Développement de méthodes statistiques pour la méta-analyse d'études d'association pangénomique, applications en génétique des plantes

Thèse menée sous la direction de Tristan Mary-Huard (MIA Paris Saclay, GQE Le Moulon) et Alain Charcosset (GQE Le Moulon). Le jury sera composé de : David Causeur, Professeur - Institut Agro, Université Rennes, CNRS (Rapporteur et Examinateur) Pierre Neuvial, Directeur de Recherche - CNRS, Institut Mathématiques de Toulouse (Rapporteur et Examinateur) Hugues Aschard, Directeur de Recherche - Institut Pasteur, Sorbonne Université (Examinateur) Mathilde Causse, Directrice de Recherche - INRAE, UMR GAFL, Avignon Université (Examinatrice) Andrea Rau, Directrice de Recherche - INRAE, UMR GABI, Université Paris-Saclay, AgroParisTech (Examinatrice) Résumé : Les études d’association pangénomiques (GWAS) permettent d’identifier les régions génomiques associées aux caractères phénotypiques.En génétique végétale, ces GWAS aident à identifier les facteurs génétiques influant des caractères agronomiques essentiels, tels que le rendement, la résistance aux maladies ou la tolérance aux stress environnementaux. Cependant, les GWAS présentent des limites importantes, notamment en termes de puissance statistique car elles analysent des millions de marqueurs génétiques pour un nombre relativement réduit d’individus. De plus, les approches GWAS standard sont généralement limitées à l’étude des associations avec un seul caractère à la fois, ce qui restreint leur capacité à appréhender l’architecture génétique complexe sous-jacente à plusieurs caractères. En génétique humaine, la méta-analyse a été efficacement utilisée pour intégrer les résultats de plusieurs études GWAS et surmonter les limites des approches standards, en permettant d’une part d’améliorer la puissance statistique et d’autre part d’étudier les associations entre plusieurs caractères. Malgré ce potentiel, la méta-analyse n’a été que très peu exploitée en génétique végétale. Dans cette thèse, nous présentons les raisons pour rendant les méthodes existantes de méta-analyse inappropriées aux applications en génétique végétale et introduisons des nouvelles méthodes de méta-analyse adaptées à trois différents contextes clés. Premièrement, nous proposons une méthode de méta-analyse pour étudier les interactions gène-environnement, qui jouent un rôle crucial dans la relation génotype-phénotype chez les plantes. Deuxièmement, nous présentons une approche de méta-analyse pour détecter les variants pléiotropes, qui influencent plusieurs caractères phénotypiques et permettent de mieux comprendre les voies génétiques. Troisièmement, nous introduisons une nouvelle stratégie permettant de détecter les variants génétiques associés à des groupes de caractères moléculaires, tels que l’expression de gènes ou l’abondance de protéines. Les méthodologies développées dans cette thèse reposent sur des modèles à variables latentes, permettant une modélisation flexible des effets génétiques dans différents contextes. En abordant les principales limites des méta-analyses, ce travail offre de nouvelles méthodes statistiques pour les études d’association en génétique végétale, permettant des investigations plus approfondies de l’architecture génétique des caractères complexes.