mémoire thèse SDanan pour PDF 110809 - supagro.fr · ministere de l ’agriculture centre...

MINISTERE DE L’AGRICULTURE

CENTRE INTERNATIONAL D’ETUDES SUPERIEURES EN SCIENCES AGRONOMIQUES SUPAGRO MONTPELLIER

THESE

pour obtenir le grade de

DOCTEUR

Discipline : Biologie Intégrative des Plantes Ecole doctorale : Systèmes Intégrés en Biologie, Agronomie, Géosciences, Hydrosciences, Environnement (SIBAGHE, ED 477)

Diversité structurale des locus de résistance à Phytophthora

infestans chez la pomme de terre et synténie chez les Solana cées

Présentée et soutenue publiquement le 18 juin 2009 par

Sarah DANAN

JURY

M. Daniel PRAT, Professeur à l’Université Claude Bernard - Lyon 1 Rapporteur M. Patrick VINCOURT, Directeur de Recherche à l’INRA de Toulouse Rapporteur M. Charles-Eric DUREL, Directeur de Recherche à l’INRA d’Angers Examinateur M. Didier MERDINOGLU, Directeur de Recherche à l’INRA de Colmar Examinateur M. Jean-Loup NOTTEGHEM, Professeur à SupAgro Montpellier Examinateur Mme Véronique LEFEBVRE, Directeur de Recherche à l’INRA d’Avignon Directrice de thèse M. Jean-Eric CHAUVIN, Ingénieur de Recherche à l’INRA de Rennes Co-encadrant

i

Diversité structurale des locus de résistance à Phytophthora infestans chez la pomme de terre et synténie chez les Solanacées Les résistances polygéniques aux bioagresseurs des plantes, contrôlées par des QTL (Quantitative Trait Locus), seraient une alternative durable aux résistances monogéniques, souvent rapidement contournées par de nouvelles virulences. Pour faciliter l’exploitation des résistances polygéniques en sélection variétale et tenter de comprendre leur potentielle durabilité, l'exploration de la diversité de l'espèce hôte est nécessaire pour inventorier les sources de résistance et décrire de la façon la plus complète possible les locus impliqués, selon leur distribution sur le génome et selon leur variabilité allélique. L’objectif de la thèse est de clarifier l’organisation structurale des locus de résistance à Phytophthora infestans sur le génome de la pomme de terre et de préciser leurs relations synténiques avec les QTL de deux autres Solanacées. Les Phytophthora sont des oomycètes responsables du mildiou et provoquent des dégâts considérables dans les cultures de Solanacées. Plusieurs locus de résistance qualitative ou quantitative ont été décrits, majoritairement chez la pomme de terre, mais aussi chez le piment et la tomate. Au cours de la thèse, trois approches d'analyse QTL ont été suivies. L'analyse de populations biparentales indépendantes et connectées selon un plan factoriel a permis d'identifier de nouveaux QTL de résistance chez trois espèces apparentées à la pomme de terre, S. sparsipilum, S. spegazzinii et S. berthaultii, avec des tests quantitatifs sur tige et feuillage. Une méta-analyse de l’ensemble des données de cartographie produites et publiées a montré la congruence des QTL des différentes études, et précisé les colocalisations entre QTL et gènes majeurs de résistance et avec les QTL liés à la maturité. Des gènes candidats aux méta-QTL obtenus ont pu être proposés. Sur un plan plus prospectif, afin de préciser les relations synténiques entre les trois Solanacées dans une zone de colinéarité fonctionnelle de QTL, une méta-analyse inter-spécifique a été réalisée. Des hypothèses ont été proposées sur la nature possible des gènes sous-jacents aux QTL des différentes espèces, leurs origines et leur évolution possible au cours de la spéciation. MOTS-CLES : Solanacées, Phytophthora spp (Oomycète), résistance quantitative, QTL, populations connectées, méta-analyse, synténie

Structural diversity of resistance loci to Phytophthora infestans in potato and synteny within Solanaceae Polygenic resistances to plant pathogens, controlled by QTLs (Quantitative Trait Loci), appear as a durable alternative to monogenic resistances, which are often quickly overcome by new virulences. To facilitate the use of polygenic resistances in plant breeding and in an attempt to better understand their potential durability, the exploration of the host diversity is necessary to inventory the resistance sources and describe the involved loci in the most comprehensive way, according to their genomic distribution and their allelic variability. The aim of this work was to clarify the structural organization of resistance loci to Phytophthora infestans on the potato genome and to make more precise their syntenic relationships with the QTLs of two other Solanaceae. Phytophthora are oomycetes responsible for late blight, and provoke tremendous damages in Solanaceae crops. Many loci of quantitative and qualitative resistances have been described, mostly in potato, but also in tomato and pepper. Three kinds of QTL analyses were used. The analyses in bi-parental independent populations and in connected multi-populations using a factorial mating design allowed the identification of new resistance QTLs in three potato-related wild species, S. sparsipilum, S. spegazzinii and S. berthaultii, with quantitative tests on stems and foliage. A meta-analysis of all available QTL mapping data coming from the present work and from literature highlighted QTL congruency between the different studies, and made colocations clearer between QTLs and major genes of resistance, and with maturity QTLs. Candidate genes of the obtained meta-QTLs have been proposed. From a more prospective point of view, in order to make the syntenic relationships between the three Solanaceae more precise in a region of QTL colinearity, an inter-specific meta-analysis was achieved. Hypotheses were proposed about the molecular nature of the genes underlying the QTLs of the different species, their possible origins and evolution during speciation. Keywords : Solanaceae, Phytophthora spp (oomycete), quantitative resistance, QTL, connected populations, meta-analysis, synteny

DISCIPLINE : Génétique et amélioration des plantes Thèse effectuée au centre INRA GAFL UR1052, Domaine Saint-Maurice, BP94, 84143 Montfavet, France, en collaboration avec le centre INRA APBV UMR 118, Domaine de Kéraiber, 29260 Ploudaniel, France.

ii

REMERCIEMENTS Cette thèse a été réalisée à l’unité GAFL de l’INRA d’Avignon, en collaboration étroite avec l’équipe de l’unité APBV de Ploudaniel. Elle a été entièrement financée par le projet européen BioExploit. Travailler dans le cadre de ce projet européen a été une chance inouïe pour moi : mes travaux s’inscrivaient dans le domaine de la recherche internationale et j’ai eu régulièrement la possibilité de les présenter à des chercheurs de grande renommée. Ainsi, j’ai pu poser les bases d’un réseau de contacts particulièrement riche pour ma future carrière dans le monde de la recherche. Merci à mes encadrants Véronique et Jean-Eric pour m’avoir donné la possibilité de m’investir autant dans ce projet. Je voudrais remercier tous ceux et celles qui m’ont donné un fier coup de main dans les manips. Du côté de la biomol, il y avait Nadia, Patrick et Anne, qui ont su me faire profiter de leur expérience dans ce petit monde de l’ADN, ainsi tous les CDD et stagiaires, Véronique de C., Sandrine, Charline, Sophie R, Sophie E et Morgane, merci beaucoup. Je n’oublie pas, bien sûr, les personnes qui m’ont aussi aidée de loin, mais énormément. Je pense aux techniciennes de la plate-forme de génotypage haut-débit de Clermont-Ferrand Marie-Reine, Audrey, Karine, et Lydia, d’une efficacité redoutable, les pièces maîtresses du projet Joinpot de marquage de SSR. Ce projet m’aura apporté la chance fantastique de pouvoir collaborer avec Charles Poncet, le directeur de la plate-forme, d’une énergie communicative extraordinaire et d’une réactivité exemplaire. Du côté des plantes, la collaboration est allée jusqu’au bout de la Bretagne où les techniciens dévoués de l’équipe de l’APBV ont assuré pleinement l’énorme travail de phénotypage de pomme de terre en serre et au champ. J’ai eu la chance de connaître en particulier Jean-Paul et Roland. Si on a pu faire parler les QTL, c’est aussi grâce à eux. Merci aussi à Sylvie pour son soutien, tout au long de la thèse et ses connaissances sur le monde de la sélection de la pomme de terre qu’elle m’a fait partager. Merci à Bernard, mon référent « pomme de terre », qui m’a beaucoup appris sur la génétique de cette espèce un peu spéciale. Merci à André Moretti pour le temps qu’il a pu me consacrer pour me raconter toutes les histoires de la tomate et ses résistances. Merci à Alain Palloix à qui j’ai eu souvent recours pour ses avis et sa grande expertise sur le piment. Merci à Stéphanie pour ses conseils en biomol et ses avis très pertinents sur ma thèse. Un très grand merci à Jean-Baptiste V., mon « maître » de méta-analyse qui n’a pas compté ses heures pour me guider dans l’utilisation de son logiciel et pour l’adapter à mes données. Je dois un grand merci à Brigitte et son équipe toulousaine, Sylvain et Thomas pour leur super accueil et la formation personnalisée à MC-QTL et Carthagene, vraiment, je leur dois beaucoup. Je pense aussi à Amidou qui n’a pas hésité à me transmettre ses programmes de données outbreds, merci beaucoup. Je dois une fière chandelle à Fred, mon statisticien « consacré » qui a passé beaucoup de temps à m’aider dans le traitement de mes données, parfois assez abracadabrantesques. Je remercie également toute l’équipe de bioinfo, Jean-Paul, Dominique et Pierre-Yves pour avoir passé du temps à installer les logiciels et à créer des programmes bien sophistiqués pour mouliner mes données. Je remercie très chaleureusement mes parrains de thèse Charles-Eric, Christine et Catherine pour leurs conseils avisés. Ils m’ont été d’une grande aide dans la prise de décisions et dans les choix que j’ai du faire tout au long de la thèse.

iii

Aussi, je remercie beaucoup les rapporteurs de cette thèse, Patrick Vincourt et Daniel Prat, pour leurs commentaires et avis très pertinents. Mais cette thèse n’aurait jamais vu le jour sans Véronique, qui a été (et est toujours) pour moi bien plus qu’une encadrante. Notre complicité et la confiance qu’elle m’a donnée étaient certainement le fil rouge de la thèse, ce à quoi je me raccrochais dans les moments difficiles. Merci aussi à Jean-Eric, qui, de là où il était, s’est toujours montré disponible. Je n’oublierai pas son très chaleureux accueil lors de mon déplacement prolongé à Ploudaniel. Un petit clin d’œil à a SNCF qui a aussi quelque chose à voir avec ma thèse puisque mes voyages en train se sont révélés très utiles pour avancer sur certaines parties de mon travail. Enfin, je dois beaucoup à mon entourage, ma famille, mes amis et mon amoureux, qui ont toujours été là pour moi, jusque dans la dernière ligne droite.

iv

SOMMAIRE LISTE DES ABREVIATIONS ET ACRONYMES …………………………………………………………..vii LISTE DES TABLEAUX ………………………………………………………………………………… ix LISTE DES FIGURES…………………………………………………………………………………....x LISTE DES PHOTOS ET ENCARTS..…………………………………………………………………...xiii LISTE DES ANNEXES………………………………………………………………………………….XIV INTRODUCTION GENERALE……………………………………………………………………............1

I CHAPITRE I : SYNTHESE BIBLIOGRAPHIQUE ............................................................................... 3 I.1 Les résistances polygéniques....................................................................................... 4

I.1.1 Que sont les résistances polygéniques ?............................................................... 4 I.1.2 La durabilité potentielle des résistances polygéniques........................................... 6 I.1.3 Les bases moléculaires possibles des résistances polygéniques..........................11

I.2 Comment détecter les « vrais » QTL ? ........................................................................15 I.2.1 L’évaluation phénotypique des caractères quantitatifs ..........................................17 I.2.2 La cartographie de QTL ........................................................................................20 I.2.3 Vers l’identification des gènes et des changements nucléotidiques responsables du caractère quantitatif ......................................................................................................30

I.3 La sélection assistée par marqueurs des caractères polygéniques..............................32 I.3.1 Le principe de la SAM et méthodes utilisées.........................................................32 I.3.2 L’efficacité de la SAM et le bénéfice apporté à la sélection phénotypique classique.....................................................................................................................................34

I.4 L’organisation structurale des locus de résistance chez les plantes et génomique comparative......................................................................................................................38

I.4.1 Les clusters de gènes de résistance au sein du génome et évolution ...................38 I.4.2 La comparaison de la distribution des locus de résistance entre génomes de différentes espèces.......................................................................................................41

I.5 Le modèle d’étude : la résistance polygénique des Solanacées aux Phytophthora......51 I.5.1 Les Solanacées ....................................................................................................51 I.5.2 Les Phytophthora : oomycètes phytopathogènes..................................................53 I.5.3 Le mildiou causé par Phytophthora infestans : l’une des maladies majeures de la pomme de terre ............................................................................................................55 I.5.4 Les interactions Phytophthora/plante ....................................................................61 I.5.5 Les colocalisations des locus de résistance aux Phytophthora .............................64

II CHAPITRE II : MATERIELS ET METHODES ..................................................................................81

II.1 Matériel végétal : populations de pomme de terre ......................................................81 II.1.1 Présentation générale des populations ................................................................81 II.1.2 Les 2 populations de cartographie 96D31 et 96D32.............................................83 II.1.3 Les 4 nouvelles populations 03D : 03D36, 03D39, 03D41, 03D42.......................85 II.1.4 Témoins pomme de terre.....................................................................................86

II.2 Souches de Phytophthora infestans ...........................................................................86 II.3 Tests de résistance à P. infestans chez la pomme de terre ........................................87

II.3.1 Test sur tige en serre ...........................................................................................87 II.3.2 Test sur feuillage en plate-forme..........................................................................88

II.4 Analyses statistiques ..................................................................................................91 II.5 Marquage moléculaire ................................................................................................93

II.5.1 Extraction d’ADN de pomme de terre...................................................................93 II.5.2 Marqueurs génétiques .........................................................................................93

v

II.5.3 Amplification des fragments d’ADN par PCR .......................................................95 II.5.4 Traitement des produits PCR après amplification ................................................95

II.6 Génotypage des marqueurs chez la pomme de terre .................................................97 II.7 Construction des cartes génétiques............................................................................98 II.8 Détection de QTL .......................................................................................................99 II.9 Méta-analyse............................................................................................................101

III CHAPITRE III : DETECTION DE QTL DE RESISTANCE AU MILDIOU DANS LES POPULATIONS 96D31

ET 96D32 AVEC LES TESTS SUR TIGE ET SUR FEUILLAGE ........................................................106 III.1 Introduction du chapitre ...........................................................................................106

III.1.1 La lutte génétique vis-à-vis du mildiou chez la pomme de terre ........................106 III.1.2 Exploration des résistances polygéniques à P. infestans ..................................107 III.1.3 Les modes d’évaluation de la résistance polygénique vis-à-vis du mildiou........108 III.1.4 La cartographie de QTL et les bases génétiques de la résistance polygénique 108

III.2 Article publié ............................................................................................................109 III.3 Synthèse du chapitre ...............................................................................................125

IV CHAPITRE IV : DETECTION DE QTL DE RESISTANCE A P. INFESTANS DANS DES POPULATIONS

CONNECTEES DE POMME DE TERRE IMPLIQUANT L ’ESPECE SAUVAGE SOLANUM BERTHAULTII ..127 IV.1 Introduction du chapitre...........................................................................................127

IV.1.1 Une étude exploratoire à deux titres .................................................................127 IV.1.2 Les avantages de la méthode d’analyse conjointe en schéma multi-population128

IV.2 Article en cours de préparation................................................................................129 IV.3 Synthèse du chapitre...............................................................................................154

V CHAPITRE V : META-ANALYSE DE QTL CHEZ LA POMME DE TERRE : ORGANISATION

STRUCTURALE DES QTL DE RESISTANCE AU MILDIOU ET COMPARAISON AVEC LES GENES MAJEURS ET LES QTL DE MATURITE .....................................................................................155

V.1 Introduction du chapitre............................................................................................155 V.1.1 Nécessité de faire une synthèse des données de QTL chez la pomme de terre155 V.1.2 Les objectifs de la méta-analyse........................................................................156

V.2 Article en cours de préparation.................................................................................157 V.3 Synthèse du chapitre................................................................................................183

VI CHAPITRE VI : DISCUSSION GENERALE ................................................................................185

VI.1 Principaux résultats obtenus ...................................................................................187 VI.1.1 La cartographie de QTL dans des populations INRA selon différentes méthodes d’analyse ....................................................................................................................187 VI.1.2 La méta-analyse intra-spécifique chez la pomme de terre et espèces apparentées (section Petota)......................................................................................188

VI.2 Analyse critique des résultats obtenus ....................................................................188 VI.2.1 La potentialité des espèces sauvages apparentées à la pomme de terre en tant que sources de résistance à P. infestans....................................................................188 VI.2.2 Les avantages des cultivars S. tuberosum .......................................................190 VI.2.3 L’intérêt du test tige pour l’étude de la résistance quantitative au mildiou chez la pomme de terre ..........................................................................................................190 VI.2.4 L’association maturité-résistance au mildiou chez la pomme de terre...............191 VI.2.5 Les bases moléculaires possibles des QTL de résistance au mildiou chez la pomme de terre ..........................................................................................................192 VI.2.6 L’utilité des marqueurs communs entre les cartes d’espèces apparentées proches ou éloignées..................................................................................................192

VI.3 La diversité de l’hôte : le champ des résistances possibles pour sélectionner les plus durables .........................................................................................................................193

VI.3.1 Diversité structurale : organisation des QTL sur le génome et méthodes de détection de QTL ........................................................................................................193

vi

VI.3.2 Diversité allélique au locus : exploration de la biodiversité par l’étude de différentes sources de résistance ...............................................................................196 VI.3.3 Exploitation de la diversité en sélection ............................................................199

VI.4 Des pistes pour prédire la durabilité des résistances...............................................203 VI.4.1 Du côté de la plante : le type de gène de résistance.........................................203 VI.4.2 Du côté du pathogène : le pouvoir adaptatif .....................................................204 VI.4.3 La lutte génétique chez la pomme de terre : les nouvelles directions ...............204

VI.5 L’environnement, le garant de la résistance ............................................................205 VI.5.1 L’environnement des gènes de résistance : les réseaux de gènes et l’épigénétique .............................................................................................................205 VI.5.2 L’environnement de la plante : systèmes et techniques de culture pour une meilleure gestion des résistances dans l’espace et dans le temps..............................206

VI.6 Vers des modèles de prédiction de la durabilité des résistances.............................207

vii

LISTES DES ABREVIATIONS ET ACRONYMES

ABC : Adénosine triphosphate-Binding Cassette ACGMs : Amplified Consensus Gene Markers ACP : Analyse en Composantes Principales ADN : Acide DesoxyriboNucléique AFLP : Amplified Fragment Length Polymorphism AIC : Advanced Inter-Cross ANCOVA : ANalysis of COVariance ANOVA : ANalysis Of VAriance AUDPCr : time-relative Area Under the Disease Progress Curve BAC : Bacterial Artificial Chromosome BC : Back-Cross BIM : Bayesian Interval Mapping BIOEXPLOIT: BIOdiversity EXPLOITation BLAST : Basic Local Alignment Search Tool BLAT : BLAST Like Alignment Tool BLUP : Best Linear Unbiased Predictor CAPS : Cleaved Amplified Polymorphic Sequence CATS : Comparative Anchor Tagged Sequence CBEL : Cellulose Binding Elicitor Lectin CI : Confidence Interval CIM : Composite Interval Mapping CIP : Centro Internacional de la Papa CISP : Conserved-Intron Scanning Primers CM : Carré Moyen COS : Conserved Ortholog Set CTAB : Bromure de cétyltriméthylammonium CWDE : Cell Wall Degrading Enzyme DPI : Days Post-Inoculation DRL: Defence-Related Locus EDTA : Acide d'EthyleneDiaminetraAcetic ER : Extreme Resistance EST : Expressed Sequence Tag FF : Foliage Field FG : Foliage Greenhouse GST : Glutathion S-Transferase HCl : acide Chlorhydrique HD : Haploïdes-Doublées HR : Hypersensitive Response HSP : Heat Shock Protein IM : Interval Mapping IND : INDucibility INRA : Institut National de la Recherche Agronomique LD : Linkage Desequilibrium LIS : Legume Information System LOD : Likelihood of the Odds Ratio LT : Leaf Test MABC : Marker-Assisted Back-Cross MAGIC : Multi-Parent Advanced Generation Inter-Cross MARS : Marker-Assisted Recurrent Selection MgCl2 : Chlorure de Magnésium MIM : Multiple Interval Mapping MT : Maturity Test

viii

NaCl : Chlorure de sodium NAM : Nested Association Mapping NBS-LRR : Nucleotide Binding Site-Leucine Rich Repeat NCBI : National Center for Biotechnology Information NIL : Near-Isogenic-Line ORF : Open Reading Frame PAMP : Pathogen Associated-Molecular Pattern PCA : Principal Component Analysis PCR : Polymerase Chain Reaction PH : Plant Height PR : Pathogenesis-Related PRR : Pattern Recognition Receptor PV : Plant Vigour PVY : Potato virus Y QTL : Quantitative Trait Locus REC : RECeptivity RFLP : Restriction Fragment Length Polymorphism RGA : Resistance Gene Analog RGL: Resistance-Gene-Like RIL : Recombinant-Inbred Line ROS : Reactive Oxidative Species SAM : Sélection Assistée par Marqueurs SCAR : Sequence Characterized Amplified Region SD : Standard Deviation SGN : Solanum Genomics Network SML : Statistical Machine Learning SNP : Single Nucleotide Polymorphism SP: Sélection Phénotypique SSCP : Single-Strand Conformational Polymorphism SSR : Simple Sequence Repeat ST : Stem Test STA : STAbility STS : Sequence Tagged Site TE : Tris-EDTA TEV : Tobacco etch virus TIGR : The Institute for Genomic Research TMV : Tomato mosaic virus TS : Tuber Slice TSWV : Tomato spotted wilt virus TYLC : Tomato yellow leaf curl UHD : Ultra-High Density UV : Ultra-Violet WGS : Whole Genome Shotgun WT : Whole Tuber WUR : Wageningen University and Research center

ix

LISTE DES TABLEAUX CHAPITRE I Tableau I.1 Exemples de résistances polygéniques conférant des résistances complètes et de résistances monogéniques conférant des résistances partielles Tableau I.2 Exemples de résistances durables et contournées chez trois espèces de Solanacées Tableau I.3 Méthodes de détection de QTL et logiciels utilisés Tableau I.4 Avantages et inconvénients des différents types de schémas de croisement pour la détection de QTL et la sélection Tableau I.5 Quelques « Success stories » de la SAM Tableau I.6 Espèces et croisements des analyses QTL publiées pour la résistance aux Phytophthora pour l’alignement des cartes de trois Solanacées : pomme de terre, piment et tomate CHAPITRE II Tableau II.1 Tests de résistance au mildiou effectués sur les 6 populations de pomme de terre Tableau II.2 Liste des expérimentations intégrées dans la méta-analyse chez la pomme de terre CHAPITRE IV Table IV.1 CAPS markers used for chromosomes IV and V Table IV.2 Chromosome map compositions at the three population levels Table IV.3 QTL detection results at the three level of analysis CHAPITRE V Table V.1 Initial available potato studies for the QTL meta-analysis for resistance to late blight and maturity Table V.2 QTL meta-analysis results Table V.3 Detailed composition of the most consistent Meta-QTLs for late blight resistance CHAPITRE VI Tableau VI.1 Comparaison des méthodes d’analyse de QTL utilisées au cours de la thèse

x

LISTE DES FIGURES CHAPITRE I Figure I.1 Les bases moléculaires possibles des QTL de résistance aux bioagresseurs Figure I.2 Les 4 grandes classes de gènes majeurs de résistance chez les plantes Figure I.3 Les méthodes pour détecter les « vrais » QTL Figure I.4 Puissance de détection de QTL en fonction de la taille de la population et l’héritabilité, selon nombre de QTL contrôlant le caractère Figure I.5 Types de populations bi-parentales utilisées pour la détection de QTL Figure I.6 Synthèse des propriétés des QTL à partir des résultats de 176 expérimentations chez les plantes Figure I.7 Schémas de croisements diallèle et factoriel Figure I.8 Stratégies les plus couramment utilisées pour la détection de QTL selon le temps de recherche à investir pour les appliquer et la résolution des QTL détectés Figure I .9 Schéma de croisement d’une population MAGIC Figure I.10 Vers le clonage de QTL Figure I.11 Détection des eQTL, exemple pour la résistance polygénique à la rouille chez l’orge Figure I.12 Principe de sélection basée sur le back-cross assisté par marqueurs (MABC) Figure I.13 Pyramidage de QTL en création variétale Figure I.14 Exemple de sélection SAM pour le rendement du blé chez Limagrain Figure I.15 Répartition des locus de résistance aux bioagresseurs chez la pomme de terre Figure I.16 Organisation des gènes de résistance aux bioagresseurs chez les Solanacées (tomate, piment, pomme de terre) Figure I.17 Phylogénie des Solanacées Figure I.18 Les réarrangements chromosomiques entre le piment et la tomate Figure I.19 Arbre phylogénétique des organismes eucaryotes Figure I.20 Arbre phylogénétique des Oomycètes Figure I.21 Cycle biologique de P. infestans Figure I.22 La série de mouvements migratoires qui ont probablement mené à la dispersion planétaire de la souche US-1 de Phytophthora infestans

xi

Figure I.23 Le dialogue moléculaire de l’interaction pomme de terre/Phytophthora infestans Figure I.24 Organisation des locus de résistance aux Phytophthora sur le génome des Solanacées (pomme de terre, tomate et piment) Figure I.25 Mind-Map du sujet de thèse CHAPITRE II Figure II.1 Les 6 populations de pomme de terre utilisées pour la cartographie de QTL de résistance à P. infestans. Figure II.2 Généalogie des parents 96D9.13 et 96D.33 des populations 03D Figure II.3 Test sur feuillage : exemples de courbes d’évolution de la surface foliaire nécrosée pour des clones présentant différents niveaux de résistance/sensibilité au mildiou Figure II.4 Sélection des SSR du génome de la pomme de terre Figure II.5 Algorithme de la procédure de détection de QTL iQTLm Figure II.6 Schéma de la procédure du logiciel de méta-analyse de QTL Meta-QTL CHAPITRE IV Figure IV.1 Crossing design of the 4 connected potato polulations used for the detection of late blight resistance QTLs Figure IV.2 Overall map composition at the three population levels Figure IV.3 Alignment of the chromosome IV maps Figure IV.4 Frequency distributions of the four traits used for QTL detection, and correlations Figure IV.5 QTL mapping results at the three levels of the analysis in the four parental maps Figure IV.5_ Addendum QTL mapping results at the three levels of the analysis in the four parental maps (after threshold recalculation at the ‘multi-population’ level) CHAPITRE V Figure V.1 Number of studies and QTL maps that were used in the meta-analysis, as compared to the initial available studies Figure V.2 Integrated map molecular description Figure V.3 Meta-analysis procedure steps: example for chromosome IV Figure V.4 Meta-analysis results for all 12 potato chromosomes

xii

CHAPITRE VI Figure VI.1 L’exploration de la diversité des locus des résistances aux Phytophthora selon deux dimensions Figure VI.2 Fréquence des effets des QTL inclus dans la méta-analyse de QTL de résistance au mildiou chez la pomme de terre Figure VI.3 Distribution des sources de résistances partielles et majeures sur l’arbre phylogénétique simplifié des espèces Solanum tubéreuses utilisées comme sources de résistance au mildiou dans les études de cartographie de QTL et gènes majeurs Figure VI.4 Arbre phylogénétique des Solanacées

xiii

LISTE DES PHOTOS ET ENCARTS CHAPITRE I Photo I.1 Prise de vue d’Arabidopsis pour l’étude du développement de la plante avec la caméra de Scanalyzer (technologie LemnaTec) Photos I.2a et 2b Serre automatisée de plateforme de phénotypage de plants de maïs où les plantes défilent sur un tapis roulant qui les mêne à la cellule de prise de vue équipée d’une caméra à ondes multiples (technologie TraitMillTM) Photos I.3 Feuilles infectées Photo I.4 Mesure de la longueur de nécrose sur tige en conditions contrôlées pour l’évaluation de la résistance polygénique aux Phytophthora. Photos I.5 Symptômes du mildiou (P. infestans) sur tubercule, tige, feuille et plante entière CHAPITRE II Photo II.1 Photos des parents des populations 96D utilisés pour les croisements Photo II.2 Photos des parents S. tuberosum x S. berthaultii (populations 03D) utilisés pour les croisements Photo II.3 Test sur tige : inoculation et mesure de la nécrose Photo II.4 Test sur feuillage en plateforme

LISTE DES ENCARTS CHAPITRE I Encart 1 Rcg1, un gène sous-jacent à un QTL cloné appartient à la classe des NBS-LRR

xiv

LISTE DES ANNEXES CHAPITRE II ANNEXE II.1 Protocole de multiplication des souches de Phytophthora infestans sur milieu artificiel ANNEXE II.2 Lignes de commandes sous R des tests statistiques ANOVA et ANCOVA ANNEXE II.3 Protocole d’extraction d’ADN à partir de feuilles de pomme de terre en micro-tubes ANNEXE II.4 Marqueurs développés et cartographiés pendant la thèse ANNEXE II.5 Composition du milieu LB ANNEXE II.6 Noms synonymes des marqueurs pour la méta-analyse CHAPITRE IV ANNEXE IV.1 Cartes parentales des populations 03D Chapitre V ANNEXE V.1 Integrated potato map marker composition ANNEXE V.2 Functional integrated potato maps ANNEXE V.3 Meta-QTL composition

INTRODUCTION GENERALE

Introduction générale

1

INTRODUCTION GENERALE

Depuis la domestication des plantes et jusqu’au XIXème siècle, l’homme a sélectionné les

espèces les plus aptes à résister naturellement aux bioagresseurs afin de garder un

rendement satisfaisant aux besoins locaux. Au lendemain des Guerres Mondiales du début

du XXème siècle, le principal objectif de sélection en agriculture des pays en plein

développement économique était de répondre à la demande croissante mondiale. Pour

démultiplier les niveaux de rendement, les pays développés ont eu recours à l’utilisation

massive des produits phytosanitaires, laissant de côté la sélection pour la résistance aux

bioagresseurs. L’agriculture locale a progressivement laissé place à l’agriculture moderne,

répondant aux demandes de plus en plus exigeantes des consommateurs et de l’industrie

qui sont essentiellement basées sur le rendement et la qualité. Cependant, depuis quelques

années, l’observation d’un déséquilibre des écosystèmes dans les milieux agraires et les

changements rapides du climat ont fait prendre conscience de la nocivité des produits

chimiques, dont les pesticides. On assiste actuellement à un retour aux premiers objectifs de

sélection et à la recherche de résistances efficaces et durables intrinsèques à la plante.

Malgré le recul assez faible dont nous disposons aujourd’hui pour prédire l’effet du temps sur

l’érosion des résistances, les quelques études qui ont été rapportées mènent à penser que la

durabilité des résistances serait favorisée par un nombre élevé de gènes, une résistance

partielle et quantitative et un spectre d’action large vis-à-vis de plusieurs souches du

pathogène. Les résistances polygéniques apparaissent comme le type de résistances qui

correspondent le mieux à ces caractéristiques.

Cependant, les résistances polygéniques, de nature complexe, sont difficiles à étudier et

leurs bases génétiques moléculaires sont encore mal connues. Pour arriver à mieux exploiter

ces résistances dans des programmes d’amélioration variétale, il apparaît nécessaire de

1-explorer les ressources génétiques pour connaître les sources de résistances naturelles

utilisables, et 2-déterminer le nombre, l’organisation et la nature moléculaire des gènes qui

les contrôlent. En parallèle, il est important de prendre en compte la variabilité et la fitness du

pathogène face à ces facteurs de résistance, seuls ou en combinaison, afin d’arriver à

mesurer la durabilité des gènes de résistance dans le cadre des processus évolutifs qui

impliquent à la fois l’hôte et le pathogène.

Introduction générale

2

Les travaux de la thèse présentés dans ce rapport ont été réalisés du côté de la plante, sur

le modèle d’étude Solanacées/Phytophthora. L’objectif de la thèse est d’établir

l’organisation structurale des locus de résistance à Phytophthora infestans sur le génome de

la pomme de terre. Cela implique de participer à l’exploration de nouvelles sources de

résistance chez des espèces sauvages apparentées à la pomme de terre et suggère l’étude

des relations de synténie avec les locus de résistance aux Phytophthora identifiés chez

d’autres Solanacées.

La thèse a été effectuée dans le cadre du projet européen BioExploit (FP6) dont l’objectif est

de mieux exploiter la biodiversité naturelle pour la résistance aux bioagresseurs. La thèse a

été menée au sein de deux équipes de l’INRA dont la thématique de recherche porte sur la

compréhension des bases génétiques et moléculaires des résistances polygéniques aux

Phytophthora chez les Solanacées, à l’unité de Génétique et d’Amélioration des Fruits et

Légumes de l’INRA d’Avignon et à l’unité d’Amélioration des Plantes et Biotechnologies

Végétales de l’INRA de Ploudaniel ; l’équipe de Ploudaniel se concentre en particulier sur les

bases génétiques de la résistance partielle à P. infestans chez la pomme de terre.

Ce manuscrit est organisé en six chapitres .

Le chapitre I est une synthèse bibliographique qui présente les résistances polygéniques,

leurs natures possibles, les méthodes utilisées pour leur évaluation et leur exploitation en

amélioration variétale, et les outils de comparaison de génomes, afin de situer le contexte de

recherche du modèle d’étude utilisé, le couple Solanacées/Phytophthora.

Le chapitre II récapitule les matériels et méthodes utilisés au cours de la thèse qui sont

ensuite détaillés dans les chapitres de résultats.

Les chapitres III et IV présentent les résultats de cartographie de locus de résistance partielle

polygénique à P. infestans chez la pomme de terre selon deux méthodes de détection. Le

chapitre V présente les résultats de la méta-analyse intra-spécifique des locus de résistance

chez la pomme de terre (génome entier).

Les résultats obtenus sont récapitulés et discutés dans le chapitre VI qui propose aussi des

pistes de recherches futures.

CHAPITRE I

SYNTHESE BIBLIOGRAPHIQUE

Synthèse bibliographique

3

I CHAPITRE I : SYNTHESE BIBLIOGRAPHIQUE

L’observation chez certains pathosystèmes du contournement rapide des résistances

monogéniques, contrôlées par un seul gène majeur, après leur déploiement dans les

cultures, a provoqué un regain d’attention vis-à-vis des résistances polygéniques, contrôlées

par plusieurs gènes. Cependant, la complexité inhérente aux résistances polygéniques rend

leur étude délicate et de nombreux moyens ont été investis ces trente dernières années pour

arriver à mieux comprendre leurs bases génétiques et moléculaires.

Dans ce chapitre, nous tentons dans une première partie de comprendre ce que sont les

résistances polygéniques et en quoi elles seraient durables en rapportant différentes

hypothèses sur leurs bases moléculaires proposées dans la littérature. Pour aider à bien

décrire les locus qui contrôlent les résistances polygéniques et pour mieux les exploiter en

création variétale, une deuxième partie est consacrée aux méthodes qui permettent de les

localiser avec fiabilité sur les cartes génétiques et d’évaluer leurs effets avec précision. La

troisième partie présente la sélection pour les résistances polygéniques et plus précisément

la sélection assistée par marqueurs. Un autre moyen de compréhension des résistances

polygéniques est d’arriver à retracer leur évolution dans l’histoire évolutive des espèces, et

pour cela, il est intéressant d’étudier l’organisation structurale des locus qui les contrôlent au

niveau du génome de l’espèce et à travers les génomes d’espèces apparentées avec la

génomique comparative, ce qui fait l’objet de la quatrième partie. Enfin, la cinquième partie

présente le modèle d’étude qui a été utilisé dans le cadre la thèse pour tenter de répondre à

un certain nombre de ces questions ; il s’agit du couple Solanacées/Phytophthora et en

particulier du pathosystème pomme de terre/P. infestans.


4

I.1 Les résistances polygéniques

I.1.1 Que sont les résistances polygéniques ?

La résistance polygénique est, par définition, une résistance contrôlée par plusieurs gènes.

Elle est souvent caractérisée par comparaison avec la résistance monogénique, contrôlée

par un seul gène. Ces deux types de résistance font régulièrement l’objet d’une dualité qui

résulte des antonymes utilisés pour les caractériser, selon le critère de comparaison. Par

exemple, on trouve des oppositions entre :

-« gènes majeurs » versus « gènes mineurs », pour décrire en génétique les bases de ces

résistances et de leurs effets ;

-réponse « complète » versus « incomplète / partielle », si l’on s’intéresse, au niveau du

phénotype de la plante, au degré d’expression de la résistance ;

-résistance « verticale » versus « horizontale » ou bien « qualitative » versus « quantitative »,

lorsque l’on fait référence en statistiques à la distribution de la fréquence des plantes

sensibles et résistantes en ségrégation dans une population ;

-résistance « race-spécifique » versus « à large spectre », pour définir en épidémiologie

l’étendue de la gamme de races des agents pathogènes vis-à-vis desquels la résistance est

efficace.

Ces caractéristiques peuvent en fait se combiner indépendamment du type de contrôle

génétique de la résistance, qu’il soit monogénique ou polygénique. Il existe ainsi un

continuum de résistances dont les nombreuses configurations possibles résultent de

plusieurs facteurs : 1- la cartographie des gènes/locus sur des cartes génétiques qui permet

de les dénombrer (1 gène, quelques gènes ou de nombreux gènes), 2- le choix des parents

pour le croisement d’étude qui détermine le nombre de gènes qui ségrègent et qui contrôlent

la résistance observée dans la population, 3- les gènes partenaires ou les interactions

épistatiques entre les locus responsables, 4- l’évaluation phénotypique utilisée selon qu’elle

classe les individus en résistants ou sensibles, ou qu’elle mesure le caractère

quantitativement, 5- l’environnement comprenant le climat, les conditions contrôlées

appliquées, les races de pathogène utilisées pour les tests de résistance et 6- le stade de

développement de la plante, ces trois derniers facteurs pouvant influencer le niveau

d’expression et donc la détection du ou des locus.

Des exemples de résistances monogéniques conférant une résistance partielle sont celles

contrôlées par XA21D chez le riz pour la résistance à Xanthomonas oryzae pv oryzae et RB

chez la pomme de terre pour la résistance à Phytophthora infestans. Des exemples de

résistances polygéniques totales sont la résistance au potyvirus Potato virus Y chez le


5

piment (Caranta et al. 1997) avec la détection de QTL isolat-spécifiques et non-spécifiques,

et la résistance à la pyriculariose chez le riz (Wang et al. 1994) (Tableau I.1).

Tableau I.1 Exemples de résistances polygéniques conférant des résistances complètes (a) et de résistances monogéniques conférant des résistances partielles (b) (a) Gènes ou

QTL

Espèce Pathogène Caractéristiques de la résistance Référen ce

5 locus riz Pyricularia oryzae Des sous-groupes d’individus de la population d’étude ont été utilisés pour déterminer les facteurs de résistance complète d’une part, et partielle d’autre part. Pour la résistance complète, 5 locus avec interactions épistatiques ont été détectés. Les individus résistants ont un spectre d’action large, vis-à-vis de 5 isolats différents. Le QTL présentant l’effet le plus fort explique 25% de la variation pour la résistance complète.

Wang et al. 1994

pvr22+Pvr6 piment Potato Virus Y (PVY)

5 QTL sont impliqués dans la résistance complète à l’isolat de PVY To72. Parmi eux, certains QTL sont isolat-spécifiques et d’autres non-spécifiques. Ils expliquent jusqu’à 59% de la variabilité observée.

Caranta et al. 1997

(b) Gène Espèce Pathogène Caractéristiques du gène Référence

Xa21D (membre de la famille du gène Xa21)

riz Xanthomonas oryzae pv oryzae (bactérie)

XA21D code pour une protéine dont la séquence prédite contient un peptide signal et un domaine LRR ; reconnaissance spécifique ; hypothèse d’une autre molécule partenaire qui complémenterait partiellement l’absence du domaine kinase présent chez la protéine Xa21 et activant ainsi une seule des 2 voies de signalisation menant à la résistance totale.

Andaya et Ronald 2003

RB pomme de terre

Phytophthora infestans (oomycète)

RB appartient à la classe des NBS-LRR ; spectre large ; retard dans l’apparition des symptômes ; rôle du gène partenaire Sgt1 dans la variation de la résistance ; Sgt1 est connu pour être impliqué dans les résistances médiées par les gènes de résistance spécifiques et complètes de type NBS-LRR et Pto-kinase.

Bhaskar et al. 2008

Cependant, les configurations de résistances les plus souvent décrites sont les résistances

monogéniques/totales/qualitatives qui sont souvent race-spécifiques et les résistances

polygéniques/partielles/quantitatives contrôlées par des QTL (Quantitative Trait Locus) qui


6

sont souvent à large spectre. Dans ce rapport, nous considèrerons les résistances

polygéniques comme toutes les formes de résistances contrôlées par plusieurs locus, définis

comme QTL. Les résistances monogéniques désigneront quant à elles toutes les résistances

qui ne sont contrôlées que par un seul gène, appelé gène majeur, qui confère une résistance

qualitative et totale.

I.1.2 La durabilité potentielle des résistances polygéniques

Selon Johnson (1979, 1981), une résistance est durable si elle est efficace pendant une

longue durée, sur de grandes surfaces de culture et dans des conditions favorables au

développement du bioagresseur. On parle de contournement lorsque de nouveaux variants

virulents ont été sélectionnés par le gène de résistance, se sont développés et provoquent

des dommages importants à l’échelle d’une région, d’un pays ou au-delà, rendant ainsi la

résistance du gène inefficace. La majorité des cas de contournement de résistance

rapportés concernent les résistances monogéniques. Ces contournements peuvent avoir lieu

quelques années seulement après le déploiement des gènes de résistance dans les

cultures, 5 à 7 ans par exemple pour les gènes majeurs de résistance à Phytophthora

infestans chez la pomme de terre (Tableau I.2).


