Faits marquants de l'équipe MAGE

https://doi.org/10.1038/s41467-022-30872-w). Cet article illustre la stratégie de l’équipe MAGE, avec un couplage entre analyse phénomique d’une diversité génétique (ici, le progrès génétique du maïs), et analyses génétiques. Il présente aussi la richesse de nos collaborations pérennes, impliquant des réseaux d’essais (Unités Expérimentales INRAE, Instituts Techniques, et entreprises semencières), de phénotypage (réseau PHENOME-EMPHASIS), de matériel génétique (réseau ProMaïs, ARVALIS, UMR GQE), ainsi que des partenaires en statistiques (WUR). Dans cette étude portant sur 65 ans de progrès génétique du rendement du maïs, nous avons montré que les sélectionneurs ont augmenté les rendements de 1 % par an en moyenne, y compris en conditions sèches. Pour cela, ils ont indirectement favorisé des caractères (et les allèles associés) ayant des effets stables sur le rendement. En revanche, les traits physiologiques adaptatifs, pourtant prometteurs pour stabiliser les rendements face au changement climatique, n’ont pas été sélectionnés.

https://doi.org/10.1038/s41477-024-01739-3). Cet article a été choisi pour compléter le portrait des activités de l’équipe MAGE, en illustrant un travail mené sur le blé, intégrant les interactions génétique x environnement x management (GxExM) à très grande échelle. Il s’agit d’une analyse de l’espace phénotypique issu d’une diversité génétique sur de multiples caractères du blé (Axe 1 de l’équipe MAGE), combinée à la prédiction de leurs impacts à l’échelle mondiale, dans différents contextes climatiques présents et futurs, et sous contraintes en azote (Axe 2 de l’équipe MAGE). Ce travail met également en évidence l’importance des collaborations internationales durables en modélisation du blé, initiées notamment dans le cadre du projet AgMIP, qui a permis d’utiliser un ensemble de modèles de simulation pour quantifier les gains potentiels de rendement ainsi que les besoins en azote associés.

https://crop2ml.org). Nous soumettons ici le site de dépôt en ligne ouvert et open-source de composants de modèles biophysiques CropMRepository. Ce site permet à la communauté internationale de publier et d’échanger des modèles biophysiques reposant sur l’architecture Crop2ML développée dans la thèse de C. Midingoyi et actuellement poursuivie dans la thèse de T. Raihauti. L’initiative internationale AMEI, que nous avons initiée et coordonnons illustre l’importance de nos activités de modélisation, qui vont bien au-delà du modèle SiriusQuality développé dans l’équipe MAGE. AMEI vise à faciliter la comparaison et l’amélioration des modèles de culture et de plantes en favorisant l’échange de composants et la réutilisation de code entre plateformes. L’enjeu pour le LEPSE est d’intégrer rapidement les nouvelles connaissances issues de l’écophysiologie, qu’elles viennent de nos travaux ou d’autres équipes, et de tester facilement diverses hypothèses de modélisation.