La sélection pour les traits de plantes désirables a toujours été difficile. Les caractères sont des cibles mouvantes contrôlées par un réseau de gènes, qui réagissent aux variations environnementales et aux pratiques de gestion.
Chenu et coauteurs proposer une approche intégrée pour maximiser la sélection des caractères en sélection. En utilisant l'efficacité de la transpiration (TE) comme exemple d'un trait d'intérêt complexe, les auteurs illustrent comment une approche intégrée peut guider la modélisation, le phénotypage et la sélection dans un programme de sélection. Leur approche comporte trois volets principaux :
- Utilisez la modélisation prédictive pour déterminer la valeur des traits, qui peut varier considérablement selon les différents environnements et pratiques de gestion. La modélisation permet aux chercheurs de caractériser de manière approfondie la population cible actuelle et projetée des environnements à grande échelle.
- Disséquer les traits complexes (par exemple, la résistance à la sécheresse) en traits composants sous-jacents (par exemple, TE) qui sont plus stables sur le plan environnemental et plus étroitement liés à l'expression des gènes que le trait complexe lui-même. Des expériences détaillées de traits de composants peuvent être utilisées pour développer des modules dans un modèle de culture afin d'obtenir la fonctionnalité biologique nécessaire pour prédire la performance des cultures. Les connaissances acquises à la fois expérimentalement et à partir d'études de simulation avec le modèle amélioré peuvent guider le choix des traits cibles pertinents à des fins de phénotypage.
- Cartographier les populations de phénotypes à l'aide de plateformes à haut débit pour lier le phénotype au génotype. Le phénotypage des populations cartographiées permet aux plateformes à haut débit d'être le lien entre génotype et phénotype. Une plate-forme de modélisation peut ensuite être utilisée pour lier la modélisation des cultures et les modèles de prédiction du génome entier.
Les auteurs pensent que l'intégration des connaissances de diverses disciplines peut augmenter l'efficacité de l'utilisation des ressources des programmes de sélection pour améliorer les gains de rendement dans les populations cibles des environnements.