7

Tableau I.2 Exemples de résistances durables et contournées chez trois espèces de Solanacées (informations communiquées par André Moretti et René Damidaux pour la tomate, Alain Palloix pour le piment, Jean-Eric Chauvin pour la pomme de terre) Espèce Agent pathogène* Gène de

résistance Statut de la résistance 1

potyvirus (V) Pvr4 durable (toujours utilisé) potyvirus (V) pvr21 durable mais perd de son efficacité

localement (toujours utilisé) potyvirus (V) pvr22 contourné par TEV tomato mosaic virus (V) L1 durable (toujours utilisé) pepper veinal mottle virus (V) L2 contourné pepper veinal mottle virus (V) L3 durable (toujours utilisé) tomato spottle wild virus (V) Tsw contourné Xanthomonas campestris pv. vesicatoria (B)

Bs1, Bs2, Bs3 contournés

piment

Meloidogyne spp. (N) N durable (toujours utilisé) virus Y(V) Ny contourné virus Y, virus A (V) Rysto durable virus Y (V) Ryadg durable virus X (V) Nb, Nx contournés par les souches X3 et X4 virus X (V) Rxadg, Rxacl durables virus S (V) Nsadg durable virus A (V) Na durable Globodera rostochiensis (N) H1 durable Globodera pallida (N) Gpa2 contourné mais encore localement efficace

suivant les populations du parasite Phytophthora infestans (O) R1-R3-R4-R6-

R7-R10-R11 contournés

Phytophthora infestans (O) R2-R5-R8-R9 localement contournés mais pouvant encore apporter un avantage dans certaines conditions de culture

Phytophthora infestans (O) Rpi-blb1, Rpi-blb3

débuts de contournement

pomme de terre

Synchytrium endobioticum (C) P1 à P9 contournés (certains gènes continuent à apporter un avantage localement)

tomato mottle virus (V) Tm-1 contourné tomato spotted wilt virus(V) Sw-5 durable (très utilisé) Macrosiphum euphorbiae (I), Meloidogyne incognita (N), aleurodes

Meu1/Mi-1 contourné (toujours utilisé)

Cladosporium fulvum (C) Cf-2, Cf-4, Cf-5, Cf-9

contourné (plusieurs gènes encore utilisés en combinaison)

Fusarium oxysporum lycopersici (C)

I-2, I-3 durable (I-3 très utilisé)

Pseudomonas (B) Pto durable (très utilisé) Verticillium dahliae (C) Ve1, Ve2 durable (très utilisé) Fusarium oxysporum f.s. radicis lycopersici (C)

Frl durable (très utilisé)

Stemphylium (C) Sm durable Phytophthora infestans (O) Ph-1, Ph-2, Ph-

3 contournés (Ph-2 encore utilisé et efficace en combinaison avec certaines techniques culturales)

tomate

Pyrenochaeta lycopersici (C) pyl contourné, récessif, peu utilisé *Le type de pathogène est indiqué entre parenthèses : I pour insecte, C pour champignon, N pour nématode, O pour oomycète, B pour bactérie, V pour virus 1 Une résistance est considérée ici comme durable si des infections n’ont jamais ou très rarement été observées (dans le temps et l’espace) et si le gène de résistance est toujours largement utilisé en création variétale


8

La durabilité des résistances est liée à plusieurs facteurs qui dépendent à la fois de la plante

et du pathogène. Du côté de la plante, la durabilité dépend :

-du type de réponse de défense, c’est-à-dire si les symptômes sont bien visibles, si la

réponse s’exprime de manière qualitative ou quantitative, si elle est partielle ou complète et

dans ce dernier cas, si elle est hyper-sensible nécrotique locale (HR pour Hypersensitive

Response) ou d’extrême résistance (ER) quand aucun symptôme n’est observé suite à

l’attaque du pathogène;

-du spectre d’action de la résistance (large ou étroit) ;

-du type de facteurs de résistance en présence (gènes majeurs ou QTL) et s’ils sont

combinés ;

-du déterminisme des gènes de résistance (dominance ou récessivité) ;

-du niveau de la pression de sélection exercée par les gènes sur le pathogène ;

-de la répartition des gènes dans l’espace de culture.

Du côté du pathogène, la durabilité dépend :

-du coût de fitness que doit subir le pathogène pour contourner la résistance

(Parlevliet 2002) ;

-du ‘potentiel évolutif’ du pathogène, c’est-à-dire sa capacité à évoluer et à se diversifier

rapidement suite à des mutations ou recombinaisons (McDonald et Linde 2002), il dépend

donc notamment de son mode de reproduction, sexuée ou asexuée ;

-de la gamme d’hôtes du pathogène, large ou étroite;

-du type d’infection du pathogène, sur tissu vivant (biotrophe), ou sur tissu mort

(nécrotrophe), ou les deux indifféremment (facultatif) ;

Ainsi, les résistances vis-à-vis des pathogènes à gamme d’hôtes étroite, souvent biotrophes

ou hémi-biotrophes sont généralement plus durables si elles sont partielles (Jonhson 2000).

Dans le cas des maladies causées par les champignons biotrophes, les résistances sont

d’autant moins durables qu’elles sont race-spécifiques, et s’expriment sous la forme d’une

HR. Dans ce cas, la rapidité de contournement est due conjointement à la capacité du

pathogène à se diversifier (mutation ou recombinaison) et à la forte pression de sélection

spécifique du gène de résistance qui s’exerce sur le pathogène. Bien qu’également

contournés, les gènes de résistance aux virus sont globalement plus durables que ceux qui

contrôlent les résistances vis-à-vis des autres organismes pathogènes (Garcia-Arenal et

McDonald 2003).

Il existe quelques cas de résistances monogéniques encore jamais contournées comme

celles qui contrôlent la rouille noire (gène Sr2) et la rouille brune (gène Lr34) chez le blé, le

virus PVY (Potato virus Y) chez le piment (gènes Pvr4 et pvr22), l’oïdium chez l’orge (gène

mlo) et le nématode à kyste Globodera rostochiensis chez la pomme de terre (gène H1).


9

Cependant, l’observation de la performance de cultivars exprimant différents types de

résistances a permis d’avancer l’hypothèse que les résistances polygéniques/quantitatives/à

large spectre seraient plus durables que les résistances monogéniques/qualitatives/race-

spécifiques (Parlevliet 2002). Pour certains pathosystèmes, en particulier pour les maladies

causées par les pathogènes nécrotrophes ou hémi-biotrophes, la résistance polygénique,

quantitative, est la seule forme de résistance efficace. Ainsi pour le pathosystème piment/

Phytophthora capsici, la seule résistance connue et exploitée dans les programmes de

sélection est polygénique. Le paradigme qui réside derrière ces observations est que les

effets individuels des locus contrôlant les résistances polygéniques sont relativement faibles

par rapport à ceux des gènes majeurs des résistances monogéniques, et la pression de

sélection de nouveaux variants virulents est moins forte. De plus, si on suppose qu’une

résistance résulte d’une somme d’interactions gène-pour-gène, pour surmonter les

résistances polygéniques, le pathogène doit combiner par recombinaison ou par mutation

toutes les virulences correspondant aux gènes de résistance, ce qui diminue beaucoup la

probabilité du contournement (Lindhout 2002). Ce raisonnement est d’ailleurs applicable

pour les gènes pyramidés. Cependant, un cas d’anéantissement de résistance polygénique,

décrit comme un contournement, a déjà été observé chez l’hévéa lors d’une expérience au

laboratoire (Le Guen et al. 2007). Au cours de cette étude, des souches du champignon

Microcyclus ulei, peu agressives à très agressives, avec des niveaux de sporulation

différents, ont été utilisées pour la cartographie de QTL dans une population d’hévéa. Avec

une souche très agressive, tous les individus de la population se sont montrés très

sensibles. La durabilité des résistances polygéniques n’est donc pas systématique pour tous

les pathosystèmes et leur évaluation doit être effectuée au cas par cas avec des études à

grande échelle dans le temps et dans l’espace.

L’étude de différentes stratégies de gestion des résistances a montré l’avantage de la

combinaison des deux types de contrôles génétiques par des gènes majeurs et des QTL au

sein d’une même plante. Cette stratégie procurerait l’efficacité des résistances complètes

conférées par les gènes majeurs et, dans le cas où les gènes majeurs seraient contournés,

les QTL prendraient le relais et assureraient la pérennité de la résistance. D’après les

résultats obtenus au laboratoire pour la résistance à la rouille chez l’orge (Castro et al.

2003), il apparait que cumul des deux types de résistance renforcerait significativement la

durabilité de la résistance de la plante. Chez le piment, l’association de QTL à effets mineurs

avec le gène récessif pvr23 de résistance vis-à-vis du virus PVY permet de réduire la

fréquence de contournement de pvr23, comparativement au cas où seul ce gène est présent

(Palloix et al. 2009). La présence de QTL dans le fond génétique diminuerait la pression de

sélection sur les variants virulents et éviterait l’émergence de ces derniers dans la population

virale. Dans le cas de la résistance à la pyriculariose (Magnaporthe grisea) et d’une


10

bactériose (Xanthomonas oryzae pv. oryzae) chez le riz, les programmes de sélection sont

déjà basés sur la combinaison des deux types de résistances (Poland et al. 2009). Chez la

pomme de terre, d’anciennes variétés au bon niveau de résistance partielle comme ‘Maritta’

et la nouvelle variété ‘Coquine’ combinent des gènes majeurs de résistance avec des QTL

(communication J.-E. Chauvin).

A l’heure où le déploiement des gènes majeurs s’accélère par la diffusion large et rapide des

semences à travers le monde, où les mouvements de populations participent à la

dissémination des pathogènes d’un continent à l’autre, où les restrictions de produits

chimiques deviennent drastiques pour préserver l’environnement, les résistances durables

sont de plus en plus recherchées. Il apparaît donc aujourd’hui nécessaire de mieux

comprendre les mécanismes mis en œuvre par les résistances polygéniques et, en

particulier, de déterminer les facteurs qui en sont à l’origine, leur exploitation dans les

programmes de sélection en sera d’autant plus efficace.


11

I.1.3 Les bases moléculaires possibles des résistances polygéniques

Alors que la bibliographie rapporte une multitude d’études sur le clonage de gènes majeurs

et sur les interactions moléculaires plante-pathogène des résistances monogéniques, très

peu de données existent sur les bases moléculaires des résistances polygéniques. Les

résultats rapportés dans la littérature, dont les quelques cas de clonage de QTL, donnent

lieu à différentes hypothèses (Figure I.1), proposées ci-après.

Distance génétique (cM)

LOD

sco

re

?

Gènes de reconnaissance spécifique NBS-

LRR

Gènes liés au développement

de la plante Gènes de défense

Gènes impliqués dans la transduction

du signalAutre?

Distance génétique (cM)

LOD

sco

re

?

Gènes de reconnaissance spécifique NBS-

LRR

Gènes liés au développement

de la plante Gènes de défense

Gènes impliqués dans la transduction

du signalAutre?

Figure I.1 Les bases moléculaires possibles des QTL de résistance aux bioagresseurs

a- Les gènes des résistances polygéniques codent po ur les protéines qui

interagissent étroitement avec les effecteurs : NBS -LRR et facteurs d’initiation de la

traduction.

Les gènes majeurs des résistances monogéniques clonés ont été classés en 4 grandes

classes d’après la présence de domaines moléculaires particuliers (Figure I.2). La plus

grande classe contient les gènes aux motifs NBS-LRR (Nucleotide Binding Site-Leucine Rich

Repeat), impliqués dans la reconnaissance des effecteurs des agents pathogènes ou ayant

des fonctions liées et qui sont souvent à l’origine du déclenchement de la réponse

hypersensible (HR pour Hypersensitive Response). Les gènes majeurs des autres classes

ont des motifs kinase, LRR et LRR-kinase associés.


12

Bs4

Pto

Cf- genes, Ve

Mi, Prf, I-2, Sw-5,

Tm-2, Tm-2², Hero

L R R STK

NucleotideBindingSite

LeucineRichRepeat

DomaineTrans-Membranaire

SerineThreonineKinase

Toll IL 1 receptor

Leucine-zipper = coiled-coil

Motif hydrophobe

Peptide signal

N

L R R

L R R

STK C

CSTK

C

N

N

C

C

CL R R

L R R

CC

TIR

N

N

N

1

2

3

4

Cytoplasme

Compartimentextra-cellulaire

L R R

CC

TIRN B

N B

N B

N BCluster sur T6

Bs4

Pto

Cf- genes, Ve

Mi, Prf, I-2, Sw-5,

Tm-2, Tm-2², Hero

Bs4

Pto

Cf- genes, Ve

Mi, Prf, I-2, Sw-5,

Tm-2, Tm-2², Hero

L R RL R R STK

NucleotideBindingSite

LeucineRichRepeat

DomaineTrans-Membranaire

SerineThreonineKinase

Toll IL 1 receptor

Leucine-zipper = coiled-coil

Motif hydrophobe

Peptide signal

N

L R R

L R RL R R

STK C

CSTK

C

N

N

C

C

CL R R

L R RL R R

CC

TIR

N

N

N

1

2

3

4

Cytoplasme

Compartimentextra-cellulaire

L R R

CC

TIRN B

N B

N B

N BCluster sur T6Cluster sur T6

Figure I.2 Les 4 grandes classes de gènes majeurs de résistance chez les plantes (d’après la diapositive de V. Lefebvre, présentation BioExploit SummerSchool le 20/06/2008) Les classes ont été constituées en fonction de la présence ou l’absence de domaines particuliers (CC, NBS, LRR, TIR ou kinase) positionnés à l’extrémité N ou C-terminal de la protéine codée. Des exemples de ces gènes clonés chez la tomate sont indiqués à droite de la figure. Les gènes Cf de résistance au champignon Cladosporium fulvum et Mi de résistance aux nématodes, pucerons et aleurodes colocalisent sur le chromosome T6 de la tomate.

Des colocalisations entre gènes majeurs et QTL ont été observées chez différentes espèces

comme le riz, le maïs et la pomme de terre (Wang et al. 1994 ; Xiao et al. 2007 ; Gebhardt et

Valkonen 2001). Les séquences analogues à des gènes majeurs (RGA pour Resistance

Gene Analogs), cartographiées par NBS-profiling ou RGA-PCR colocalisent aussi avec des

QTL chez de nombreuses espèces dont le piment (Pflieger et al. 1999), le Prunus (Decroocq

et al. 2005) et le pommier (Calenge et al. 2005b). De plus, comme pour les gènes majeurs,

certains QTL sont isolat- ou race-spécifiques, par exemple chez le piment (Caranta et al.

1997), l’orge (Parlevliet 1978 ; Marcel et al. 2007), le melon (Perchepied et al. 2005) et le

pommier (Calenge et al. 2004).

Ces observations suggèrent que les gènes sous-jacents aux QTL auraient des

caractéristiques communes avec les gènes majeurs, que ce soit au niveau de leur nature

moléculaire ou de leur fonction. Cette hypothèse est confirmée par la caractérisation

moléculaire d’un QTL de résistance polygénique à l’anthracnose chez le maïs dont le gène

sous-jacent, Rcg1, appartient à la classe des NBS-LRR (Broglie et al. 2008) (Encart 1). De

même, un variant allélique (pvr23) du gène majeur récessif pvr21 a été détecté comme un

QTL (Caranta et al. 1997 ; Ruffel et al. 2002). L’allèle récessif pvr23 explique une part


13

importante de la variabilité phénotypique (jusqu’à 62%) et code, comme pvr21, pour un

facteur d’initiation de la traduction (eIF4E). Une mutation chez l’allèle de résistance ne

permet plus l’interaction avec la protéine virale (VPg) et empêche la multiplication du virus

dans la plante.

Encart 1 Rcg1, un gène sous-jacent à un QTL cloné appartient à la classe des NBS-LRR (Broglie et al. USA Pioneer patent)

Clonage positionnel d’un QTL de résistance à l’anthracnose du maïs

L’anthracnose du maïs, causée par le champignon pathogène Colletotrichum graminicola, est l’une des plus importantes maladies du maïs dans le monde. En utilisant des données de phénotypage et de génotypage d’une grande population de cartographie, ainsi que les données de bases publiques et privées de cartes génétiques et physiques, la région du QTL a pu être restreinte à 2 BAC. En utilisant des sondes « overgo » dérivées des séquences de ces BAC, un gène candidat, Rcg1, présentant des homologies avec des gènes de résistance chez le riz, a été trouvé. La validation de ce gène a été réalisée par une stratégie « knockout ». (Wolters et al. 2006). Ce gène code pour une protéine de type NBS-LRR. Sa fonction exacte n’a pas été rapportée (Broglie et al. 2008).

Ces observations abondent dans le sens d’une proposition suggérée par Niederhauser

inspirée des travaux de Flor (1971) sur les interactions spécifiques gène-pour-gène (Turner

2008). Selon cette proposition, chaque gène majeur de résistance spécifique monogénique

confère à la plante la capacité à reconnaître un effecteur du pathogène libéré dans les

cellules pendant l’invasion et à répondre rapidement à l’infection en développant des

mécanismes de défense spécifiquement adaptés ou généraux. Lorsque de nouvelles races

de pathogènes apparaissent, suite à des variations génétiques qui suppriment cet effecteur

du répertoire du pathogène, le rôle du gène majeur correspondant, qui servait de sentinelle

d’alerte pour initier la réponse HR, est ainsi neutralisé. Cependant, d’autres formes de

défense, moins rapides et moins ciblées peuvent prendre le relais, notamment dans le cas

d’une moins bonne affinité entre l’effecteur du pathogène et la protéine de reconnaissance

de la plante, constituant ainsi la résistance partielle. La réponse spécifique HR serait donc

une forme très accélérée des réactions de défense non-spécifiques et universelles chez les

plantes.

b- Les gènes des résistances polygéniques sont impl iqués dans les voies de

signalisation.

Les gènes impliqués dans les voies métaboliques des phyto-hormones sont souvent des

gènes impliqués dans les mécanismes de défense en aval de la reconnaissance du

pathogène. Un gène sous-jacent à un QTL de résistance polygénique à Magnaporthe grisea

et Xanthomonas oryzae pv. oryzae chez le riz est un gène qui possède un domaine WRKY


14

et qui code pour un facteur de transcription impliqué dans les voies de signalisation régulées

par l’acide salicylique et l’acide jasmonique (Qiu et al. 2007).

c- Les gènes des résistances polygéniques sont impl iqués dans d’autres mécanismes

de défense de la plante.

De nombreux cas de gènes de défense PR (Pathogenesis-Related) colocalisent avec des

QTL (Xu et al. 2007 ; Pflieger et al. 2001). En particulier, des membres de la famille des

glutathion S-transferases (GST), au rôle protecteur des cellules végétales pendant le

dialogue moléculaire avec le pathogène, colocalisent avec des QTL de résistance chez le riz

(Dean et al. 2005). Des gènes candidats positionnels de QTL de résistance à Puccinia

hordei chez l’orge sont des gènes de défense identifiés comme étant des peroxydases, une

superoxide dismutase et une thaumatine impliquées dans les mécanismes de défense de la

plante (Marcel et al. 2007).

Le gène Lr34, sous-jacent à un QTL de résistance oligogénique à la rouille du blé a été cloné

et caractérisé comme étant un transporteur ABC (adénosine triphosphate-binding cassette)

dont la fonction reste encore à déterminer. Son homologue le plus proche chez Arabidopsis

serait impliqué dans la translocation dans l’apoplaste de composés toxiques dérivant des

glucosinolates (Krattinger et al. 2009).

d- Les gènes des résistances polygéniques sont liés au stade de développement de la

plante.

Des QTL de résistances polygéniques peuvent être liés au stade de développement de la

plante. Cela suggère une expression différentielle dans le temps des gènes sous-jacents aux

QTL et donc sur une action de régulation, ce qui ne présuppose pas l’implication de gènes

de type NBS-LRR, connus pour être davantage impliqués dans la reconnaissance spécifique

du pathogène. Dans le cas de la résistance à la rouille jaune chez le blé, des QTL différents

été détectés aux stades jeune et adulte (Mallard et al. 2005 ; Uauy et al. 2005). La résistance

à haute température à la rouille jaune du blé au stade adulte est polygénique et la plus

grande part de la variation observée est expliquée par un QTL dont la présence dans les

lignées isogéniques permet d’augmenter le rendement de 15% (Uauy et al. 2005). Le gène

sous-jacent à ce QTL, Yr36, code pour une protéine comportant un domaine kinase et un

domaine START de liaison aux lipides (Fu et al. 2009). Sa fonction précise est encore

inconnue. Chez le tabac, les QTL de résistance à Phytophthora nicotianae sont détectés au

stade de floraison (Hugot et al. 2004).

Chez la pomme de terre, la résistance polygénique à Phytophthora infestans est très

souvent associée à la maturité de la plante, les génotypes les plus tardifs étant très souvent

les plus résistants. Au niveau génétique, on observe plusieurs colocalisations de QTL de


15

maturité avec des QTL ou gènes majeurs de résistance à P. infestans, en particulier au

niveau d’un cluster de gènes du chromosome V. Des études supplémentaires sont

nécessaires pour déterminer les relations entre les gènes responsables de ces deux

caractères (Visker et al. 2003 ; Bormann et al. 2004 ; Bradshaw et al. 2004 ; Visker et al.

2005).

e- Les résistances polygéniques sont contrôlées par des gènes à la nature

moléculaire encore inconnue

Parmi les QTL de résistance à la pyriculariose du riz clonés, le locus récessif pi21 n’a

aucune homologie avec un gène majeur de résistance ni même avec un gène de défense

connu (Fukuoka et Okuno 2001). De même, un autre QTL, pi34, cartographié dans un

segment de 65kb n’a pas d’homologie avec des gènes de défense connus (Zenbayashi-

Sawata et al. 2007).

Quelques hypothèses sur la nature des gènes responsables des résistances polygéniques

ont donc pu être confirmées par le clonage effectif de QTL. Ces premiers résultats montrent

que les gènes sous-jacents aux QTL des résistances polygéniques peuvent être les mêmes

que ceux contrôlant les résistances monogéniques mais laissent également supposer que

d’autres types de déterminants génétiques puissent contrôler les résistances polygéniques.

Pour continuer à avancer dans la compréhension des bases moléculaires des résistances

polygéniques et pour faciliter leur exploitation en création variétale, il est nécessaire d’utiliser

des méthodes fiables et précises de détection des locus qui les contrôlent.

I.2 Comment détecter les « vrais » QTL ?

Les caractères polygéniques s’expriment très généralement sous une forme quantitative

dans une population en ségrégation, les locus responsables étant ainsi définis comme des

QTL (Quantitative Trait Locus). La détection de tous les QTL contrôlant un caractère

polygénique dépend de la fiabilité et de la précision des différentes étapes qui aboutissent à

leur identification. Ces étapes vont du phénotypage des plantes à la localisation des QTL sur

le génome, en passant par la mise en place des schémas de croisements et des outils

statistiques de détection de QTL. Les choix effectués à ces différentes étapes doivent être

optimaux pour expliquer de la manière la plus complète possible la variabilité génétique

responsable de la variabilité phénotypique observée. L’ensemble de ces étapes est

présentée sur la Figure I.3.


16

Le phénotypage des individus de la population d’étude est déterminant pour obtenir une héritabilité forte et stable, quelque soit l’environnement. En analyse de liaison, le facteur limitant est la variabilité allélique. Il faut opter pour des plans de croisement qui optimisent la puissance de détection de QTL, réduisent le risque de détecter de faux-positifs et maximisent le polymorphisme. En analyse d’association, la contrainte majeure est de minimiser la structuration de la population. Les méthodes de détection de QTL mises au point en analyse de liaison sont variées. Leur choix dépend beaucoup du type de croisement adopté, du dispositif expérimental, de la densité de marqueurs dont on dispose et de la précision de détection de QTL que l’on souhaite obtenir. Certains points sont à considérer avec attention lors de l’interprétation des résultats dont les interactions épistatiques. Si l’ensemble de ces conditions sont respectées, on peut avoir confiance dans les QTL détectés et avoir une idée précise de leurs effets. Les QTL aux effets les plus forts, peuvent alors faire l’objet d’analyses approfondies, notamment le clonage du ou des gènes sous-jacents.

Figure I.3 Les méthodes pour détecter les « vrais » QTL

dissection en composantes simples (dans le temps, selon l’organe ou les tissus etc.)

ANOVA IM CIM MIM génétique d’association

populations bi-parentales

Pseudo-F1(parents hétérozygotes)

F2 BC RIL

croisements connectés

Plan diallèle

ANALYSE de LIAISON

analyse conjointe

Meta-analyse

Approche gènes candidats à partir des bases de données disponibles

Analyse en pedigree

Clonage positionnel : densification en marqueurs de la zone des QTL (bases de séquences, synténie), analyses d’haplotypes

Distorsion ségrégation des

marqueurs

Interactions avec environnement et fond génétique

Epistasie

ATTENTION

HD

� Explication fiable et complète de la variation génétique responsable de la variation phénotypique observée (forte héritabilité)

répétitions (espace, temps)

témoinsschéma/design

1-Evaluation phénotypique

obtenir un moyen d’évaluation fiable, complet, reproductible et facile à mettre en oeuvre

Mesure du caractèreDispositif expérimental

2- Schémas de croisementmaximiser le taux de polymorphisme

Plan factoriel

(lignées parentales)

2- Population naturelle population non structurée, fort

déséquilibre de liaison

ANALYSE d’ASSOCIATION

3- Méthodes de détection des QTLchoix de la méthode la plus fiable et la mieux adaptée au

schéma de croisement/stratégie de cartographie

-cartographie des « vrais » QTL -réduction de l’intervalle de confiance

dissection en composantes simples (dans le temps, selon l’organe ou les tissus etc.)

ANOVA IM CIM MIM génétique d’association

populations bi-parentales

Pseudo-F1(parents hétérozygotes)

F2 BC RIL

croisements connectés

Plan diallèle

ANALYSE de LIAISON

analyse conjointe

Meta-analyse

Approche gènes candidats à partir des bases de données disponibles

Analyse en pedigree

Clonage positionnel : densification en marqueurs de la zone des QTL (bases de séquences, synténie), analyses d’haplotypes

Distorsion ségrégation des

marqueurs

Interactions avec environnement et fond génétique

Epistasie

ATTENTION

HD

� Explication fiable et complète de la variation génétique responsable de la variation phénotypique observée (forte héritabilité)

répétitions (espace, temps)

témoinsschéma/design

1-Evaluation phénotypique

obtenir un moyen d’évaluation fiable, complet, reproductible et facile à mettre en oeuvre

Mesure du caractèreDispositif expérimental

2- Schémas de croisementmaximiser le taux de polymorphisme

Plan factoriel

(lignées parentales)

2- Population naturelle population non structurée, fort

déséquilibre de liaison

ANALYSE d’ASSOCIATION

3- Méthodes de détection des QTLchoix de la méthode la plus fiable et la mieux adaptée au

schéma de croisement/stratégie de cartographie

-cartographie des « vrais » QTL -réduction de l’intervalle de confiance


17

I.2.1 L’évaluation phénotypique des caractères quantitatifs

I.2.1.1 La mesure précise du caractère

La fiabilité de la détection de QTL est tout d’abord conditionnée par une évaluation

phénotypique précise du caractère. Pour certains caractères quantitatifs tels que le

rendement, l’évaluation peut se faire avec des outils de mesure relativement simples à

utiliser et précis (balance pour mesurer le poids par exemple). Cependant, pour la majorité

des caractères, comme la résistance aux maladies ou le développement racinaire, les

observations sont souvent délicates à effectuer, surtout pour des évaluations au cours du

temps (surface des nécroses ou densité de racines par exemple). Pour simplifier la mesure

on a recours à des classifications semi-quantitatives, beaucoup moins précises que des

valeurs exactes.

De nouvelles technologies d’analyse d’images, non-destructrices, ont été mises au point

pour faciliter le phénotypage et augmenter la précision de l’évaluation. Il s’agit de machines

perfectionnées comme Scanalyzer 3-D (LemnaTec) ou TraitmillTM (Reuzeau et al. 2006) qui

utilisent différentes longueurs d’ondes (proche infrarouge par exemple) et photographient les

plantes quotidiennement. Chaque image est analysée instantanément et renvoie une valeur

correspondant à la mesure du caractère prédéfini. De plus, la machine Scanalyzer 3-D est

installée dans une serre équipée d’un système de logistique automatisée où les plantes sont

déplacées régulièrement par des robots et photographiées par des caméras détectrices de

mouvements. Ce système permet non seulement d’homogénéiser les conditions de mesure

(comme éliminer le biais dû au notateur, aux effets d’emplacement de la plante dans le

dispositif comme les bordures, la compétition avec les autres plantes), mais aussi de noter

un plus grand nombre de plantes (Photos I.1 à I.3).

Photo I.1 Prise de vue d’Arabidopsis pour l’étude du développement de la plante avec la caméra de Scanalyzer (technologie LemnaTec)


18

2a 2b Photos I.2a et 2b Serre automatisée de plateforme de phénotypage de plants de maïs (2a) où les plantes défilent sur un tapis roulant qui les mêne à la cellule de prise de vue équipée d’une caméra à ondes multiples (2b) (technologie TraitMillTM)

Photos I.3 Feuilles infectées. A gauche : photo classique ; à droite : photo après analyse d’image Scanalyzer (technologie LemnaTec)

I.2.1.2 La mesure complète du caractère par sa décomposition en

composantes élémentaires

Pour que la variabilité observée reflète le plus possible la variabilité génétique, l’évaluation

doit être complète et basée sur des variables héritables. Pour cela, on a souvent recours à la

décomposition du caractère d’étude en plusieurs composantes élémentaires, peu corrélées

et facilement mesurables en conditions contrôlées. Pour la résistance aux maladies,

plusieurs niveaux de décomposition peuvent être effectuées : selon l’organe infecté et selon

le stade du processus infectieux. Cette décomposition a montré son efficacité pour l’étude de

la résistance polygénique à Phytophthora capsici chez le piment basée sur la mesure de la

longueur de nécrose le long de la tige (Lefebvre et Palloix 1996, Photo I.4) ainsi qu’à la

rouille des céréales et du peuplier, où la résistance a été subdivisée en composantes

épidémiologiques comme le taux de sporulation ou la période de latence (Parlevliet et

Ommeren 1975 ; Dowkiw et al. 2003).

Photo I.4 Mesure de la longueur de nécrose sur tige en conditions contrôlées pour l’évaluation de la résistance polygénique aux Phytophthora. Ce type de mesure permet de décomposer le caractère quantitatif de la résistance en plusieurs variables élémentaires selon la cinétique d’évolution de la nécrose sur la tige, ici sur piment (Lefebvre et Palloix 1996).


19

I.2.1.3 Des populations de grandes tailles avec répétitions

Plus la taille de la population est importante, plus la puissance de détection des QTL à effets

faibles est grande et plus l’estimation de l’effet est précise (Beavis 1998 ; Darvasi et al. 1993,

Figure I.4). A contrario, pour les populations de petites tailles, l’effet d’échantillonnage

induirait la détection de « faux » QTL (Bernardo 2004 ; Holland 2007). De plus,

l’augmentation du nombre de répétitions dans différents environnements et au sein de

chaque test permet de rendre plus fiable l’estimation de l’héritabilité d’un caractère

polygénique.

Ainsi, les populations de grandes tailles et la répétition des tests sont des paramètres

importants à considérer dans la mise en place des études de caractères polygéniques pour

permettre la détection fiable et la plus complète possible des QTL.

Figure I.4 Puissance de détection de QTL en fonction de la taille de la population et l’héritabilité, selon nombre de QTL contrôlant le caractère (d’après Beavis 1998).


20

I.2.2 La cartographie de QTL

Par la cartographie de QTL, on cherche à savoir si la variation génétique de marqueurs liés

(ou haplotypes) est significativement associée à la variation phénotypique des individus

d’une population et dans quelle mesure cette liaison a lieu (effet du QTL).

Il existe deux méthodes de cartographie de QTL:

- la cartographie par liaison, qui se base sur des populations de cartographie issues de

croisements entre parents connus ;

- la cartographie par association, qui se base sur une population non structurée d’individus

représentatifs de la diversité existante pour l’espèce d’étude.

I.2.2.1 La cartographie de QTL par analyse de liaison : utilisation de

populations artificielles

� Les méthodes de cartographie de QTL en schéma de populations bi-parentales

La cartographie de QTL par analyse de liaison requiert :

-une descendance en ségrégation pour le caractère d’étude (une centaine d’individus

minimum);

-une carte génétique assez dense de cette même population (1 marqueur tous les 10 cM

généralement mais ce taux peut être plus lâche, Darvasi et al. 1993).

Différents types de populations et de schémas de croisements bi-parentaux, c’est-à-dire

impliquant uniquement deux parents, sont utilisés. Les parents sont souvent non apparentés

et présentent de grandes différences phénotypiques pour le caractère d’étude pour

maximiser le polymorphisme des marqueurs. Chez les espèces autogames ou autogames

facultatives, des croisements sont réalisés entre parents homozygotes (lignées), ils sont

appelés « inbreds ». Différents types de croisements sont effectués sur les descendants, soit

avec l’un des deux parents (rétrocroisement ou back-cross, BC) ou par autofécondations

successives des descendants. On obtient alors des populations de cartographie BC, Fi (i

pour le numéro de la génération), RIL (Recombinant-Inbred Line). Pour obtenir plus

rapidement des individus homozygotes, des techniques d’haplo-diploïdisation sont utilisées,

donnant lieu à des populations haploïdes-doublées (HD). Chez les espèces strictement

allogames ou les ligneuses pour lesquelles les cycles de génération sont très longs, les

populations de cartographie sont issues de la première génération de croisement de deux

génotypes (ou clones) hétérozygotes (Figure I.5). Pour ces croisements particuliers, appelés

« outbreds», les cartes génétiques sont généralement construites en suivant la stratégie du


21

pseudo-testcross (Grattapaglia et Sederoff 1994). Cette stratégie repose sur le fait que des

marqueurs hétérozygotes chez un parent et absents (allèle nul) chez l’autre parent ségrégent

selon le rapport 1:1 (présence : absence de la bande sur le gel) dans la population pseudo-

F1 en suivant la configuration du testcross (croisement d’une plante hétérozygote avec une

plante homozygote au locus étudié). Les cartes génétiques sont alors construites

indépendamment chez chacun des deux parents, chaque carte étant composée des

marqueurs hétérozygotes du parent correspondant.

Figure I.5 Types de populations bi-parentales utilisées pour la détection de QTL (d’après Collard et al. 2005)

Le phénotypage est réalisé sur les clones des individus génotypés ou bien sur les familles

obtenues après autofécondation des individus génotypés et qui représentent, en moyenne, la

valeur de l’individu autofécondé (en cas d’additivité seulement).

Il existe plusieurs méthodes statistiques de détection de QTL, la plus ancienne et la plus

simple étant la régression linéaire (marqueur par marqueur). D’autres méthodes statistiques

plus sophistiquées sont l’IM (Interval Mapping, Lander et Botstein 1989), la CIM (Composite

Interval Mapping, Zeng 1994), la BIM (Bayesian Interval Mapping, Sen et Churchill 2001) et

la MIM (Multiple Interval Mapping, Jansen 1993) (Tableau I.3).


22

Tableau I.3 Méthodes de détection de QTL et logiciels utilisés (d’après Collard et al. 2005). Les méthodes Simple Marker Analysis, IM et CIM sont encore les plus couramment utilisées. Méthode statistique

Description de la méthode Logiciel utilisé

Simple Marker

Analysis

Cette méthode inclut le test-t, analyse de variance (ANOVA) et la régression linéaire. La position des marqueurs n’est pas nécessaire.

Tout logiciel statistique (R, SAS) QGene (Nelson 1997) MapManager QTX (Manly et al. 2001_n’est plus diffusé)

IM

(Interval Mapping)

Plus puissante que la Simple Marker Analysis, car, sur la base d’une carte génétique, l’IM tient compte des intervalles entre marqueurs générant ainsi un profil de LOD (Log of the Odds Ratio) par groupe de liaison. Le test statistique correspondant se base sur le maximum de vraisemblance (Lander et Botstein, 1989). Le seuil de détection du QTL est arbitraire (LOD>2 ou LOD>3) ou calculé après 1000 permutations.

MapMaker/QTL (Lincoln et al. 1993b) QGene (Nelson 1997) QTL Cartographer (Basten et al.1994, 1997)

CIM

(Composite Interval

Mapping)

Des marqueurs du fond génétique associés à des QTL à effet forts détectés lors d’une première analyse sont intégrés comme cofacteurs dans l’analyse IM (Jansen, 1993; Jansen & Stam, 1994; Zeng, 1993, 1994). On complète la détection avec des QTL à effets plus faibles.

QTL Cartographer (Basten et al. 1994, 1997) MapManager QTX (Manly et al. 2001_n’est plus diffusé) PLABQTL (Utz et Melchinger 1996)

MIM

(Multiple Interval

Mapping)

Cette méthode utilise des intervalles de marqueurs multiples pour adapter les QTL putatifs au modèle de cartographie des QTL. La MIM intègre les interactions épistatiques (Kao et al. 1999) cf Encart 2

QGene (Nelson 1997) QTL Cartographer (Basten et al. 1994, 1997)

BIM

(Bayesian Interval

Mapping)

La méthode bayésienne est une méthode générale qui tient compte d’informations données a priori provenant généralement des résultats obtenus lors d’études préalables. Ces informations sont ensuite ajustées avec l’analyse des données de l’étude en cours pour donner une meilleure estimation du modèle.

QGene (Nelson 1997) R/qtlbim (Yi et al. 2005, 2007; Yandell et al. 2007)

SML

(Statistical Machine Learning)

Les données sont divisées en un set de « training » et un set de « testing ». Le premier set sert d’induction du modèle (création), le deuxième set permet de valider le modèle (Bedo et al. 2008).

Pas de logiciel disponible

La méthode Statistical Machine Learning (SML) est une méthode récente qui estime la

performance générale d’un QTL en divisant les données en un set de « training » et un set

de « testing ». Le premier set sert d’induction du modèle (création), le deuxième set permet

de valider le modèle ainsi créé (Bedo et al. 2008). Cette méthode repose sur la contribution

de chaque marqueur à la performance du modèle, celle-ci étant déterminée au cours d’une

procédure d’élimination progressive des marqueurs avec le set « testing ». Cette méthode

permet de réduire le risque de détecter des faux-positifs. La position des marqueurs sur la

carte génétique n’est pas requise, ce qui rend cette méthode applicable à la cartographie

d’association (cf § I.2.2.2).


23

� Les limites de la cartographie de QTL détectés en populations bi-parentales

D’une population bi-parentale à l’autre, il a été observé que les QTL d’un même caractère ne

sont pas toujours détectés aux mêmes locus (Beavis et al. 1998). Cela peut s’expliquer tout

d’abord par l’absence de contraste allélique au locus dans une population donnée qui existe

par ailleurs dans d’autres populations, permettant ainsi la détection du QTL correspondant.

D’autres raisons sont l’effet d’échantillonnage de populations à taille limitée, mais aussi la

trop faible densité de marqueurs, l’hétérogénéité des allèles aux locus, leur polymorphisme

réduit à cause du faible nombre de générations et donc de méioses, l’influence de

l’environnement et le phénomène d’épistasie qui, selon les allèles en présence dans le fond

génétique, peut masquer ou mettre en valeur des QTL (Kroymann et Mitchell-Olds 2005 ;

Holland 2007). Pour l’étude de la quantité d’huile dans la graine et le rendement du grain de

maïs, des analyses récentes sur de grandes populations ont révélé des architectures

génétiques beaucoup plus complexes que celles décrites avec des populations de taille

modeste (Laurie et al. 2004 ; Schon et al. 2004). De plus, l’analyse d’une population bi-

parentale révèle la ségrégation d’un nombre très réduit d’allèles au QTL (2 dans le cas d’une

espèce diploïde), ce qui limite le champ d’investigation de la variabilité du caractère. Enfin, le

nombre de méioses intervenues pour engendrer les populations bi-parentales étudiées est

faible (peu d’études vont au-delà de la 3ème génération) et de longs segments haplotypiques

ségrégent ensemble, ce qui génère souvent des intervalles de confiance de QTL de 10 à 20

cM (Darvasi et al. 1993).

L’effet d’un QTL (R²) est la part de la variation phénotypique expliquée par la variation

génotypique au locus. Quels que soient l’espèce et le caractère étudiés, on détecte très

souvent, dans les populations bi-parentales, un nombre limité de QTL à effet fort, un nombre

relativement plus important de QTL à effet modéré et un large cortège de QTL à effet faible

(Lefebvre et Chèvre 1995 ; Salvi et Tuberosa 2005). Bost et al. (2001) démontrent, en

s’appuyant sur des simulations, que cette distribution en L est due au déséquilibre de liaison,

aux effets de l’environnement et à la taille de la population d’étude. Kearsey et Farquhar

(1998) ont dressé un bilan des QTL détectés chez les plantes à partir de 176

expérimentations. Ce bilan montre également que plus le nombre de QTL détectés est

important, mieux la variance phénotypique totale est expliquée et plus les effets individuels

sont faibles (Figure I.6). La part de variation résiduelle non expliquée par les QTL détectés

peut s’expliquer par la présence de QTL à effets faibles qui n’ont pas pu être détectés au

seuil choisi (erreur de type II = non-détection de vrais positifs) mais aussi par les

phénomènes d’épistasie entre locus (Holland 2007). En revanche, la distorsion de

marqueurs ou les données manquantes peuvent biaiser la détection de QTL et faire

apparaître de faux-positifs (erreurs de type I = détection de QTL à tort, Bernardo 2004).


24

Ces limites observées chez les populations bi-parentales ont motivé l’intérêt pour la mise en

place de méthodes statistiques de compilation de données ou basées sur des schémas de

croisements plus sophistiqués.

e

Figure I.6 Synthèse des propriétés des QTL à partir des résultats de 176 expérimentations chez les plantes (d'après Kearsey et Farquhar 1998)

(a) Distribution du nombre de QTL détectés; (b) Proportion de la variation phénotypique totale (Vp) expliquée, (c) Relations entre le nombre de QTL et la proportion de Vp expliquée; (d) Variance expliquée par les QTL individuels; (e) Proportions des QTL additifs (A), dominants (D) ou superdominants (OD)


25

� La compilation de données QTL : méta-analyse de populations bi-parentales et analyse

conjointe en schéma de populations connectées

Le champ d’inférence des QTL détectables peut être élargi en compilant les données de QTL

issues de différentes études de populations indépendantes en schéma de croisement multi-

parental (méta-analyse) ou connectées par des parents communs en schéma de croisement

diallèle ou factoriel (analyse conjointe).

