Interest of dense genotyping for selection in multi-parental designs. Comparison of two marker-assisted selection approaches : Genomewide selection and QTL-LDLA based selection. Application in maize (Zea mays L.)

Au cours de la dernière décennie, la disponibilité récente d'une haute densité de marqueurs a ouvert de nouvelles perspectives dans l'amélioration des plantes pour la sélection de caractères quantitatifs. Tout d'abord, la combinaison du déséquilibre de liaison et de l'information de liaison (LDLA) a été proposée pour augmenter la puissance et la résolution de la cartographie des QTL dans les populations multiparentales. Cette amélioration du processus de cartographie des QTL devrait accroître l'efficacité de la sélection assistée par marqueurs (MAS). Dans le même temps, il a été proposé d'éviter l'étape de détection des QTL en utilisant simultanément tous les marqueurs disponibles sur l'énome pour prédire les valeurs génétiques des candidats. En plante, plusieurs études principalement basées sur des approches de simulation ont déjà montré l'intérêt de cette approche de sélection génomique (SG). Cependant, des résultats empiriques sont encore nécessaires pour évaluer l'efficacité de la sélection par GS dans des modèles multiparentaux, en particulier sur plusieurs années et générations, et pour comparer son potentiel avec une sélection basée sur les résultats d'une approche QTL LDLA.L'objectif de cette thèse était d'étudier l'intérêt de ces nouvelles méthodes tout au long des cycles de sélection dans des populations multiparentales connectées, qui correspondent aux designs couramment utilisés par les sélectionneurs. Tout d'abord, nous avons comparé dans deux populations multiparentales de maïs la cartographie traditionnelle des QTL basée sur la liaison à deux modèles LDLA basés soit sur une approche de regroupement des allèles parentaux utilisant les similarités entre les haplotypes de marqueurs locaux obtenus avec un réseau SNP 50K, soit sur l'information d'un seul marqueur. Les résultats pour quatre caractères d'importance agronomique ont clairement mis en évidence que les deux modèles LDLA augmentaient la puissance et la précision de la cartographie des QTL. Ensuite, les capacités de prédiction basées soit sur les QTL détectés par l'analyse LDLA soit en utilisant la GS ont été évaluées sur plusieurs années dans la population de base et après un cycle de sélection. Les deux méthodes ont conduit à des précisions de prédiction plus élevées que la MAS traditionnelle quelle que soit la génération, et nous avons constaté en moyenne une supériorité de la GS sur la prédiction basée sur les QTL LDLA. Enfin, des simulations ont été réalisées comme étude complémentaire pour étudier différents paramètres. Nos résultats ont montré que la GS surpasse la MAS basée sur la détection de QTL, en particulier lorsque la taille de la population et l'héritabilité des traits sont faibles. A une taille de population donnée, nous avons constaté que l'efficacité de la GS diminue avec le nombre de lignées parentales, et qu'il y a un intérêt à considérer les allèles ancestraux surtout lorsque la densité de marqueurs est faible.Notre étude confirme clairement l'intérêt d'une information dense sur les marqueurs mais des travaux complémentaires sont encore nécessaires pour optimiser son utilisation dans les programmes de sélection végétale.In the past decade, the recent availability of high marker density has open new prospects in plant breeding for selection of quantitative traits. First, combining linkage disequilibrium and linkage information (LDLA) has been proposed to increase the power and resolution of QTL mapping in multiparental populations. This improvement of the QTL mapping process is expected to increase the efficiency of marker-assisted selection (MAS). In the same time, it has been proposed to avoid the QTL detection step by using simultaneously all markers available over the enome to predict genetic values of candidates. In plant, several studies mainly based on simulation approaches have already showed the interest of this genomic selection (GS) approach. However, empirical results are still required to assess the selection efficiency of GS in multiparental designs, especially over years and generations and tocompare its potential with a selection based on the results of a QTL LDLA approach.The objective of this thesis was to investigate the interest of these new methods along breeding cycles in multi-parental connected populations, that correspond to designs commonly used by plant breeders. First, we compared in two multi-parental maize populations traditional linkage based QTL mapping to two LDLA models either based on a clustering approach of parental alleles using similarities between local marker haplotypes obtained with a 50K SNP array or based on single marker information. Results for four traits of agronomical importance clearly highlighted that both LDLA models increased the power and accuracy of QTL mapping. Then, prediction abilities based either on the QTL detected through LDLA analysis or using GS were assessed over years in the base population and after one cycle of selection. Both methods led to higher prediction accuracies than traditional MAS whatever the generation, and we found on average a superiority of GS over LDLA QTL-based prediction. Finally, simulations were carried out as a complementary study to investigate different parameters. Our results showed that GS outperformed MAS based on QTL detection especially when population size and trait heritability were low. At a given population size, we found that GS efficiency decreases with the number of parental lines, and that there was an interest of considering ancestral alleles especially when marker density was sparse.Our study clearly confirms the interest of dense marker information but further work is still needed to optimize its use in plant breeding programs