méthodes utilisées sont :

- L'analyse temporelle de la vitesse de croissance (feuilles, soies, plante entière), de la transpiration, et du développement végétatif (tallage) et reproducteur (avortement) en fonction des conditions environnementales subies par les plantes. Ceci est mené au champ ou en serre, en particulier sur deux plateformes de phénotypage (PHENODYN, 500 plantes et PHENOARCH, 1680 plantes) équipés de capteurs d'état hydrique, de température du sol et de l'air, d’allongement foliaire pour PHENODYN et d’unités d’imagerie pour PHENOARCH.

- La modélisation, avec trois types de modèles utilisés :

  • (i) Modèles biophysiques simulant les transports d’eau et d’hormone dans la plante, permettant de prévoir la transpiration, l’état hydrique de différents organes et la croissance à pas de temps de quelques minutes ;
  • (ii) Modèles structure-fonction (par ex. ADEL-Maize et ADEL-Wheat) simulant le développement des plantes, la distribution et la géométrie des organes dans l’espace et des fonctions intégrées comme l’interception lumineuse ;
  • (iii) Modèle de culture (par ex. APSIM et SiriusQuality) permettant de simuler le rendement et la transpiration des plantes à partir de processus simplifiés, dans une large gamme de situations environnementales actuelles ou futures. Nous développons des chaines de modélisation complètes (workflows scientifiques) allant des données issues de capteurs aux modèles de cultures et associant des modèles de transfert radiatifs, des modèles de structure des plantes, ainsi que des modèles d’apprentissage de données. Cette intégration est notamment réalisée dans la plateforme OpenAlea.

- L’analyse génétique menée à la fois sur des processus physiologiques dans des plateformes de phénotypage (par ex. interception lumineuse, croissance, conductance stomatique) et sur le rendement au champ dans des scenarios environnementaux divers. Ceci permet des méta-analyses à plusieurs échelles et la prévision des processus fondée sur une combinaison de modèles de simulation et de prédiction génomique.

- Le développement de méthodes pour le phénotypage, permettant d’extraire des variables physiologiques d’intérêt à partir de données de plateformes. Ces méthodes mettent en jeu la modélisation inversée et l’intelligence artificielle, dans certains cas la robotique. L’organisation des données dans des systèmes d’information fait partie de ces méthodes.

Notre équipe est financée par :

  • L'INRA
  • L'ANR (en particulier projets investissement d’avenir Amaizing, Breedwheat et Phenome)
  • L’union Européenne (en particulier projets Whealbi, SolACE, EPPN2020, Macsur, Modcarbostress)
  • Des projets internationaux comme AgMIP
  • L’institut de convergence en Agriculture Numérique, #DigitAg.

 Références marquantes 2016-2018

  • Alvarez Prado S, Cabrera-Bosquet L, Grau A, Coupel-Ledru A, Millet EJ, Welcker C & Tardieu F. (2017). Phenomics allows identification of genomic regions affecting maize stomatal conductance with conditional effects of water deficit and evaporative demand. Plant, Cell & Environment 41: 314-326. http://dx.doi.org/10.1111/pce.13083/full
  • Brichet N, Fournier C, Turc O, Strauss O, Artzet S, Pradal C, Welcker C, Tardieu F, Cabrera-Bosquet L. (2017). A robot-assisted imaging pipeline for tracking the growths of maize ear and silks in a high-throughput phenotyping platform. Plant Methods 13:96 doi:10.1186/s13007-017-0246-7
  • Cabrera-Bosquet L, Fournier C, Brichet N, Welcker C, Suard B, Tardieu F. (2016). High-throughput estimation of incident light, light interception and radiation-use efficiency of thousands of plants in a phenotyping platform. New Phytologist 212:269-81. http://dx.doi.org/10.1111/nph.14027
  • Chenu K., Porter R.P., Martre P., Basso B., Chapman S.C., Ewert F., Bindi M., Asseng S.(2017) Contribution of crop models to adaptation in wheat. Trends in Plant Science, 22, 472-490.
  • Lacube S., Fournier C., Palaffre C., Millet E.J., Tardieu F., Parent B. (2017) Distinct controls of leaf widening and elongation by light and evaporative demand in maize. Plant Cell and Environment, 40, 2017-2028.
  • Martre P., Dambreville A. (2018) A Model of Leaf Coordination to Scale-Up Leaf Expansion from the Organ to the Canopy. Plant Physiology, 176, 704-716.
  • Millet E, Welcker C et al., (2016) Genome-wide analysis of yield in Europe: allelic effects as functions of drought and heat scenarios. Plant Physiology, 172, 749-764
  • Oury V., Caldeira C.F., Prodhomme D., Pichon J.-P., Gibon Y., Tardieu F., Turc O. (2016) Is change in ovary carbon status a cause or a consequence of maize ovary abortion in water deficit during flowering? Plant Physiology, 171, 997-1008.
  • Parent B., Bonneau J., Maphosa L., Kovalchuk A., Langridge P., Fleury D. (2017) Quantifying wheat sensitivities to environmental constraints to dissect genotype x environment interactions in the field. Plant Physiology 174, 1669-1682.
  • Tardieu F., Cabrera-Bosquet L., Pridmore T., Bennett M. (2017) Plant phenomics, from sensors to knowledge. Current Biology 27: R770-R783. http://dx.doi.org/10.1016/j.cub.2017.05.055
  • Wang E.L., Martre P. et al. (2017) The uncertainty of crop yield projections is reduced by improved temperature response functions. Nature Plants, 3, Article 17102.