La méta-analyse est la compilation statistique de nombreuses données indépendantes se

rapportant à un même sujet. L’objectif de la méta-analyse de QTL est de déterminer si

plusieurs QTL cartographiés dans la même région sur deux cartes indépendantes sont les

mêmes (on appelle alors ce locus « méta-QTL ») ou s’ils correspondent à des locus

différents. La méta-analyse de QTL a été notamment implémentée dans les

logiciels Biomercator (Arcade et al. 2004) et MetaQTL (Veyrieras et al. 2007). La méthode

implémentée dans Biomercator se base sur le critère de classification Akaike modifié qui

permet de choisir le modèle le plus probable entre un méta-QTL à 1 QTL, 2 QTL, 3 QTL etc.

(Goffinet et Gerber 2000). Avec cette méthode, il n’est pas possible de modéliser plus de 4

méta-QTL par chromosome. La méthode implémentée dans MetaQTL améliore celle de

Biomercator en intégrant une approche particulière de mélange de gaussiennes avec

variances connues. Le nombre optimal de méta-QTL correspondant à la distribution des QTL

est déterminé à l’aide de critères usuels de choix de modèle fondé sur une vraisemblance

pénalisée (comme AIC ; Veyrieras et al. 2007). La première étape de la méta-analyse de

QTL est la projection par homothétie des QTL des différentes analyses sur une même carte

de référence. Dans Biomercator, la carte de référence utilisée est une carte génétique dense

construite avec les données de génotypage d’une population de cartographie disponible pour

l’espèce considérée. Les QTL issus des autres cartes sont alors projetés sur cette carte de

référence grâce aux marqueurs communs. Dans MetaQTL, la carte de référence est une

carte consensus construite à partir de l’ensemble des positions des marqueurs des cartes de

QTL intégrées dans la méta-analyse. La carte consensus obtenue se base sur les

marqueurs communs qui existent entre les différentes cartes. Elle requiert l’établissement

d’un chemin de connexion ininterrompu entre les cartes, passant par les marqueurs

communs. Tous les marqueurs des cartes intégrées dans l’analyse sont donc positionnés sur

cette carte consensus. Leurs positions sont calculées à partir de leurs positions des cartes

d’origine avec la méthode des moindres carrés pondérés. Les QTL des différentes études

sont ensuite projetés par homothétie sur cette carte consensus.

La méta-analyse a par exemple été utilisée pour étudier l’architecture génétique de la date

de floraison chez le maïs (Chardon et al. 2004 ; Veyrieras et al. 2007) et la résistance à

Magnaporthe grisea chez le riz (Ballini et al. 2008). L’inconvénient de cette méthode est


26

qu’elle se base sur des données qui sont déjà le produit d’analyses de détection de QTL et

non sur les données brutes de génotypage et phénotypage. Le corollaire est que les QTL

sont considérés comme indépendants les uns des autres alors que des relations de parenté

ou d’autres points communs entre les différentes études pourraient augmenter la puissance

de l’analyse. Une autre conséquence est que les effets d’épistasie ne sont pas pris en

compte.

L’analyse conjointe des données brutes (génotypage et phénotypage) de multi-populations

connectées par des parents communs (schémas diallèles et factoriels, Figure I.7) permet

d’exploiter complètement les informations génétiques en tenant compte à la fois des liens

d’apparentement des génotypes parentaux et des marqueurs communs (Blanc et al. 2006).

Ce type d’analyse incorpore de manière explicite la variabilité génétique dans le modèle et

permet d’identifier les allèles spécifiques de chaque parent, leurs effets individuels et de

tester à plus grande échelle les effets d’épistasie des QTL entre eux et avec le fond

génétique. Le logiciel MC-QTL (Jourjon et al. 2005) a été mis au moins pour la détection de

QTL en schéma connecté pour les populations « inbreds » et récemment pour les

populations « outbreds ». Les analyses conjointes peuvent aussi prendre en compte les

pédigrées des lignées parentales (Bink et al. 2002) ou, s’ils ne sont pas disponibles,

modéliser les liens d’apparentement avec les données de marqueurs du fond génétique

(Crépieux et al. 2005), permettant ainsi de mieux estimer les effets des allèles aux QTL.

G3

G2

G1

G3G2G1♂

♀

G3

G2

G1

G3G2G1♂

♀

Plan de croisement diallèle Plan de croisement factoriel

G3

G2

G1

G6G5G4♂

♀

G3

G2

G1

G6G5G4♂

♀

Figure I.7 Schémas de croisements diallèle et factoriel Dans un plan de croisements diallèle complet, toutes les combinaisons de croisements sont réalisées, les croisements réciproques compris. Dans un plan de croisements factoriel, tous les mâles sont croisés avec toutes les femelles mais il n’y a pas de croisements réciproques.


27

I.2.2.2 La cartographie de QTL par analyse d’association : utilisation de

populations naturelles

Le principe de la cartographie de QTL par analyse d’association repose sur la recherche

d’une association statistique entre le polymorphisme allélique et la variation phénotypique au

sein d’une population de plantes non apparentées et aux différentes origines. Parmi les

populations utilisées, on trouve les collections de centres de ressources génétiques, les

lignées utilisées en sélection ou des populations mutagénisées comme pour le TILLING. En

effet, même si le premier objectif des travaux de TILLING n’est pas de faire des analyses

d’association, on peut observer l’effet de la variation allélique à un locus sur la variation

phénotypique et déceler ainsi d’éventuelles associations. Les populations naturelles sont

issues de multiples générations qui se sont produites entre l’époque de leur plus proche

ancêtre commun et l’époque actuelle. Ainsi, de nombreuses recombinaisons et mutations ont

eu lieu, générant un polymorphisme allélique au sein de blocs de génomes restés communs

entre les différentes plantes. Pour que la détection de QTL soit efficace et fiable, il faut que la

densité de marqueurs, et que le déséquilibre de liaison (LD pour Linkage Desequilibrium)

entre les marqueurs et la région du génome étudiée soient forts et que la population naturelle

ne soit pas structurée pour éviter de fausses associations génotype-caractère (faux positifs).

La significativité de l’association est basée sur un rapport de probabilités (Pritchard et al.

2000). Cette méthode a par exemple été explorée chez la pomme de terre pour la résistance

à P. infestans et aux nématodes (Gebhardt et al. 2004; Achenbach et al. 2009).

Une méthode récente consiste à identifier les gènes d’intérêt par l’observation de signatures

de sélection. La théorie sous-jacente est que les locus qui ont été les cibles de la sélection

(domestication et amélioration) présentent une faible diversité nucléotidique et un LD fort.

Cette méthode ne peut cependant s’appliquer qu’à certaines espèces comme le maïs dont

l’histoire démographique est bien connue et peut être prise en compte. De plus, les épisodes

de sélection doivent avoir eu lieu dans un passé suffisamment lointain pour que les

changements génétiques ou génomiques aient eu le temps de se faire (Takeda et Matsuoka

2008).

Une autre méthode permet de s’affranchir des biais de structuration en analysant les sous-

groupes de manière indépendante, puis en compilant l’ensemble des résultats en incorporant

les structures d’apparentement dans l’analyse (Yu et al. 2006). Une étude a étendu cette

approche à différents sets expérimentaux et constitue une approche par modèles mélangés

(mixed-model) selon laquelle les effets de structuration (pédigrées) mais aussi les effets de

l’environnement ont été conjointement modélisés (Malosetti et al. 2007).


28

L’ensemble des stratégies les plus couramment utilisées pour la détection de QTL sont

présentées selon le temps de recherche à investir pour les appliquer et la résolution des QTL

détectés Figure I.8 (Yu et Buckler 2006). Leur comparaison selon leurs avantages et leurs

inconvénients est présentée Tableau I.4.

Figure I.8 Stratégies les plus couramment utilisées pour la détection de QTL selon le temps de recherche à investir pour les appliquer et la résolution des QTL détectés (d’après Yu et Buckler 2006).

Tableau I.4 Avantages et inconvénients des différents types de schémas de croisement pour la détection de QTL et la sélection (d’après Janninck et al. 2008 ; Cavanagh et al. 2008 ; Yu et al. 2008)

Méthode de

détection de QTL

liaison association

Schéma de croisement Bi-parental Multi-parental Diallèle MAGIC Nested

Association

Population

naturelle

Nombre d’allèles faible fort fort fort fort fort

Puissance de détection

des QTL

faible à

intermédiaire

faible à

intermédiaire

fort fort fort fort

Potentiel pour la

cartographie fine de

QTL

faible faible intermédiaire intermédiaire fort fort

Epistasie QTL/QTL

Interaction QTL/fond

génétique

intermédiaire

faible

intermédiaire

faible

fort

fort

fort

fort

fort

fort

pas

d’épistasie

détectée

Temps nécessaire à

l’étude

long long long long long court

Utilisation en sélection faible intermédiaire fort fort fort fort


29

I.2.2.3 Combiner le meilleur des approches QTL et génétique d’association

Des populations issues de croisements complexes ont été créées pour la cartographie de

QTL afin d’augmenter le nombre de recombinaisons et la variabilité aux locus, comme des

populations avancées de RIL, dites AIC (Advanced Inter-Cross) ou MAGIC (Multi-Parent

Advanced Generation Inter-Cross) qui résultent de plusieurs cycles d’intercroisements avant

la série d’autofécondations qui fixent les génotypes (Darvasi et Soller 1995 ; Cavanagh et al.

2008, Figure I.9). Un nouveau type de population, la NAM (Nested Association Mapping), fait

intervenir un très grand nombre de lignées, dites fondatrices, qui sont croisées avec une

même lignée parentale (Yu et al. 2008). Une NAM de 5000 RIL chez le maïs a été produite

en croisant 25 parents avec un parent commun, chaque descendance fournissant 200 RIL

(source : http://www.panzea.org/info/RIL_phenotyping_press_rel.html). Ainsi, un grand

nombre d’allèles sont incorporés dans le pool de gènes de départ. Ces populations

permettent l’utilisation des méthodes de liaison et d’association.

Figure I .9 Schéma de croisement d’une population MAGIC (d’après Cavanagh et al. 2008)


30

I.2.3 Vers l’identification des gènes et des changements nucléotidiques

responsables du caractère quantitatif

Pour mieux comprendre les caractères complexes, il est nécessaire d’identifier les gènes

sous-jacents aux QTL, l’objectif ultime étant de déterminer précisément les variations

alléliques et mutations nucléotidiques responsables de la variation du caractère observée

(Fridman et al. 2004 ; Salvi et Tuberosa 2005).

Pour isoler le QTL, deux approches peuvent être employées : l’approche ‘gènes candidats’

avec la détermination des gènes pouvant être sous-jacents au QTL à partir des données

moléculaires disponibles, ou l’approche par clonage positionnel (Figure I.10). Pour cette

deuxième approche, il est tout d’abord nécessaire de cartographier finement le QTL. La

réduction de l’intervalle de confiance passe par la densification de la région du QTL en

marqueurs génétiques et par la constitution de populations de lignées quasiment

isogéniques pour la région du QTL (NIL pour Near-Isogenic-Line). La mendélisation du QTL

permet ainsi de gommer l’effet du fond génétique (Brouwer et St. Clair 2004; Szalma et al.

2007).

Figure I.10 Vers le clonage de QTL (d’après Salvi et tuberosa 2005)

Abbréviations : BAC : Bacterial Artificial Chromosome ; GS : Genomic Sequence ; LD : Linkage Desequilibrium ; MM : Molecular Markers ; NIL : Near Isogenic Line; Ph : Phénotyping; Prb: Probing with tagging agent (transposon); Str: Structure of a population; Sy: Synteny. Reverse Genetics comprend les strategies par transposon et T-tagging, TILLING, RNAi


31

L’élargissement des ressources génomiques et des technologies de biologie moléculaire

(microarrays de transcriptomes), exploitables chez plusieurs espèces grâce à la synténie,

aide de plus en plus à l’identification de gènes candidats et à la cartographie fine des QTLs.

En particulier, la technologie des microarrays qui permet de mesurer les niveaux de

transcrits dans des populations de cartographie est à la base de la cartographie de QTL

d’expression (eQTLs). Les eQTLs ont en effet été montrés comme étant fortement

héritables. La cartographie des eQTL est donc un moyen qui peut permettre de restreindre le

nombre de gènes candidats sous-jacents aux QTL de résistance détectés classiquement

(Kliebenstein 2009). Dans un premier temps, les cis-eQTL, eQTL dont les positions

correspondent à celles des QTL phénotypiques détectés pour le caractère mesuré,

permettent de définir une première liste de gènes candidats sous-jacents aux QTL déjà

cartographiés. Dans un second temps, les trans-eQTL, QTL dont les positions sur le génome

sont différentes de celles des QTL phénotypiques, désignent des locus dont le

polymorphisme influence les variations observées au niveau de la quantité de transcrits des

cis-eQTL et au niveau du phénotype général de la plante (Figure I.11). Des premières études

d’analyse de QTL d’expression pour la résistance aux maladies menées chez le blé pour la

résistance à la rouille jaune (Coram et al. 2008) et chez l’orge pour la résistance à la rouille

de la tige (Druka et al. 2008) ont montré que non seulement cette méthode fournit une

source importante de nouveaux marqueurs génétiques pour la cartographie fine des QTL,

mais s’avère particulièrement efficace pour déterminer de manière précise les gènes

candidats sous-jacents aux QTL et impliqués dans les réseaux de gènes qui contrôlent les

résistances polygéniques.

cis-eQTL chromosome trans-eQTL chromosome Figure I.11 Détection des eQTL : exemple pour la résistance polygénique à la rouille chez l’orge Les eQTL cartographiés au même locus que les QTL cartographiés avec les méthodes classiques de phénotypage sont les cis-eQTL, elles diffèrent des positions des trans-eQTL. Source : http://www.scri.ac.uk/research/genetics/GenomeBiology/eQTL


32

La localisation précise, voire même la caractérisation moléculaire des gènes sous-jacents

aux QTL contrôlant de manière significative les caractères d’intérêt est très utile en

amélioration des plantes pour mettre au point des marqueurs qui vont permettre de suivre

leur introgression dans des lignées élites au travers des différents croisements.

I.3 La sélection assistée par marqueurs des caractè res polygéniques

La sélection assistée par marqueurs (SAM) est une méthode qui utilise les données

moléculaires pour introgresser des QTL d’intérêt dans des génotypes élites. Elle s’utilise en

général en combinaison avec la sélection phénotypique classique. Il n’y aurait pas de valeur

minimum d’effet de QTL pour utiliser la SAM, certaines entreprises privées appliquent la

SAM à des QTL qui expliquent moins de 10% de la variation phénotypique (Hospital 2008).

L’intérêt porté à la SAM a démarré très vite après la publication de l’analyse QTL de

Paterson et al. (1988), et le nombre de publications sur la SAM a augmenté régulièrement

jusqu’à aujourd’hui.

I.3.1 Le principe de la SAM et méthodes utilisées

La SAM se base sur le déséquilibre de liaison entre les marqueurs et les QTL à introgresser.

Plusieurs méthodes sont employées en SAM. Dans le cas du back-cross assisté par

marqueurs (MABC, Figure I.12), un QTL d’un parent donneur est introgressé chez un parent

receveur qui est une variété élite. Les marqueurs permettent de contrôler à la fois la

présence du QTL cible au travers des rétrocroisements répétés avec le parent receveur et la

reconstitution du fond génétique du parent receveur avec des marqueurs du fond génétique.

Une autre méthode consiste à cribler des populations de type F2, F3, RIL, HD etc., issues du

croisement de parents élites, avec des marqueurs liés aux QTL d’intérêt (population

screening). Pour le pyramidage de QTL, deux lignées parentales (ou plus) sont croisées,

chaque lignée comprenant un ou plusieurs QTL d’intérêt, et seuls les descendants

comprenant le maximum de QTL cibles sont sélectionnés (Figure I.13). Ce procédé peut être

recommencé pendant plusieurs cycles avec à chaque fois de nouveaux donneurs. Un

exemple d’application efficace de MABC pour le pyramidage de plusieurs QTL est celui qui

concerne la résistance à P. capsici chez le piment (Thabuis et al. 2004b). Des schémas de

sélection plus complexes comprennent ceux basés sur la sélection récurrente (MARS pour

Marker-Assisted Recurrent Selection) où plusieurs cycles de sélections sont effectués sur

des croisements randomisés avec des marqueurs, et sur la sélection basée sur un index qui

combine les scores moléculaires et phénotypiques (Charmet et al. 1999).


33

Figure I.12 Principe de sélection basée sur le back-cross assisté par marqueurs (MABC) (d’après Collard et al. 2005) Un parent sensible (S) est croisé avec un parent résistant (R) et la plante F1 est autofécondée pour produire une population F2. Un marqueur robuste a été mis au point pour un QTL majeur contrôlant la résistance à une maladie (bande sur le gel désignée par la flèche). Le sélectionneur crible alors la population F2 avec ce marqueur et ne sélectionne que les génotypes présentant la bande cible (individus avec les flèches verticales vers le bas). 75% des plantes peuvent être éliminées après un cycle de sélection en MABC, ce qui fait gagner un temps considérable étant donné les quelques milliers de génotypes F2 à trier au départ.

Figure I.13 Pyramidage de QTL en création variétale (d’après Takeda et Matsuoka 2008) Le pyramidage de QTL comprend l’introduction de plusieurs caractères d’intérêt issus d’une gamme de variétés différentes dans une même variété élite que l’on cherche à améliorer. La position précise des QTL a été réalisée au préalable en utilisant des populations RIL ou des recombinants F2.


34

I.3.2 L’efficacité de la SAM et le bénéfice apporté à la sélection phénotypique

classique

La SAM s’est montrée efficace à de nombreuses reprises. Chez le pois, la résistance à la

sécheresse a pu ainsi être améliorée de 11% (Schneider et al. 1997). Chez la même espèce,

des marqueurs SCAR liés à un QTL de résistance à Xanthomonas campestris pv. phaseoli

expliquant jusqu’à 62% de la variation phénotypique ont été identifiés dans une population et

ont été efficacement transférés dans une autre population par la SAM (Yu et al. 2000).

Cependant, le succès de transfert diminue si les sources de résistance sont trop éloignées.

Pour le pyramidage assisté par marqueurs de QTL de rendement chez le riz, un QTL du

nombre de grains et un QTL de hauteur de plante ont été introgressés séparément dans le

même fond génétique. Des plantes présentant les deux types de caractères améliorés ont

ensuite été croisées pour donner des plantes au rendement globalement plus élevé que les

variétés existantes (Ashikari et al. 2005). D’autres exemples d’ « histoires à succès de la

SAM » sont présentés dans le Tableau I.5.

Tableau I.5 Quelques « Success stories » de la SAM (source : hospital.free.fr/fred/work//hdr/oral/sam.ppt) Espèce Caractère/objectif

de sélection Type de

population/schéma 1 Sélection 2 Nombre de

locus introgressés

Succès 3 référence

Orge Augmenter la résistance à la

rouille

BC+HD, introgression de gènes M+P 2 QTL oui Toojinda et

al. 1998

Orge Augmenter la qualité du malt

HD, screening de populations M+P 2 QTL

oui pour un QTL

seulement

Han et al. 1997

Orge Augmenter le rendement

HD, screening de populations M beaucoup de

QTL oui Zhu et al. 1999

Riz

Augmenter la profondeur des racines pour la résistance à la

sécheresse

HD, introgression et autofécondation M+P 4 fois 1 QTL

introgressé

oui pour un QTL

seulement

Shen et al. 2001

Riz Augmenter la

résistance au yellow mottle virus

Introgression et autofécondation M 2 QTL oui Ahmadi et

al. 2001

Maïs Augmenter la résistance à la

sécheresse

Introgression et autofécondation M 5 QTL oui Ribaut et

al. 2002

Tomate Augmenter la résistance à

différentes maladies

NIL, introgression et pyramidage de gènes M 5 QTL sur 4

chromosomes oui Lawson et al 1997

Tomate Augmenter la qualité organoleptique chez

la tomate MABC M 5 QTL oui Lecomte et

al. 2004

Piment Augmenter la résistance à

Phytophthora capsici HD+BC M 4 QTL oui Thabuis et

al. 2004 1 BC : Back-Cross, HD : Haploïde doublé, NIL : Near-Isogenic Lines 2 M: selection par marqueurs, P: selection phénotypique 3 on considère que la sélection a réussi lorsque l’introgression du QTL a eu lieu et a permis une augmentation significative du caractère ciblé sans nuire à d’autres caractères d’intérêt


35

La SAM permet d’éviter le fardeau génétique où des QTL indésirables sont physiquement

liés aux QTL d’intérêt (surtout valable dans le cas d’introgessions à partir d’espèces

sauvages). Chez la pomme de terre, comme chez la tomate, l’association de la résistance

polygénique à P. infestans avec des caractères de développement de la plante, notamment

la maturité tardive, est souvent rapportée comme très difficile à rompre en raison de la liaison

physique très étroite, voire la pléiotropie des gènes contrôlant ces deux caractères (Van Eck

and Jacobsen 1996 ; Collins et al. 1999 ; Visker et al. 2003, 2005 ; Brouwer et al. 2004 ;

Brouwer et St Clair 2004 ; Bormann et al. 2004 ; Bradshaw et al. 2004). L’association

indésirable de la résistance récessive à l’insecte Nasonovia ribisnigri de la laitue sauvage

Lactuca virosa avec diminution de la qualité de la laitue a pu être abolie avec la SAM lors de

son introgression avec l’aide de marqueurs flanquant le locus de résistance (Jansen 1996).

Par rapport à la sélection uniquement basée sur l’évaluation phénotypique (SP), la SAM

apporte un gain génétique par unité de temps en permettant de sélectionner les plantes à un

stade précoce de développement ou en raccourcissant le temps d’intervalle entre deux

générations. La SAM apporte aussi un gain génétique par unité de coût dans les cas où le

phénotypage est destructeur ou nécessite de grandes surfaces de test. La comparaison

entre la SAM et la SP en serre a montré que la SAM permettait de diminuer du tiers le coût

de la sélection en serre (Yu et al. 2000). La SAM est aussi la seule méthode qui permette de

sélectionner des combinaisons épistatiques favorables connues, comme cela a été démontré

pour l’amélioration de la résistance au Yellow mottle virus (YMV) chez le riz (Ahmadi et al.

2001) et pour la résistance à Phytophthora capsici chez le piment (Thabuis et al. 2004).

L’efficacité relative (ER) de la SAM par rapport à la SP augmente si l’héritabilité du caractère

baisse et si la part de la variance expliquée par les marqueurs augmente. La SP et surtout la

SAM, sont moins efficaces si les QTL sont en répulsion plutôt qu’en couplage. Aussi, l’ER de

la SAM diminue si le caractère est contrôlé par de nombreux QTL, et en particulier si son

héritabilité est faible. Cependant la SAM est moins affectée si la majorité de la variabilité est

expliquée par un nombre limité de QTL. Globalement, il a été montré que la SAM n’a un réel

avantage sur la SP que si le coût de phénotypage est plus élevé que celui du génotypage et

si la variance expliquée par les marqueurs est forte, comparée à celle de l’héritabilité. Enfin,

il a été montré que la SAM est plus efficace à court terme et moins à long terme car elle

sélectionne trop les QTL à effet fort et pas assez les QTL à effet faible (Hospital et al. 1997).

La SAM est aujourd’hui utilisée en routine dans des entreprises de sélection comme

Limagrain. L’exemple de la sélection pour le rendement du blé est présenté Figure I.14

(Poupard 2008).


36

800 F1�106 F2

1- Croisement

3- Sélection

6-Fixation

4- MABC 5- Pureté

7- Fingerprinting

2-S

cree

ning

MARS

3 plantes pour l’inscription

800 F1�106 F2

1- Croisement

3- Sélection

6-Fixation

4- MABC 5- Pureté

7- Fingerprinting

2-S

cree

ning

MARS

3 plantes pour l’inscription Figure I.14 Exemple de sélection SAM pour le rendement du blé chez Limagrain (d’après l’exposé de B. Poupard, ‘Sélection assistée par marqueurs, l’expérience de Limagrain sur le blé’, Journées Amélioration des Plantes du CIRAD, 3-4/12/2008, Montpellier) 1- Croisement : 3 schémas de SAM principalement utilisés (SSD, HD et pedigree) intégrés dans un schéma global de sélection récurrente assistée par marqueurs (MARS) 2- Screening : Sélection massive sur des critères de bases (architecture de la plante, résistance, qualité) avec des marqueurs-types. Les marqueurs sont des marqueurs génétiques du domaine public le plus souvent (publications dans des journaux spécialisés). A cette étape, un grain de chaque génotype est divisé en deux : un morceau pour l’extraction d’ADN afin de réaliser le marquage moléculaire et un morceau mis à germer afin de réaliser le phénotypage sur la même plante 3- Sélection des meilleures plantes correspondant aux critères pré-définis 4-MABC (Marker-Assisted Back-Cross) introgression des caractères d’intérêt dans des lignées élites par back-cross assisté par marqueurs. Pour cela, on utilise un marqueur du gène d’intérêt et un set de marqueurs du fond génétique pour retrouver le fonds génétique de la lignée élite. 5- Pureté : vérifier que la population est stable génétiquement 6- Fixation : comparer et contrôler le niveau de fixation du lot. Pour cela, on utilise un set de marqueurs et on regarde si une ségrégation a lieu dans la famille. 7- Fingerprinting: « profil génétique » des variétés. On compare le profil d’une lignée sur la base de profils connus. On intègre le fonds génétique comme cofacteur dans l’analyse pour détecter les QTL

Plusieurs facteurs, cependant, peuvent faire considérablement diminuer les effets bénéfiques

de la SAM. Il s’agit surtout des cas où les interactions épistatiques sont fortes, où les QTL

sont très influencés par l’environnement et le fond génétique, ce qui fait que les effets des

QTL sont très instables. De plus, le matériel utilisé choisi pour la SAM n’est pas toujours

adapté. Le matériel optimal serait une grande population avec un seul réplicat par génotype

alors que les sélectionneurs utilisent généralement des petites populations issues de

plusieurs croisements (Hospital 2008). Une solution pour augmenter la taille de la population

Sélection phénotypique

majoritaire

Sélection de plus en plus drastique avec marqueurs

moléculaires


37

serait alors d’incorporer les informations de pédigrées dans des populations déjà existantes

et ne pas créer de nouveaux croisements (Crépieux et al. 2004, cf § I.2.2.1).

Nous avons vu l’importance d’arriver à localiser précisément, à évaluer au plus juste ainsi

qu’à déterminer la nature et la fonction des facteurs génétiques qui contrôlent les résistances

polygéniques. Pour compléter leur étude et mieux cerner ces résistances, il est nécessaire

d’étudier également le contexte génétique de ces locus, c’est-à-dire leur organisation et leur

évolution à l’échelle du génome d’une espèce et entre espèces apparentées.


38

I.4 L’organisation structurale des locus de résista nce chez les plantes et

génomique comparative

I.4.1 Les clusters de gènes de résistance au sein du génome et évolution

L’organisation en clusters de gènes appartenant à des familles multigéniques, ou bien à

multiples copies présentant des domaines moléculaires semblables (ou RGA), est

caractéristique des gènes majeurs de résistance aux pathogènes chez les plantes. Il peut

alors s’agir soit d’une série allélique, soit d’un cluster de différents gènes. Un exemple de

série allélique est celui du locus L de résistance à Melampsora lini chez le lin qui contient au

moins 13 allèles fonctionnels. En revanche, pour le même pathosystème, il existe aussi des

clusters de différents gènes, comme dans le cas du locus M qui contient au moins 7 gènes

de résistance différents étroitement liés (Islam et Shepherd 1991). Il en est de même pour

les gènes Dm de résistance à Bremia lactucae chez la laitue (McHale et al. 2009). Il existe

également des clusters de gènes de résistance vis-à-vis de pathogènes différents. Chez la

pomme de terre, le cluster de gènes du chromosome V contient des gènes de résistance au

virus X, aux nématodes à kystes et à Phytophthora infestans (Gebhardt et Valkonen 2001,

Figure I.15). La plupart des clusters de gènes majeurs de résistance contiennent des gènes

de type NBS-LRR. Les clusters peuvent aussi contenir de nombreux homologues et des

pseudogènes (Pan et al. 2000).


39

Figure I.15 Répartition des locus de résistance aux bioagresseurs chez la pomme de terre (d’après Gebhardt et Valkonen 2001) Les 12 groupes de liaison correspondant aux 12 chromosomes de la pomme de terre sont présentés schématiquement. Les marqueurs-ancres avec la tomate sont indiqués à gauche des chromosomes. Les gènes majeurs et QTL de résistance vis-à-vis différents pathogènes de la pomme de terre (en police pleine) ou de la tomate, du tabac ou du piment (police ombrée) sont notés à des positions approximatives, relativement aux marqueurs-ancres. Différentes couleurs désignent le type de pathogène : vert pour les gènes de résistance aux champignons et oomycètes, rouge pour les gènes de résistance aux nématodes et pucerons, bleu pour les gènes de résistance au virus. Les régions des QTL de résistance à P. infestans et E. carotovora ssp. atroseptica sont marquées par des rectangles verts et violets respectivement. Les locus cartographiés avec des marqueurs RGA (Resistance Gene Analog, locus St et RGL) de pomme de terre sont en rose à droite des chromosomes. Les locus détectés avec des marqueurs PR (Pathogenesis-related) et de défense de pomme de terre et de tabac (locus Nt) sont en bleu. Les lettres entre parenthèses indiquent que le même marqueur a permis d’identifié plus d’un locus.


40

Les clusters de gènes majeurs de résistance sont considérés comme des réservoirs d’allèles

aux diverses spécificités de résistance (Michelmore and Meyers 1998). Les recombinaisons

entre allèles constituent le mécanisme le plus courant de diversification. La comparaison des

séquences des allèles du locus L chez le lin indique que leur évolution résulte d’une

accumulation de mutations ponctuelles et de recombinaisons intergéniques. Les vitesses

d’évolution des gènes majeurs de résistance peuvent aussi varier au sein d’un cluster

comme cela a été montré pour l’un des 3 clusters majeurs de résistance de la laitue (Kuang

et al. 2004) ont analysé finement les séquences des gènes RGC2 et ont montré qu’ils

présentaient des profils hétérogènes d’évolution : les régions codantes pour le motif LRR des

RGC2 de type I ont évolué rapidement à travers des échanges de séquences fréquents entre

paralogues, alors que les RGC2 de type II ont évolué lentement, maintenant des relations

étroites de type allèles/orthologues entre les différents génotypes de Lactuca spp. étudiés.

Le même type de mécanisme a été observé pour le locus R1 contrôlant la résistance à P.

infestans chez la pomme de terre (Kuang et al. 2005). Les éléments transposables sont

également à l’origine de l’évolution des gènes de résistance et sont présents dans les

clusters. Onze familles différentes d’éléments transposables ont été identifiées dans le

cluster Xa21 du riz (Song et al. 1997). L’excision ou l’insertion de ces éléments peuvent être

à l’origine de l’insertion ou de la délétion d’acides aminés. De plus, les transposons peuvent

affecter les éléments de régulation de l’expression des gènes (Michelmore and Meyers

1998).

Comme on l’a vu dans le paragraphe I.1.3, plusieurs cas de colocalisations de gènes

majeurs et de QTL au sein de la même espèce ont été rapportés. La méta-analyse est de

plus en plus utilisée pour identifier ces hotspots de résistance (cf § I.2.2.1).


41

I.4.2 La comparaison de la distribution des locus de résistance entre génomes de

différentes espèces

I.4.2.1 La génomique comparative : principe, outils et limites

La génomique comparative est la science qui étudie les relations entre génomes de

différentes espèces. En tant que telle, la génomique comparative fait partie des recherches

fondamentales effectuées sur la compréhension de l’évolution des génomes mais est aussi

utilisée comme un moyen de compréhension du contrôle des caractères étudiés.

I.4.2.1.1 La biologie moléculaire : transfert de marqueurs entre les cartes

génétiques d’espèces différentes

Une façon de comparer les génomes est de comparer la position des marqueurs communs

de leurs cartes génétiques. Dans les années 1990, les sondes RFLP ont été développées et

ont constitué de très bons marqueurs-ancres entre espèces de Solanacées (Tanksley et al.

1992 ; Prince et al. 1993 ; Fulton et al. 2002), de Poacées (Van Deynze et al. 1998) et de

Crucifères (Lagercrantz et Lydiate 1996). L’orthologie et la colinéarité (conservation de

l’ordre des gènes) entre les génomes des Poacées ont été révélées par la cartographie de

sondes RFLP interspécifiques entre le blé, l’orge, le seigle, le sorgho et le maïs mais

également avec le riz, montrant ainsi un haut niveau de conservation entre de grands

segments chromosomiques de ces différents génomes (Keller et Feuillet 2000). De plus, la

cartographie fine du gène Ph1 qui contrôle l’appariement des chromosomes homéologues au

sein du génome polyploïde du blé a pu être réalisée grâce au transfert de sondes RFLP de

riz (Foote et al. 1997). De même, la macrosynténie des régions des gènes de floraison entre

Arabidopsis et plusieurs espèces de Crucifères a été précisée avec la cartographie de

sondes RFLP communes, mettant également en évidence des ruptures de colinéarités au

niveau microsynténique (Osborn et al. 1997 ; Axelsson et al. 2001; Kole et al. 2001; Griffiths

et al. 2006).

Grâce à la mise en ligne de bases de données de séquences génomiques et d’EST

(Expressed Sequence Tag) d’un nombre croissant d’espèces et aux outils bioinformatiques

d’alignement de séquences, une nouvelle génération de marqueurs-ancres interspécifiques,

les COS (Conserved Ortholog Set), ont été développés à partir des séquences orthologues

uniques ou à faible nombre de copies, bien conservées entre espèces. Les amorces des

marqueurs sont dessinées dans des régions conservées des exons et amplifient les régions

introniques, connues comme étant souvent polymorphes, ce qui augmente le potentiel de

cartographie du locus dans l’espèce d’étude. Ce type de travail a été conduit dans plusieurs


42

familles de plantes dont les séquences ont été comparées à la séquence d’Arabidopsis

entièrement disponible depuis 2000. Chez les Solanacées, Fulton et al. (2002) ont comparé

le génome d’Arabidopsis et 130 000 EST de tomate et ont ainsi défini un set de 1 025

marqueurs conservés COSI. Wu et al. (2006) ont étendu ce travail à la pomme de terre, le

piment et le café, mettant ainsi en évidence 2 869 orthologues putatifs simple copie COSII

(source : http://ww.sgn.cornell.edu/markers/cosii_markers.pl). Chez les Brassicacées,

Fourmann et al. (2002) ont développé un set de 32 ACGMs (Amplified Consensus Gene

Markers) qui amplifient par PCR les séquences de gènes d’Arabidopsis thaliana et Brassica

napus. Chez les monocotylédones, Lohithaswa et al. (2007) ont aligné les séquences EST

des genres Allium et Musa avec ceux du genre Oryza et ont dessiné des amorces

candidates conservées Allium-Oryza et Musa-Oryza encadrant les introns (CISP pour

Conserved-intron Scanning Primers, Feltus et al. 2006;

http://www.plantgenome.uga.edu/CISP), démarquant 106 et 157 locus uniques-ancres entre

Allium-Oryza et Musa-Oryza respectivement. Ces sets de marqueurs ont notamment des

applications en systématique et phylogénie. Fredslund et al. (2006) ont automatisé la

recherche de marqueurs-ancres potentiels CATS (Comparative Anchor Tagged Sequence ;

Choi et al. 2006) grâce à la mise au point d’un programme bioinformatique qui combine les

séquences EST et les données de séquences génomiques de plusieurs espèces. Ainsi, une

base de près de 459 locus-ancres potentiels entre plus de 18 000 espèces de légumineuses

a été établie et, chez les Poacées une base de 1 335 locus-ancres a aussi été mise au point.

Les séquences des marqueurs COS peuvent être utilisées i-en tant que sondes RFLP chez

des espèces proches de celles dont ils sont issus, ii- directement pour amplifier l’ADN des

espèces d’études avec leurs amorces en s’assurant que le produit d’amplification correspond

bien à la séquence attendue, ou bien iii- leurs séquences peuvent être comparées aux

séquences EST d’autres espèces d’étude dessiner les amorces spécifiques aux séquences

orthologues correspondantes. Ces marqueurs COS servent aux études de génomique

comparative, de systématique, de phylogénie et d’évolution des gènes.

Les marqueurs microsatellites géniques ou EST-SSR, identifiés dans les séquences

codantes d’EST, sont également de bons marqueurs d’orthologues et sont reconnus comme

étant efficacement transférables entre espèces, éloignées ou proches comme chez les

Prunus, les Poacées (La Rota et al. 2005 ; Varshney et al. 2005 ; Asp et al. 2007), les

Vitacées et les Légumineuses (revue par Varshney et al. 2005a). Les EST-SSR, développés

à partir d’unigènes ou des bases d’EST non redondantes, sont faciles d’utilisation et peu

coûteux. Ils constituent une bonne alternative aux marqueurs RFLP, en particulier pour les

espèces difficiles à manipuler en biologie moléculaire ou pour lesquelles le développement

de marqueurs-ancres est peu avancé comme pour les espèces des genres Citrus et

Poncirus (Chen et al. 2008). Cependant, les SSR géniques ne représentant que 2 à 6% des


43

unigènes examinés, il est nécessaire de disposer de suffisamment de données EST pour les

espèces étudiées. Les EST-SSR développés chez les Poacées s’avèrent efficaces en

génomique comparative chez le blé, le seigle et le riz puisqu’il a été montré que plus de 85%

des séquences analysées à l’issue du transfert étaient bien orthologues (équivalence de

positions et identité de séquences, Yu et al. 2004 ; Varshney et al. 2005b). Certains EST-

SSR de Monocotylédones présentent un fort taux d’homologie avec les Dicotylédones

(Arabidopsis et Medicago) et peuvent donc être facilement transférés entre ces espèces

(Varshney et al. 2005). De même, des EST-SSR de coton présentent de fortes homologies

avec Arabidopsis (Qureschi et al. 2004). Selon les familles et l’éloignement des espèces, le

taux de transférabilité (taux de réussite d’amplification par PCR par rapport au nombre de

couples d’amorces testées) est variable : jusqu’à 71% chez les Poacées et jusqu’à 96% chez

les espèces de Medicago (revue par Varshney et al. 2005a). La bonne transférabilité des

EST-SSR est particulièrement intéressante pour les génomes qui sont naturellement pauvres

en SSR, relativement aux autres espèces végétales, comme cela est le cas des espèces du

genre Coffea (Hendre et al. 2008). Yu et al. (2004) ont montré que le taux de transférabilité

des EST-SSR augmentait en dessinant les amorces spécifiques à une espèce puis en les

adaptant chez d’autres espèces, plutôt qu’en dessinant des amorces consensus à partir de

l’alignement de séquences de plusieurs espèces.

Une limite des marqueurs EST-SSR est qu’ils sont dessinés dans des régions conservées et

leur taux de polymorphisme est donc plus faible entre espèces étroitement apparentées

qu’entre espèces éloignées. Cela réduit donc les possibilités d’analyses de cartographie

comparée entre espèces proches. De plus, il a été remarqué que les EST-SSR étaient plus

souvent multi-locus que les SSR génomiques, ce qui peut perturber les analyses de

colinéarité (Saha et al. 2004).


44

I.4.2.1.2 La bioinformatique : bases de données, séquençage et programmes

d’alignement de séquences

� Séquençage et analyse des données

Deux méthodes de séquençage des génomes sont utilisées : le séquençage BAC à BAC et

le séquençage par ShotGun. L’approche de séquençage BAC-à-BAC consiste à construire

d’abord une carte physique grossière du génome entier avant de séquencer l’ADN

proprement dit. La construction de la carte physique nécessite le découpage des

chromosomes, leur insertion dans des BAC (Bacterial Artificial Chromosome) et la

détermination de leur ordre. Le séquençage de BAC est ensuite effectué et les séquences

sont traitées par des logiciels comme ceux du package Phred - Phrap (source :

http://www.phrap.com) qui recherche les parties communes aux différents fragments pour

effectuer leur assemblage en contigs. Cette méthode est par exemple utilisée pour le

séquençage des génomes de la tomate et de la pomme de terre pour lesquelles une

sélection des BAC a été faite au préalable pour ne séquencer que le génome

« utile » (essentiellement les régions codantes) : cette sélection a été basée sur la proportion

estimée de la quantité de séquences codantes chez la tomate (240 Mb de régions

euchromatiques riches en gènes) et avec une série de marqueurs-ancres chez la pomme de

terre (Datema et al. 2008).

La méthode WGS (Whole Genome Shotgun) reconstitue la séquence des chromosomes de

l’organisme étudié par séquençage direct et lecture aléatoires des séquences du génome

entier. Les algorithmes d’assemblage des séquences se basent sur les informations de

marqueurs des cartes génétiques et physiques pour repérer les parties chevauchantes. Le

résultat de l’assemblage, un ensemble de « supercontigs », est une reconstruction

consensuelle de la séquence d’origine.

� La gestion des bases de données

On assiste ces dernières années à une explosion de la quantité d’information de séquences

d’espèces végétales multiples (nucléotidiques et protéiques), disponibles dans les bases de

données publiques comme EMBL (source : http://www.ebi.ac.uk/embl/index.html), TIGR

(source : http://www.tigr.org/), SGN (source : http://sgn.cornell.edu/) ou NCBI (source :

www.ncbi.nlm.nih.gov). Ainsi, la base Gramene intègre les données du maïs et du riz (Ware

et al. 2003). Une base de données appelée Legume Information System (LIS) permet de

comparer les données entre espèces de Fabacées (Gonzales et al. 2005). Le réseau UK

Crop Plant Bioinformatics Network (UK CropNet, http://ukcrop.net/) développe, gère et


45

distribue les informations génomiques de plusieurs espèces de plantes cultivées

(Arabidopsis, orge, Brassica, graminées fourragères, millet) spécifiquement pour la

cartographie comparative.

