L'application de génomique peut améliorer l'efficacité et l'efficience du développement de nouvelles variétés qui atteignent des objectifs complexes de profil de culture tout en réduisant les coûts. Au sein des programmes de sélection, l'application génomique est utilisée pour découverte des caractères, la vérification du pedigree, l'identification des parents, la sélection génomique et la vérification de l'adoption des nouvelles variétés par les agriculteurs. L'intégration réussie de l'application génomique a été réalisée par des programmes de sélection importants et bien financés. L'objectif de l'équipe de l'ILCI génomique est de co-développer des ressources, des outils et des pipelines qui sont disponibles et accessibles aux petits programmes publics de sélection dans le monde entier pour les espèces cultures telles que sorgho, les millets, niébé et haricot.
Le défi
Notre approche
L'approche de l'ILCI intègre génomique dans un cadre global amélioration des cultures qui comprend des disciplines aussi diverses que la science du genre, la nutrition, phénologie, et l'informatique. De cette façon, génomique n'est pas un outil autonome ; il est intégré dans des filières de sélection qui sont guidées par une aide à la décision et des profils de produits inclusifs et adoptables. L'ILCI génomique a pour objectif de co-développer les outils, les technologies et les méthodes permettant une adoption et un contrôle complets par Instituts Nationaux de Recherche Agricole afin de réaliser des gains génétiques durables pour les agriculteurs et les communautés dans leurs régions cibles.
Faits marquants récents
Partenariats internationaux
Collaboration avec l'Excellence en matière d'élevage (EiB), les CoI et d'autres chercheurs internationaux pour exploiter et rassembler les données existantes sur génomique , les génomes de référence et les marqueurs afin de gagner du temps et de réaliser des économies.
Logiciels personnalisés
Reconception des applications logicielles actuelles pour qu'elles soient utilisées par des utilisateurs appliqués dans de petits programmes publics de sélection.
Centres d'Innovation
Innover avec les CoIs sur des applications logicielles existantes pour améliorer la précision de la prédiction génomique
Recherche de nos experts
En cours
- Externalisation de l'extraction d'ADN et du génotypage à faible coût et de haute qualité auprès de l'Excellence in Breeding (EiB) afin que les scientifiques puissent se concentrer sur le développement de l'expertise en bioinformatique.
- Réalisation de tests in silico pour s'assurer que les plateformes de génotypage couvrent la diversité présente dans le germoplasme des cultures du CoI.
- Assemblage de génomes de référence de haute qualité pour le CoI cultures manquant de génomes de référence en collaboration avec Excellence in Breeding (EiB)
- Mise en place de l'informatique dématérialisée pour les analyses génomiques dans les petits programmes de sélection publics
- Application d'approches efficaces en termes de coût et de temps à la sélection génomique à l'aide du graphique pratique des haplotypes (PHG)
- Incorporation de données fonctionnelles au niveau des gènes dans les modèles de prédiction génomique pour une meilleure précision
- Adaptation et mise à jour de TASSEL pour une utilisation par sélectionneurs
Publications de nos experts (externes au financement de l'ILCI)
- Giri A, Khaipho-Burch M, Buckler ES, Ramstein GP (2021). Haplotype associated RNA expression (HARE) improves prediction of complex traits in maize. bioRxiv.
- Valdes Franco JA, Gage JL, Johnson LC, Bradbury P, Miller ZR, Buckler ES, Romay MC (2020). A maize practical haplotype graphages leverages diverse NAM assemblies. bioRxiv.
- Monier B, Casstevens TM, Buckler ES (2020). rTASSEL : an R interface to TASSEL for association mapping of complex traits. bioRxiv.
- Jensen S, Charles JR, Muleta K, Bradbury P, Casstevens T, Deshpande SP, Gore MA, Gupta R, Ilut DC, Johnson L, Lozano R, Miller Z, Ramu P, Rathore A, Romay MC, Upadhyaya HD, Varshney R, Morris GP, Pressoir G, Buckler ES, Ramstein G (2020). A sorgho Practical Haplotype Graph facilite l'imputation à l'échelle du génome et la prédiction génomique rentable. Plant Genome. 2020;e20009.
