1. Interest of phenomic prediction as an alternative to genomic prediction in grapevine
- Author
-
Charlotte Brault, Juliette Lazerges, Agnès Doligez, Miguel Thomas, Martin Ecarnot, Pierre Roumet, Yves Bertrand, Gilles Berger, Thierry Pons, Pierre François, Loïc Le Cunff, Patrice This, Vincent Segura, Amélioration génétique et adaptation des plantes méditerranéennes et tropicales (UMR AGAP), Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad)-Institut National de Recherche pour l’Agriculture, l’Alimentation et l’Environnement (INRAE)-Institut Agro Montpellier, Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)-Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)-Université de Montpellier (UM), Géno-vigne® (UMT Géno-vigne®), Institut Français de la Vigne et du Vin (IFV)-Institut National de Recherche pour l’Agriculture, l’Alimentation et l’Environnement (INRAE)-Institut Agro Montpellier, Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)-Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro), Institut Français de la Vigne et du Vin (IFV), Institut de recherche en astrophysique et planétologie (IRAP), Université Toulouse III - Paul Sabatier (UT3), Université Fédérale Toulouse Midi-Pyrénées-Université Fédérale Toulouse Midi-Pyrénées-Institut national des sciences de l'Univers (INSU - CNRS)-Observatoire Midi-Pyrénées (OMP), Institut de Recherche pour le Développement (IRD)-Université Toulouse III - Paul Sabatier (UT3), Université Fédérale Toulouse Midi-Pyrénées-Université Fédérale Toulouse Midi-Pyrénées-Institut national des sciences de l'Univers (INSU - CNRS)-Centre National d'Études Spatiales [Toulouse] (CNES)-Centre National de la Recherche Scientifique (CNRS)-Météo-France -Institut de Recherche pour le Développement (IRD)-Institut national des sciences de l'Univers (INSU - CNRS)-Centre National d'Études Spatiales [Toulouse] (CNES)-Centre National de la Recherche Scientifique (CNRS)-Météo-France -Centre National de la Recherche Scientifique (CNRS), Laboratoire des sciences de l'ingénieur, de l'informatique et de l'imagerie (ICube), École Nationale du Génie de l'Eau et de l'Environnement de Strasbourg (ENGEES)-Université de Strasbourg (UNISTRA)-Institut National des Sciences Appliquées - Strasbourg (INSA Strasbourg), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS)-Matériaux et nanosciences d'Alsace (FMNGE), Université de Strasbourg (UNISTRA)-Université de Haute-Alsace (UHA) Mulhouse - Colmar (Université de Haute-Alsace (UHA))-Institut National de la Santé et de la Recherche Médicale (INSERM)-Institut de Chimie du CNRS (INC)-Centre National de la Recherche Scientifique (CNRS)-Université de Strasbourg (UNISTRA)-Université de Haute-Alsace (UHA) Mulhouse - Colmar (Université de Haute-Alsace (UHA))-Institut National de la Santé et de la Recherche Médicale (INSERM)-Institut de Chimie du CNRS (INC)-Centre National de la Recherche Scientifique (CNRS)-Réseau nanophotonique et optique, Université de Strasbourg (UNISTRA)-Université de Haute-Alsace (UHA) Mulhouse - Colmar (Université de Haute-Alsace (UHA))-Centre National de la Recherche Scientifique (CNRS)-Université de Strasbourg (UNISTRA)-Centre National de la Recherche Scientifique (CNRS), ANR-19-ECOM-0006,SelGenVit,Sélection génomique au service de l'amélioration de la vigne pour la diversification et le déploiement de variétés résistantes à forts potentiel œnologique(2019), Roumet, Pierre, and Sélection génomique au service de l'amélioration de la vigne pour la diversification et le déploiement de variétés résistantes à forts potentiel œnologique - - SelGenVit2019 - ANR-19-ECOM-0006 - Ecophyto Maturation - VALID
- Subjects
[SDV] Life Sciences [q-bio] ,Genomic prediction ,[SDV]Life Sciences [q-bio] ,Genetics ,Phenomic prediction Genomic prediction Plant breeding Spectroscopy Phenomics Grapevine ,Phenomic prediction ,Grapevine ,Plant Science ,Phenomics ,Plant breeding ,Spectroscopy ,Biotechnology - Abstract
Background Phenomic prediction has been defined as an alternative to genomic prediction by using spectra instead of molecular markers. A reflectance spectrum provides information on the biochemical composition within a tissue, itself being under genetic determinism. Thus, a relationship matrix built from spectra could potentially capture genetic signal. This new methodology has been mainly applied in several annual crop species but little is known so far about its interest in perennial species. Besides, phenomic prediction has only been tested for a restricted set of traits, mainly related to yield or phenology. This study aims at applying phenomic prediction for the first time in grapevine, using spectra collected on two tissues and over two consecutive years, on two populations and for 15 traits, related to berry composition, phenology, morphological and vigour. A major novelty of this study was to collect spectra and phenotypes several years apart from each other. First, we characterized the genetic signal in spectra and under which condition it could be maximized, then phenomic predictive ability was compared to genomic predictive ability. Results For the first time, we showed that the similarity between spectra and genomic relationship matrices was stable across tissues or years, but variable across populations, with co-inertia around 0.3 and 0.6 for diversity panel and half-diallel populations, respectively. Applying a mixed model on spectra data increased phenomic predictive ability, while using spectra collected on wood or leaves from one year or another had less impact. Differences between populations were also observed for predictive ability of phenomic prediction, with an average of 0.27 for the diversity panel and 0.35 for the half-diallel. For both populations, a significant positive correlation was found across traits between predictive ability of genomic and phenomic predictions. Conclusion NIRS is a new low-cost alternative to genotyping for predicting complex traits in perennial species such as grapevine. Having spectra and phenotypes from different years allowed us to exclude genotype-by-environment interactions and confirms that phenomic prediction can rely only on genetics.
- Published
- 2022