� Outils d’alignement des séquences

Le Basic Local Alignment Search Tool (BLAST) est un algorithme développé par Altschul et

al. (1990) au National Center for Biotechnology Information (NCBI). En libre accès, et utilisé

en routine pour l’alignement de séquences nucléotidiques (BLASTN) ou protéiques

(BLASTP), ce programme cherche les régions de similarité locale entre les séquences et

calcule le niveau de similitude significatif entre les séquences d’entrée ou entre une

séquence de départ et celles des banques de données disponibles en ligne (GenBank de

NCBI ou SwissProt). La procédure BLAST est utilisée pour trouver des relations

fonctionnelles ou évolutives entre les séquences et peut aider à identifier les membres d'une

même famille de gènes. Un programme équivalent, BLAT (BLAST Like Alignment Tool),

permet de comparer extrêmement rapidement des séquences nucléotidiques à un génome

entier, cependant, l’analyse est plus grossière et peut générer des erreurs. BLASTZ est une

version de BLAST particulièrement adaptée à la comparaison multiple des séquences de

grands génomes ou de chromosomes. Avec les nouvelles ressources génomiques, il est

désormais possible de comparer les séquences génomiques de plus de deux espèces avec

des alignements multiples associés à des tests statistiques successifs et des affinements

itératifs, comme cela a été appliqué chez l’Homme et la souris (Schwartz et al. 2003).

Une liste très complète des programmes informatiques utilisables en génomique comparative

est disponible sur le site canadien Bioinformatics Links Directory (source :

http://bioinformatics.ca/links_directory/?subcategory_id=124).

I.4.2.1.3 Les limites de la génomique comparative

� Distinguer les paralogues des orthologues

Chez les plantes, il est difficile de distinguer les paralogues des orthologues chez des

espèces divergentes car la plupart des plantes sont des paléopolyploïdes et des évènements

importants de duplications ont eu lieu au cours de l’évolution (Ku et al. 2000 ; Fulton et al.

2002 ; Blanc et Wolfe 2004). Il est aussi difficile de savoir si les variations nucléotidiques sont

responsables du polymorphisme neutre ou à l’origine d’une divergence évolutive entre

espèces. Pour éviter de sélectionner à tort des séquences appartenant à des familles multi-


46

géniques ou des paralogues, Fulton et al. (2002) ont considéré qu’une séquence EST unique

de tomate était orthologue si i- elle correspondait à un seul BAC d’Arabidopsis avec une

valeur ≤ E-15 et ii- il existait une différence de 10 entre les scores attendus pour les deux

premières séquences données par le logiciel d’alignement tBLASTX.

� Les ruptures de micro-colinéarité

Dans les zones de colinéarités observées à l’échelle macroscopique (bras chromosomique

ou des milliers de paires de bases), des microarrangements peuvent se produire et il est

préférable de se baser sur plusieurs espèces modèles pour transférer des données

moléculaires d’une espèce à une autre, et en particulier des espèces proches de celle

étudiée (Keller et Feuillet 2000). Ainsi, si les données d’Arabidopsis peuvent parfois servir

pour l’identification de gènes d’intérêt chez les Poacées (Tikhonov et al. 1999), il a été

montré que des micro-arrangements ont eu lieu entre les monocotylédones et les

dicotylédones depuis leur divergence (Van Dodeweerd et al. 1999). Pour avancer plus

efficacement dans l’isolement de gènes d’intérêt chez une espèce de Poacée, il vaut mieux

se référer à une espèce modèle de cette famille, telle que le riz.

Le clonage positionnel des gènes contrôlant la tolérance à l’aluminium chez le seigle a été

entrepris en exploitant les relations de synténie entre le riz et le seigle. Le clonage du gène

Alt3 chez le seigle a été initié en utilisant les marqueurs moléculaires flanquant ce gène chez

plusieurs céréales. Deux marqueurs PCR de riz, flanquant le gène Alt3, ont été utilisés pour

le criblage d’une population de seigle en ségrégation pour la tolérance à l’aluminium. Des

marqueurs additionnels ont confirmé l’excellente micro-colinéarité fonctionnelle entre le riz et

le seigle à ce locus. La séquence de seigle suspectée contenir le gène candidat

correspondant à Alt3 a été identifiée. Cependant à ce niveau, les séquences du riz et du

seigle sont trop divergentes, la micro-colinéarité a donc été rompue (Miftahudin et al. 2005).

I.4.2.2 Les colinéarités fonctionnelles pour la résistance aux bioagresseurs :

état d’avancement

� L’absence, comme la présence de colinéarités fonctionnelles ont été observées chez

différentes espèces

Comme cela a été montré chez les céréales et les crucifères, la synténie des locus majeurs

de résistance aux maladies entre génomes d’espèces proches est assez peu respectée,

(Gale et Devos 1998 ; Paterson et al. 2000). Plusieurs RGA et gènes de résistance ne sont

en effet pas conservés entre le riz, l’orge et le millet (Leister et al. 1998). Une rupture de


47

colinéarité a aussi été révélée au niveau du locus Lr1 entre le blé et le riz (Gallego et al.

1998) et au niveau du locus Rpg1 entre l’orge et le riz. Dans ce dernier cas, des marqueurs

de riz ont été transférés pour saturer la région de Rpg1 de l’orge et ont été cartographiés

dans une région chromosomique différente de celle attendue d’après les relations de

synténie connues. Une région de 10-15kb, comprenant Rpg1 a donc été déplacée dans une

région non-orthologue. Cela suggère que même dans des régions où la colinéarité a été

mise en évidence par de la cartographie haute résolution, des micro-réarrangements

peuvent se produire.

Parallèlement, il existe de nombreux exemples où la colinéarité, et même la micro-colinéarité

entre locus de résistance est conservée, qu’elle concerne le même pathogène ou des

pathogènes différents. En ce qui concerne la colinéarité des locus de résistance vis-à-vis du

même pathogène, des cas de micro-colinéarités fonctionnelles ont pu être observées chez

les Monocotylédones. Asnaghi et al. (2000) ont utilisé la synténie existant entre le sorgho et

la canne à sucre et les données de séquences disponibles chez le sorgho pour réaliser la

cartographie fine du gène majeur de résistance à la rouille chez la canne à sucre. Chez les

Dicotylédones, les homologues du gène RPM1 d’Arabidopsis de résistance à la bactérie

Pseudomonas syringae en position colinéaire chez le pois, le haricot et le soja sont

fonctionnels et actifs (Dangl et al. 1992). Chez les Cucurbitacées en particulier, les analyses

de séquences entre le concombre (Cucumis sativus L.) et le melon (C. melo L.) ont révélé

trois régions codantes putatives conservées dans la région du gène eIF4E dans les mêmes

orientations, tailles et nombres d’exons. Elles codent respectivement pour une protéine

hypothétique, une exonucléase et le facteur d’initiation de la traduction eIF4E. Les positions

relatives de ces gènes orthologues sont les mêmes ; seuls un rétrotransposon et une

protéine hypothétique supplémentaires ont été identifiés chez le concombre (Meyer et al.

2008). Des homologues de gènes de résistance chez des espèces apparentées peuvent

aussi conférer la résistance vis-à-vis de différents types de pathogènes. Ainsi, les gènes Rpi-

vnt de résistance à Phytophthora infestans chez une espèce apparentée à la pomme de

terre sont des homologues du gène Tm-22 en position colinéaire chez la tomate qui confère

la résistance au TMV (Foster et al. 2009 ; Pel et al. 2009).

� Colinéarité fonctionnelle des locus de résistance chez les Solanacées

Chez les Solanacées, plusieurs études se sont focalisées sur l’organisation des locus de

résistance sur les génomes de la pomme de terre, la tomate et le piment. On observe ainsi

une bonne conservation de la position des locus majeurs de résistance à différents

bioagresseurs au niveau macroscopique (Leister et al. 1996 ; Pan et al. 2000 ; Grube et al.

2000). Grube et al. (2000) ont dénombré 12 clusters de gènes colinéaires chez au moins


48

deux espèces (Figure I.16). Au total, 5 clusters sont synténiques entre les 3 espèces et se

trouvent sur les chromosomes T3, T4, T9 et T11 de la tomate. Par exemple, l’extrémité

distale du bras long du chromosome T11 de la tomate comprend un cluster de gènes de

résistance codant pour la résistance au champignon Fusarium oxysporum, à Stemphylium

spp. et au virus Tomato yellow leaf curl (TYLC). Cette région est colinéaire à l’extrémité du

chromosome 11 de la pomme de terre qui comprend des gènes majeurs de résistance à

Phytophthora infestans (R3, R6, R7) et au virus de la mosaïque du tabac chez le piment (L).

Un gène de résistance à Phytophthora capsici (phyt3) a été cartographié dans la région

colinéaire chez le piment (Grube et al. 2000). Cette colinéarité interspécifique a été

efficacement exploitée pour cloner le gène R3 chez la pomme de terre à partir des

informations de séquences du locus I2 chez la tomate (Huang et al. 2005).

Figure I.16 Organisation des gènes de résistance aux bioagresseurs chez les Solanacées (tomate, piment, pomme de terre) (d’après Grube et al. 2000) Les génomes de la tomate, pomme de terre et piment sont représentés par des cercles concentriques de l’extérieur vers l’intérieur. Les inversions entre les 3 génomes sont indiquées par des flèches au sein des régions concernées de la pomme de terre et du piment. Les rayons délimitent les chromosomes, les lignés pointillées marquent les ruptures de colinéarités entre régions chromosomiques. Les 5 translocations entre les génomes du piment et de la tomate coupent les chromosomes P3, P5, P9, P11 et P12 en deux parties, chaque moitié étant synténique à un chromosome différent de tomate. Les gènes de résistance et QTL sont indiqués. Les homologues de gènes de résistance sont indiqués avec la lettre H suivi par le nom du gène. Les barres le long des chromosomes marquent les régions chromosomiques associées à un gène ou un groupe de gènes s’ils ne sont pas précisément localisés. Les noms des gènes qui n’ont pas été inclus dans l’analyse à cause de leur position imprécise sont soulignés. Les formes ovales regroupent les clusters de gènes inter ou intra-spécifiques (≤15 cM) identifié dans l’analyse. Les échelles des génomes ne sont pas respectées.


49

A l’inverse, si on s’intéresse à la position des locus conférant la résistance au même

pathogène, la synténie est très peu respectée entre les trois espèces. Par exemple, les locus

Tsw du piment et Sw-5 de la tomate qui contrôlent la résistance au Tomato spotted wilt virus

(TSWV) ne se cartographient pas dans des régions synténiques (Jahn et al. 2000). Il en est

de même pour les locus qui contrôlent la résistance au mosaic virus (TMV) chez la tomate

(Tm-1 et Tm-2), le tabac (N) et le piment (L). En cartographiant les homologues du gène N

du tabac chez le piment et la tomate, aucune correspondance entre les différents locus n’a

non plus été trouvée (Grube et al 2000). Néanmoins, la position d’un homologue du gène N

du tabac chez le piment correspond aux positions des locus de résistance aux potyvirus Ry,

à Meloidogyne (Rmci) et à Synchytrium (Sen1) et aux homologues de N cartographiés chez

la pomme de terre. De même, on ne trouve pas de colocalisation entre les locus de

résistance aux nématodes si l’on distingue les genres Globodera (nématodes à kystes) et

Meloidogyne (nématodes à galles). Cependant, si on examine les locus de résistance aux

nématodes de manière globale, les locus Gpa2 de résistance à Globodera pallida et MfaXIIspl

de résistance à Meloidogyne fallax du chromosome XII de la pomme de terre se positionnent

dans une région synténique aux locus Mi de la tomate et Me du piment qui confèrent tous les

deux la résistance aux Meloidogyne spp. (Djian-Caporalino et al. 2001).

Il existe aussi clairement des cas de conservation fonctionnelle de locus de résistance au

même pathogène. Par exemple, les deux QTL de résistance à Leveilulla taurica

cartographiés sur les chromosomes P6 et P9 du piment sont en position colinéaire avec les

QTL de tomate sur les chromosomes T6 et T12 (Lefebvre et al. 2003). De même, le gène

pot-1 de la tomate, conférant la résistance au PVY et au Tobacco etch virus (TEV), a été

identifié dans une région colinéaire à celle du piment contenant le locus pvr2 de résistance

aux potyvirus (Parrella et al. 2002) et leur clonage a montré qu’ils correspondaient au même

gène (Ruffel 2004 ; Ruffel et al. 2005). Aussi, les QTL de résistance aux Phytophthora ont

été cartographiés dans des positions colinéaires chez le piment (chromosome P5), la tomate

(chromosome T4) et la pomme de terre (chromosome IV) (Pflieger et al. 2001, Thabuis et al.

2003).

Pour savoir si les colocalisations observées sont fortuites ou si elles résultent d’un processus

évolutif d’arrangement génomique, plusieurs méthodes ont été utilisées. Grube et al (2000)

ont découpé les 12 chromosomes en 5 portions de 15 à 20 cM et ont considéré que chaque

gène majeur ou cluster était indépendant et occupait une seule position sur le génome d’une

espèce. Néanmoins les résultats obtenus avec ce modèle ne sont pas significatifs et des

problèmes liés à la précision des données de départ et du paramétrage du modèle sont

invoqués. Dans le cas des colocalisations entre QTL et gènes majeurs ou de colocalisations


50

entre QTL, la méta-analyse peut être utilisée entre espèces à condition de disposer de

suffisamment de marqueurs-ancres entre les cartes génétiques.

� Utilisation de la colinéarité existante pour le clonage de gènes de résistance

L’une des applications majeures de la cartographie comparée est de faciliter le clonage de

gènes d’intérêt (Gale et Devos 1998 ; Paterson et al. 2000). La procédure souvent adoptée

est d’utiliser les informations de séquences disponibles chez une espèce

phylogénétiquement proche de l’espèce d’étude et de rechercher les relations d’orthologie

qui pourraient exister par le transfert de marqueurs liés au(x) gène(s) d’intérêt. Lorsque la

colinéarité entre une zone génomique de l’espèce modèle et la zone orthologue comprenant

le locus-cible de l’espèce d’étude est établie, des marqueurs sont sélectionnés

spécifiquement dans la zone colinéaire de l’espèce modèle pour être ajoutés dans la région

cible. Chez les Solanacées, cette stratégie est particulièrement bien illustrée par les travaux

de Huang et al. (2005) qui ont utilisé les informations génomiques de la région du gène I2 de

la tomate pour isoler le gène R3a qui confère la résistance spécifique à Phytophthora

infestans chez la pomme de terre. R3a est un membre du cluster de gènes R3 sur le

chromosome XI, colinéaire au cluster I2 sur le chromosome T11 chez la tomate qui confère

la résistance à la race 2 de Fusarium oxysporum f. sp. lycopsersici. Pour préciser les

relations de colinéarité entre ces régions, 7 marqueurs de tomate ont été ajoutés dans la

zone du cluster R3. L’ordre des 7 marqueurs est remarquablement bien conservé entre la

tomate et la pomme de terre. Des analogues de I2 ont été cartographiés chez la pomme de

terre et correspondent à une sous-partie du cluster I2 de la tomate, mettant en évidence

l’orthologie entre la région de R3a et celle de I2 (appelée cluster SL8D). Des gènes

candidats de R3a ont ensuite été identifiés avec une approche RGA ciblée (Resistance Gene

Analogue). Selon cette méthode, des amorces consensus des motifs LRR conservés du

sous-cluster SL8D ont été dessinées et ont servi, avec les marqueurs de R3a, à cribler la

banque BAC de pomme de terre. Les BAC sélectionnés ont été séquencés et annotés.

Quatre RGA de I2 avec des ORFs complets étaient des candidats potentiels de R3a. Pour

déterminer lequel pouvait être R3a, leurs fonctions ont été évaluées par transformation in

situ. Seul un candidat était capable de rendre résistant le génotype sensible transformé, ce

candidat a donc été désigné comme étant le gène R3a.


51

I.5 Le modèle d’étude : la résistance polygénique d es Solanacées aux

Phytophthora

I.5.1 Les Solanacées

La famille des Solanacées est composée de 96 genres avec plus de 2300 espèces (D’Arcy

1991), majoritairement originaires d’Amérique du Sud et Centrale. Les Solanacées

comprennent notamment les genres Solanum et Capsicum. Le genre Solanum compte plus

de 1500 espèces dont la tomate (Solanum lycopersicum L.) et la pomme de terre (Solanum

tuberosum L.). Le genre Capsicum compte entre 25 et 30 espèces connues dont 5 ont été

domestiquées. Capsicum annuum L. est l’espèce cultivée la plus répandue. Les Solanacées

ont une grande importance économique. La tomate, la pomme de terre, le piment et

l’aubergine sont très cultivées pour l’alimentation humaine et l’industrie. Le tabac (Nicotiana

tabacum) et des espèces ornementales comme les pétunias (Petunia ssp) font aussi partie

des Solanacées (Figure I.17).

68

46

43

99

85

98

98

98

Petunia axillaris

Nicotiana tabacum

Physalis alkekengi

Capsicum baccatum

Cyphomandra betacea

Solanum melongena

Solanum candidum

Solanum stramonifolium

Solanum tuberosum

Solanum lycopersicum

Solanoideae

Nicotianoideae

100Chr.Chr.Nb.Nb.

12

12

12

12

2700-3400

TailleTailleggéénomenomeMb / 1C

1100

840

950

PloPlo ïïdiedie

2n

2n

4n

2n

68

46

43

99

85

98

98

98

Petunia axillaris

Nicotiana tabacum

Physalis alkekengi

Capsicum baccatum

Cyphomandra betacea

Solanum melongena

Solanum candidum


Solanum tuberosum


Solanoideae

Nicotianoideae

100Chr.Chr.Nb.Nb.

12

12

12

12

2700-3400

TailleTailleggéénomenomeMb / 1C

1100

840

950

PloPlo ïïdiedie

2n

2n

4n

2n

Figure I.17 Phylogénie des Solanacées (d’après Bohs and Olmstead 1997) Le nombre chromosomique de base, le niveau de ploïdie et la taille estimée des génomes sont indiqués à droite de l’arbre phylogénétique des Solanacées. La tomate et la pomme de terre appartiennent au même embranchement taxonomique. Elles font partie des Solanum. Les Solanum sont phylogénétiquement éloignées du genre Capsicum auquel appartient le piment. Mb : méga bases (millions de paires de bases ; 1C : génome haploïde).


52

Les espèces de Solanacées étudiées en génétique présentent le même nombre

chromosomique de base (x=12). La comparaison de leur génome a montré que la tomate et

la pomme de terre, très proches phylogénétiquement, ne diffèrent que par 5 inversions

paracentriques (Tanksley et al. 1992). Le piment et l’aubergine, plus éloignés, ont subi des

réarrangements plus importants (Livingstone et al. 1999 ; Lefebvre et al. 2002 ; Doganlar et

al. 2002a) (Figure I.18). La comparaison des génomes a non seulement apporté des

informations sur l’évolution des espèces mais a également facilité les études comparatives

des caractères qualitatifs et quantitatifs, en particulier ceux impliqués dans la domestication.

Figure I.18 Les réarrangements chromosomiques entre le piment et la tomate (d’après Livingstone et al. 1999) Comparaison de la structure des génomes du piment et de la tomate. Les chromosomes de piment (P) sont en noir tandis que les chromosomes de tomate (T) sont en blanc. Seules les régions des cartes génétiques comportant des marqueurs communs cartographiés chez les deux espèces sont présentées. Les marqueurs communs sont liés par des lignes continues. Les lignes pointillées connectent les marqueurs qui ne se cartographient pas dans les régions synténiques ou les marqueurs dont la position est incertaine (LOD<2) ou qui ont été cartographiés dans des populations différentes. Les centromères de la tomate sont indiqués par des zones ombrées sur les chromosomes. Les régions où les recombinaisons sont absentes chez le piment sont indiquées par des barres blanches sur les chromosomes et sont supposées correspondre aux centromères. Les positions des groupes de liaison A et B du piment sont indiqués par des barres à côté des chromosomes T8 et T3 de la tomate.


53

I.5.2 Les Phytophthora : oomycètes phytopathogènes

I.5.2.1 Les oomycètes ne sont pas des champignons

Les oomycètes appartiennent au règne des Chromistes, ils sont phylogénétiquement

proches des algues brunes Hétérokontes et des Diatomées (Kamoun et al. 1999, Figure

I.19). Jusqu’à la fin du XXème siècle, les oomycètes responsables des maladies dans les

cultures étaient pourtant considérés comme des champignons, ce qui a limité l’efficacité de

la lutte contre ces microorganismes pathogènes. Les oomycètes et les champignons

partagent en effet de nombreuses caractéristiques : croissance par des hyphes filamenteux,

nutrition par absorption et reproduction par des spores. Cependant, il a été démontré que les

oomycètes sont phylogénétiquement éloignés des champignons (Hardham et Takemoto

2006 ; Tyler 2007) : les parois cellulaires sont majoritairement composées de glucanes β 1-6

et β 1-3 (alors que la chitine compose majoritairement les parois cellulaire des eumycètes),

les zoospores sont biflagellés, le stade végétatif est diploïde, la biologie de la reproduction

est différente (Erwin et Ribeiro 1996). Les preuves de génétiques moléculaires ont confirmé

ces différences. Les oomycètes seraient issus d’un organisme photosynthétique qui aurait

été intégré par un organisme eucaryote primitif non-photosynthétique et qui aurait ensuite

perdu le plastide de la photosynthèse au cours de l’évolution (Cavalier-Smith 2002). Cette

hypothèse est soutenue par Tyler et al (2006) qui ont trouvé 855 gènes chez Phytophthora

sojae et Phytophthora ramorum provenant d’un ancêtre photosynthétique du type algue

rouge ou cyanobactérie. Les oomycètes montrent aussi des caractéristiques communes

avec d’autres protistes, êtres vivants primitifs comme les protozoaires. Par exemple, le motif

protéique RxLR-dEER est similaire à l’élément d’export PEXEL chez le Plasmodium

(Rehmany et al. 2005). Ce motif est caractéristique des protéines pathogéniques qui sont

libérées dans le cytoplasme de la cellule hôte (Whisson et al. 2007). Le motif RxLR a été

retrouvé dans plus de 300 gènes chez P. sojae et chez P. ramorum (Tyler et al. 2006).

Figure I.19 Arbre phylogénétique des organismes eucaryotes (d’après Kamoun et al. 1999)


54

I.5.2.2 La large gamme d’hôtes des oomycètes

Il existe environ 600 espèces d’oomycètes. Certains genres d’oomycètes sont des parasites

des dicotylédones qui provoquent des pourrissements des tissus végétaux (Figure I.20). Ils

comprennent des biotrophes obligatoires (ex. Bremia lactucae, Hyaloperonospora parasitica,

Plasmopara viticola, Albugo spp.), des hémi-biotrophes (ex. Phytophthora infestans,

Phytophthora sojae) et des nécrotrophes (Phytophthora cinnamomi, Pythium spp.) (Hardham

2007).

Figure I.20 Arbre phylogénétique des Oomycètes (d’après Kamoun 2001) Les genres les plus importants sont représentés. Aphanomyces, Pythium, Plasmopara, Phytophthora et Peronospora sont les genres phytopathogènes. Le genre Bremia appartient aux Peronosporales, comme le genre Peronospora.

Le genre Phytophthora appartient à la famille des Pythiacées et comprend plus de 80

espèces (Cooke et al. 2000). Les Phytophthora sont responsables des maladies de plantes

qui causent les plus gros dégâts dans les cultures à travers le monde (Sasabe et al. 2000).

Ils affectent une large gamme de plantes cultivées ainsi que des espèces forestières. Sur 50

espèces de Phytophthora étudiées, 32 ont des spectres d’hôtes larges et 18 n’ont qu’un seul

hôte. Par exemple, P. cinnamomi infecte plus de 900 espèces alors que P. infestans

n’infecte que quelques espèces de Solanum (Brasier 1992 ; Grunwald et Flier 2005).


55

I.5.3 Le mildiou causé par Phytophthora infestans : l’une des maladies majeures

de la pomme de terre

I.5.3.1 Les pertes dues au mildiou

L’infection de la pomme de terre par P. infestans provoque des zones de nécroses sur

différents organes (le tubercule, la tige ou les feuilles), entraînant souvent la mort de la

plante (Photos I.5). L’épidémie la plus connue de mildiou dans les cultures de pomme de

terre a eu lieu en Irlande en 1845, provoquant la famine et un million de morts. Aujourd’hui

encore, les coûts humains engendrés par cette maladie peuvent être énormes : les ravages

des cultures peuvent mener les agriculteurs au chômage (Fry and Goodwin 1997) ; les coûts

monétaires des traitements (principalement les fongicides) et ceux dus à la perte de

rendement sont estimés à plus de 4 milliards de dollars par an dans le monde, la moitié de

ces coûts étant circonscrits à l’Europe (Endure News n°1, janvier 2009).

a b c da b c d

Photos I.5 Symptômes du mildiou (P. infestans) sur tubercule (a), tige (b), feuille (c) et plante entière (d) Sources : http://commons.wikimedia.org/ ; www.infonet-biovision.org; www.apsnet.org

I.5.3.2 Le cycle biologique de P. infestans

Phytophthora infestans est un oomycète hétérothallique, pathogène hémi-biotrophe quasi-

obligatoire. Son cycle biologique est composé d’une phase asexuée et d’une phase sexuée

(Figure I.21). Pour que la reproduction sexuée ait lieu, les deux types sexuels A1 et A2

doivent être en présence. La détection de l’autre type sexuel se fait par un dialogue

hormonal entre les deux hyphes mycéliens. Suite à la fertilisation, une oospore est produite.

L’oospore constitue le stade de survie du pathogène et la source de variation des

populations de P. infestans. Les oospores de P. infestans peuvent survivre plusieurs années

dans le sol (Mayton et al. 2000 ; Turkensteen et al. 2000), à conditions que les températures

restent relativement basses (Fay and Fry 1997).


56

a Figure I.21 Cycle biologique de P. infestans (a) Le cycle de P. infestans comprend deux phases. La phase asexuée est la phase de multiplication, développement et infection du pathogène. La phase séxuée a lieu quand les deux types sexuels A1 et A2 sont en présence dans le milieu, elle est la source de variation génétique. Le résultat de la fécondation est une oospore, forme de conservation du pathogène dans le sol ou les tissus morts des végétaux. Lorsque les conditions sont favorables, les oospores germent et donnent des sporangiophores comprenant les zoospores biflagellés, forme de dissémination du pathogène. Si le climat est humide et que la température avoisine les 10-15°C,

les zoospores sont libérés dans le milieu et sont disséminés par l’eau libre ruisselante ou le vent. Lorsqu’ils atteignent les tissus végétaux, un tube germinatif se forme et s’infiltre entre les cellules de l’épiderme. (b) L’appressorium permet d’exercer une pression sur la paroi des tissus et de forcer l’intrusion du pathogène. (c) Les hyphes se développent alors dans l’espace apoplastique et franchissent les parois jusqu’à atteindre la membrane plasmique des cellules végétales où le dialogue moléculaire avec la plante a lieur au travers de l’haustorium. Si les conditions sont toujours favorables, le pathogène sporule, donnant ainsi de nouveaux sporangiophores et la croissance est exponentielle. PW : paroi cellulaire, H : haustorium du pathogène, K : cellule du mésophylle végétal

Sources : (a) Schumann 1991 ; (b) Judelson et Blanco 2005 ; (c) Hardam 2008

reproduction séxuée

oogoniumantheridium

oospore

sporangium

sporangiumzoospores

sporulation sur jeune plant au

printemps

tube germinatif

sporulation sur les feuilles

plante infectée

reproduction séxuée

oogoniumantheridium

oospore

sporangium

sporangiumzoospores

sporulation sur jeune plant au

printemps

tube germinatif

sporulation sur les feuilles

plante infectée

b

c


57

I.5.3.3 La migration de P. infestans d’Amérique Centrale à travers le monde

Jusqu’au début du XXème siècle, P. infestans était considéré comme un organisme asexué

car seul le type sexuel A1 était connu. Des prélèvements systématiques dans différents pays

d’Europe, d’Asie, d’Amérique du Sud et du Nord montraient en effet que les populations

étaient globalement similaires, appartenant majoritairement à une seule lignée clonale US-1

de type sexuel A1 (les lignées clonales étant définies sur la base de profils de séquences

nucléotidiques répétées). La présence de cette lignée dans plusieurs régions du monde peut

s’expliquer par le fait que P. infestans peut survivre dans les tubercules infectés qui sont

exportés à l’international sous forme de plants. Selon une hypothèse, cette lignée originaire

des Etats-Unis aurait été dispersée d’abord en Europe suite à son exportation, puis dans le

reste du monde (Figure I.22).

Etape n °1

Du Mexique aux Etats-Unis

Etape n °2

Des Etats-Unis en Europe

Etape n ° 3

Dispersion depuis l’Europe

1842 ou 1843 1844 ou 1845 début 1846

Etape n °1

Du Mexique aux Etats-Unis

Etape n °2

Des Etats-Unis en Europe

Etape n ° 3

Dispersion depuis l’Europe

1842 ou 1843 1844 ou 1845 début 1846 Figure I.22 La série de mouvements migratoires qui ont probablement mené à la dispersion planétaire de la souche US-1 de Phytophthora infestans (d’après Goodwin 1997).

Dans les années 1950, le type A2 a été trouvé dans la vallée de Toluca au Mexique où il

coexistait en proportions équivalentes avec le type A1 (Goodwin et al. 1992). Il a été observé

que les virulences des populations de cette vallée étaient beaucoup plus diversifiées que

dans les populations d’autres régions du monde (Niederhauser et Mills 1953). Ce sont ces

observations qui ont suggéré l’hypothèse que le centre d’origine de P. infestans est

précisément la vallée Toluca au Mexique, mais la région des Andes est également

soupçonnée. Le type A2 a été détecté en Europe pour la première fois en 1981, en Suisse

(Hohl and Iselin 1984). La migration a probablement eu lieu lors d’une importation importante

de tubercules de pomme de terre depuis le Mexique durant l’hiver 1976/1977. La nouvelle

population de P. infestans transportée dans les tubercules infectés a rapidement remplacé

les populations existantes en Europe de l’Ouest, puis des autres continents, sauf l’Australie


58

et certaines régions d’Afrique. La souche dominante aux Etats-Unis depuis 1994 est la lignée

US-8 de type sexuel A2, l’une des plus complexes parmi celles détectées aux USA ; elle est

aussi la plus agressive (Kato et al. 1997 ; Lambert et Currier 1997). Maintenant que les deux

types sexuels sont en présence dans les régions d’Europe du Nord, on observe une

augmentation de la sévérité de l’épidémie, associée à une différence de structure de la

population. Dans ces régions, les épidémies ont d’ailleurs lieu plus tôt en saison qu’autrefois

(Andersson et al. 1998 ; Flier et al. 2007).

Il semblerait que les nouvelles souches de P. infestans aient un type de pathogénicité

différent qui leur permette également d’infecter des hôtes jusqu’ici inconnus comme le

Pétunia et la Douce-Amère (Solanum dulcamara) (Lee et al. 2002). Cette variation dans la

gamme d’hôtes s’observe également à travers la spécialisation récente de certaines souches

de P. infestans à la tomate (revu par Fry 2008).


59

I.5.3.4 La lutte contre P. infestans

L’utilisation des fongicides dans les pays développés producteurs de pomme de terre incite à

maintenir les cultivars sensibles sur le marché. Cependant, le coût des fongicides est

particulièrement élevé (~400$/ha, Fry 2008) et leur efficacité n’est pas durable. En effet,

seulement trois ans après la mise sur le marché du fongicide Metalaxyl à fonction

systémique en 1977, des souches résistantes de P. infestans sont apparues aux Pays-Bas

et en Irlande (Turner 2008). De plus pour des raisons écologiques et environnementales,

certains pesticides sont progressivement interdits par l’Union Européenne, ce qui incite à

concentrer les recherches sur d’autres formes de lutte. Le moyen de contrôle du mildiou le

plus efficace à l’heure actuelle est la lutte intégrée, par l’utilisation combinée d’une série de

tactiques comme la sélection de tubercules sains pour la plantation, l’élimination

systématique des sources de pathogènes sur le lieu de culture, l’application raisonnée de

fongicides en accord avec les alertes sanitaires et l’utilisation de cultivars résistants (réseau

de recherche européen ENDURE, FP6, 2007-2010, http://www.endure-

network.eu/diversifying_crop_protection/latest_news/potato_late_blight_a_4_billion_problem)

Le fait que la pomme de terre cultivée soit tétraploïde et hétérozygote rend néanmoins

difficile la création rapide de nouveaux clones résistants par sélection classique et il faut en

moyenne 10 à 15 ans pour créer une nouvelle variété de pomme de terre. De plus, le cadre

du marché de la pomme de terre est très contraint par les demandes des consommateurs et

de la législation, et les améliorations sont très lentes à voir le jour. Les deux cultivars les plus

cultivés au monde, ‘Russet Bank’ et ‘Bintje’, ont d’ailleurs près de 100 ans, et sont sensibles

à P. infestans.

� Les résistances monogéniques

L’amélioration génétique de la pomme de terre pour lutter contre P. infestans a été initiée au

milieu du XIXème siècle avec le développement de la « résistance au champ » (résistance

polygénique quantitative), qui s’est montrée en partie efficace (Wastie 1991). Puis, la

découverte des gènes majeurs de résistance race-spécifique a eu un grand succès,

détournant l’attention des sélectionneurs de la résistance quantitative vers les résistances

qualitatives. Onze gènes (R1 à R11) de Solanum demissum conférant la réponse HR de la

plante et très efficaces au champ ont été largement déployés dans les cultures d’Europe.

Cependant, des souches qui réussissent à contourner la résistance ont été rapidement

sélectionnées (Malcomson 1969 ; Wastie 1991). Pour y faire face, la stratégie du pyramidage

de gènes majeurs a été appliquée. Le cultivar Pentland Dell en Ecosse, par exemple,

contient les gènes majeurs R1, R2 et R3 et résiste à la race 4 de P. infestans qui contourne


60

R4. La production de Pentland Dell a démarré en 1963 et est devenu très populaire dès

1968. Cependant, depuis cette date, des cas de contournement sur ce cultivar ont été

rapportés avec un impact de maladie très important en Angleterre et au Pays de Galles. Les

populations contournantes étaient compatibles avec R1, R2 et R3 mais aussi avec les gènes

R5 à R11 encore relativement peu déployés dans les cultures (Malcomson 1969). La

plasticité du génome de P. infestans vis-à-vis des gènes majeurs est bien décrite (Goodwin

et al. 1992) et de nombreux cas de contournement ont été observés très peu de temps après

le déploiement des gènes majeurs dans les cultures (5 à 7 ans).

Certains gènes majeurs sont cependant efficaces vis-à-vis de nombreuses souches testées

et seraient des candidats prometteurs pour une résistance durable. C’est par exemple le cas

de Rpi-blb1 (ou RB) du chromosome VIII, issu de S. bulbocastanum (Song et al. 2003 ; Van

der Vossen et al. 2003), efficace dans la vallée de Toluca au Mexique pendant plusieurs

années consécutive (Fry 2008), ou Rpi-blb2 qui confère aussi la résistance envers de

nombreuses souches de P. infestans (Bhaskar et al. 2008). Avec le clonage du gène

d’avirulence Avr3a et la découverte de nombreux autres effecteurs potentiels dans la

séquence génomique de P. infestans, il est possible d’utiliser les séquences ainsi isolées

pour cribler à grande échelle des séries de Solanum spp. et détecter rapidement ainsi

d’autres gènes majeurs potentiels (Hein et al. 2007).

L’accélération des découvertes de nouveaux gènes majeurs soulève la question de la

manière la plus efficace et durable de les déployer. Une alternative au pyramidage est la

culture de multilignées (chaque lignée de la parcelle diffère par la présence d’un gène majeur

différent). Néanmoins, le succès de cette stratégie dépend beaucoup des objectifs de

production (multiplication de semences, pomme de terre de consommation ou d’industrie) et

du coût de fitness du pathogène en présence (Fry 2008).

� Changement de cap : lutte intégrée avec la revalorisation des anciennes variétés et

nouvelles créations présentant des résistances polygéniques partielles

Il y a de grandes différences dans l’emploi des cultivars résistants en Europe. Ils sont peu

utilisés en Europe de l’Ouest où la lutte contre le mildiou est majoritairement menée par

l’application répétée de fongicides et où le rendement et la qualité ont été prioritaires dans

les programmes de sélection par rapport à la résistance aux maladies. En revanche, les

cultivars résistants et notamment à résistance partielle sont plus répandus dans les cultures

de pomme de terre de l’Europe de l’Est où, en combinaison avec les techniques culturales,

ils constituent le moyen de lutte le plus efficace devant les produits phytosanitaires souvent

trop chers (Fry 2008). L’agriculture biologique, en forte augmentation dans les pays

développés, est aussi très demandeuse de variétés résistantes.


61

Les anciens cultivars comme Möwe et Roode Industrie font partie des variétés qui présentent

une résistance partielle d’assez haut niveau (Corbière et al. 2002). Parmi 22 cultivars

dépourvus de gènes majeurs introduits sur le marché entre 1900 et 1954, ceux qui

présentent les niveaux de résistance au champ les plus forts sont Robijn, Populair,

Pimpernel, Libertas et Surprise. Ces cultivars sont étroitement apparentés et il est probable

que ce soient les mêmes lots de gènes qui leur confèrent la résistance. De plus, leurs

niveaux actuels sont équivalents à ceux enregistrés depuis 1929, ce qui suggère que la

résistance polygénique concernée est durable (Colon et al. 1995). La variété Maritta qui

cumule la résistance polygénique partielle et des gènes majeurs présente également un

niveau intéressant de résistance (Rousselle et Robert 1997). Il en est de même pour la

variété Coquine, nouvellement créée, qui a été inscrite au catalogue en 2008. Sa résistance

provient d’une population obtenue en croisant plusieurs espèces sauvages apparentées à la

pomme de terre et comprenant à la fois des gènes majeurs d’hypersensibilité et des gènes

de résistance partielle (population A, CIP, Centro Internacional de la Papa, Pérou). Alors que

la plupart des génotypes partiellement résistant au mildiou sont tardifs, la variété Coquine

présente l’originalité très recherchée par les producteurs de pomme de terre d’être précoce à

demi-précoce (J.E. Chauvin, https://www.rennes.inra.fr/pomme_de_terre_2008).

I.5.4 Les interactions Phytophthora/plante

I.5.4.1 Du côté de Phytophthora : les PAMPs et effecteurs

Les champignons et les oomycètes phytopathogènes produisent des effecteurs (facteurs de

virulence) et des PAMP (Pathogen Associated-Molecular Pattern). Les effecteurs, reconnus

spécifiquement par la plante lors d’une interaction gène-pour-gène, sont appelées protéines

d’avirulence AVR. Ce sont des facteurs d’adaptation du pathogène qui manipulent les

mécanismes de défense de la plante. Les PAMPs ont un rôle majeur dans la pathogénicité et

déclenchent le système immunitaire non-spécifique de la plante (Tör 2008, Figure I.23).


62

Pathogène

PAMPsβ-glucaneCBEL

EffecteursInhibiteurs d’enzymesProtéines riches en cystéineÉlicitine INF1Effecteurs cytoplasmiques

RXLR

Cellule végétale

PRR

PRR

PRR

PRR

PRR

PRR

PRR

PRR

Suppression des défenses-modifient des protéines de l’hôte-interfèrent dans les voies de signalisation-évitent d’être détectés-empêchent le dépôt de callose-imitent les protéines de l’hôte-inhibent les activités enzymatiques

interaction

signalisation

ROS

Activation des défenses

-activation des voies de signalisation-burst oxidatif-influx d’ions-altérations de la membrane-réponse hypersensible-modification protéique-production d’éliciteurs endogènes

amplification du signal

synthèse et accumulation de composés antimicrobiens

AVRrécepteur

Pathogène

PAMPsβ-glucaneCBEL

EffecteursInhibiteurs d’enzymesProtéines riches en cystéineÉlicitine INF1Effecteurs cytoplasmiques

RXLR

Cellule végétale

PRR

PRR

PRR

PRR

PRR

PRR

PRR

PRR

Suppression des défenses-modifient des protéines de l’hôte-interfèrent dans les voies de signalisation-évitent d’être détectés-empêchent le dépôt de callose-imitent les protéines de l’hôte-inhibent les activités enzymatiques

interaction

signalisation

ROS

Activation des défenses

-activation des voies de signalisation-burst oxidatif-influx d’ions-altérations de la membrane-réponse hypersensible-modification protéique-production d’éliciteurs endogènes

amplification du signal

synthèse et accumulation de composés antimicrobiens

AVRrécepteur

Figure I.23 Le dialogue moléculaire de l’interaction pomme de terre/Phytophthora infestans (d’après Tör 2008) Les molécules PAMP (Pathogen-associated molecular pattern) et effecteurs aident le pathogène à s’adapter. Les oomycètes comme Phytophthora infestans, Bremia lactucae, Albugo candida et Hyaloperonospora arabidopsis signalent leur présence avec les PAMP tels que le β-glucane ou protéine élicitrice CBEL (cellulose binding elicitor lectin) qui contient deux domaines de liaison à la cellulose et permet au pathogène de s’accrocher à la cellule hôte. La reconnaissance de ces PAMP par des récepteurs de surface (ou PRR pour Pattern Recognition Receptor) active une cascade de signalisation menant à la réponse immunitaire qui comprend la réaction oxidative avec la production d’espèces oxidatives (ROS : reactive oxidative species). Ces pathogènes ont aussi des molécules effectrices comme les inhibiteurs d’enzyme, les petites protéines riches en cystéine et les effecteurs cytoplasmiques RxLR qui passent dans l’apoplaste ou le cytoplasme de la cellule végétale. Ces effecteurs sont souvent des facteurs de virulence qui ont la capacité de supprimer la réponse immunitaire en modifiant les protéines de l’hôte, en interférant avec les voies de signalisation et en inhibant les activités enzymatiques de l’hôte. De même que pour les PAMP, ces effecteurs (protéines AVR) peuvent être reconnus directement ou indirectement par les récepteurs de l’hôte de type RLK/RLP à la surface de la cellule ou par les récepteurs de type NBS-LRR transmembranaires ou dans le cytoplasme. La reconnaissance des protéines AVR déclenche la réponse de défense dont les voies de signalisation, la production de ROS, l’altération de la membrane plasmique avec des dommages irréversibles, des modifications de protéines, la réaction hypersensible (nécrose des cellules) et la production d’éliciteurs endogènes. Cette défense locale est ensuite amplifiée par des voies de signalisation et transduction secondaires. Des composés anti-microbiens sont synthétisés dans les cellules où a eu lieu l’intrusion mais aussi dans les cellules avoisinantes et s’accumulent autour du point d’infection du pathogène. RLK : receptor-like kinase; RLP : receptor-like protein; NB-LRR : nucleotide binding site-leucine rich repeat proteins

Lors de l’infection, les hyphes de Phytophthora s’infiltrent dans l’espace intercellulaire des

tissus végétaux et forment les haustoria. L’haustorium est une structure nourricière qui

pénètre la paroi végétale sans traverser la membrane cellulaire (Kamoun 2006). Des

effecteurs sont sécrétés dans l’apoplaste où se trouvent des molécules cibles et récepteurs

de surface. D’autres effecteurs, sans doute exprimés dans l’haustorium, ont pour cibles des

récepteurs cytoplasmiques de la plante (Catanzariti et al. 2006). Les effecteurs

apoplastiques peuvent être des enzymes inhibitrices (inhibitrices de glucanases) ou de


63

petites protéines riches en cystéine (élicitine INF1). Les effecteurs cytoplasmiques sont des

protéines d’avirulence RxLR (acides aminés R=Arg, L=Leu), identifiées par le séquençage

de 5 gènes Avr (Avr1b-1, ATR13 et ATR1NdWs, Avr3a et Avr3b) chez P. sojae,

Hyaloperonospora arabidopsis et P. infestans (Shan et al. 2004 ; Allen et al. 2004 ; Rehmany

et al. 2005, Armstrong et al. 2005; Jiang et al. 2006). Ce motif est apparenté à un motif de

transport protéique que l’on trouve dans les protéines de virulence du pathogène de la

malaria, Plasmodium falciparum (Hiller et al. 2006 ; Bhattacharjee et al. 2006). Ce motif n’a

pas été trouvé dans les protéines AVR de la rouille du lin et semble être spécifique des

oomycètes (Dodds et al. 20046; Catanzariti et al. 2006). Le mode de transmission des

protéines d’avirulence entre l’espace extracellulaire et le cytoplasme de l’hôte n’est pas

encore clair (Ellis et al. 2006 ; Kamoun 2006). Certaines comparaisons avec d’autres

pathosystèmes évoquent la possibilité d’une reconnaissance par des récepteurs

d’endocytose de la cellule végétale qui permettrait ainsi l’entrée de la protéine Avr dans le

cytoplasme (Tör 2008).

I.5.4.2 Du côté de la plante : les récepteurs de reconnaissance des effecteurs

Pour la reconnaissance des molécules des pathogènes, les plantes présentent des

récepteurs extra- et intracellulaires. Les récepteurs extracellulaires sont appelés PRR

(Pattern Recognition Receptors) et jouent un rôle prépondérant dans la connexion de la paroi

cellulaire, la membrane plasmique et le cytosquelette ainsi que dans la transmission des

signaux externes (Tör 2008). Les récepteurs intracellulaires assurent la reconnaissance des

molécules des pathogènes dans le cytoplasme de la cellule végétale via les protéines NBS-

LRR. Plusieurs membres de ces R-protéines conférant la résistance aux oomycètes ont été

clonés comme les gènes RPP et RAC d’Arabidopsis qui confèrent la résistance à H.

arabidopsis et A. candida (Tör et al. 1994, 2003 ; Holub 2001 ; Borhan et al. 2004), les gènes

des clusters DM3 et RGC2 de la laitue qui confèrent la résistance à B. lactucae (Shen et al.

2002 ; Wroblewski et al. 2007), R1, R2, R2-like, Rpi-blb3, Rpi-abpt et R3a chez la pomme de

terre qui confèrent la résistance à P. infestans (Ballvora et al. 2002 ; Huang et al. 2005 ;

Lokossou et al. sous presse). Leur mode d’activation de la réponse immunitaire est en cours

d’étude. Des découvertes récentes ont montré que la majorité des R-protéines ont

également un signal nucléaire (Meyers et al. 2003). Par exemple, la protéine MLA de l’orge,

N du tabac et RPS4 d’Arabidopsis sont transportées dans le noyau et activent l’expression

de défense via le facteur de transcription au domaine WRKY (Dangl 2007; Shen et Schulze-

Lefert 2007 ; Shen et al. 2007).


64

I.5.4.3 Attaque, contre-attaque : le dialogue moléculaire de l’interaction

Les Phytophthora disposent, comme les champignons, des enzymes de dégradation des

parois cellulaires (CWDE pour Cell Wall Degrading Enzyme). La plante sécrète également

des CWDE contre le Phytophthora. En réponse, les Phytophthora sécrètent des inhibiteurs

de CWDE (ex EPI1 de P. infestans qui inhibe la protéase P69 de tomate, Tian et al. 2004,

2005) et des protéines telles que GIP1 de P. sojae qui inhibent les glucanases végétales

(Rose et al. 2002). La reconnaissance des molécules PAMP et des effecteurs active la

cascade de signaux et le réseau d’acteurs de la défense comme les facteurs de transcription

et les kinases (Tör 2008). Les changements physiologiques caractéristiques de la défense

des plantes se manifestent : influx d’ions, épaississement des parois cellulaires autour du

point d’infection, formation de ROS comme NO, H2O2 qui ralentissent le développement du

pathogène, synthèse de phytoalexines et de protéines PR et production d’acide salicylique

(Hardham et al. 2007). Chez P. infestans, les séquences dérivées d’enzymes dégradant les

ROS (catalases, peroxydase) ont été identifiées (Latijnhouwers et al. 2003).

I.5.5 Les colocalisations des locus de résistance aux Phytophthora

Les analyses de QTL pour la résistance aux Phytophthora ont été essentiellement

rapportées chez la pomme de terre vis-à-vis de P. infestans avec 19 études publiées, chez le

piment vis-à-vis de P. capsici avec 7 études publiées, et moins fréquemment chez la tomate

vis-à-vis de P. infestans avec 2 études publiées sur des populations issues du même

croisement de départ (Tableau I.6).


65

Tableau I.6 Espèces et croisements des analyses QTL publiées pour la résistance aux Phytophthora pour l’alignement des cartes de trois Solanacées: (a) pomme de terre, (b) piment et (c) tomate (a)

Croisements pomme de terre* Référence H82.368/3 x H80.696/4 (S. tuberosum x S.spegazzinii) Leonards-Schippers et

al. 1994 S. tuberosum 12601ab1 x S. tuberosum Stirling Meyer et al. 1998 G87D2.4.1 ([DH FloraxS. kurtzianum)x S. vernei]x (S. tuberosum x S. tarijense)x I88.55.6 ((S. tuberosum x S. stenotomum) x S. tuberosum x S. stenotomum)

Collins et al. 1999

H80.577/1 x H80.576/16 (pedigrées inconnus); G87D2.4.1[(DH Flora x PI 458.388) x (DH Dani x PI 230.468)] x I88.55.6 {[DH (Belle de Fontenay x Kathadin) x PI 238.141]x [DH Jose x (PI 195.304 x WRF 380)]} espèces appartenant au pédigrées des parents : S. kurtzianum, S. vernei, S. tuberosum, S. tarijense, S. stenotomum

Oberhagemann et al. 1999

(S. tuberosum USW2230 x S. berthaultii PI473331) x S. tuberosum HH1-9 Ewing et al. 2000 J101K6 (S. bulbocastanum x S. tuberosum)] x S. tuberosum Atlantic Naess et al. 2000 S. microdontum MCD167 x S. tuberosum SH 82-44-111; S. microdontum MCD167x S. tuberosum SH 77-114-2988; S. microdontum MCD167 x S. tuberosum SH 82-59-223; S. microdontum MCD178 x SH 82-44-111; S. microdontum MCD178 x SH 77-114-2988; S. microdontum MCD178 x SH 82-59-223

Sandbrink et al. 2000

S. phureja CHS-625 x S. tuberosum PS-3 Ghislain et al. 2001 USW5337.3 (S. phurejax S. tuberosum) x USW5337.3 (S. vernei × S. tuberosum) Visker et al. 2003 S. tuberosum Leylax S. tuberosum Escort; S. tuberosum Leylax S. tuberosum Nikita

Bormann et al. 2004

S. tuberosum 12601ab1x S. tuberosum Stirling Bradshaw et al. 2004 (S. phureja x S. stenotomum BD142-1) x (S. phureja x S. senotomum BD172-1) Costanzo et al. 2005 MP1-8(S. paucissectum PI473489-1 x S.chromatophilum PI310991-1) x S.chromatophilum PI310991-1

Villamon et al. 2005

S. tuberosum SH82-44-111 x CE51 (S. phureja x (S. vernei x S. tuberosum)) ; S. tuberosum DH84-19-1659 x I88.55.6 ((S. tuberosum x S. stenotomum) x S. tuberosum x S. stenotomum))

Visker et al. 2005

S. tuberosum PDH247 x S. phureja DB226) x S. phureja DB226 Bradshaw et al. 2006b BD142-1(S. phureja x S. stenotomum) x BD172-1 (S. phureja x S. stenotomum) Simko et al. 2006 S.tuberosum 89-0-08-21 x S.vernei 3504; S.tuberosum 90-HAE-42 x S.vernei 3504

Sorensen et al. 2006

DG 83-1520 (P1)xDG 84-195 (P2) espèces appartenant aux pédigrées des parents : S. tuberosum, S. chacoense, S. verrucosum, S. microdontum, S. gourlayi, S. yougasense

Sliwka et al. 2007

S. tuberosum CasparH3x S. sparsipilum PI310984; S. tuberosum RosaH1x S. spegazzinii PI208876

Danan et al. soumis

* Tous les croisements utilisés pour les analyses QTL sont des pseudo-F1 (b)

Croisements piment* Référence Capsicum annuum H3 x Capsicum annuum Vania (HD) Capsicum annuum Perennial x Capsicum annuum Yolo Wonder (HD) Capsicum annuum Yolo Wonder x Capsicum annuum Criollo de Morelos 334 (F2)

Thabuis et al. 2003 Lefebvre et Palloix

1996 Capsicum annuum PSP-11 × Capsicum annuum PI201234 (RIL: F7) Capsicum annuum Joe E. Parker x Capsicum annuum Criollo de Morelos 334 (F2)

Ogundiwin et al. 2005

Capsicum annuum CM334 x Capsicum annuum NuMex Joe E. Parker (F1)

Sugita et al. 2006

Capsicum annuum Yolo Wonder x Capsicum annuum Criollo de Morelos 334 (F5) Bonnet et al. 2007 Capsicum annuum Manganji x Capsicum annuum Criollo de Morelos 334 (HD) Minamiyama et al.

2007 Capsicum annuum Criollo de Morelos 334 x Capsicum annuum Chilsungcho (F2) Kim et al. 2008 *HD: population haploïde doublée, Fi : ième génération d’autofécondation à partir d’individus F1 (c)

Croisements tomate* Référence L. esculentum NC 84173 x L. hirsutum LA2099 (BC) Brouwer et al. 2004 L. esculentum NC 84173 x L. hirsutum LA2099 (NIL) Brouwer et St Clair

2004 *BC: back-cross avec L. esculentum NC 84173 ; NIL : Near-Isogenic Lines issues de 4 back-cross sucessifs avec L. esculentum


66

De même, la cartographie de gènes majeurs a principalement été rapportée chez la pomme

de terre avec 23 gènes majeurs répartis sur plusieurs chromosomes, notamment dans des

clusters de résistance aux bioagresseurs. Chez la tomate, 4 gènes majeurs ont été rapportés

dans la littérature (Ph-1, Ph-2, Ph-3, Ph-5), il en existe d’autres connus des sélectionneurs

mais non publiés (Foolad 2007). Aucun gène majeur de résistance à P. capsici chez le

piment n’a été décrit.

L’analyse détaillée des marqueurs communs aux différentes cartes et appartenant aux

intervalles de confiance des QTL ou liés aux gènes majeurs a permis de mettre en évidence

de nombreuses colocalisations possibles entre les locus des 3 espèces de Solanacées. Ces

colocalisations sont présentées au niveau macrosynténique (échelle peu résolutive) Figure

I.24. Cette figure tient compte de l’ensemble des publications citées plus haut et confirme

des colocalisations déjà décrites (Grube et al. 2000 ; Pflieger et al. 2001 ; Thabuis et al.

2003). L’ajout de marqueurs communs dans les régions colinéaires les plus riches en locus

de résistance aux Phytophthora est toujours en cours au laboratoire GAFL INRA Avignon et

devrait permettre d’augmenter la résolution de la comparaison.

Figure I.24 Organisation des locus de résistance aux Phytophthora sur le génome des Solanacées (pomme de terre, tomate et piment) Les groupes de liaisons synténiques des trois espèces sont représentés schématiquement avec une couleur différente: vert pour la pomme de terre (K), rouge pour la tomate (T) et orange pour le piment (P). La longueur totale de chaque chromosome est indiquée à leur extrémité Sud. La valeur indiquée est une moyenne des longueurs rapportées dans différentes cartes utilisées pour l’analyse. Une échelle repère de 20 cM est indiquée. Les noms des marqueurs susceptibles de faciliter l’ancrage des cartes au sein de chaque espèce et entre les espèces sont notés à gauches des chromosomes. Leurs positions, lorsqu’elles ont indiquées, sont notées à droite des chromosomes. Leur valeurs sont les moyennes arithmétiques des cartes où les marqueurs ont été cartographiés, ou sont les positions réelles de la carte d’origine s’il n’y en a qu’une. Certains marqueurs ont des positions incertaines ou contradictoires et, dans ce cas, ils sont positionnés relativement les uns par rapport aux autres sans que leur position soit précisée. Les marqueurs entre parenthèse ont des positions très incertaines. Les régions de QTL sont indiquées par des rectangles de la même couleur que celle de l’espèce. Leurs intervalles de confiances sont approximatifs et se basent sur leurs positions relatives aux marqueurs ancres les plus proches. Les références bibliographiques des cartes de QTL inclues dans l’analyse sont indiquées au niveau des QTL. Les gènes majeurs ou clusters de gènes majeurs sont représentés par la lettre ‘R’ dans des cercles bleus. Leur nom est précisé dans chaque cas. Pour les groupes synténiques des chromosomes 7 et 8 de la tomate et de la pomme de terre, trop peu de marqueurs communs étaient disponibles pour pouvoir ancrer les cartes des régions synténiques de piment correspondantes. Cette figure est une vue simplifiée de l’organisation comparée des locus de résistance aux Phytophthora chez 3 espèces de Solanacées ; elle vise à mettre en évidence d’éventuelles colinéarités entre locus mais de précise pas les réarrangements génomiques tels que décrits dans Livingstone et al. (1999).


67

K1

T1

P1

TG24

TG29TG70

GP298

TG24

124

CP11

33

50

65O

berh

agem

ann

et a

l. 19

99

0

20

22

TG70 41

TG273 63

TG224 67

TG343 82

TG333 103

TG179 126

TG301 8

lb1a

; Bro

uwer

et a

l. 20

04lb

1b;B

rouw

er e

t al.

2004

lb1c

;Bro

uwer

et a

l. 20

04

TG29 35

(TG16) Pc1

.2 P

c1.1

;Bon

net e

t al.

2007

Phy

to1.

1; T

habu

iset

al.

2004

Phy

to-F

Phy

to-E

Phy

to-D

; Ogu

ndiw

inet

al.

2005

86

K1

T1

P1

TG24

TG29TG70

GP298

TG24

124

CP11

33

50

65O

berh

agem

ann

et a

l. 19

99

0

20

22

TG70 41

TG273 63

TG224 67

TG343 82

TG333 103

TG179 126

TG301 8

lb1a

; Bro

uwer

et a

l. 20

04lb

1b;B

rouw

er e

t al.

2004

lb1c

;Bro

uwer

et a

l. 20

04

TG29 35

(TG16) Pc1

.2 P

c1.1

;Bon

net e

t al.

2007

Phy

to1.

1; T

habu

iset

al.

2004

Phy

to-F

Phy

to-E

Phy

to-D

; Ogu

ndiw

inet

al.

2005

86


68

K2

T2

P2

GP1 (c)

GP321aGP26 TG145

102

37

65

0

20

20

CT75 44

TG48 49

TG167 57

lb2a

; Bro

uwer

et a

l. 20

04lb

2b

CT116 30

(TG31)

195

SK2

Obe

rhag

eman

net

al.

1999

Col

lins

et a

l. 19

99

TG31 50

61

77CD35CT75 79

85TG167TG50 90

Obe

rhag

eman

net

al.

1999

Col

lins

et a

l. 19

99S

imko

et a

l. 20

06

Leon

ards

-Sch

ippe

rset

al.

1994

Col

lins

et a

l. 19

99TG48 99

TG31 1

(TG312)

TG250 63

Phy

to2.

1; T

habu

iset

al.

2003

TG312 81

CD35 150

49

K2

T2

P2

GP1 (c)

GP321aGP26 TG145

102

37

65

0

20

20

CT75 44

TG48 49

TG167 57

lb2a

; Bro

uwer

et a

l. 20

04lb

2b

CT116 30

(TG31)

195

SK2

Obe

rhag

eman

net

al.

1999

Col

lins

et a

l. 19

99

TG31 50

61

77CD35CT75 79

85TG167TG50 90

Obe

rhag

eman

net

al.

1999

Col

lins

et a

l. 19

99S

imko

et a

l. 20

06

Leon

ards

-Sch

ippe

rset

al.

1994

Col

lins

et a

l. 19

99TG48 99

TG31 1

(TG312)

TG250 63

Phy

to2.

1; T

habu

iset

al.

2003

TG312 81

CD35 150

49


69

K3 T3 P3

GP250

TG449B

TG13B

TG542

110

44

59

0

20

39

(TG74)

TG42 67 lb3;

Bro

uwer

et a

l. 20

04

TG591 15

270

Leon

ards

-Sch

ippe

rset

al.

1994

E

win

g et

al.

2000

Ghi

slai

n et

al.

2001

Cos

tanz

o et

al.

2005

Sliw

kaet

al.2

007

52

70TG42

TG134 77

101TG244

Col

lins

et a

l. 19

99O

berh

agem

ann

et a

l. 19

99B

orm

ann

et a

l. 20

04

Leon

ards

-Sch

ippe

rset

al.

1994

Leon

ards

-Sch

ippe

rset

al.

1994

Obe

rhag

eman

net

al.

1999

Sliw

kaet

al.

2007

5

TG244 150

TG56 4750GP1a

TG74 61

TG56

(TG359)

TG057 30

CD8 75

(TG74)

CT63 195

(TG134)(TG359)TG152 240

rec3

.1; T

habu

iset

al.

2003

ind3

.1; T

habu

iset

al.

2003

Pp_

3.1;

Bon

net e

t al.

2007

K3 T3 P3

GP250

TG449B

TG13B

TG542

110

44

59

0

20

39

(TG74)

TG42 67 lb3;

Bro

uwer

et a

l. 20

04

TG591 15

270

Leon

ards

-Sch

ippe

rset

al.

1994

E

win

g et

al.

2000

Ghi

slai

n et

al.

2001

Cos

tanz

o et

al.

2005

Sliw

kaet

al.2

007

52

70TG42

TG134 77

101TG244

Col

lins

et a

l. 19

99O

berh

agem

ann

et a

l. 19

99B

orm

ann

et a

l. 20

04

Leon

ards

-Sch

ippe

rset

al.

1994

Leon

ards

-Sch

ippe

rset

al.

1994

Obe

rhag

eman

net

al.

1999

Sliw

kaet

al.

2007

5

TG244 150

TG56 4750GP1a

TG74 61

TG56

(TG359)

TG057 30

CD8 75

(TG74)

CT63 195

(TG134)(TG359)TG152 240

rec3

.1; T

habu

iset

al.

2003

ind3

.1; T

habu

iset

al.

2003

Pp_

3.1;

Bon

net e

t al.

2007


70

K4 T4

TG123

TG182

Obe

rhag

eman

net

al.

1999

Col

lins

et a

l. 19

99

Leon

ards

-Sch

ippe

ret

al.

1994

Sliw

kaet

al.

2007

16

TG345 46

TG15 0

lb4;

Bro

uwer

et a

l. 20

04,

Bro

uwer

et S

tCla

ir20

04

TG132 0

sta2

3.4.

1, r

ri.4.

1; T

habu

iset

al.

2003

, 200

4

Pc_

4a.2

; Bon

net e

t al.

2007

86

P4TG153 0

Phy

to5.

1;T

habu

iset

al.

2003

Pc_

5.1;

Bon

net e

t al.

2007

119

P5

0

20

TG609 10TG314TG215TG211 15

TG483 26TG413

TG123 30

TG586 42

TG329 75CT155TG363CD64a TG399(TG15)

80TG358

84CT80

90TG60

110TG23CT80a

TG238TG69a

Phy

to5.

2; T

habu

iset

al.

2003

Pc_

5.2;

Bon

net e

t al.

2007

Phy

to-P

; Ogu

ndiw

inet

al.

2005

Qui

rinet

al.

2005

TG351TG419

Phy

to-U

; Ogu

ndiw

inet

al.

2005

Phy

t-1;

Sug

itaet

al.

2006

TG15 16

TG483 22

TG339T0635 27

87

MBF 34

TG652 41STM3023 45

TG272 49TG623 50TG427 55

TG345 71

CT173 76

San

dbrin

ket

al.

2000

Leon

ards

-Sch

ippe

ret

al.

1994

TG413B 10TG339

TG609TG652 22

TG427 31

CT173 59

TG163 72TG498

(TG65)

TG65 59

(TG65)

Bra

dsha

w e

t al.

2004

Mey

er e

t al.

1998

R

R Cluster de gènes majeurs de type NBS-LRR :

R2, R2-like, Rpi-blb3, Rpi-abpt, Rpi-mcd/Rpi-mcd1, Rpi-demf

K4 T4

TG123

TG182

Obe

rhag

eman

net

al.

1999

Col

lins

et a

l. 19

99

Leon

ards

-Sch

ippe

ret

al.

1994

Sliw

kaet

al.

2007

16

TG345 46

TG15 0

lb4;

Bro

uwer

et a

l. 20

04,

Bro

uwer

et S

tCla

ir20

04

TG132 0

sta2

3.4.

1, r

ri.4.

1; T

habu

iset

al.

2003

, 200

4

Pc_

4a.2

; Bon

net e

t al.

2007

86

P4TG153 0

Phy

to5.

1;T

habu

iset

al.

2003

Pc_

5.1;

Bon

net e

t al.

2007

119

P5

0

20

TG609 10TG314TG215TG211 15

TG483 26TG413

TG123 30

TG586 42

TG329 75CT155TG363CD64a TG399(TG15)

80TG358

84CT80

90TG60

110TG23CT80a

TG238TG69a

Phy

to5.

2; T

habu

iset

al.

2003

Pc_

5.2;

Bon

net e

t al.

2007

Phy

to-P

; Ogu

ndiw

inet

al.

2005

Qui

rinet

al.

2005

TG351TG419

Phy

to-U

; Ogu

ndiw

inet

al.

2005

Phy

t-1;

Sug

itaet

al.

2006

TG15 16

TG483 22

TG339T0635 27

87

MBF 34

TG652 41STM3023 45

TG272 49TG623 50TG427 55

TG345 71

CT173 76

San

dbrin

ket

al.

2000

Leon

ards

-Sch

ippe

ret

al.

1994

TG413B 10TG339

TG609TG652 22

TG427 31

CT173 59

TG163 72TG498

(TG65)

TG65 59

(TG65)

Bra

dsha

w e

t al.

2004

Mey

er e

t al.

1998

R

R Cluster de gènes majeurs de type NBS-LRR :

R2, R2-like, Rpi-blb3, Rpi-abpt, Rpi-mcd/Rpi-mcd1, Rpi-demf


71

K5 T5

CD31A

TG358

18

0

20

53

TG183 63

lb5a

; Bro

uwer

et a

l. 20

04

Bro

uwer

et S

t Cla

ir, 2

004

Leon

ards

-Sch

ippe

rset

al.

1994

C

ollin

s et

al.

1999

Ghi

slai

n et

al.

2001

Bor

man

n et

al.

2004

Sliw

kaet

al.2

007

Obe

rhag

eman

net

al.

1999

Vis

ker

et a

l. 20

03,2

005

Cos

tanz

o et

al.

2005

Obe

rhag

eman

net

al.

1999

Sliw

kaet

al.

2007

0

TG413 80

CT101TG153 0

Phy

to5.

1;T

habu

iset

al.

2003

Pc_

5.1;

Bon

net e

t al.

2007

119

P5

TG609 10TG314TG215

TG211 15

TG483 26TG413

TG123 30

TG586 42

TG329 75CT155TG363

CD64a TG399

(TG15)

80TG358

84CT80

90TG60

110TG23CT80a

TG238TG69a

Phy

to5.

2; T

habu

iset

al.

2003

Pc_

5.2;

Bon

net e

t al.

2007

Phy

to-P

; Ogu

ndiw

inet

al.

2005

Qui

rinet

al.

2005

TG351TG419

Phy

to-U

; Ogu

ndiw

inet

al.

2005

Phy

t-1;

Sug

itaet

al.

2006

P11

(TG432)

Pc_

11a.

1;B

onne

t et a

l. 20

07

CT101TG619TG379

Phy

to11

.1;T

habu

iset

al.

2003

Phy

to-T

; Ogu

ndiw

inet

al.

2005

Pp_

11a.

1;B

onne

t et a

l. 20

07

Phy

to1.

2; T

habu

iset

al.

2003

Phy

t-3;

Sug

itaet

al.

2006

(TG36)

TG432 23CT101 24TG619 27TG363

28TG37938TG358

50TG23TG69

53TG18556TG413

147

15TG598

33CT93

TG23 59

TG69 70

lb5b

; Bro

uwer

et a

l. 20

04

Bro

uwer

et S

t Cla

ir, 2

004

(TG358)

TG598R

Bra

dsha

w e

t al.

2004

San

dbrin

ket

al.

2000

R 1 gène majeur de type NBS-LRR : R1

Kim

et a

l. 20

08

K5 T5

CD31A

TG358

18

0

20

53

TG183 63

lb5a

; Bro

uwer

et a

l. 20

04

Bro

uwer

et S

t Cla

ir, 2

004

Leon

ards

-Sch

ippe

rset

al.

1994

C

ollin

s et

al.

1999

Ghi

slai

n et

al.

2001

Bor

man

n et

al.

2004

Sliw

kaet

al.2

007

Obe

rhag

eman

net

al.

1999

Vis

ker

et a

l. 20

03,2

005

Cos

tanz

o et

al.

2005

Obe

rhag

eman

net

al.

1999

Sliw

kaet

al.

2007

0

TG413 80

CT101TG153 0

Phy

to5.

1;T

habu

iset

al.

2003

Pc_

5.1;

Bon

net e

t al.

2007

119

P5

TG609 10TG314TG215

TG211 15

TG483 26TG413

TG123 30

TG586 42

TG329 75CT155TG363

CD64a TG399

(TG15)

80TG358

84CT80

90TG60

110TG23CT80a

TG238TG69a

Phy

to5.

2; T

habu

iset

al.

2003

Pc_

5.2;

Bon

net e

t al.

2007

Phy

to-P

; Ogu

ndiw

inet

al.

2005

Qui

rinet

al.

2005

TG351TG419

Phy

to-U

; Ogu

ndiw

inet

al.

2005

Phy

t-1;

Sug

itaet

al.

2006

P11

(TG432)

Pc_

11a.

1;B

onne

t et a

l. 20

07

CT101TG619TG379

Phy

to11

.1;T

habu

iset

al.

2003

Phy

to-T

; Ogu

ndiw

inet

al.

2005

Pp_

11a.

1;B

onne

t et a

l. 20

07

Phy

to1.

2; T

habu

iset

al.

2003

Phy

t-3;

Sug

itaet

al.

2006

(TG36)

TG432 23CT101 24TG619 27TG363

28TG37938TG358

50TG23TG69

53TG18556TG413

147

15TG598

33CT93

TG23 59

TG69 70

lb5b

; Bro

uwer

et a

l. 20

04

Bro

uwer

et S

t Cla

ir, 2

004

(TG358)

TG598R

Bra

dsha

w e

t al.

2004

San

dbrin

ket

al.

2000

R 1 gène majeur de type NBS-LRR : R1

Kim

et a

l. 20

08


72

K6 T6 P6

WUN1

CT108

129

44O

berh

agem

ann

et a

l. 19

99

Col

lins

et a

l. 19

99S

imko

et a

l. 20

06

0

20

21

TG253 35

TG279 52

TG99 59

TG314 68TG221 70

TG118 8

lb6b

;Bro

uwer

et a

l. 20

04F

rary

et a

l. 19

98S

mar

t et a

l. 20

07

(CT146)

Phy

to6.

2; T

habu

iset

al.

2003

Phy

to-L

; Ogu

ndiw

inet

al.

2005

86

GP79 16

CD67 48TG118 50TG25 51

TG193 101

Obe

rhag

eman

net

al.

1999

Col

lins

et a

l. 19

99S

imko

et a

l. 20

06

CT216 0(TG232)

(TG25)

(CT146)

TG578 60

lb6a

;Bro

uwer

et a

l. 20

04

(TG25)

(TG253)(TG232)

Phy

to6.

1; T

habu

iset

al.

2003

Pc_

6.1;

Bon

net e

t al.

2007

Kim

et a

l. 20

08

1 gène majeur chez la pomme de terre de type NBS-LRR : Rpi-blb2 1 gène majeur chez la tomate

R

R

R

K6 T6 P6

WUN1

CT108

129

44O

berh

agem

ann

et a

l. 19

99

Col

lins

et a

l. 19

99S

imko

et a

l. 20

06

0

20

21

TG253 35

TG279 52

TG99 59

TG314 68TG221 70

TG118 8

lb6b

;Bro

uwer

et a

l. 20

04F

rary

et a

l. 19

98S

mar

t et a

l. 20

07

(CT146)

Phy

to6.

2; T

habu

iset

al.

2003

Phy

to-L

; Ogu

ndiw

inet

al.

2005

86

GP79 16

CD67 48TG118 50TG25 51

TG193 101

Obe

rhag

eman

net

al.

1999

Col

lins

et a

l. 19

99S

imko

et a

l. 20

06

CT216 0(TG232)

(TG25)

(CT146)

TG578 60

lb6a

;Bro

uwer

et a

l. 20

04

(TG25)

(TG253)(TG232)

Phy

to6.

1; T

habu

iset

al.

2003

Pc_

6.1;

Bon

net e

t al.

2007

Kim

et a

l. 20

08

1 gène majeur chez la pomme de terre de type NBS-LRR : Rpi-blb2 1 gène majeur chez la tomate

R

R

R


73

K7 T7

70

Obe

rhag

eman

net

al.

1999

Cos

tanz

o et

al.

2005

Leon

ards

-Sch

ippe

rset

al.

1994

Ghi

slai

n et

al.

2001

0

20

TG438 13

lb7b

;Bro

uwer

et a

l. 20

04

TG438 14

TG499 0

lb7a

;Bro

uwer

et a

l. 20

04

TG499 4

TG216 19

TG572 21

TG128 24CT43 25TG61 28

CT84 TG216 23

TG572 32

TG170 41TG128 43

TG64 55

TG61 62CT52 67

Col

lins

et a

l. 19

99C

ollin

s et

al.

1999

R

R

R1 gène majeur chez la pomme de terre (Rpi1)

1 gène majeur chez la tomate (Ph-1, position incertaine).

Pas de marqueur commun avec le piment

K7 T7

70

Obe

rhag

eman

net

al.

1999

Cos

tanz

o et

al.

2005

Leon

ards

-Sch

ippe

rset

al.

1994

Ghi

slai

n et

al.

2001

0

20

TG438 13

lb7b

;Bro

uwer

et a

l. 20

04

TG438 14

TG499 0

lb7a

;Bro

uwer

et a

l. 20

04

TG499 4

TG216 19

TG572 21

TG128 24CT43 25TG61 28

CT84 TG216 23

TG572 32

TG170 41TG128 43

TG64 55

TG61 62CT52 67

Col

lins

et a

l. 19

99C

ollin

s et

al.

1999

R

R

R1 gène majeur chez la pomme de terre (Rpi1)



K8 T8

119

Col

lins

et a

l. 19

99S

imko

et a

l. 20

06

Ew

ing

et a

l. 20

00B

orm

ann

et a

l. 20

04

0

20

TG72 15

lb8b

;Bro

uwer

et a

l. 20

04F

rary

et a

l. 19

98

TG309 0

lb8a

;Bro

uwer

et a

l. 20

04

wx 64

TG16 24

TG330 45

CT148 59

CT68 74


TG117A 78TG72 79

TG349 81TG16A 82CT68 84

CT148 86CT68 88

TG330 89

Col

lins

et a

l. 19

99S

imko

et a

l. 20

06

Ghi

slai

n et

al.

2001

Nae

sset

al.

2001

Bor

man

n et

al.

2004

Obe

rhag

eman

net

al.

1999

Sor

ense

n et

al.

2006

R

RCluster de gènes majeurs de type NBS-LRR :

Rpi-blb1/RB, Rpi-pta1, Rpi-plt1, Rpi-sto1

K8 T8

119

Col

lins

et a

l. 19

99S

imko

et a

l. 20

06

Ew

ing

et a

l. 20

00B

orm

ann

et a

l. 20

04

0

20

TG72 15

lb8b

;Bro

uwer

et a

l. 20

04F

rary

et a

l. 19

98

TG309 0

lb8a

;Bro

uwer

et a

l. 20

04

wx 64

TG16 24

TG330 45

CT148 59

CT68 74


TG117A 78TG72 79

TG349 81TG16A 82CT68 84

CT148 86CT68 88

TG330 89

Col

lins

et a

l. 19

99S

imko

et a

l. 20

06

Ghi

slai

n et

al.

2001

Nae

sset

al.

2001

Bor

man

n et

al.

2004

Obe

rhag

eman

net

al.

1999

Sor

ense

n et

al.

2006

R

RCluster de gènes majeurs de type NBS-LRR :

Rpi-blb1/RB, Rpi-pta1, Rpi-plt1, Rpi-sto1


74

K9 T9 P9

130

Obe

rhag

eman

net

al.

1999

Bor

man

n et

al.

2004

Leon

ards

-Sch

ippe

rset

al.

1994

Col

lins

et a

l. 19

99

Sor

ense

n et

al.

2006

0

20

CT143 11

lb9b

;Bro

uwer

et a

l. 20

04

TG10 37

TG254 0

lb9a

;Bro

uwer

et a

l. 20

04

TG254B 29

CP20 40

CT143 44

TG35 74

TG8 87

CT220 94

CT32 18

TG35 30

TG8 55

TG591 63

CT220 74

(TG568)

(TG568)

Pp_

9.1,

Pp_

9.2;

Bon

net e

t al.

2007

Phy

to-Q

; Ogu

ndiw

inet

al.

2005

Obe

rhag

eman

net

al.

1999

R

R

R

R2 locus de gènes majeur chez la pomme de terre :

Rpi-vnt1.1/Rpi-vnt1.2/Rpi-vnt1.3 (NBS-LRR), Rpi-Phu1 et Rpi-mcq1


K9 T9 P9

130

Obe

rhag

eman

net

al.

1999

Bor

man

n et

al.

2004

Leon

ards

-Sch

ippe

rset

al.

1994

Col

lins

et a

l. 19

99

Sor

ense

n et

al.

2006

0

20

CT143 11

lb9b

;Bro

uwer

et a

l. 20

04

TG10 37

TG254 0

lb9a

;Bro

uwer

et a

l. 20

04

TG254B 29

CP20 40

CT143 44

TG35 74

TG8 87

CT220 94

CT32 18

TG35 30

TG8 55

TG591 63

CT220 74

(TG568)

(TG568)

Pp_

9.1,

Pp_

9.2;

Bon

net e

t al.

2007

Phy

to-Q

; Ogu

ndiw

inet

al.

2005

Obe

rhag

eman

net

al.

1999

R

R

R

R2 locus de gènes majeur chez la pomme de terre :

Rpi-vnt1.1/Rpi-vnt1.2/Rpi-vnt1.3 (NBS-LRR), Rpi-Phu1 et Rpi-mcq1



75

K10 T10 P10

96

Sliw

kaet

al.

2007

Sim

joet

al.

2006

Vill

amon

et a

l.

0

20

TG303 3

TG122 40

TG271 0

lb10

;Bro

uwer

et a

l. 20

04

TG303 39

TG560 44

CT11 54

CD32 65TG422 66CP49a 70

TG560 10

TG285 15

CT20 31

TG229 46

TG63 66

GP35a 51

CT214 56TG280 57

TG185 72TG420 80

TG63

Sliw

kaet

al.

2007

Obe

rhag

eman

net

al.

1999

(TG420)

(CT154)

(TG122)(TG122)

120

(CT154)

(TG420)

Pp_

10a.

1, P

p_10

a.2;

Bon

net e

t al.

2007

Phy

tu10

.1; T

habu

iset

al.

2003

San

dbrin

ket

al.

2000

Sim

ko e

t al.

2006

R

RR

2 locus proches de gènes majeurs chez la pomme de terre : Rber et Rpi-ber

1gène majeur chez la tomate : Ph-2

R

K10 T10 P10

96

Sliw

kaet

al.

2007

Sim

joet

al.

2006

Vill

amon

et a

l.

0

20

TG303 3

TG122 40

TG271 0

lb10

;Bro

uwer

et a

l. 20

04

TG303 39

TG560 44

CT11 54

CD32 65TG422 66CP49a 70

TG560 10

TG285 15

CT20 31

TG229 46

TG63 66

GP35a 51

CT214 56TG280 57

TG185 72TG420 80

TG63

Sliw

kaet

al.

2007

Obe

rhag

eman

net

al.

1999

(TG420)

(CT154)

(TG122)(TG122)

120

(CT154)

(TG420)

Pp_

10a.

1, P

p_10

a.2;

Bon

net e

t al.

2007

Phy

tu10

.1; T

habu

iset

al.

2003

San

dbrin

ket

al.

2000

Sim

ko e

t al.

2006

R

RR

2 locus proches de gènes majeurs chez la pomme de terre : Rber et Rpi-ber

1gène majeur chez la tomate : Ph-2

R


76

K11 T11 P11

76

Bor

man

n et

al.

2004

Leon

ards

-Sch

ippe

rset

al.

1994

Vill

amon

et a

l.

Col

lins

et a

l. 19

99

0

20

TG194 21

lb11

b;B

rouw

er e

t al.

2004

CT182 22

TG497 0

lb11

a;B

rouw

er e

t al.

2004

TG154-2 18

CT168 24CT19425TG65128TG49731

CD17CT182

TG147 44TG400 47

TG546 55

CT101

Phy

to11

a.1;

Tha

buis

et a

l. 20

03

Phy

to-T

;Ogu

ndiw

inet

al.

2005

TG105a

39TG57

40TG47

41

TG46

42

TG384

44

TG36

48

CT107C

50

TG26TG393TG400GP171(b)

TG30

Bor

man

n et

al.

2004

Ghi

slai

n et

al.

2001

Cos

tanz

o et

al.

2005

Col

lins

et a

l. 19

99

Col

lins

et a

l. 19

99CT107c

TG30TG36

TG105TG26

TG393 78

lb11

;Bro

uwer

et S

t Cla

ir 20

04

TG379

TG619

(TG47)

(TG384)

(TG46)

(TG36)

Pp_

11a.

1; B

onne

t et a

l. 20

07

Phy

to11

a.2;

Tha

buis

et a

l. 20

03P

hyt-

3; S

ugita

et a

l. 20

06

R

R

R

2 locus de gènes majeurs :

R3, R3a ( NBS-LRR), R3b, R6, R7, R10, R11 et Rpi_Stirling

K11 T11 P11

76

Bor

man

n et

al.

2004

Leon

ards

-Sch

ippe

rset

al.

1994

Vill

amon

et a

l.

Col

lins

et a

l. 19

99

0

20

TG194 21

lb11

b;B

rouw

er e

t al.

2004

CT182 22

TG497 0

lb11

a;B

rouw

er e

t al.

2004

TG154-2 18

CT168 24CT19425TG65128TG49731

CD17CT182

TG147 44TG400 47

TG546 55

CT101

Phy

to11

a.1;

Tha

buis

et a

l. 20

03

Phy

to-T

;Ogu

ndiw

inet

al.

2005

TG105a

39TG57

40TG47

41

TG46

42

TG384

44

TG36

48

CT107C

50

TG26TG393TG400GP171(b)

TG30

Bor

man

n et

al.

2004

Ghi

slai

n et

al.

2001

Cos

tanz

o et

al.

2005

Col

lins

et a

l. 19

99

Col

lins

et a

l. 19

99CT107c

TG30TG36

TG105TG26

TG393 78

lb11

;Bro

uwer

et S

t Cla

ir 20

04

TG379

TG619

(TG47)

(TG384)

(TG46)

(TG36)

Pp_

11a.

1; B

onne

t et a

l. 20

07

Phy

to11

a.2;

Tha

buis

et a

l. 20

03P

hyt-

3; S

ugita

et a

l. 20

06

R

R

R

2 locus de gènes majeurs :

R3, R3a ( NBS-LRR), R3b, R6, R7, R10, R11 et Rpi_Stirling


77

K12 T12 P12

97

Col

lins

et a

l. 19

99

0

20

TG68 9

GP122 40

TG180 0

lb12

a;B

rouw

er e

t al.

2004

GP229 36

CT79 49TG180 53

TG581 63

CT79 16

TG360 38

TG111 44

TG296 64

TG473 85

TG618 54CT201 58

TG28 77

TG473 93

Col

lins

et a

l. 19

99

Obe

rhag

eman

net

al.

1999

Bor

man

n et

al.

2004

Ghi

slai

n et

al.

2001

CT138

(TG367)

Phy

tu12

.2; T

habu

iset

al.

2003

TG360 59

TG296TG68

Vill

amon

et a

l. O

berh

agem

ann

et a

l. 19

99

Bor

man

n et

al.

2004

Leon

ards

-Sch

ippe

rset

al.

1994

(TG367)

lb12

b;B

rouw

er e

t al.

2004

0

TG194 45

TG497 105

TG124 120

TG28 165

Phy

tu12

.2; T

habu

iset

al.

2003

Phy

tu12

.1; T

habu

iset

al.

2003K12 T12 P12

97

Col

lins

et a

l. 19

99

0

20

TG68 9

GP122 40

TG180 0

lb12

a;B

rouw

er e

t al.

2004

GP229 36

CT79 49TG180 53

TG581 63

CT79 16

TG360 38

TG111 44

TG296 64

TG473 85

TG618 54CT201 58

TG28 77

TG473 93

Col

lins

et a

l. 19

99

Obe

rhag

eman

net

al.

1999

Bor

man

n et

al.

2004

Ghi

slai

n et

al.

2001

CT138

(TG367)

Phy

tu12

.2; T

habu

iset

al.

2003

TG360 59

TG296TG68

Vill

amon

et a

l. O

berh

agem

ann

et a

l. 19

99

Bor

man

n et

al.

2004

Leon

ards

-Sch

ippe

rset

al.

1994

(TG367)

lb12

b;B

rouw

er e

t al.

2004

0

TG194 45

TG497 105

TG124 120

TG28 165

Phy

tu12

.2; T

habu

iset

al.

2003

Phy

tu12

.1; T

habu

iset

al.

2003


78

Conclusion

Les recherches de ces dernières années ont permis de progresser dans la compréhension

des bases moléculaires des résistances polygéniques et sur les interactions moléculaires

entre l’hôte et le pathogène. Du côté de la plante, les recherches avancent simultanément

sur deux fronts : l’organisation structurale des locus sur le génome et les gènes sous-jacents

aux locus. Après la vague des études de détection de QTL avec des méthodes de plus en

plus élaborées, sur des schémas de croisements simples à complexes, impliquant des

génotypes aux différents niveaux d’apparentement, on assiste aujourd’hui à une nouvelle

vague de recherches, celle de la synthèse de toutes les données ainsi produites, via la méta-

analyse. Les locus aux origines nombreuses et diverses et/ou présentant les effets les plus

forts sur la résistance observée ainsi mis en évidence sont sélectionnés pour une analyse et

une caractérisation approfondie des gènes sous-jacents. De plus, les réseaux de gènes qui

interagissent pour conférer la résistance commencent à être démentelés.

Ces deux types de recherches sont étroitement liés à l’exploration de la diversité, que ce soit

au sein d’une même espèce ou à travers plusieurs espèces proches, voire éloignées. La

génomique comparative apparaît alors comme un outil très utile de mise en relation des

données entre espèces. Elle permet notamment de mettre en évidence les locus en position

colinéaire et conférant la résistance au même pathogène ou à des pathogènes différents.

Lorsqu’il s’agit du même pathogène, on peut supposer que ces gènes confèrent une

résistance durable. L’hypothèse sous-jacente est que ces locus, conservés chez des

espèces qui ont divergé à cause de multiples évènements de réarrangements et mutations

conduisant à la spéciation, auraient un caractère propre et une fonction particulière qui

confèreraient un avantage sélectif à la plante. En parallèle, on peut imaginer que ce type de

locus ciblerait une fonction essentielle du pathogène, quelque soit la souche, donc peut

soumis à des variations de séquence, ce qui rend l’action du gène de résistance durable. Ce

raisonnement explique pourquoi il parait nécessaire de se concentrer en priorité sur les locus

de résistance à large spectre pour une même famille de pathogènes et conservés entre

espèces pour explorer les raisons possibles de la durabilité des résistances.

A une époque où il faut palier aux contournements incessants des résistances

monogéniques déployées et à la suppression progressive des produits phytosanitaires, ces

différentes recherches (cartographie des locus, nature moléculaire des gènes, diversité

allélique) fournissent des sources d’informations importantes qui servent aux sélectionneurs

à mettre au point de nouvelles variétés aux résistances efficaces et durables.

A travers la thèse, différentes questions parmi celles qui sont soulevées sur les résistances

polygéniques ont été explorées en prenant comme modèle la résistance aux Phytophthora

chez les Solanacées et plus particulièrement le pathosystème P. infestans/pomme de terre.


79

Ainsi, le chapitre III présente les résultats d’une analyse QTL classique sur schéma de

population bi-parentale de deux populations indépendantes de pomme de terre, faisant

intervenir deux nouvelles sources de résistances polygéniques à P. infestans, S. sparsipilum

et S. spegazzinii. Le chapitre IV rapporte les premiers résultats d’une analyse conjointe de

QTL en schéma factoriel, basée sur l’étude de 4 populations connectées de pomme de terre

dont les sources de résistance sont issues de S. berthaultii. Ces deux premiers chapitres

participent donc à l’exploration des espèces apparentées à la pomme de terre pour la

recherche de la résistance polygénique à P. infestans. Ces travaux s’ajoutent à 18 autres

études publiées qui font intervenir 13 autres espèces apparentées. L’ensemble de ces

résultats sont analysés simultanément dans une méta-analyse présentée dans le chapitre V.

La stratégie adoptée et les méthodes utilisées pendant la thèse sont schématisées dans un

diagramme en « mind-map » (Figure I.25).


80

En quoi les résistances polygéniques seraient-elles durables?

Hypothèse

les locus colinéaires conférant la résistance au même pathogène dérivent d’un gène ancêtre commun encore fonctionnel aujourd’hui sous diverses formes homologues qui sont donc durables

Comment s’organisent les locus de résistance sur les génomes des Solanacées?

Modèle d’étude :

Solanacées/Phytophthora

Analyse de la colinéarité inter-spécifique�pomme de terre-tomate-piment

génomique comparative avec le développement de marqueurs communs

Région d’étude : IV-T4-P5

Analyse de l’organisation intra-spécifique� pomme de terre

3 analyses de QTL

2 populations bi-parentales

indépendantes

2 sources de résistance*

CIM classique

19 études indépendantes


4 populations connectées

1 source de résistance*

CIM classique +

CIM analyse conjointe

méta-analyse intra-spécifique

méta-analyse inter-spécifique

10 études indépendantes :

6 pomme de terre 2 tomate 2 piment


Chapitre III Chapitre IV Chapitre V Chapitre VI

Génome entier

En quoi les résistances polygéniques seraient-elles durables?

Hypothèse

les locus colinéaires conférant la résistance au même pathogène dérivent d’un gène ancêtre commun encore fonctionnel aujourd’hui sous diverses formes homologues qui sont donc durables

Comment s’organisent les locus de résistance sur les génomes des Solanacées?

Modèle d’étude :

Solanacées/Phytophthora

Analyse de la colinéarité inter-spécifique�pomme de terre-tomate-piment

génomique comparative avec le développement de marqueurs communs

Région d’étude : IV-T4-P5

Analyse de l’organisation intra-spécifique� pomme de terre

3 analyses de QTL

2 populations bi-parentales

indépendantes


CIM classique

19 études indépendantes


4 populations connectées

1 source de résistance*

CIM classique +

CIM analyse conjointe

méta-analyse intra-spécifique

méta-analyse inter-spécifique

10 études indépendantes :

6 pomme de terre 2 tomate 2 piment


Chapitre III Chapitre IV Chapitre V Chapitre VI

Génome entier

Figure I.25 Mind-Map du sujet de thèse La question de recherche (en vert), l’hypothèse de recherchée (en jaune) et la stratégie (en bleue), les modèles d’étude utilisés (en rose) et les méthodes adoptées (en blanc) ont été organisés selon 4 chapitres présentés dans ce rapport. * les sources de résistance correspondent à des clones d’accessions d’espèces apparentées à la pomme de terre cultivée S. tuberosum. Les clones S. tuberosum utilisés dans les croisements peuvent également être porteurs de locus de résistance

Question de recherche générale

Hypothèse

Stratégie

Méthodologie

CHAPITRE II

MATERIELS ET METHODES

Matériels et méthodes

81

II CHAPITRE II : MATERIELS ET METHODES

Ce chapitre présente les matériels et méthodes utilisés pour effectuer l’ensemble des

travaux décrits dans les 4 chapitres de résultats qui suivent. Chaque chapitre de résultats

faisant l’objet d’une publication en cours de préparation, les matériels et méthodes les

concernant sont rappelés spécifiquement au sein de chaque chapitre.

II.1 Matériel végétal : populations de pomme de ter re

II.1.1 Présentation générale des populations

Six populations interspécifiques de pomme de terre en ségrégation pour la résistance à

Phytophthora infestans ont été utilisées pour la cartographie de QTL : les 2 populations

96D31 et 96D32 sont issues de croisements réalisés en 1996 et les 4 populations 03D36,

03D39, 3D41 et 03D42 sont issus de croisements réalisés en 2003. Ces 6 populations sont

diploïdes (2n=2x=24), indiqué dans leur nom par la lettre « D ». Elles sont la première

génération du croisement de deux clones hétérozygotes diploïdes. Les espèces sauvages

apparentées à la pomme de terre, utilisées comme sources de résistance à P. infestans,

sont naturellement diploïdes. L’espèce cultivée Solanum tuberosum, utilisée comme clone

femelle, est tétraploïde (2n=4x=48). Les clones de cette espèce utilisés dans les croisements

ont été rendus diploïdes par haplodiploïdisation de variétés tétraploïdes par parthénogénèse

induite via Solanum phureja, espèce non compatible.

Les croisements et le phénotypage pour la résistance au mildiou ont été réalisés à l’INRA de

Ploudaniel ; les clones y sont multipliés et certains d’entre eux sont conservés in vitro.

Les deux populations, 96D31 et 96D32, sont des populations de cartographie

indépendantes. Elles ont été originellement produites pour l’étude de la résistance au

nématode à kyste Globodera pallida (Caromel et al. 2003, 2005) et ségrègent aussi pour la

résistance à P. infestans. Les quatre populations, 03D36, 03D39, 03D41 et 03D42, sont des

populations connectées par quatre parents communs et produites spécifiquement pour la

cartographie de QTL de résistance à P. infestans (Figure II.1).

Les cartes génétiques des 8 clones parentaux ont été construites à l’INRA d’Avignon : les

cartes des parents des populations 96D ont été initiées par B. Caromel (Caromel 2004 ;

Caromel et al. 2003, 2005) et densifiées en marqueurs au cours de la thèse, et celles des

parents des 03D ont été nouvellement construites dans le cadre de la thèse.


82

CASPS. tuberosum

Caspar H3 (2x)

SPLS. sparsipilum

spl88S.329.18 (2x)x

ROSAS. tuberosumRosa H1 (2x)

SPGS. spegazziniii

spg88S.334.19 (2x)x

368 clones

SiHS. tuberosum

Sirtema H20 (2x)

D9.33S. tuberosum x S. berthaultii

96D9.33 (2x)

BFS. tuberosumBF15H1 (2x)


96D9.13 (2x)

03D3696 clones

188 clones

184 clones

184 clones

180 clones

96D3196 clones

03D4192 clones

03D4292 clones

03D3988 clones

96D32116 clones

CASPS. tuberosum

Caspar H3 (2x)

SPLS. sparsipilum

spl88S.329.18 (2x)x

ROSAS. tuberosumRosa H1 (2x)

SPGS. spegazziniii

spg88S.334.19 (2x)x

368 clones

SiHS. tuberosum

Sirtema H20 (2x)


96D9.33 (2x)



96D9.13 (2x)

03D3696 clones

188 clones

184 clones

184 clones

180 clones

96D3196 clones

03D4192 clones

03D4292 clones

03D3988 clones

96D32116 clones

03D4203D39SiH

03D4103D36BF

D9.33D9.13♂

♀

03D4203D39SiH

03D4103D36BF

D9.33D9.13♂

♀

Plan factoriel complet

Figure II.1 Les 6 populations de pomme de terre utilisées pour la cartographie de QTL de résistance à P. infestans. Les clones parentaux sont encadrés et les populations encerclées. Les parents résistants sont dans les cadres au trait épais ; ils ont été utilisés comme géniteurs mâles dans les croisements. Les populations de cartographie 96D31 et 96D32 sont indépendantes. Les populations 03D (03D36, 03D39, 03D41 et 03D42) sont connectées par des parents communs, issu d’un plan factoriel complet. Tous les individus sont diploïdes hétérozygotes. Le nombre de clones ayant servi à la construction des cartes par population est indiqué dans les cercles. Pour les populations 03D, le nombre de clones cumulés pour la construction des cartes des parents communs à deux populations-sœurs est indiqué dans les triangles à chaque coin du carré. Le nombre de clones total des 4 populations 03D confondues est indiqué au centre du carré.


83

II.1.2 Les 2 populations de cartographie 96D31 et 96D32

La population 96D31 est issue du croisement entre Caspar H3 (appelé CASP) et

spl88S.329.18 (code de l’accession d’origine à Sturgeon Bay_Wisconsin, USA : PI 310984,

appelé SPL). CASP est un clone dihaploïde de la variété hollandaise Caspar (inscrite en

1984) de l’espèce cultivée S. tuberosum et sensible à P. infestans. SPL est un clone de

l’espèce sauvage diploïde S. sparsipilum, espèce originaire de la région de la Bolivie et du

Pérou. SPL est partiellement résistant à P. infestans (Photos II.1).

Les tests de résistance à P. infestans sur tige et sur feuillage ont été réalisés sur 93 et 96

clones, respectivement. Les cartes génétiques parentales ont été construites essentiellement

à partir de marqueurs AFLP (Caromel et al. 2005 ; Caromel 2004). Les marqueurs AFLP

communs avec la carte UHD de la pomme de terre (Isidore et al. 2003 ;

http://www.plantbreeding.wur.nl/potatomap/) et quelques marqueurs SSR, CAPS et SCAR

issus de la littérature ont permis d’assigner 12 groupes de liaison sur les 13 trouvés chez

CASP et 12 groupes de liaisons sur les 15 trouvés chez SPL aux 12 chromosomes de la

pomme de terre. Au début de la thèse, les cartes de CASP et SPL couvraient une distance

totale de 1 049 cM et 967 cM, respectivement (Caromel 2004).

La population 96D32 est issue du croisement entre Rosa H1 (appelé ROSA) et

spg88S.334.19 (code de l’accession d’origine à Sturgeon Bay_Wisconsin,USA : PI 208876 ;

appelé SPG). ROSA est un clone dihaploïde de la variété Rosa de l’espèce cultivée S.

tuberosum et sensible à P. infestans. SPG est un clone de l’espèce sauvage diploïde S.

spegazziniii, originaire d’Argentine et partiellement résistant à P. infestans (Photos II.1).

Les tests de résistance à P. infestans sur tige et sur feuillage ont été réalisés sur 116 et 114

clones, respectivement. Les cartes génétiques parentales ont été construites à partir de

marqueurs AFLP, mais aussi de marqueurs RFLP issus de tomate, ce qui a permis leur

ancrage à la carte génétique de la tomate (Caromel et al. 2003 ; Caromel 2004). Leurs 12

groupes de liaison ont pu être assignés aux 12 chromosomes de la pomme de terre. Au

début de la thèse, les cartes de ROSA et SPG couvraient une distance totale de 1 144 cM et

862 cM, respectivement (Caromel 2004).

Pour la détection de QTL, une carte trame de chaque parent a été construite à partir des

marqueurs le plus informatifs (présentant le moins de données manquantes) et espacés de 5

à 10 cM (Caromel 2004).


84

(a) (b) (c) (d) Photo II.1 Photos des parents des populations 96D utilisés pour les croisements (a) S. tuberosum Caspar H3 (b) S. sparsipilum PI 310984 (c) S. tuberosum Rosa H1 (d) S. spegazziniii PI 208876


85

II.1.3 Les 4 nouvelles populations 03D : 03D36, 03D39, 03D41, 03D42

Les quatre populations 03D connectées par quatre parents communs ont été créées selon

un plan factoriel complet (Figure II.1). Les deux clones parentaux résistants sont les clones

diploïdes hybrides plein-frères 96D9.13 (appelé D9.13, Photo II.2a) et 96D9.33 (appelé

D9.33, Photo II.2b), issus du croisement S. tuberosum Maritta H1 x S. berthaultii

ber88S.282.36 (code Sturgeon Bay _Wisconsin,USA : 265857) (Figure II.2). Maritta H1 est

un clone dihaploïde du cultivar Maritta qui comprendrait des gènes majeurs et des QTL de

résistance à P. infestans (Rousselle et Robert 1997). S. berthaultii est une espèce sauvage

apparentée à la pomme de terre cultivée et originaire de Bolivie. Les clones 96D9.13 et

96D9.33 ont été tous les deux croisés avec les clones cultivés dihaploïdes sensibles S.

tuberosum BF15 H1 (appelé BF) et Sirtema H20 (appelé SiH), générant ainsi 4 populations

ségrégeant pour la résistance à P. infestans (Figure II.1). BF15 H1 est un clone issu de la

variété INRA BF15, hybride ‘Belle de Fontenay’ x ‘Flava’, inscrite en 1947, décrite comme

sensible au mildiou. Sirtema H20 est un clone issu de la variété hollandaise Sirtema inscrite

en 1952 et qui présente une résistance des tubercules modérée (http://www.europotato.org).

Les populations 03D comprennent entre 89 et 119 clones ; entre 88 et 92 clones ont été

génotypés et utilisés pour la détection de QTL (Figure II.1).

(a) (b) Photo II.2 Photos des parents S. tuberosum x S. berthaultii (populations 03D) utilisés pour les croisements (a) 96D9.13 (b) 96D9.33


86

S. tuberosum Maritta H1 (2x) x S. berthaultii ber88S.282.36 (2x)

96D9

96D9.13 96D9.33

sélection des individus les plus résistants

S. tuberosum Maritta H1 (2x) x S. berthaultii ber88S.282.36 (2x)

96D9

96D9.13 96D9.33

sélection des individus les plus résistants

Figure II.2 Généalogie des parents 96D9.13 et 96D.33 des populations 03D Le clone S. berthaultii ber88S.282.36 est issu d’une espèce sauvage apparentée à la pomme de terre et résistant au mildiou.

II.1.4 Témoins pomme de terre

Pour les tests de résistance à P. infestans sur tige et feuillage, 3 variétés commerciales de

S. tuberosum ont été utilisées comme témoins : ‘Bintje’, ‘Möwe’ et ‘Robijn’. Non dotés de

gènes majeurs de résistance, ils présentent différents niveaux de maturité et différents

niveaux de résistance au mildiou: Bintje, demi-précoce, est très sensible tandis que Möwe et

Robijn, tardives, présentent une résistance partielle.

Pour le test de résistance sur feuillage, la gamme d’hôtes différentiels r0 (aucun gène

majeur) et R1 à R11 (avec les gènes majeurs de résistances R1 à R11; Colon et al. 2004) a

été ajoutée pour caractériser les virulences de l’isolat de P. infestans à l’origine de l’infection.

Ces hôtes différentiels sont utilisés partout en Europe dans le cadre du réseau Euroblight

(http://www.euroblight.net/EuroBlight.asp).

II.2 Souches de Phytophthora infestans

Pour le test sur tige, la souche P. infestans NII72.10, a été utilisée. Cette souche a été isolée

sur la variété S. tuberosum ‘Naturella’, porteuse du gène R2, à Ploudaniel (France). La

souche NII72.10 est de type sexuel A1 et comporte les gènes de virulence 1, 2, 4, 10 et 11.

Elle est maintenue in vitro en boites de Pétri sur un milieu gélosé à base de petits pois (Glais

et Corbière 2005, Annexe II.1) sur lequel elle est repiquée tous les mois. Dix jours avant le

test, le mycélium a été repiqué sur milieu frais.

Pour le test sur feuillage, l’inoculation s’est faite de façon naturelle avec les souches du

pathogène présentes aux environs de la plate-forme expérimentale de l’INRA de Ploudaniel.

Les hôtes différentiels placés dans l’essai ont permis de caractériser l’inoculum comme étant

un complexe de races présentant différentes virulences : 1, 2, 3, 4, 6, 7, 10 et 11 les années


87

où les populations 96D ont été testées et 1, 2, 4, 10 et 11 les années où les populations 03D

ont été testées.

Les dates des tests de résistance des 6 populations sont détaillées dans le Tableau II.1.

Tableau II.1 Tests de résistance au mildiou effectués sur les 6 populations de pomme de terre Pour les tests sur tige, les dates indiquées sont les dates d’inoculation des plantes. Pour les tests sur feuillage, une seule saison de test est possible par an, elle a lieu au printemps ; l’année où s’est déroulée le test est indiquée. Les populations 03D39 et 03D42 ont été testées en 3 et 2 fois respectivement avec le test sur tige, les populations 03D36 et 03D41 ont été testées en deux fois avec le test sur feuillage. Population 96D31 96D32 03D36 03D39 03D41 03D42

Test tige 25/11/2004 10/03/2004 17/02/2006

11/05/2006 27/12/2006 12/04/2007

06/04/2006 11/05/2006 12/04/2007

Test feuillage 2005 2004

2006 2007

2007 2006 2007

2007

II.3 Tests de résistance à P. infestans chez la pomme de terre

II.3.1 Test sur tige en serre

Le test sur tige a été effectué en serre en conditions contrôlées. Six plantes par clone ont été

testées aux températures jour/nuit de 20°C/15°C. Le s plantes étaient maintenues en pots de

0,5 L. Trois semaines environ après plantation, et avant la floraison, l’apex des plantes a été

coupé transversalement et une pastille de mycélium de P. infestans a été déposée sur la

section fraîche de la tige. La pastille a ensuite été recouverte d’une feuille d’aluminium de 1

cm de côté jusqu’à la première notation pour maintenir une hygrométrie suffisante autour de

la pastille afin de favoriser l’entrée du pathogène dans la tige. Puis, la longueur de la nécrose

a été mesurée tous les 7 jours environ au millimètre près pendant 35 jours (Photos II.3).

Photo II.3 Test sur tige : inoculation et mesure de la nécrose Les apex de plantes d’environ 3 semaines (30 cm de haut et avant floraison) sont coupés transversalement. Une pastille de milieu artificiel contenant le mycélium de P. infestans est déposé directement sur la coupe fraîche de la tige restante. La tige coupée est recouverte d’une feuille d’aluminium pour maintenir une bonne hygrométrie durant les premiers jours de l’infection. La nécrose est mesurée pour la première fois 4 à 5 jours après l’inoculation puis toutes les semaines pendant 5 semaines.


88

Au total, 13 composantes de la résistance sur tige ont été analysées et sont de deux types :

- les valeurs brutes de longueur de nécrose à chaque date de mesure (Ldpi, dpi pour « days

post inoculation ») ;

- les variables calculées.

Les variables calculées comprennent :

(i) les vitesses de progression de la nécrose Sdpi à chaque date de mesure selon la

formule Sdpi=[L(dpi') – L(dpi)]/ti'-ti (en mm.j-1) avec ti and ti' le nombre de jours après

inoculation à deux dates consécutives de mesure ; la vitesse calculée à la première date de

mesure est appelée REC pour Réceptivité car en tant que vitesse initiale, elle permet

d’évaluer la capacité de la plante à être infectée ;

(ii) deux autres variables IND et STA, avec IND= (Sdpi'-Sdpi)/ ti'-ti (en mm.j-2) et STA

la moyenne des 3 dernières vitesses calculées (en mm.j-1) ; IND correspond à une

accélération ou une décélération et représente la rapidité avec laquelle la plante déclenche

ses mécanismes de défense et STA correspond à la vitesse moyenne finale et représente la

capacité de la plante à maintenir sa résistance au cours du temps.

II.3.2 Test sur feuillage en plate-forme

Les plantes de 4 semaines ont été plantées dans des pots de 5 L (50% de tourbe, 35% de

sable et 15% d’écorces de pin) et placées sur une plate-forme en ciment (Photo II.4).

Photo II.4 Test sur feuillage en plateforme Des plantes ‘Bintje’ alternent avec les clones testés sur toute la plateforme pour assurer une répartition homogène du mildiou. La résistance est évaluée en mesurant le pourcentage de surface foliaire nécrosée.


89

L’essai a été découpé en bloc, chaque bloc comprenant une plante par clone. La plate-forme

étant un espace limité, le nombre de blocs dépendait du nombre de clones testés (4 blocs

pour les populations 96D et 2 blocs pour les populations 03D). Les plantes ont été soumises

aux aléas climatiques et l’infection a été naturelle, se faisant avec l’inoculum présent dans

les environs de l’essai au moment du test. Les hôtes différentiels r0 et R1 à R11 ont été

inclus pour déterminer les virulences de l’inoculum. Pour assurer une inoculation homogène

sur l’ensemble de la plate-forme, les témoins sensibles Bintje ont été placés régulièrement,

en alternance avec les clones testés. Ploudaniel se situant dans une zone correspondant à

un climat océanique humide particulièrement favorable au développement du mildiou, les

plantes ont été arrosées dès que nécessaire pour maintenir une humidité ambiante forte afin

de maintenir l’infection et la dispersion de P. infestans. La notation des symptômes sur le

feuillage a eu lieu une fois par semaine pendant 5 semaines environ. Elle a commencé

lorsque les premières nécroses sur feuillage sont apparues sur les témoins Bintje et s’est

terminée lors de la sénescence de toutes les plantes. Les notations se sont faites à l’œil et

correspondent au pourcentage de la surface foliaire nécrosée sur l’ensemble de la surface

du feuillage de la plante (James 1971).

Deux variables de la résistance du feuillage ont été analysées :

- AUDPCr (time-relative Area Under the Disease Progress Curve)

AUDPCr=Σ[(yi+ yi')/2]*[(ti’-ti)]/(100*Ttot),

où yi and yi' sont les pourcentages de destruction du feuillage aux dates consécutives ti and ti'

respectivement, et Ttot le temps total de végétation des plantes lors de l’essai (il sert ici à

rapporter l’infection des plantes au même référentiel de temps car la durée de végétation ou

le type de maturité sont variables d’une plante à l’autre dans la population) ;

- la vitesse de propagation du pathogène, qui correspond à la pente de la droite de

régression de la surface foliaire détruite en fonction du temps après la transformation

logistique log(y/1-y) où y est le pourcentage de surface de feuillage nécrosé (Figure II.3).


90

Jours après plantation

Des

truc

tion

du fe

uilla

ge

(%

de

la s

urfa

ce n

écro

sée)

clone sensible

clone à sensibilité intermédiaire

clone à résistance partielle

0

20

40

60

80

100

0 20 40 60 80 100

régression linéaire des courbes d'évolution de la destruction du feuillage

AUDPC

α α α


Des

truc

tion

du fe

uilla

ge

(%

de

la s

urfa

ce n

écro

sée)

clone sensible



0

20

40

60

80

100

0 20 40 60 80 100



Des

truc

tion

du fe

uilla

ge

(%

de

la s

urfa

ce n

écro

sée)

clone sensible



0

20

40

60

80

100

0 20 40 60 80 100


AUDPC

α α α

Figure II.3 Test sur feuillage : exemples de courbes d’évolution de la surface foliaire nécrosée pour des clones présentant différents niveaux de résistance/sensibilité au mildiou Deux variables ont été utilisées pour la détection de QTL : -AUDPCr (Area Under the Disease Progress Curve) est l’aire sous les courbes d’évolution de la destruction du feuillage divisée par le nombre de jours de végétation de la plante -α est la pente de la droite de régression linéaire de l’évolution de la surface foliaire nécrosée ; les valeurs utilisées sont les valeurs


91

II.4 Analyses statistiques

-comparaison des valeurs parentales

Pour comparer les valeurs des clones parentaux, le test non paramétrique de Mann-Whitney

(P-value<0,05) a été utilisé. Un utilitaire sous Excel téléchargé sur le site Anastats

(www.anastats.fr) a été utilisé.

Les autres analyses statistiques ont été réalisées avec le module RGUI (R Graphical User

Interface) du logiciel R version 2.4.0 (R Development Core Team 2005). Les lignes de

commande des tests statistiques utilisés sont données en Annexe II.2.

-médianes des clones

Pour chaque variable, les médianes des clones ont été calculées et représentées sur des

histogrammes de fréquences où ont ensuite été positionnées les médianes des parents et la

moyenne des médianes des clones testés de la population.

-ajustement des valeurs sur l’effet test

Pour les populations qui ont été testées en plusieurs fois (en 2 ou 3 tests différents), si

l’interaction « clone*test » n’était pas significative pour la variable considérée, les valeurs des

clones ont été ajustées sur l’effet test, suite à l’ANOVA à deux facteurs selon le modèle :

Yij = µ + Gi + Testj + εij

où Yij est la valeur phénotypique de la plante du clone i dans le test j, µ est la moyenne

générale phénotypique de toutes les plantes considérées, Gi est l’effet génotypique du clone

i, Testj est l’effet du test et εij est la résiduelle.

Les valeurs ajustées moyennes pour chaque clone ont été automatiquement calculées par la

méthode des moindres carrés à l’issue de l’ANOVA.

Les variables pour lesquelles l’interaction « clone*test » était significative ont été exclues des

analyses.

-analyse de covariance (ANCOVA) pour le test sur feuillage

Afin de tenir compte de la répartition hétérogène de P. infestans sur la plate-forme, les

valeurs des témoins Bintje adjacents aux clones testés ont été utilisées comme covariables

dans l’ANCOVA à deux facteurs selon le modèle :

Yij = µ + Gi + Covariatej + Gi*Covariatej + εij


92

où Yij est la valeur phénotypique de la plante du clone i, µ est la moyenne générale

phénotypique de toutes les plantes de l’essai, Gi est l’effet génotypique du clone i, Covariatej

est la valeur phénotypique de la plante Bintje j adjacente à la plante du clone i et εij est la

résiduelle.

Les valeurs ajustées ont ensuite été extraites pour chaque plante. C’est sur ce jeu de valeurs

qu’ont été réalisées les différentes analyses statistiques dont le calcul des médianes des

clones.

-normalité des résidus

La normalité de la distribution des résidus a été vérifiée avec le test de Shapiro et Wilk (P-

value<0,0.5).

-calcul de l’héritabilité des variables

Pour chaque variable, une ANOVA sur le facteur « clone » a été utilisée pour estimer les

variances génétique (σ²g) et environnementale (σ²e). L’héritabilité au sens large h²BS qui

représente la part de la variance génétique de la variance phénotypique a été calculée selon

la formule :

h²BS= σ²g/[σ²g+( σ²e/n)],

où σ²g=CMclone-CMr/n (CM=Carré Moyen donné à l’issue de l’ANOVA pour le facteur clone

et r= résiduelle), σ²e=CMr et ‘n’ est le nombre de répétitions par clone disposés dans l’essai.

-test de corrélation

Pour savoir si certaines variables de la résistance étaient significativement corrélées au sein

d’une population, le test de Pearson a été utilisé (P-value<0,0.5).

-choix de variables non redondantes pour la détection de QTL

Pour choisir les variables les plus représentatives de la variabilité du caractère qui ont été

utilisées pour la détection de QTL, une Analyse en Composantes Principales (ACP) a été

réalisée. Les variables qui expliquaient le mieux les deux axes principaux, qui avaient une

forte héritabilité et qui étaient peu corrélées, ont été sélectionnées.


93

II.5 Marquage moléculaire

II.5.1 Extraction d’ADN de pomme de terre

Les extractions d’ADN ont été réalisées en micro-tubes à partir des échantillons de feuilles

prélevées sur les plantes à Ploudaniel et envoyées sous papier humide par colis express à

Avignon. Le protocole d’extraction est détaillé en Annexe II.3.

II.5.2 Marqueurs génétiques

Les marqueurs utilisés au cours de la thèse sont des marqueurs CAPS et SSR issus de la

bibliographie (Annexe II.4).

Les marqueurs SSR ont été sélectionnés préférentiellement dans les régions des locus de

résistance à P. infestans (Figure II.4). Le génotypage des populations a été réalisé par 3

laboratoires :

-la plate-forme de génotypage haut-débit de Clermont-Ferrand dans le cadre du projet

JoinPot (financement INRA-DGAP) avec 90 SSR répartis sur le génome pour les 6

populations ;

-le laboratoire de biologie moléculaire APBV de Ploudaniel avec des SSR du chromosome X

pour les populations 96D ;

-le laboratoire de biologie moléculaire du GAFL d’Avignon avec des SSR du chromosome

VIII sur les populations 96D.

De nouveaux marqueurs CAPS de pomme de terre et de piment ont été développés à partir

de séquences de tomate de la base SGN (http://www.sgn.cornell.edu/). La définition des

amorces des nouveaux marqueurs (Primer3, http://frodo.wi.mit.edu/, Rozen et Skaletsky

2000) a été réalisée soit directement sur les séquences à transférer, soit sur les séquences

EST de la pomme de terre homologues (BLASTn des séquences de SGN, Altschul et al.

1990) obtenues après alignement avec les séquences d’origine (Multalin,

http://bioinfo.genotoul.fr/multalin/multalin.html, Corpet 1988). La définition d’amorces a été

faite de façon à obtenir une température d’hybridation optimale de 60°C, un pourcentage de

Guanine-Cytosine de 50%, 20 bases de longueur et pour obtenir des tailles de fragments

entre 300 et 850 pb.


94

Figure II.4 Sélection des SSR du génome de la pomme de terre Les SSR de la bibliographie choisis pour être génotypés sur les 6 populations de pomme de terre sont positionnés selon l'ordre décrit dans la bibliographie (Milbourne et al. 1998; Feingold et al. 2005; Frary et al. 2005). Leurs positions sont indiquées à droite des chromosomes schématisés de 100 cM de long en moyenne. Les marqueurs entre parenthèses sont les marqueurs pour lesquels la localisation sur le chromosome est incertaine. Tous les SSR ont été génotypés sur la plate-forme de Clermont-Ferrand sauf les marqueurs STM1057d, STM1001, STM0024, STi027 et STWAX-2 qui ont été génotypés à Avignon et STM1040, STI023 et STM0051 qui ont été génotypés à Ploudaniel. Les SSR ont été choisis sur tout le génome en privilégiant les régions des locus de résistance à P. infestans indiqués en bleu sur la figure (cercle : gène majeur, barre : région de QTL) Gène majeurCluster de QTL

I

STi043

STM1029

22

STM1049

STi009

STM2030

(STM2020)

38

6663

99

(STM1102)

STM3011

STi024

STM0038

STM2022

STi029

STM1064

STM1008a

STM1045a

15/28

49

33

63

74

84

69

86

II

STM1053

STi050

STi060

STM1058

STM1025 STM1020a

STM1069

17

333435

5758

43

(STM1050b)

III

STM3160

STM3016

STM3023

STi055

STM0020

STM5140

STM1050b

STi001

STi012

SSR450(SSR555)

(SSR86)

STi026

STM5156

4

2126

14

37

4161

71

28

40

76

STi020

STM1008

IV

STi006

STi049

STM1031STPOAc58

STM1020ehi

25

36

455262

V

STM0001

STi016STi015 STi059STM1100

STi004

39

56

70

76

84

100

STM001940

(STM1050b)

VI

STM0028

STM3009

STM0031STM0014abd

STI033STM0052

STM1009

STM1004

STM2013

7

13

3334

42

47

43

(STM1050b)(STM1052)

VII

STM1105STM1104

(STM1016)

STM1024

STi027

STM1057d

STi044

(SSR1)

STM3015STM1001

STWAX-2

STM0024

73777980

82

86

106

8384

(STM1056a)

VIII

(STi057)

STM1051STM3012

STM1052

STM1021

STM1102cde2422

50

30

21

(STM1008a)

IX

STM2012

STM0051

STi023STM1106STM1040

0

38

606569

(STM1097)

X

STM5130

STI028

STM0037

STi018

STM2005STM0025

STM5109

32333536384454

STM1009acd

XI

STI051

STM0003

(STM1097)

(STI054)

STM2028STM0030

40

44

50

57STM1045a

STM0014eg41

XII

(SSR4)

STM0007

Gène majeurCluster de QTL

I

STi043

STM1029

22

STM1049

STi009

STM2030

(STM2020)

38

6663

99

(STM1102)

STM3011

STi024

STM0038

STM2022

STi029

STM1064

STM1008a

STM1045a

15/28

49

33

63

74

84

69

86

II

STM1053

STi050

STi060

STM1058

STM1025 STM1020a

STM1069

17

333435

5758

43

(STM1050b)

III

STM3160

STM3016

STM3023

STi055

STM0020

STM5140

STM1050b

STi001

STi012

SSR450(SSR555)

(SSR86)

STi026

STM5156

4

2126

14

37

4161

71

28

40

76

STi020

STM1008

IV

STi006

STi049

STM1031STPOAc58

STM1020ehi

25

36

455262

V

STM0001

STi016STi015 STi059STM1100

STi004

39

56

70

76

84

100

STM001940

(STM1050b)

VI

STM0028

STM3009

STM0031STM0014abd

STI033STM0052

STM1009

STM1004

STM2013

7

13

3334

42

47

43

(STM1050b)(STM1052)

VII

STM1105STM1104

(STM1016)

STM1024

STi027

STM1057d

STi044

(SSR1)

STM3015STM1001

STWAX-2

STM0024

73777980

82

86

106

8384

(STM1056a)

VIII

(STi057)

STM1051STM3012

STM1052

STM1021

STM1102cde2422

50

30

21

(STM1008a)

IX

STM2012

STM0051

STi023STM1106STM1040

0

38

606569

(STM1097)

X

STM5130

STI028

STM0037

STi018

STM2005STM0025

STM5109

32333536384454

STM1009acd

XI

STI051

STM0003

(STM1097)

(STI054)

STM2028STM0030

40

44

50

57STM1045a

STM0014eg41

XII

(SSR4)

STM0007


95

II.5.3 Amplification des fragments d’ADN par PCR

II.5.3.1 Développement de nouveaux marqueurs : mise au point de la température

d’hybridation et de la concentration en chlorure de magnésium

Pour déterminer les conditions de PCR optimales, les échantillons d’ADN des 8 parents ont

été testés avec des températures d’hybridation d’un gradient de températures comprises

entre 50 et 65°C et deux concentrations différentes en MgCl2 (concentrations finales à 2 et 4

mM).

II.5.3.2 Mix et programmes PCR des marqueurs CAPS et SSR

Aux laboratoires d’Avignon et de Ploudaniel, l’amplification par PCR a été faite sur 20 ng

d’ADN dans une solution contenant 0.03 U de Taq polymerase (GoTaq Promega), 1X de

tampon de la Taq (stock 10X : 50mM KCl, 10mM Tris-HCl_pH 9.0, 1.5mM MgCl2 et 0.1%

Triton® X-100 dilué au 1:10ème), 1,5 ou 3,5 mM de MgCl2 (selon la condition optimale), 0,15

mM de dNTP, 0,3 µM d’amorce F et R et de l’eau stérile en quantité suffisante pour obtenir

un volume final de 17µl. Le mix est préparé dans un micro-tube placé dans la glace lors de

sa préparation pour minimiser les amplifications non spécifiques.

Les produits PCR ont été amplifiés comme suit : dénaturation initiale de 5 min à 95°C, puis

30 cycles comprenant une première étape à 95°C pend ant 30 sec, une deuxième étape à la

température d’hybridation pendant 45 sec et une troisième étape à 72°C pendant 1 min, et

enfin, une étape d’élongation finale à 72°C pendant 10 min.

Les mix et programmes PCR des marqueurs SSR de la plate-forme de Clermont-Ferrand

sont spécifiques et utilisés en interne.

II.5.4 Traitement des produits PCR après amplification

II.5.4.1 Marqueurs CAPS : polymorphisme de taille après digestion

enzymatique

Pour les marqueurs CAPS, les enzymes de restriction citées dans la littérature ont d’abord

été testées sur les ADN parentaux. Si aucun polymorphisme de taille de bande

n’apparaissait sur le gel à 1%, et si l’amplification donnait un seul fragment de même taille

chez les deux parents, les fragments ont été envoyés pour séquençage afin de rechercher

un site de restriction qui différencie les parents.


96

II.5.4.1.1 Isolement des fragments

Pour les marqueurs de pomme de terre destinés à être cartographiés sur les 6 populations,

les fragments d’amplification par PCR ont été directement envoyés à séquencer à la société

« Genome Express » (Meylan, France), sans traitement préalable. Les séquençages ont été

réalisés dans les deux sens, l’un avec l’amorce F et l’autre avec l’amorce R, afin d’obtenir

une séquence aussi complète que possible.

Pour les marqueurs destinés à être transférés d’une espèce à une autre, les fragments

amplifiés ont d’abord été clonés. Pour cela, ils ont été ligués dans un vecteur pGem avec le

kit pGem-T® vector easy (Promega). Ces vecteurs ont ensuite été introduits dans les

bactéries E. coli H5α compétentes. Les bactéries transformées ont été étalées sur milieu LB

(Luria-Bertani, Annexe II.5) sélectif avec de l’ampicilline (75µg/ml) et incubées une nuit à

37°C. Les bactéries dont le vecteur n’avait pas int égré l’insert étaient de couleur bleue à

cause de l’interaction entre l’IPTG et le X-Gal du milieu de culture. Seules les colonies

blanches ont été repiquées sur de nouvelles boites et mises à pousser. L’amplification des

inserts a ensuite été réalisée avec les amorces SP6 (5' ATT TAG GTG ACA CTA TAG 3') et

T7 (5' TAA TAC GAC TCA CTA TAG GG 3') spécifiques du vecteur pGem. Les produits

d’amplification qui avaient la taille attendue sur gel d’agarose à 1% ont été séquencés. Entre

4 et 6 clones par génotype ont été envoyés à séquencer pour assurer la détermination d’une

séquence fiable par parent.

II.5.4.1.2 Recherche d’enzyme de restriction

Les séquences obtenues ont été lues par le logiciel Finch TV qui affiche le chromatogramme

de la séquence et permet d’en vérifier la qualité. Les séquences de bonne qualité

(présentant des pics clairement distincts les uns des autres) ont été alignées à l’aide du

logiciel Multalin pour déceler les sites de mutation. L’outil CAPS Designer du site SGN

propose une liste d’enzymes de restriction possibles en donnant les tailles de bandes

attendues suite à la digestion par chacune d’entre elles. Les enzymes ont été choisies en

fonction de la fiabilité accordée au site de mutation d’après le chromatogramme, de la taille

des fragments attendus après digestion (>250 pb et séparés d’au moins 50pb pour être

visibles et bien séparés sur gel d’agarose à 3%) et du coût de l’enzyme. Les conditions de

digestion indiquées sur la notice de l’enzyme ont été suivies.


97

II.5.4.1.3 Migration des produits digérés

Les produits d’amplification digérés ont été déposés sur un gel d’agarose à 3% avec un

marqueur de taille 1kb (Promega). Le gel a ensuite été mis à tremper dans une solution de

Bromure d’Ethidium puis soumis aux UV pour révéler l’ADN.

II.5.4.2 Marqueurs SSR : polymorphisme de taille des fragments amplifiés

Aux laboratoires d’Avignon et Ploudaniel, le même protocole a été utilisé pour la migration

des produits d’amplification des marqueurs SSR. Les échantillons ont été dénaturés avant

d’être déposés sur un gel d’acrylamide vertical à 5% en conditions dénaturantes. Après

environ 2 heures de migration, le gel a été mis à tremper dans différentes solutions : fixation

à l’éthanol 10% pendant 5 min, oxydation à l’acide nitrique 1% pendant 3 min, coloration au

nitrate d’argent (1 g/L) pendant 15 min à l’obscurité, révélation à la lumière dans une solution

de carbonate de sodium (30 g/L) contenant du formaldéhyde (540 µl/L) et arrêt de la réaction

dans une solution d’acide acétique à 10%. Chaque bain a été suivi d’un rinçage à l’eau

permutée.

Sur la plate-forme de génotypage de Clermont-Ferrand, le séquenceur ABI3130XL (Applied

Biosystems) à capillaires été utilisé pour génotyper les produits d’amplification marqués au

fluorochrome FAM (fluorescence bleue) ou VIC (fluorescence verte). La fluorescence était

obtenue par marquage direct des amorces ou par l’hybridation de l’amorce R à une

séquence additionnelle marquée (queue M13). Le protocole du fabriquant du séquenceur a

été suivi.

II.6 Génotypage des marqueurs chez la pomme de terr e

La pomme de terre étant une espèce hétérozygote, les cartes génétiques ont été construites

par parent en se basant sur la ségrégation des marqueurs dans la descendance de première

génération de croisement selon la stratégie du double pseudo-testcross (Grattapaglia et

Sederoff 1994). Cette stratégie repose sur le fait que des marqueurs hétérozygotes chez un

parent (présence d’une bande polymorphe sur le gel) et absents chez l’autre parent

(absence de bande) ségrégent selon le rapport 1:1 dans la population de première

génération de croisement, dite ‘pseudo-F1’. Pour chaque marqueur, on se trouve donc dans

la configuration du testcross, c’est-à-dire du croisement d’une plante hétérozygote avec une

plante homozygote au locus étudié. Les cartes génétiques sont alors construites


98

indépendamment chez chacun des deux parents, chaque carte étant composée des

marqueurs hétérozygotes du parent correspondant. Cependant, il faut tenir compte de la

phase du marqueur qui peut-être opposée selon l’origine de l’allèle, hérité de l’un des

grands-parents. Ainsi chaque marqueur a été entré sous les deux phases possibles : la

phase « normale » correspondant au codage en ‘0’/’1’ tel qu’il a été obtenu par la lecture du

gel (‘0’ pour absence de la bande et ‘1’ pour présence de la bande sur le gel), et la phase

« miroir » où les ‘0’ de la phase normale sont remplacés par des ’1’ et réciproquement.

Pour s’assurer du polymorphisme du marqueur avant d’effectuer le génotypage sur la

population entière, le marqueur a été testé sur un échantillon de la descendance comprenant

14 individus choisis au hasard. Dans la plupart des cas, une seule bande par marqueur était

polymorphe et n’était donc cartographiée que chez l’un des deux parents. Quelques fois,

deux bandes, issues de chaque parent, étaient polymorphes et différenciables sur le gel. Le

marqueur pouvait être alors cartographié chez les deux parents simultanément, permettant

ainsi l’ancrage des deux cartes parentales. La ségrégation attendue pour tous les marqueurs

utilisés était de type 1 : 1. L’égalité des fréquences des deux allèles a été vérifiée par un test

de Chi-deux.

II.7 Construction des cartes génétiques

-construction de nouvelles cartes génétiques pour les parents des populations 03D

La construction des cartes génétiques des parents des populations 03D a été faite avec le

logiciel Carthagene version 1.0 (de Givry et al. 2005). Les données de génotypage ont été

déclarées comme étant issues d’une population « f2 back-cross ». Pour cumuler les données

de génotypage des deux populations demi-sœurs pour la carte du parent commun, la

commande « dsmergen » a été utilisée.

Les groupes de liaison ont ensuite été constitués en utilisant la commande « group » avec un

LOD seuil minimal de 3.0 et une distance seuil maximale entre deux marqueurs de 30 cM.

Les marqueurs de chaque groupe de liaison ont ensuite été ordonnés par des analyses

multi-points (commandes « mfmapd » et « annealing») qui donnent les ordres des

marqueurs les plus probables. L’ordre auquel était associée la p-value la plus petite était

choisi préférentiellement. Les taux de recombinaison ont été convertis en unité centimorgan

(Haldane).

Les marqueurs placés à des positions inattendues par rapport à celles de la bibliographie ont

été revus plus attentivement : les gels ont été relus par une tierce personne ou bien, en cas

d’un grand nombre de données manquantes ou d’ambigüité, le génotypage a été refait. Les

marqueurs aux positions inattendues et présentant un biais significatif d’après le test de Chi-

deux ont été supprimés.


99

-ajout de marqueurs aux cartes des parents des populations 96D

Pour l’ajout de marqueurs de la littérature aux cartes trame des parents des populations 96D,

la commande « try » de MAPMAKER/EXP V3.0 (Lander et al. 1987) a été utilisée. En cas de

doute sur la position du nouveau marqueur, la commande « compare » a été utilisée sur un

sous-ensemble de marqueurs aux alentours de la position estimée du nouveau marqueur. Si

l’ajout du marqueur provoque une augmentation exagérée de la taille du chromosome, les

données de génotypage du nouveau marqueur sont revues afin de déceler les doubles

recombinaisons douteuses.

-construction des cartes consensus

Pour réaliser l’analyse conjointe de QTL des populations connectées 03D et pour faire les

méta-analyses (cf § II.8), les cartes consensus ont été construites avec la commande

ConsMap du logiciel MetaQTL (Veyrieras et al. 2007). Les données d’entrée sont les noms

et positions des marqueurs des cartes parentales à intégrer. Pour que la carte consensus

d’un chromosome puisse être construite, il faut que toutes les cartes d’entrée soient

connectées entre elles par au moins 2 marqueurs communs pour créer un chemin de

connexion ininterrompu entre toutes les cartes. Lorsque la connexion existe, il faut ensuite

s’assurer qu’il n’y ait pas d’inversion de marqueurs communs entre les cartes. Quand cela

était le cas, les marqueurs provoquant les inversions qui avaient la plus forte occurrence ont

été supprimés chez une seule des deux cartes.

Les cartes génétiques ont été représentées avec le logiciel MapChart (version 2.1, Voorrips

2002).

II.8 Détection de QTL

Les valeurs utilisées pour la détection de QTL étaient les médianes des valeurs des

répétitions de chaque génotype (ou clone). En effet, le nombre de répétitions par génotype

ne dépassant jamais 6 plantes, la médiane est la valeur qui permet de représenter le mieux

la valeur du génotype car elle tient beaucoup moins compte des valeurs extrêmes que la

moyenne.

La détection de QTL a été réalisée avec deux logiciels, QTLCartographer (Basten et al.

1994, 1997 ; chapitre III) pour la méthode CIM (Composite Interval Mapping, Zeng 1993), et

MCQTL (Jourjon et al. 2005 ; chapitre IV) pour la méthode iQTLm (Charcosset et al. 2001).

La méthode iQTLm est une méthode de cartographie de QTL itérative qui procède

chromosome par chromosome. Elle est composée de 2 étapes (Figure II.5).


100

Figure II.5 Algorithme de la procédure de détection de QTL iQTLm (Charcosset et al. 2001, d’après le manuel d’utilisation MCQTL)


101

Dans les deux cas, la méthode employée intégrait la variabilité des locus les plus fortement

associés à la variabilité du caractère par la prise en compte de cofacteurs du fond génétique.

Le seuil de détection d’un QTL significatif a été calculé pour chaque variable et obtenu après

un test de 1000 permutations. Un risque d’erreur de type I à 10% pour les populations 96D

du chapitre III et 5% pour les populations 03D du chapitre IV ont été choisies : l’analyse pour

des populations 96D a été réalisée dans l’objectif général de comparer les QTL à ceux

rapportés dans la bibliographie dans l’optique de faire un inventaire des QTL de résistance

au mildiou chez la pomme de terre ; en ce qui concerne l’analyse des populations 03D,

l’objectif était de tirer parti du dispositif en populations connectées et de sélectionner les QTL

les plus fiables. La fenêtre d’analyse le long d’un chromosome était de 10 cM et 4 cM pour

les populations 96D et 03D, respectivement, avec une vitesse de progression de 2 cM. La

position d’un QTL a été estimée d’après la position de la valeur maximale de LOD

(LODmax). L’intervalle de confiance associée correspondait à la projection de la courbe de

LOD sur l’axe des abscisses (longueur du chromosome) pour une valeur égale à LODmax-1

(Lander et Botstein 1989). L’effet individuel de chaque QTL sur la variabilité phénotypique

(R²) a été donné par le modèle.

Pour les variables où un seul QTL a été détecté, la valeur du R² global correspondait à la

valeur du R² individuel du QTL. Pour les variables où plusieurs QTL ont été détectés, les R²

globaux ont été calculés avec une ANOVA à plusieurs dimensions, chaque facteur étant le

marqueur le plus fortement associé au QTL détecté pour la variable en question. Avec

MCQTL, la valeur du R² global était directement donnée à la fin de l’analyse.

Pour les populations 96D, les interactions digéniques entre tous les couples de marqueurs

ont été testées par ANOVA à deux dimensions et avec interaction (programme créé avec le

logiciel R). En fonction du nombre de tests effectués, un seuil de significativité de P<10-5 a

été utilisé. Les interactions épistatiques significatives ont été validées en comparant le

nombre de clones de chaque classe génotypique au nombre attendu (test χ², P<0.05). Dans

le cas de l’absence de biais, l’homogénéité des variances entre les classes a été vérifiée

(test de Bartlett, P<0.05).

II.9 Méta-analyse

Pour la méta-analyse sur les 12 chromosomes de la pomme de terre, le logiciel MetaQTL a

été utilisé (Veyrieras et al. 2007). La procédure de méta-analyse s’est effectuée en trois

étapes : 1- la construction d’une carte consensus pour chaque chromosome, 2- la projection

des QTL sur la carte consensus, et 3- la classification et regroupement des QTL en méta-

QTL. Plusieurs types de données doivent être fournis en entrée du logiciel (Figure II.6) :


102

-les données de cartographie des marqueurs pour chaque carte (numéro du chromosome,

nom du marqueur, position) :

-les données de QTL de chaque carte (numéro du chromosome, nom du QTL, position,

caractère utilisé pour la détection du QTL, intervalle de confiance et valeur du R² individuel

du QTL)

-les données des expérimentations d’où sont tirées les données de cartographie et de QTL

-les synonymes de noms des marqueurs (qui peuvent varier légèrement d’une carte à une

autre)

-l’ontologie des caractères, c’est-à-dire les affiliations qui peuvent exister entre différentes

variables utilisées pour la détection de QTL et qui se rapportent au même type de caractère.

CARTESfichiers « .map »

QTLfichiers « .qtl »

data

experiments.txt

mrkDico.txt ontology.txt

7 caractèressur feuillage, tige, tubercule, feuilles détachées, racines+ maturité (pomme de terre)

Recensement de 458noms de marqueurs

synonymes

Ajouter un maximum de cartes de références pour augmenter les

connexions

Construction carte consensus

Projection des QTL

Classification et regroupement des QTL en méta-QTL

pour 1 chromosome

1 couleur de QTL =1 caractère

méta-QTL

1

2

Figure II.6 Schéma de la procédure du logiciel de méta-analyse de QTL Meta-QTL (Veyrieras et al. 2007) Plusieurs types de données sont fournies en entrée du logiciel dans un grand dossier appelé « Data » : des données de cartographie, des données de QTL, des expérimentations d’origine ainsi que les synonymes de noms de marqueurs et la liste des caractères affiliés. L’ensemble de ces données est compilée en code JAVA et donne lieu à des fichiers XML. La carte consensus d’un chromosome est générée s’il existe au moins deux marqueurs communs entre chaque carte de proche en proche, créant ainsi un chemin de connexions ininterrompu entre les cartes. Puis la projection homothétique des QTL sur la carte consensus permet une classification selon différents modèles statistiques. Les classements qui sont les plus probables sont retenus et les groupes de QTL ainsi constitués résultent en la formation d’un méta-QTL.


103

Les études bibliographiques ou les données des bases en ligne qui ont été intégrées dans la

méta-analyse réalisée pendant la thèse sont listées dans le Tableau II.2.

Les noms synonymes des marqueurs trouvés dans les différentes cartes sont fournis en

Annexe II.6.


104

Tableau II.2 Liste des expérimentations intégrées dans la méta-analyse chez la pomme de terre (continue sur la page suivante) nom de la carte unité 1 type de

population 2 nom du croisement taille de la population de

cartographie référence

Bormann04 Kos BC1 LeylaNikitaEscort 179 Bormann et al. 2004 Chen01 Kos BC1 K31 120 Chen et al. 2001 Collins99_G87 Kos BC1 GDE 113 Collins et al. 1999 Collins99_I88 Kos BC1 GDE 113 Collins et al. 1999 Costanzo05 Kos BC1 BD410 132 Costanzo et al. 2005 Danan08_CASP Kos BC1 96D31 97 Danan et al., in prep (chapitre IV) Danan08_ROSA Kos BC1 96D32 123 Danan et al., in prep (chapitre IV) Danan08_SPG Kos BC1 96D32 123 Danan et al., in prep (chapitre IV) Danan08_SPL Kos BC1 96D31 97 Danan et al., in prep (chapitre IV) Danan09_BF Hal BC1 03D36;03D41 188 Danan et al., in prep (chapitre V) Danan09_Cons03D Hal BC1 03D36;03D39;03D41;03D42 368 Danan et al., in prep (chapitre V) Danan09_D9_13 Hal BC1 03D36;03D39 184 Danan et al., in prep (chapitre V) Danan09_D9_33 Hal BC1 03D41;03D42 184 Danan et al., in prep (chapitre V) Danan09_SH20 Hal BC1 03D39;03D42 180 Danan et al., in prep (chapitre V) Ewing00_ber_BCT Kos BC1 BCT 150 Ewing et al. 2000 Feingold_05 Kos BC1 BCB;BCT 150 Feingold et al. 2005 Ghislain01_dih-tbr Kos BC1 PD 92 Ghislain et al. 2001 Ghislain01_phu Kos BC1 PD 92 Ghislain et al. 2001 Leonards94_P40 Kos BC1 P49xP40 197 Leonards-Schippers et al. 1994 Leonards94_P49 Kos BC1 P49xP40 197 Leonards-Schippers et al. 1994 Milbourne98_Germicopa Kos BC1 MPI 67 Milbourne et al. 1998 Milbourne98_MPI Kos BC1 MPI 67 Milbourne et al. 1998 Naess00_J101 Kos BC1 1K6 64 Naess et al. 2000 Ober99_K31 Kos BC1 K31 113 Oberhagemann et al. 1999 Park05_Rpi_blb3 Kos BC1 Blb00-20 40 Park et al. 2005 PGI_Kit Kos BC1 PGI 92 Ghislain et al. 2009 PoMaMo_BC9162 Kos BC1 BC916.2 67 PoMaMo (GABI database)* PoMaMo_F1840 Kos BC1 P18xP40 100 PoMaMo (GABI database)* Sandbrink00_MCD167 Kos BC1 89-13;89-14;89-15 163 Sandbrink et al. 2000 Simko06_BD410 Kos BC1 BD410 132 Simko et al. 2006


105

Tableau II.2 Liste des expérimentations intégrées dans la méta-analyse chez la pomme de terre (fin) nom de la carte unité 1 type de

population 2 nom du croisement taille de la population de

cartographie référence

Sliwka07_P1 Kos BC1 98-21 156 Sliwka et al. 2007 Sliwka07_P2 Kos BC1 98-21 156 Sliwka et al. 2007 Sorensen06_3504HGG Hal BC1 HGG 85 Sorensen et al. 2006 Sorensen06_3504HGIHJS Hal BC1 HGIHJS 125 Sorensen et al. 2006 Tanksley92_N263 Kos BC1 N263 155 Tanksley et al. 1992 Villamon05_MP1_8 Kos BC1 PCC1 194 Villamon et al. 2005 Yamanaka05 Kos BC1 61.26x194.30 152 Yamanaka et al. 2005

*http://gabi.rzpd.de/projects/Pomamo/ 1 Hal : Haldane, Kos : Kosambi 2 BC : back-cross, Fi : ième génération d’autofécondation après la génération F1

CHAPITRE III

DETECTION DE QTL DANS LES DEUX

POPULATIONS 96D INDEPENDANTES

Détection de QTL chez les populations 96D

106

III CHAPITRE III : DETECTION DE QTL DE RESISTANCE AU MILDIOU DANS LES

POPULATIONS 96D31 ET 96D32 AVEC LES TESTS SUR TIGE ET SUR FEUILLAGE

Ce chapitre a fait l’objet d’une publication dans le journal Theoretical and Applied Genetics ;

elle est présentée ci-après dans la forme sous laquelle elle a été publiée.

III.1 Introduction du chapitre

III.1.1 La lutte génétique vis-à-vis du mildiou chez la pomme de terre

Le mildiou est tristement célèbre pour les ravages qu’il occasionne dans les cultures de

pomme de terre. Les coûts financiers mais aussi sociétaux sont importants car de nombreux

producteurs font faillite suite aux épidémies. Lors des grandes épidémies de mildiou des

années 1840, notamment en Irlande, plus d’un million de personnes sont mortes de faim et

de malnutrition. Depuis lors, le mildiou est une menace omniprésente. Dans les années

1920, des espèces sauvages apparentées à la pomme de terre cultivées présentant des

gènes majeurs très efficaces vis-à-vis du mildiou ont été découvertes, notamment l’espèce

mexicaine Solanum demissum avec 11 gènes majeurs races-spécifiques R1 à R11. La

création variétale s’est alors principalement consacrée à l’introgression de ces gènes dans

des variétés élites de pomme de terre cultivées Solanum tuberosum. Cependant, après des

débuts très prometteurs, les sélectionneurs ont été rapidement confrontés à la forte aptitude

du pathogène à se diversifier. P. infestans en effet capable de s’adapter rapidement à la

pression des gènes de résistance spécifique de l’hôte. Le contournement des gènes majeurs

moins de 7 ans après leur déploiement dans les cultures (notamment les gènes R1, R3, R4,

R6, R7, R10 et R11) a remis en question la durabilité de ce type de résistance. Cette

défaillance pousse dès 1950 les producteurs à investir massivement dans les produits

phytosanitaires et notamment les fongicides. Comme on pensait alors que les Phytophthora

étaient des champignons, aucun produit chimique n’était réellement adapté à la lutte contre

cet oomycète à moins d’épandre de très grandes quantités de fongicides qui finissent par

être nocifs pour le pathogène mais également pour l’environnement. En 1977 le Metalaxyl, à

action systémique, est apparu comme l’Arme efficace. Cependant, trois ans après sa sortie

sur le marché, de nouvelles races résistantes apparaissent en Europe. Il devient alors

indispensable et urgent de trouver d’autres moyens de lutte. Depuis la fin du XXème siècle,

on assiste à l’adoption progressive de la lutte intégrée. La lutte intégrée n’est autre que la

modernisation d’un mode de culture basé sur la combinaison de techniques culturales

prophylactiques, l’application raisonnée de pesticides et l’utilisation de cultivars aux


107

résistances partielles. Ces résistances étaient en effet déjà utilisées avant la découverte des

gènes majeurs puis délaissées, surtout dans les pays développés qui avaient les moyens

financiers d’investir dans la lutte chimique et qui devaient répondre aux demandes

pressantes du marché. On assiste donc aujourd’hui à la revalorisation de ces résistances qui

sont utilisées de plus en plus de manière couplée avec des gènes majeurs au sein d’un

même cultivar.

III.1.2 Exploration des résistances polygéniques à P. infestans

Pour être plus à même de pouvoir exploiter efficacement les résistances polygéniques qui

existent dans la biodiversité de la pomme de terre, les espèces sauvages de Solanum

tubéreuses originaires d’Amérique centrale et du Sud ont été évaluées en masse pour la

résistance partielle (par exemple à travers les travaux de L. Colon et M. F. Tazelaar,

Wageningen, Pays-Bas). Les espèces les plus intéressantes sont progressivement intégrées

dans les programmes de création variétale. En particulier, le centre INRA APBV de

Ploudaniel introduit depuis 1982 dans son matériel de recherche des accessions en

provenance du CIP (Centre International de la Pomme de terre) au Pérou et d’autres centres

de ressources génétiques comme celui de Sturgeon Bay aux Etats-Unis (Wisconsin). La

« population A » du CIP est du matériel spécifiquement choisi pour la résistance au mildiou

qui contient à la fois des gènes majeurs de résistance mais aussi des résistances

polygéniques partielles. Le succès de ce matériel auprès des producteurs et sélectionneurs

de pomme de terre a encouragé la création d’une deuxième génération de clones en 1990, à

partir d’une sélection de ceux de la population A, pour former la « population B » qui ne

contient que des résistances polygéniques. La sélection des clones a porté aussi

spécifiquement sur les espèces Solanum des Andes qui auraient évolué indépendamment

de P. infestans et qui ne présentent pas de gènes majeurs (comme les sous-espèces de S.

andigena) (source : http://www.cipotato.org/potato/pests_diseases/late_blight/control.asp).

Le centre de ressources génétiques de Sturgeon Bay aux Etats-Unis, créé en 1948, compte

aujourd’hui des milliers d’accessions issues de 150 espèces de Solanum apparentées à la

pomme de terre (www.madison.com, 2/12/2008).

Pour explorer les résistances polygéniques à P. infestans et pour mieux comprendre

l’architecture génétique qui contrôle ces résistances, une partie de la communauté

scientifique s’est investie dans des programmes de recherches basés sur des analyses de

QTL dans différents croisements.

Dans l’objectif de participer à ces recherches, ce chapitre présente les résultats de la

cartographie de QTL dans deux populations de pomme de terre faisant intervenir une


108

espèce sauvage résistante au mildiou : S. sparsipilum pour la population 96D31 et S.

spegazzinii pour la population 96D32. Ces clones présentent un bon niveau de résistance

partielle au champ et sont d’autant plus intéressants à étudier qu’ils sont également

résistants aux nématodes à kystes.

III.1.3 Les modes d’évaluation de la résistance polygénique vis-à-vis du mildiou

Plusieurs types de tests ont été mis au point pour évaluer la résistance partielle au mildiou.

Le test le plus classique utilisé en routine pour évaluer la résistance globale de la plante en

conditions de culture est basé sur la mesure de la surface foliaire nécrosée au champ. Pour

mieux appréhender les différentes composantes de résistance sollicitées par la plante dans

le temps et au niveau de ses différents organes, d’autres tests s’effectuent en conditions

contrôlées sur les feuilles détachées et les tubercules. Aucune expérience évaluant la

résistance de la tige n’a été rapportée. Or, il semblerait que la tige ait un rôle majeur dans la

propagation de la maladie, 1- au niveau de la plante, des feuilles vers les tubercules, 2- au

niveau du champ, d’une plante à l’autre et 3- au cours du temps puisqu’elle sert

temporairement de refuge au pathogène lorsque les conditions climatiques ne sont pas

favorables à son développement. De plus, le test sur tige repose sur la décomposition du

processus infectieux au cours du temps en différents stades représentés par plusieurs

variables et se montre très efficace sur le pathosystème P. capsici/piment sur lequel il a été

mis au point (Lefebvre et Palloix 1996).

Un deuxième objectif de ce chapitre est par conséquent de déterminer la pertinence du test

sur tige en conditions contrôlées pour l’évaluation de la résistance polygénique au mildiou

chez la pomme de terre et d’apprécier sa capacité à disséquer la résistance complexe en

plusieurs composantes simples qui rendent compte le plus fidèlement possible de la

variabilité génétique responsable de la variabilité phénotypique observée.

Le test de résistance sur feuillage, effectué en extérieur sur les mêmes populations et proche

des tests classiques de résistance au champ, constitue ainsi un test référence auquel les

résultats obtenus avec le test tige peuvent être comparés.

III.1.4 La cartographie de QTL et les bases génétiques de la résistance

polygénique

Le troisième objectif de ce travail est de déterminer la position des locus responsables de la

résistance polygénique partielle au mildiou sur le génome de la pomme de terre et d’inscrire

les résultats obtenus dans l’ensemble des résultats déjà publiés sur la résistance

polygénique et sur la résistance monogénique. Les régions des cartes des populations


109

96D31 et 96D32 les plus fortement impliquées dans la résistance, en termes d’occurrence et

d’effets des QTL (R²), ont été densifiées en marqueurs de la littérature. L’ajout de ces

marqueurs-ancres nous a permis de comparer les positions des différents locus détectés

dans nos populations d’étude avec ceux déjà rapportés, notamment les gènes majeurs

détectés et/ou clonés chez d’autres sources, et de proposer ainsi des hypothèses sur la

nature des gènes sous-jacents à certains QTL.

III.2 Article publié


110


111


112


113


114


115


116


117


118


119


120


121


122


123


124


125

III.3 Synthèse du chapitre

Les résultats de l’analyse QTL chez les clones des deux espèces apparentées S.

sparsipilum et S. speggazzinii ont permis de montrer, (i) leur fort potentiel de résistance vis-

à-vis du mildiou, en particulier pour la composante « résistance sur tige », (ii) l’efficacité du

test tige pour l’évaluation de la résistance polygénique au mildiou chez la pomme de terre,

en complément d’autres méthodes classiquement utilisées, et (iii) l’importance des QTL des

chromosomes I, VIII and X conservés entre plusieurs parents. De plus, les marqueurs-

ancres de la bibliographie cartographiés dans ces régions montrent que ces QTL sont aussi

conservés à travers d’autres sources de résistance, ils constituent donc des cibles

intéressantes pour la création variétale.

Le QTL du chromosome X de S. speggazzinii qui explique la plus grande part de la

variabilité observée fait déjà l’objet d’études approfondies à l’INRA APBV de Ploudaniel afin

de mieux évaluer son spectre d’action au travers de tests effectués avec d’autres souches

de P. infestans. Les individus de la population 96D32 présentant les plus hauts niveaux de

résistance sont utilisés comme géniteurs dans de nouveaux rétrocroisements afin de revenir

au fond génétique de la pomme de terre cultivée S. tuberosum pour, in fine, proposer aux

sélectionneurs des géniteurs comportant le QTL pour les programmes d’amélioration

variétale.

Cependant, les tests réalisés dans le cadre de la thèse n’ont pas permis de mesurer la

maturité des plantes en même temps que leur résistance polygénique au mildiou. Or, étant

donné leur étroite association, il serait important de faire ces tests afin de savoir si les QTL

détectés et déclarés comme responsables de la résistance au mildiou ne sont pas des QTL

de maturité de la plante. De plus, comme les géniteurs les plus résistants sont généralement

les plus tardifs, la liaison physique des QTL de résistance avec des QTL de maturité

présente un inconvénient pour les producteurs de pomme de terre qui cherchent à raccourcir

le temps de culture.

Il est important de noter que cette analyse a été réalisée dans un objectif d’inventaire des

locus de résistance au mildiou chez la pomme de terre et un risque d’erreur de type-I de

10%, assez permissif a été utilisé pour la détection de QTL. La fiabilité à accorder à certains

QTL, notamment ceux à faible effet (R²=4-6%), doit donc rester relative.

Enfin, les pédigrées des parents S. tuberosum Caspar H3 et Rosa H1 est mal connue et il

est possible que les cultivars dont sont issus ces clones soient dotés de gènes majeurs. Or,

la présence de gènes majeurs dans le fond génétique peut en effet perturber la détection de

QTL et fausser leurs effets (Wang et al. 1994). Pour avoir des valeurs fiables et justes des


126

effets des QTL sélectionnés pour la création variétale, il serait nécessaire de déterminer

précisément si des gènes majeurs connus sont présents en testant les clones avec une

gamme de souches présentant chacune une virulence différente.

CHAPITRE IV

DETECTION DE QTL DANS LES QUATRE

POPULATIONS 03D CONNECTEES

Détection de QTL chez les populations connectées 03D

127

IV CHAPITRE IV : DETECTION DE QTL DE RESISTANCE A P. INFESTANS DANS DES

POPULATIONS CONNECTEES DE POMME DE TERRE IMPLIQUANT L’ESPECE

SAUVAGE SOLANUM BERTHAULTII

Les résultats de ce chapitre devraient faire l’objet d’une publication à soumettre. Sa version

la plus avancée est présentée en deuxième partie.

IV.1 Introduction du chapitre

IV.1.1 Une étude exploratoire à deux titres

Les travaux présentés dans ce chapitre constituent une étude exploratoire à deux titres : 1-

ils participent à l’exploration des sources de résistance partielles à P. infestans chez les

espèces apparentées à la pomme de terre et 2- ils consistent en une méthode d’analyse de

QTL en schéma de populations connectées encore jamais rapportée chez la pomme de

terre.

Deux clones présentant de hauts niveaux de résistance partielle au champ ont été détectés

dans la descendance d’un croisement entre un clone haplodiploïde du cultivar de pomme de

terre Maritta et un clone issu d’une accession de l’espèce sauvage apparentée S. berthaultii.

Pour identifier les locus responsables de ces résistances observées, une étude de

cartographie de QTL a été réalisée à partir d’un schéma factoriel impliquant les deux clones

résistants et deux clones haplodiploïdes issus des cultivars sensibles Sirtema et BF15.

L’analyse conjointe des données de génotypage et de phénotypage de populations

connectées est encore peu répandue. La littérature rapporte notamment quelques études de

ce type chez le maïs pour la date d’émission des soies (Rebaï et al. 1997 ; Blanc et al.

2006), chez Medicago truncatula pour la date de floraison (Pierre et al. 2008) et chez le blé

pour la résistance à la rouille jaune (Christiansen et al. 2006). Elle n’a, à notre connaissance,

encore jamais été rapportée chez la pomme de terre. Dans l’optique de faire de la méta-

analyse inter-spécifique entre la pomme de terre, la tomate et le piment dans la zone de

colinéarités qui comprend les QTL du chromosome IV de la pomme de terre, la région

concernée de ce chromosome a été densifiée en marqueurs.


128

IV.1.2 Les avantages de la méthode d’analyse conjointe en schéma multi-

population

L’intégration des données brutes de phénotypage et génotypage de descendances qui

partagent des origines parentales communes apportent plusieurs avantages par rapport à la

détection de QTL en schéma bi-parental classiquement rencontrée. Par la compilation des

données issues de plusieurs origines, on augmente la diversité allélique aux locus et par

conséquent la probabilité de détecter des QTL. De plus, l’élargissement du jeu de données

de départ réduit le biais d’échantillonnage inhérent aux petites populations et permet

d’accroître la puissance de détection des QTL, en particulier de ceux présentant des effets

relativement faibles. L’utilisation de plusieurs populations connectées issues de croisements

impliquant plus de deux parents différents permet de mesurer la congruence des QTL et

d’apprécier leur stabilité dans différents fonds génétiques. Ce schéma permet en théorie

d’étendre le champ des possibilités des interactions épistatiques et de mieux évaluer les

effets individuels des allèles des QTL en valeur propre, voire d’arriver à les classer du plus

faible au plus élevé pour les populations issues de croisements de lignées homozygotes.

Cette méthode est ainsi particulièrement adaptée aux programmes de création variétale qui

se basent sur plusieurs populations de petites tailles issues de croisements avec des parents

communs ou ayant des pédigrées semblables.


129

IV.2 Article en cours de préparation

Title

Detection of quantitative trait loci for late blight resistance in connected populations of potato

involving Solanum berthaultii

Authors

Sarah Danan1, Jean-Eric Chauvin2, Brigitte Mangin3, Charles Poncet4 and Véronique

Lefebvre1

1 INRA, UR 1052 GAFL Génétique et Amélioration des Fruits et Légumes, BP94, 84140

Montfavet, France 2 INRA, UMR 118 APBV Amélioration des Plantes et Biotechnologies Végétales, 29260

Ploudaniel, France 4INRA, BIA, Chemin de Borde-Rouge-Auzeville, BP 52627, F-31326 Castanet-Tolosan cedex

France 3 INRA, UMR 1095 UBP Génétique Diversité et Ecophysiologie des Céréales, Plate-forme de

Génotypage à Haut Débit, 234 avenue du Brezet, 63100 Clermont Ferrand, France

Author for correspondence:

Véronique Lefebvre

Tel: +33 (0)4 32 72 28 06

Fax: +33 (0)4 32 72 27 02

E-mail: [email protected]

Key-words: Solanum tuberosum (potato), Solanum berthaultii, Phytophthora infestans,

multi-population QTL analysis, late blight resistance, factorial mating design

Abbreviations:

CAPS: Cleaved Amplified Polymorphic Sequence

DPI: Days Post-Inoculation

QTL: Quantitative Trait Locus

rAUDPC: time-relative Area Under the Disease Progress Curve

SD: Standard Deviation

SSR: Simple Sequence Repeat

CI: Confidence Interval


130

Introduction

Detection of quantitative trait loci (QTL) for agronomic traits has shown great interest in plant

genetics since the late 1980’s to unravel the genetic basis of polygenic characters and to

introgress them in elite lines through marker-assisted selection (MAS). Most of the studies

have performed QTL detection in simple cross design like biparental diploid mapping

populations. However, by studying the population deriving from a cross of two contrasting

homozygous lines, a maximum of two alleles at the QTLs can be investigated. As a

consequence, we get a very narrow sample of the genetic variability which actually exists in

the available species biodiversity. In addition, this kind of analysis does not represent the

actual working conditions of the breeders who routinely evaluate large number of populations

derived from multiple related crosses involving common genitors. Therefore, the analysis of

polygenic traits at a broader level by gathering the genetic information from different

populations is expected to be more profitable. One method is to perform a meta-analysis for

the trait of interest by compiling the QTL results of independent studies after their projection

of a consensus genetic map. Meta-analysis has already been successfully applied in species

for which multiple QTL mapping studies have been reported as for flowering time in maize

(Chardon et al. 2004) and more recently for late blight resistance in potato (Danan et al. in

prep.). However, without any connection between the different data sets, a great amount of

information is lost, and we cannot get any information about the effect of QTL alleles in

different genetic backgrounds and their possible epistatic relationships. An alternative

approach is the study of connected populations such as in the diallele or the factorial mating

design. These kinds of designs make it possible the detection of segregating alleles in all

populations simultaneously and the estimation of their individual effects. Also, epistatic

interactions between QTLs, and between QTLs and the different genetic backgrounds can be

detected (Blanc et al. 2006; Rebaï et al. 1997). QTL joint analyses on connected designs has

been used for silking date, grain moisture and grain yield in maize (Rebaï et al. 1997, Blanc

et al. 2006), for resistance to yellow rust in wheat (Christiansen et al. 2006) and for flowering

date in Medicago truncatula (Pierre et al. 2008).

In potato, many QTL mapping studies has been performed for disease resistance (reviewed

by Gebhardt and Valkonen 2001). The cultivated potato Solanum tuberosum is a tetraploid

heterozygous species, and to make genetic analyses easier, diploid mapping populations are

often produced by crossing dihaploid cultivars and diploid wild potato-related species. QTL

detection is thus performed in the first generation of crossing, named pseudo-F1 population

or outbred. With a maximum of 4 possible alleles at each locus, there is a higher probability

of polymorphism occurrence at a given locus than in inbred populations coming from the


131

cross of homozygous lines. By using connected cross designs in outbreds, coming from

distantly related parental clones, we expect to increase QTL power detection and to more

precisely investigate the QTL allelic diversity.

Potato late blight is a serious disease worldwide and as the monogenic deployed resistances

failed to be durable, the exploitation of wild polygenic resistances has received great

attention. Since the late 1990s, a rise in the number of publications has indeed been

observed for late blight resistance QTL studies in bi-parental populations. Several wild

species have been investigated for polygenic late blight resistance: they are mainly S.

phureja (Bradshaw et al. 2006), S. microdontum (Sandbrink et al. 2000), S. bulbocastanum

(Naess et al. 2000), S. chromatophilum (Villamon et al. 2005), S. vernei (Sorensen et al.

2006), S. spegazzinii (Leonards-Schippers et al. 1994, Danan et al. submitted) and S.

sparsipilum (Danan et al. submitted). QTL mapping has also been performed in S. berthaultii

species (a PI 473331-derived clone, Ewing et al. 2000), which is also known to confer

monogenic resistance mediated by Rber, Rpi-ber1 and Rpi-ber2 R-genes, mapped on

chromosome X (Ewing et al. 2000; Rauscher et al. 2006; Park et al. 2009).

In an attempt to promote the use of valuable exotic genes found in wild potato germplasm,

we present hereafter the mapping of resistance QTLs to late blight in a 2♀ x 2♂ factorial

mating design, consisting in four connected potato populations deriving from crosses

between S. tuberosum cultivars and S. berthaultii hybrids. It constitutes the first try of QTL

mapping in a connected multi-population design of potato. As a first step, the mating design

has been chosen to be relatively simple and we introduced only one wild potato related

species in order to test the feasibility of the joint analysis method. Also, we first focused the

QTL analysis on chromosome IV, known to carry resistance clusters for late blight resistance

(Danan et al., in prep). Consequently, chromosome IV was densified with markers, and

markers linked to other resistance hot-spots of the genome were selected in order to be able

to integrate them as cofactors in the analysis to better estimate the effect of chromosome IV

locus. QTL detection was performed at three population levels: the disconnected population

level, the half-sib population level and the multi-population level by joint analysis. Our aim

was to evaluate the stability of QTLs by increasing the size of data sets and by varying the

genetic backgrounds. Other objectives were to determine the most resistant and the most

susceptible alleles at each QTL and to test whether QTL x genetic background interactions

exist. The performance and relevancy of the cross design for QTL detection are discussed.


132

Materials and Methods

Plant material

A 2♀ x 2♂ factorial mating design of four connected diploid potato populations was used for

the detection of resistance QTLs to P. infestans (Figure IV.1).

368 clones

SiHS. tuberosum

Sirtema H20 (2x)


96D9.33 (2x)



96D9.13 (2x)

03D3696 clones

188

184

184

180

03D4192 clones

03D4292 clones

03D3988 clones

368 clones

SiHS. tuberosum

Sirtema H20 (2x)


96D9.33 (2x)



96D9.13 (2x)

03D3696 clones

188

184

184

180

03D4192 clones

03D4292 clones

03D3988 clones

03D4203D39SiH

03D4103D36BF

D9.33D9.13♂

♀

03D4203D39SiH

03D4103D36BF

D9.33D9.13♂

♀

Factorial mating design

Figure IV.1 Crossing design of the 4 connected potato polulations used for the detection of late blight resistance QTLs The four connected potato populations are shown. The numbers of clones are given at the 3 different levels of the analysis: ‘intra-population’, ‘inter-population’ and ‘multi-population’ levels. Parental clones are framed, the resistant parental clones are in bold-lined squares. The populations are in circles

The male parents 96D9.13 and 96D9.33, named hereafter D9.13 and D9.33, were used as

resistant genitors; they were full-sib pseudo-hybrids derived from a cross between a

dihaploid S. tuberosum ‘Maritta H1’ clone and a diploid S. berthaultii clone selected from the

PI 265857 accession of the Sturgeon Bay collection (Wisconsin, USA). The 4x Maritta

cultivar and the PI 265857 accession have been rated as being resistant under various

environments and over several years by the Potato Germplasm Introduction Station

(Wisconsin, USA). It has notably been reported that Maritta cultivar contained R-genes


133

(Rousselle et Robert 1997). The S. berthaultii accession is different from the one used in the

Ewing et al.’s study (2000). The female parents used in the four crosses were dihaploid S.

tuberosum clones BF15 H1 and Sirtema H20, named hereafter BF and SiH. They were

respectively derived from the tetraploid cultivars ‘BF15’ and ‘Sirtema’. While ‘BF15’ was

generally described to be susceptible to late blight on foliage and tubers, ‘Sirtema’ was

described to be susceptible on foliage and moderately to highly resistant on tubers

(http://www.europotato.org). The assessment of late blight resistance was achieved on 96,

88, 92 and 92 clones of the 03D36, 03D39, 03D41 and 03D42 populations respectively, thus

on a total of 368 clones. The 4x cultivar ‘Bintje’ was used as susceptible control.

Disease assessment

To assess late blight resistance, populations were submitted to independent tests on the

foliage and the stem, as described in Danan et al. (submitted). The outdoor foliage test was

performed outdoors under several controlled environmental parameters. Two foliage tests

were performed to assess all four populations, in May 2006 (part of 03D36 and 03D41

populations) and May 2007 (part of 03D36 and 03D41 populations, and the whole 03D39

and 03D42 populations). Two tubers per clone were used. Plants were naturally infected by a

local aerial isolate. Thanks to r0 and R1 to R11 differential hosts, the isolate was determined

as a mixture of complex races with the 1, 2, 3, 4, 6, 7, 10 and 11 virulence genes for both

years. One susceptible ‘Bintje’ plant was placed every two rows of tested clones throughout

the trial to ensure a homogeneous pathogen spread. Plants were regularly watered by

sprinklers to maintain a local humid climate in the experimental area.

Foliage scoring was done weekly on all the plants of the trial for 5 weeks. Scoring began as

soon as the first late blight spot was detected on ‘Bintje’ and ended when all the plants were

senescent. Disease scores corresponded to the proportion of infected leaves per plant,

according to James (1971). Values of rAUDPC (time-relative Area Under the Disease

Progress Curve) were calculated by applying the formula Σ[(yi+yi')/2]*[(ti’-ti)]/(100*Ttot), where

yi and yi' are the percentages of foliage destruction areas at the two consecutive scoring

dates ti and ti' respectively, and Ttot is the total vegetation time of the plant. The Speed of the

epidemics was equal to the slope of the regression line of the logarithmic transformed values

of foliage damage over time.

The indoor stem test was performed in greenhouse under controlled conditions with 20/15°C

day/night temperatures. Six tubers per clone were used. The four populations were assessed

independently for resistance. The 03D39 and 03D42 populations were split into 2 and 3 sub-

tests respectively. The P. infestans NII72.10 isolate collected on S. tuberosum ‘Naturella’ (R2


134

gene, Ploudaniel, France) was used to inoculate the stems of the 5 week-old plants, by

following the protocol set up in pepper (Lefebvre and Palloix 1996). The NII72.10 isolate was

of A1 mating type and of complex race (1, 2, 4, 10 and 11). Before inoculation, its mycelium

was grown on pea juice-based agar medium for 10 days (Glais and Corbière 2005).

The lengths of the stem necrosis were scored every week (at 5 to 9 day-intervals) over a

period of about 7 weeks. Two traits were considered for further QTL detection as they best

represented first and advanced stages of the plant-pathogen interaction: i- REC for

Receptivity, which is equal to the stem necrosis length measured for the first time (at about 4

to 7 dpi) divided by the number of days post-inoculation (dpi) and corresponds to the plant’s

capacity to be infected and ii- T4, which is the necrosis length measured for the fourth time

(at 24 to 27 dpi, depending on the test) and which appeared to be the stage that

discriminated the best the different clones of the populations.

Molecular data and parental map construction

Genomic DNA was obtained from the leaves of the four parental clones and the 368 clones

of the four populations using standard protocol derived from Doyle and Doyle (1990). The

parental maps were generated on the basis of 90 literature-derived SSR markers which were

selected on the whole genome and particularly on chromosome IV: ’STM’ markers

(Milbourne et al. 1998; Bryan et al. 2004), ’STi' markers (Feingold et al. 2005), ‘SSR’ markers

(Frary et al. 2005) and the STPoAC58 marker (Drouin et al. 1990). For chromosomes IV and

V, the literature-derived CAPS markers Pk and Agl (Chen et al. 2001), and the potato EST-

derived CAPS markers GP221 and TG60 were added (Table IV.1).

Table IV.1 CAPS markers used for chromosomes IV and V Primer sequences, optimal annealing temperature, and restriction enzyme are given. GP221 and TG60 markers were derived from EST-potato sequences after blasting tomato RFLP sequences of the SGN database. Pk and AgI markers were developed by Chen et al. (2001) marker Forward primer Reverse primer Ta* Restr.

enzyme reference

GP221 ATGCCTTTGCTGTTTGACCT AGCACCATTTAAGCCCTCCT 58 HincII SGN TG60 TTTAAAAAGAAGAGTGGTTCAGCA TAGAAATGCGAGGGAGGTGT 60 MseI SGN Pk TCACTGTATCCACAGACTATACC CACTCTCCCCACTTAACATAAC 55 RsaI Chen et al.

2001 AgI ACCAAGCTGTGGTTAACCAGAG GCAGTTGCGAATAACTGTGGCA 55 AluI Chen et al.

2001 *Ta: optimal annealing PCR temperature

SSR marker genotyping was performed by the INRA Clermont-Ferrand genotyping platform

(France). Fluorescently labelled primers 6-FAM or VIC fluorochromes and the annealing

temperatures given in literature were used. PCR products sizes were obtained by migration

with the ABI3130XL automatic DNA sequencer (Applied BioSystems). For CAPS markers,


135

PCR amplifications were performed with the optimal annealing temperatures found after

testing a 50°C-60°C gradient (30 cycles). PCR produ cts were digested by the corresponding

literature restriction enzymes or by enzymes found after searching for SNPs in the parental

PCR products sequences. CAPS digested products were revealed by ethidium bromide and

UVs after migration on a 3% agar gel.

Marker segregation was scored for every genotyped clone by noting the presence or

absence of the band (1/0 scoring). All marker genotyping entry was associated to the

complementary opposite marker phase. Independent maps were constructed for each parent

following the double pseudo-test-cross method (Grattapaglia and Sederoff 1994). Linkage

groups were assigned to the 12 potato chromosomes thanks to the literature SSR and CAPS

of known location.

All maps were constructed with the CARTHAGENE software (version 1.0, de Givry et al.

2005). Linkage groups were built with a minimum LOD threshold of 3.0 and a maximum

distance between markers of 30 cM (Haldane), by using the “group” command of the

software. Marker order and interval distances were computed with “mfmapd” command, and

the obtained map was checked with the “annealing”, “flip” and “polish” commands. The

obtained marker orders were validated by comparison with literature. Markers of unexpected

location were individually checked. If the number of missing data was superior to the half of

the number of population individuals or if the marker significantly deviated from the expected

1:1 ratio according to a Chi-square test (P=0.01), and if the genotyping repetition did not

improve the results, the marker was removed. Conversely, missing markers that were

expected to belong to the obtained linkage groups were added manually by successively

testing both phases of the markers. If the additional markers finally mapped at an expected

location, and if the final chromosome length did not exceed the expected maximum size for a

potato chromosome, the additional markers were integrated to the linkage group. For

chromosomes for which the genotypic data were available for only one representative

literature marker, a “false” closely linked marker was associated to the lone marker by adding

the same segregating data of the marker except for one data-point. False linkage groups of

0.1 cM long were thus generated, making possible the integration of the “true” marker in the

QTL detection analysis.

First, the 8 parental maps were individually constructed with the genotyping data within each

population; they were called ‘intra-population’ maps. Second, the 4 parental maps were

constructed by combining the genotyping data of their half-sib populations; they were called

“inter-population maps”. Non-segregating markers in a half-sib population were then

considered as missing data. The 4 ‘inter-population’ parental maps were constructed with a


136

total of 180 to 188 clones. The marker order of the ‘inter-population’ parental maps was

checked by comparison with the ‘intra-population’ parental maps and with the literature

orders. At this stage, the linkage group phases were arbitrary chosen and were the same for

all maps. Framework maps for each ‘inter-population’ parental maps were generated by

following 3 conditions: i- maximizing the number of markers common to 3 or 4 ‘inter-

population’ parental maps, ii- optimizing the regular distribution of markers along the linkage

group with an optimal marker interval of 5-10 cM, iii- removing close inverted markers to

keep conformity with the other parental maps and literature. Finally, a “consensus” map was

constructed with all 4 ‘inter-population’ framework maps, by using the 'ConsMap' command

of the MetaQTL software (Veyrieras et al. 2007).

Data analysis

Statistical analyses were performed using the general statistical software package RGUI

version 2.4.0 (R Development Core Team 2005).

-Data adjustment in space:

Concerning the foliage test, to take into account the possible heterogeneity of the pathogen

dispersal on the scored values, an analysis of covariance (ANCOVA) was performed for

rAUDPC and Speed with the values of the adjacent ‘Bintje’ plant taken as covariate,

according to the model Yij = µ + Gi + Covariatej + Gi*Covariatej + εij, where Yij is the

phenotypic value of the plant of the i clone close to the j ‘Bintje’ plant, µ is the general

phenotypic mean of all plants in the assay, Gi is the genotypic effect of the i clone, Covariatej

is the phenotypic value of the adjacent j ‘Bintje’ plant and εij is the residual effect. Adjusted-

fitted rAUDPC and Speed values of each scored plant based on the adjacent ‘Bintje’ value

were given in the ANCOVA result files and used for subsequent analyses.

-Data adjustment in time:

To be able to gather the values of all the clones of the same population that were tested in

different tests, clone values had to be adjusted by taking the test effect into account. This

was notably the case for the 03D39 and 03D42 populations for the stem test and the 03D36

and 03D41 populations for the foliage test. For the stem test, the raw data of the necrosis

lengths were used. For the foliage test, the rAUDPC and Speed ‘Bintje’-adjusted values were

used. Only the traits for which no clone*test significant interaction was detected through an

ANOVA analysis were selected for adjustment. Then, a 2-way ANOVA procedure was run on

the gathered data sets of the different tests comprising common controls, according to the

model: Yij = µ + Gi + Testj + εij, where Yij is the phenotypic value of the plant of the clone i

assessed in the test j, µ is the general phenotypic mean of all plants in the assay, Gi is the

genotypic effect of the i clone, Testj is the test effect of the j test and εij is the residual effect.


137

Averaged test-adjusted fitted values for each clone were given in the ANOVA results file and

used for subsequent analysis. In case of significant clone*test interaction, the concerned trait

was excluded from the QTL analysis.

For all traits chosen for QTL detection, the replicate median of each clone was calculated.

The median better represents the central tendency of a small number of observations than

the arithmetic mean and is less influenced by extreme values due to environmental factors.

The Mann-Whitney test was used to compare parental values (P-value<0.05). Within each

population, the Pearson correlation test was used for trait associations (P-value<0.05).

Broad-sense heritability was calculated for each trait after testing the “clone” effect by

analysis of variance (ANOVA) by applying the formula h²BS= σ²g/[σ²g+(σ²e/n)], where σ²g is

genetic variance, σ²e is environmental variance and n the number of replicates per clone (6

replicates for the stem test and 2 replicates for the foliage test). The normality of the trait

frequency distributions was checked with the Shapiro and Wilk test (P-value<0.05).

QTL mapping

The QTL detection was performed at three levels, which corresponded to the three map

construction levels: i- at the ‘intra-population’ level, i.e. in parental clones within each

populations, ii- at the “inter-population level”, i.e. in parental clones by combining the data of

both half-sib populations, ii- at the “multi-population level”, i.e. by combining datasets of the 4

populations, which corresponds to the joint QTL analysis.

The QTL detection was performed using the iterative QTL mapping method (iQTLm,

Charcosset et al. 2000) implemented in the MCQTL software (Jourjon et al. 2005). iQTLm is

an iterative QTL detection method aiming at automatically building a multi-QTL model. The

model uses a detection significant threshold to accept each QTL that is included in the

model. The detection thresholds were estimated at the genome-wide level by running 1,000-

permutation tests and choosing a type-I error of 5% for each trait. The iQTLm method was

preceded by a cofactor selection method. A forward stepwise analysis on markers was

performed using a permissive threshold (equal to 80% of the detection threshold). The

iQTLm analysis was performed with a window size of 4 cM and a walking step of 2 cM. For

multiple-population QTL mapping, the chosen model was “connected” to analyze all

population data as a uniform data set. In this case, the detection threshold was the mean of

the detection thresholds for the 4 'inter-population' QTL mapping, equal to 7.6. A LOD

decrease of 1 was chosen to define the LOD support interval around the location of the curve

peak. The graphic representation of the maps with the QTL confidence intervals was

generated with MapChart 2.1 (Voorrips 2002).


138

Results

Parental maps

Eight ‘intra-population’ parental maps, 4 ‘inter-population’ framework parental maps and one

‘consensus’ parental map were constructed (Figure IV.2, supplementary data, Annexe IV.1).

0

100

200

300

400

500

600

700

800

900

Tot

al m

aple

ngth

BF

D36

9

[2-8]

15.4%

BF

D41

10[2-4]

10.2%

BF

10

[2-6]

15.3%

D9.13

D36

10

[2-5]

14.3%

D9.13

D39

9

[2-6]

16.9%

D9.13

11

[3-8]

20.6%

SiH

D39

7

[2-7]

13.1%

SiH

D42

6

[2-4]

13.3%

D9.33

D41

9

[2-6]

14.4%

SiH

9

[2-5]

17.6%

D9.33

D42

9

[2-10]

11.9%

D9.33

11

[2-10]

17.9%

Consensus

11[3-12]

20.4%

38

29

33

36 29

46

21

17

2734

38

42

62

0

100

200

300

400

500

600

700

800

900

Tot

al m

aple

ngth

BF

D36

9

[2-8]

15.4%

BF

D41

10[2-4]

10.2%

BF

10

[2-6]

15.3%

D9.13

D36

10

[2-5]

14.3%

D9.13

D39

9

[2-6]

16.9%

D9.13

11

[3-8]

20.6%

SiH

D39

7

[2-7]

13.1%

SiH

D42

6

[2-4]

13.3%

D9.33

D41

9

[2-6]

14.4%

SiH

9

[2-5]

17.6%

D9.33

D42

9

[2-10]

11.9%

D9.33

11

[2-10]

17.9%

Consensus

11[3-12]

20.4%

38

29

33

36 29

46

21

17

2734

38

42

62

Figure IV.2 Overall map composition at the three population levels The total lengths of each map (cM Haldane) are represented by vertical bars: bars in light grey are for the ‘intra-population’ maps, bars in dark grey are for the ‘inter-population’ framework maps and the bar in black is for the ‘consensus’ map. The number of chromosomes, the range of marker number per chromosome, the total number of markers and the percentage of the potato map genome coverage are given for each map at the top of the bars, from the bottom to the top. Between 88 and 96 clones were genotyped for the ‘intra-population’ map construction, the marker data of 180 to 188 clones were gathered for the construction of the ‘inter-population’ maps, the ‘consensus’ map was constructed on the basis of the marker position of the ‘inter-population’ framework maps. The 8 ‘intra-population’ parental maps contained a total of 17 to 38 markers and were

composed of 6 to 10 linkage groups corresponding to potato chromosomes. Between 4 and

10 markers mapped on chromosome IV and between 2 and 7 markers mapped on the other

chromosomes. Chromosomes IV, V and VI were present in all maps. Chromosome lengths

varied between 0.1 cM and 171.9 cM, with an average of 49.7 cM (SD±44.8) per

chromosome. Chromosome IV ‘intra-population’ maps especially had an averaged length of

68 cM length (Table IV.2).


139

Table IV.2 Chromosome map compositions at the three population levels map construction level intra-population inter-population chromosome / parental map BF D36 BF D41 D9.13 D36 D9.13 D39 SH20 D39 SH20 D42 D9.33 D41 D9.33 D42 BF D9.13 SH20 D9.33

Consensus

I No. Markers no map no map no map no map no map no map no map no map no map 2* no map no map no map II No. Markers 7 4 3 2 3 4 2 no map 5 3 3 3 6 Map length (cM Haldane) 122.8 22.2 34 2.1 21.9 114.1 2.9 - 93.1 39.5 95.8 36.3 52.2 genome coverage (%) 38 16.3 16.3 16.3 0 54.8 16.3 - 26 26 42.9 26 26 III No. markers 5 2 2 4 2 no map 2 4 3 5 2 2 5 Map length 43.6 8.6 4.5 41.6 22.2 - 1.1 76.6 98.9 42.4 8.5 5.2 28 genome coverage (%) 1.2 0 1.2 1.2 1.2 - 1.2 1.2 1.1 1.1 1.1 1.1 1.1 IV No. markers 8 4 5 6 7 4 6 10 6 8 5 10 12 Map length 114.3 60 22.8 82.4 82 71.6 36.9 75.1 64.9 98.9 115.3 146 67.8 genome coverage (%) 66.3 69.9 34 73.2 40.1 40.1 34 37.1 69.9 73.2 40.7 73.2 73.2 V No. markers 3 2 5 2 3 2 2 2 2 5 2 3 6 Map length 21.5 29.4 51.9 26 73.6 62.8 143.9 25.9 24.6 41.7 67.9 139.4 122.8 genome coverage (%) 8.2 8.2 24.4 24.4 24.4 24.4 8.2 15.2 8.2 24.4 24.4 7 16.2 VI No. markers 2 2 2 2 2 2 3 2 2 3 2 3 4 Map length 24.4 34.1 12.6 7.7 53.8 89 40.9 7.2 29.1 78 66.9 37.2 80.7 genome coverage (%) 10.6 10.6 10.6 10.6 34.1 34.1 34.1 10.6 10.6 34.2 34.2 34.2 34.2 VII No. markers 6 4 5 3 2 no map 6 5 4 5 3 3 5 Map length 82.1 15.6 124.6 171.9 13.4 - 107.4 156.5 105.6 170.8 39.8 49.6 46.1 genome coverage (%) 44.6 2.9 54 54 54 - 54 54 44.7 49.9 49.9 41.9 49.9 VIII No. markers 3 3 3 2 no map no map 5 2 4 3 2 4 5 Map length 54.2 25.9 105.6 16.6 - - 134.8 2.2 67.6 64 0.1* 163.2 81.2 genome coverage (%) 6.6 1.2 1.2 1.2 - - 1.2 1.2 6.5 1.2 - 1.2 6.5 IX No. markers 2 4 3 3 no map 2 3 4 3 3 3 4 5 Map length 6.2 99.3 17.9 39.8 - 18.1 10.1 11.4 113.8 34.3 56.5 10.8 10 genome coverage (%) 6.2 5 6.2 5 - 6.2 6.2 6.2 - 6.1 1.2 6.1 6.1 X No. markers 2 2 3 no map no map no map no map no map 2 3 2 3 3 Map length 1.2 0.1 12.1 - - - - - 1.2 12.2 0.1* 160.4 12.2 genome coverage (%) 0 0 6.3 - - - - - - 6.3 - 6.3 6.3 XI No. markers no map 2 5 5 2 no map 5 5 3 5 3 5 6 Map length - 18.6 50.5 54.2 6.3 - 34.1 65.3 70 51.9 22.8 48.1 69.5 genome coverage (%) - 8.8 17.1 17.1 3.9 - 17.1 17.1 17.1 17.1 8.8 17.1 17.1 XII No. markers no map no map no map no map no map 3 no map 4 2 3 4 2 5 Map length - - - - - 41.4 - 165.6 0.1* 112.2 62.5 29 73.5 genome coverage (%) - - - - - 0 - 0 - 7.7 7.7 1.1 7.7

* “false map” of 0.1 cM length and of only two markers (see Materials and Methods)


140

The 4 ‘inter-population’ framework parental maps were composed of 9 to 11 chromosomes.

Four “false” linkage groups were created as described in the Materials and Methods section

for chromosomes I of D9.13, XII of BF, and chromosomes VIII and X of SiH. For these

chromosomes, the genotyping data was available for only one marker of the chromosome,

according to the literature. The ‘inter-population’ parental framework maps of BF, D9.13, SiH

and D9.33 were composed of 33, 46, 27 and 42 markers respectively, with 5 to 10 markers

per chromosome IV, and between 2 and 5 markers for the other chromosomes. For each

parental map, the averaged inter-marker distance was 19.4 (SD±10.5), 17.0 (SD±10.6), 20.2

(SD±10.5) and 20.5 (SD±16.9) cM, respectively. The SiH framework map was relatively poor

in markers with a large averaged inter-marker distance while the D9.13 framework map had

the highest total number of markers, and the D9.33 framework map showed the highest

density of markers for chromosomes II, III, VI, IX, and XII. Chromosome marker orders were

well-conserved across the four ‘inter-population’ framework maps, as illustrated on Figure

IV.3 for chromosome IV.


141

GP180BFm0.0

Th21BFm17.0

SC91BFm48.0HERGH4m49.1SC101_BF Z1465_BF50.2Z1147_Bm50.8M301625m51.5M316004m52.1SC100BF53.8SC93_BFm54.9Z1144_BF62.8M514089m M514017765.0ASC84BFm68.8

M0020170103.6

Ti001212130.0Ti00119m131.0TG22_BFm134.0

IV_BF

IV_D9.13

M301625m0.0Z1147_2m1.2

M514017719.7

M302319663.4

M0020150115.3

IV_SiH

STM30160.0Pk0.7STM51406.8GP22112.2STI005512.9TG20817.8STM302319.7STM002028.7CT19433.6TG6234.3

STI000156.5

STM515667.8

IV_Consensus

M30161210.0Z1147_1m3.6M514074m6.7GP22113m10.5M302319615.8

M002023m47.1

Ti00120688.3

M515670m98.9

M30161210.0Z1147_3m1.5M51401808.9Ti05521m15.0TG20833m19.9

M002030m30.9

Z1844_3341.3

TG62_33m48.1

M302319677.6

M515670m146.0

IV_D9.33GP180BFm0.0

Th21BFm17.0


M0020170103.6

Ti001212130.0Ti00119m131.0TG22_BFm134.0

GP180BFm0.0

Th21BFm17.0


M0020170103.6

Ti001212130.0Ti00119m131.0TG22_BFm134.0

IV_BF

IV_D9.13

M301625m0.0Z1147_2m1.2

M514017719.7

M302319663.4

M0020150115.3

IV_SiH


STI000156.5

STM515667.8

IV_Consensus

M30161210.0Z1147_1m3.6M514074m6.7GP22113m10.5M302319615.8

M002023m47.1

Ti00120688.3

M515670m98.9

M30161210.0Z1147_3m1.5M51401808.9Ti05521m15.0TG20833m19.9

M002030m30.9

Z1844_3341.3

TG62_33m48.1

M302319677.6

M515670m146.0

IV_D9.33

Figure IV.3 Alignment of the chromosome IV maps ‘inter-population’ framework maps of the chromosome IV of the 4 parents BF, D9.13, SiH and D9.33, as well as the ‘consensus’ map of chromosome IV are shown. The literature marker names are given on the consensus chromosome map.


142

The ‘consensus’ map was composed of 11 chromosomes and 62 markers in total.

Chromosome IV map was especially composed of 12 markers and the other chromosomes

contained 3 to 5 markers. Between 40% (chr. III) and 100% (chr. VII, VIII and XI) of the

consensus map markers were shared by the four ‘inter-population’ framework parental maps.

By placing the two most distal markers of the ‘inter-population’ and “consensus” chromosome

maps onto the integrated potato map (based on 29 published maps; Danan et al. in prep),

they represented up to 73 % of the corresponding integrated potato chromosome map

(chromosomes IV of D9.13 in 03D39, of D9.13, D9.33 ‘inter-population’ maps and of the

“consensus” map, Table IV.2, Figure IV.3). Chromosome IV was the most complete, with a

quite densified region at the top of the chromosome, in the resistance hot-spot region for late

blight resistance. Conversely, chromosomes III, VIII, X and XII were poorly represented, and

chromosome I entirely lacked.

Trait description

Four traits were used for QTL detection: REC and T4 for the stem test, and rAUDPC and

Speed for the foliage test. Parental clones often displayed contrasting phenotypes for these

traits (Figure IV.4). The 4 chosen traits showed continuous frequency distributions with

normal to bimodal shapes (Figure IV.4). The broad-sense heritability values were calculated

within each independent test and were quite high, ranging from 31.4 to 92.0%. The highest

values were found for REC while the lowest ones were found for Speed; T4 and rAUDPC

had intermediate heritabilities. While the stem traits were not significantly correlated, the

foliage traits were significantly correlated in 03D39 and 03D41 (r=0.38 and r=0.73

respectively). The foliage traits were also significantly correlated to the stem traits in 03D39

(rAUDPC / T4, r=0.32), 03D36 (rAUDPC / REC, r=0.61), and 03D42 (Speed / T4, r=0.38).


143

The frequency distributions of the 4 traits used for QTL detection are shown. The parental values and the mean of the clone medians (M) are placed on the histogrammes. Letters ‘a’ and ‘b’, next to the parental names, indicate whether they are significantly different (different letters) or equivalent (same letter), according to the Mann-whitney non-parametric test (p-value<0.05). Scatter-plot matrix give a representation of the correlation between the traits. Correlation Pearson values are given in the scatter-plot corner. A star (*) indicates whether the correlation is significant (p-value<0.05).

Figure IV.4 Frequency distributions of the four traits used for QTL detection, and correlations (to be continued on next page)

03D36

x

Fre

quen

cy

REC

0 5 10 15

05

1015

x

T4

x

rAUDPC

0.2

0.3

0.4

0.5

0.05 0.15 0.25

0.5

1.0

1.5

0.2 0.3 0.4 0.5

Speed

03D39

REC

10 14 18 0.5 1.0 1.5 2.0

0.00

0.15

0.30

1014

18

T4

rAUDPC

0.1

0.2

0.3

0.4

0.1 0.2 0.3 0.4

Speed

r=0.61*

r=0.04

r=0.02

r=0.13

r=-0.02

r=0.11r=0.19

r=0.15

r=0.15

r=0.32*

r=0.08 r=0.38*

M 15.2BFb

14.9

D9.13a

10.8

D9.13a

0.28

M 0.20

D9.13a

0.54

BFb

0.40

BFa

0.50

SH20b

10.4D9.13a

7.0

M8.9

SH20b

0.12 D9.13a

0.16

M 0.06

SH20b

0.40D9.13a

0.28

M 0.40

SH20b

0.33

D9.13a

0.54M

0.74

M 0.74

BFb

0.04

D9.13a

0.00

M0.13

03D36

x

Fre

quen

cy

REC

0 5 10 15

05

1015

x

T4

x

rAUDPC

0.2

0.3

0.4

0.5

0.05 0.15 0.25

0.5

1.0

1.5

0.2 0.3 0.4 0.5

Speed

03D39

REC

10 14 18 0.5 1.0 1.5 2.0

0.00

0.15

0.30

1014

18

T4

rAUDPC

0.1

0.2

0.3

0.4

0.1 0.2 0.3 0.4

Speed

r=0.61*

r=0.04

r=0.02

r=0.13

r=-0.02

r=0.11r=0.19

r=0.15

r=0.15

r=0.32*

r=0.08 r=0.38*

M 15.2BFb

14.9

D9.13a

10.8

D9.13a

0.28

M 0.20

D9.13a

0.54

BFb

0.40

BFa

0.50

SH20b

10.4D9.13a

7.0

M8.9

SH20b

0.12 D9.13a

0.16

M 0.06

SH20b

0.40D9.13a

0.28

M 0.40

SH20b

0.33

D9.13a

0.54M

0.74

M 0.74

BFb

0.04

D9.13a

0.00

M0.13

x

Fre

quen

cy

REC

0 5 10 15

05

1015

x

T4

x

rAUDPC

0.2

0.3

0.4

0.5

0.05 0.15 0.25

0.5

1.0

1.5

0.2 0.3 0.4 0.5

Speed

03D39

REC

10 14 18 0.5 1.0 1.5 2.0

0.00

0.15

0.30

1014

18

T4

rAUDPC

0.1

0.2

0.3

0.4

0.1 0.2 0.3 0.4

Speed

r=0.61*

r=0.04

r=0.02

r=0.13

r=-0.02

r=0.11r=0.19

r=0.15

r=0.15

r=0.32*

r=0.08 r=0.38*

M 15.2BFb

14.9

D9.13a

10.8

D9.13a

0.28

M 0.20

D9.13a

0.54

BFb

0.40

BFa

0.50

SH20b

10.4D9.13a

7.0

M8.9

SH20b

0.12 D9.13a

0.16

M 0.06

SH20b

0.40D9.13a

0.28

M 0.40

SH20b

0.33

D9.13a

0.54M

0.74

M 0.74

BFb

0.04

D9.13a

0.00

M0.13


144

Fre

quen

cy

REC

x

24

68

10

T4

x

rAUDPC

0.30

0.40

2 4 6 8 10

x

0.05 0.15 0.25

0.5

1.5

2.5

0.30 0.40

Speed

03D42

REC

0 5 10 15 0.5 1.0 1.5

0.00

0.10

0.20

05

1015

T4

rAUDPC

0.0

0.2

0.4

0.0 0.2 0.4

Speed

03D41

r=0.06

r=0.002 r=0.06

r=0.009

r=0.73*

r=-0.1

r=-0.11

r=0.05

r=-0.12

r=0.1

r=0.38* r=0.15

BFb

17.0

M11.2

D9.33a

0.16

M0.08

D9.33a

0.33

BFb

0.40

M0.26

D9.33a

0.31

BFb

0.50

M0.49

D9.33a

0.26

M0.09

D9.33a

9.8

SH20b

8.6

M8.0

D9.33a

0.33

SH20b

0.40M

0.39

SH20a

0.33

M1.06

SH20b

0.12

BFa

0.13

D9.33a

0.31

D9.33a

7.3

Fre

quen

cy

REC

Fre

quen

cy

REC

x

24

68

10

T4

x

24

68

10

T4

x

rAUDPC

0.30

0.40

x

rAUDPC

0.30

0.40

2 4 6 8 10

x

0.05 0.15 0.25

0.5

1.5

2.5

0.30 0.40

Speed

2 4 6 8 10

x

0.05 0.15 0.25

0.5

1.5

2.5

0.30 0.40

Speed

03D42

REC

0 5 10 15 0.5 1.0 1.5

0.00

0.10

0.20

05

1015

T4

05

1015

T4

rAUDPC

0.0

0.2

0.4

0.0 0.2 0.4

SpeedSpeed

03D41

r=0.06

r=0.002 r=0.06

r=0.009

r=0.73*

r=-0.1

r=-0.11

r=0.05

r=-0.12

r=0.1

r=0.38* r=0.15

BFb

17.0

M11.2

D9.33a

0.16

M0.08

D9.33a

0.33

BFb

0.40

M0.26

D9.33a

0.31

BFb

0.50

M0.49

D9.33a

0.26

M0.09

D9.33a

9.8

SH20b

8.6

M8.0

D9.33a

0.33

SH20b

0.40M

0.39

SH20a

0.33

M1.06

SH20b

0.12

BFa

0.13

D9.33a

0.31

D9.33a

7.3

Figure IV.4 Frequency distributions of the four traits used for QTL detection, and correlations (end)


145

QTL mapping

At the ‘intra-population’ level, 15 QTLs were detected in 9 different regions spread on 6

chromosomes (chr. III, IV, V, VIII, IX and XI). They were detected in both susceptible and

resistant parental maps of the 4 populations and with both stem and foliage traits (Table IV.3,

Figure IV.5). Their effects varied between 10.1% and 28.0% of the phenotypic variation, with

a mean effect of about 15%. The largest-effect QTL was detected on chromosome IX of the

parental clone D9.33 with REC (R²=28.0%). The most consistent QTL region was detected

on the top of chromosome V of BF and D9.33 with foliage and stem traits (T4, rAUDPC and

Speed). Common markers showed that this QTL region was different from the QTL detected

with Speed in SiH which mapped in a lower part of the chromosome. QTLs of chromosome V

explained between 10.1% and 18.8% of the phenotypic variation. On chromosome IV, QTLs

were detected in both parental clones D9.13 and SiH, with rAUDPC only. The confidence

intervals of chromosome IV QTLs overlapped and it was not possible to state whether the

QTLs detected in SiH in 03D39 and 03D42 were distinct or not. QTLs of chromosome IV

explained between 11.9% and 15.6% of the phenotypic variation. The other QTL regions

were detected on chromosomes III, VIII and XI in a single parental clone with effects ranging

between 10.1% and 16.4%.

At the ‘inter-population’ level, 4 QTLs mapped on 3 distinct genomic regions of chromosomes

IV and V. On chromosome IV, we differentiated two foliage trait-associated QTLs with

equivalent effects on the top of the D9.13 map, close to Pk and STM5140 (R²=13.4%), and

on the bottom of the chromosome of the SiH map, close to STM3023 (R²=14.4%). On

chromosome V, a single QTL region explaining between 9.6 and 16.5% of the foliage

variation was detected in BF only. By comparing with the ‘intra-population’ level, the QTL

confidence intervals at the ‘inter-population’ level were either reduced by almost 5-fold for the

QTL of the top of chromosome IV of D9.13, or remained unchanged on average for the QTLs

of the bottoms of chromosome IV of SiH and chromosome V of BF.

At the “multi-population” level, two distinct foliage trait-associated QTLs were detected on

chromosome V. One QTL, close to STi049 at the top of the chromosome, explained 11.9% of

rAUDPC variation. The other QTL, close to TG60 at the bottom of the chromosome

explained 7.4% of Speed variation. The confidence interval (CI) of the rAUDPC-associated

QTL was enlarged of almost 2-fold as compared with the ‘inter-population’ level and was

equivalent to the CI mean of the corresponding ‘intra-population’ QTLs. However, the CI of

the Speed-associated QTL was reduced by more than 2-fold as compared with the ‘intra-

population’ QTL CI of SiH.


146

Table IV.3 QTL detection results at the three level of analysis QTL parental maps, QTL position and confidence intervals, percentage of variance explained by the QTLs (R²) and global R² values at the ‘intra-population, ‘inter-population’ and ‘multi-population’ analysis levels are detailed Analysis level REC T4 rAUDPC Speed

Pop. level Map Chr Position [IC] (cM) locus

R² (%)

Chr Position [IC] (cM) locus

R² (%)


R² (%)


R² (%)

BF 03D36 III 15.1 [2.3-28.6] 12.6 V 0 [0-6.4] 18.8

V 17.4 [0.6-21.5] 10.9

global R² = 18.4%

BF 03D41 V 12 [0-27.7] 16.4 V 10 [0-24] 16.0

D9.13 03D36 XI 0 [0-10.4] 10.1

D9.13 03D39 IV 14.4 [0.8-53.4] 11.9 V 0 [0-16] 10.2

VIII 0 [0-12.5] 16.3 VIII 16.6 [9.4-16.6] 16.4

global R² = 21.9 % global R² = 18.4%

SiH 03D39 IV 13.1 [0-82] 13.0

SiH 03D42 IV 49.9 [27.7-69.2] 15.6 V 48 [19.4-62.8] 10.3

D9.33 03D41 V 0 [0-51.8] 13.1 V 0 [0-44.2] 14.5

intra-

population

D9.33 03D42 IX 10.1 [5.6-11.4] 28.0

BF V 18 [8.8-24.6] 16.5 V 18 [6.0-24.6] 9.6

D9.13 IV 5.6 [0-10.3] 13.4

inter-

population

SiH IV 71.4 [31.8-97.1] 14.4

multi-

population Consensus V 26 [3.0-35.7] 11.9 V 116 [100.4-123.0] 7.4


147

Only significant QTLs that were detected at 5% type-I error LOD threshold are shown at the three population levels of analysis. A tick marks the LOD-peak of the QTL. QTL confidence intervals are represented by vertical bars at the right-hand side of the chromosomes. R² percentage values are given at the top of the QTL bars. Markers are shown on the left-hand side of the chromosomes. Grey lines make the connections between common markers. Scales in cM (Haldane) are shown on the left .

Figure IV.5 QTL mapping results at the three levels of the analysis in the four parental maps

43.6

12.6

STM1020STi050

T4

BF D9.13

82.4

STM3016Pk

STM5140

STi055

STM0020

82.0

STM3023AgI

SSR555

STM5156

STM316011.9

rAUDPC13.0

rAUDPC

SiH

03D36 03D39 03D42

SiH

rAUDPC15.6

71.6

0

150

75

STM5140

STM3016

STM0020

STM3160STi049

STi006

10.1T4

18.8rAUDPC

BF BF

03D36 03D41

16.4rAUDPC

21.5

29.4

16.0Speed

SiH

03D42

10.3Speed

62.8STPoAc58

STi006

143.9

STi049

STi006

13.1rAUDPC

14.5Speed

D9.33

03D41

III IV IV IV V V V V

STM1105

STM1024

16.3rAUDPC

16.6

16.4Speed

D9.13

03D39

VIII

STM1121

STi057 11.4STM1051 28.0

REC

D9.33

03D42

IX

STM5130

STM5109 50.5

STi018STM0037

10.1Speed

D9.13

03D36

XI

0

150

75

98.9

STM3016

STM5156

D9.13IV

PkSTM5140

STM0020

GP221STM3023

STi001

13.4rAUDPC

14.4rAUDPCSTM5140

STM3023

115.3STM0020

SiHIV

STi049

STi006 24.6

BFV

16.5rAUDPC

9.6Speed

STi049

STPoAc58

STi006

STM1020

TG60122.8

11.9rAUDPC

7.4Speed

V

Consensus

0

150

75

43.6

12.6

STM1020STi050

T4

BF D9.13

82.4

STM3016Pk

STM5140

STi055

STM0020

82.0

STM3023AgI

SSR555

STM5156

STM316011.9

rAUDPC13.0

rAUDPC

SiH

03D36 03D39 03D42

SiH

rAUDPC15.6

71.6

0

150

75

STM5140

STM3016

STM0020

STM3160STi049

STi006

10.1T4

18.8rAUDPC

BF BF

03D36 03D41

16.4rAUDPC

21.5

29.4

16.0Speed

SiH

03D42

10.3Speed

62.8STPoAc58

STi006

143.9

STi049

STi006

13.1rAUDPC

14.5Speed

D9.33

03D41


STM1105

STM1024

16.3rAUDPC

16.6

16.4Speed

D9.13

03D39

VIII

STM1121

STi057 11.4STM1051 28.0

REC

D9.33

03D42

IX

STM5130

STM5109 50.5

STi018STM0037

10.1Speed

D9.13

03D36

XI

0

150

75

98.9

STM3016

STM5156

D9.13IV

PkSTM5140

STM0020

GP221STM3023

STi001

13.4rAUDPC

14.4rAUDPCSTM5140

STM3023

115.3STM0020

SiHIV

STi049

STi006 24.6

BFV

16.5rAUDPC

9.6Speed

STi049

STPoAc58

STi006

STM1020

TG60122.8

11.9rAUDPC

7.4Speed

V

Consensus

0

150

75

43.6

12.6

STM1020STi050

T4

BF D9.13

82.4

STM3016Pk

STM5140

STi055

STM0020

82.0

STM3023AgI

SSR555

STM5156

STM316011.9

rAUDPC13.0

rAUDPC

SiH

03D36 03D39 03D42

SiH

rAUDPC15.6

71.6

0

150

75

0

150

75

STM5140

STM3016

STM0020

STM3160STi049

STi006

10.1T4

18.8rAUDPC

BF BF

03D36 03D41

16.4rAUDPC

21.5

29.4

16.0Speed

SiH

03D42

10.3Speed

62.8STPoAc58

STi006

143.9

STi049

STi006

13.1rAUDPC

14.5Speed

D9.33

03D41


STM1105

STM1024

16.3rAUDPC

16.6

16.4Speed

D9.13

03D39

VIII

STM1121

STi057 11.4STM1051 28.0

REC

D9.33

03D42

IX

STM5130

STM5109 50.5

STi018STM0037

10.1Speed

D9.13

03D36

XI

0

150

75

98.9

STM3016

STM5156

D9.13IV

PkSTM5140

STM0020

GP221STM3023

STi001

13.4rAUDPC

14.4rAUDPCSTM5140

STM3023

115.3STM0020

SiHIV

STi049

STi006 24.6

BFV

16.5rAUDPC

9.6Speed

STi049

STPoAc58

STi006

STM1020

TG60122.8

11.9rAUDPC

7.4Speed

V

Consensus

0

150

75

0

150

75


148

Discussion

To our knowledge, this study reports the results of the first QTL joint analysis in a connected

multi-population design in potato.

Map coverage

Markers were preferentially selected in literature QTL-rich regions for late blight resistance.

The analysis especially focused on chromosome IV by the addition of markers of the

resistance hot-spot regions, according to the meta-analysis results (Danan et al. in prep).

Whatever the map construction level, chromosome IV maps were thus the best covered with

markers (between 34 % and 73 % of the integrated potato chromosome IV). The 11 other

chromosomes, however, rather poorly represented potato integrated map (1 % to 54 % of the

integrated potato chromosomes). From an overall point of view, genetic maps (parental and

consensus maps) were generally incomplete as they covered between 10 and 21% of the

whole integrated potato map. Consequently, additional markers will be added to extend the

analysis at the whole genome to deliver a more complete QTL detection than the present

one.

Comparison of QTL detection results at the different analysis levels

At the ‘intra-population’ level , a total of 15 QTLs, corresponding to 9 different regions,

were detected with stem and foliage traits on 6 chromosomes across the four populations.

QTLs detected on chromosomes IV and V were consistent across two parental clones.

The lack of congruency of the other QTLs may be due their different genetic determinism for

resistance to late blight but also to the incomplete parental maps and to the effect of the

genetic backgrounds. As far as the map coverage is concerned, chromosome IV of D9.13 in

03D36 only covered 34% of chromosome IV consensus map of potato, missing the top and

the bottom of it, and no QTL was detected on this chromosome. Conversely, a QTL was

detected on chromosome IV of D9.13 in 03D39, which covered 73% of chromosome IV

consensus map. As far as the genetic background is concerned, we indeed observed that

one QTL was detected on chromosome V of SiH in 03D42, whereas no QTL was detected

on chromosome V of SiH in 03D39, while they have the same markers and identical

chromosome lengths. SiH allele might thus contrast with D9.33 allele in 03D42, while it would

not be the case with D9.13 allele in 03D39.

QTLs were detected in both resistant and susceptible clones. Concerning the resistant

parents, D9.13 and D9.33 are full-sibs but their different marker composition and different

sets of QTLs suggest that they probably did not inherited of the same set of alleles from their


149

common parents. Concerning the susceptible clones, the detection of QTLs in BF and SiH

suggest their contribution to disease resistance. This observation is in fact well-known by

breeders and has been frequently reported in literature (Lefebvre and Palloix 1996; Pilet et

al. 1998). While BF15 is often used as a susceptible control, the Sirtema cultivar was

reported to be moderately resistant on tubers, corroborating the detection of QTLs in SiH.

Also, it is known that the 4x Maritta cultivar presents R-genes and QTLs. The bimodal

frequency distribution of rAUDPC in 03D41 might thus be explained by the effect of a

possible R-gene present in the Marrita H1 dihaploid clone.

The ‘inter-population’ parental maps were generally larger in terms of total length and

genome coverage than the ‘Intra-population’ maps. However, we observed a reduction in the

number of QTLs. The 4 detected QTLs at the ‘Inter-population’ level on chromosomes IV and

V are indeed a subset of the QTLs detected the ‘Intra-population’ level, and they in fact

correspond to the 3 most consistent regions detected at the ‘Intra-population’ level. They had

equivalent effects as the corresponding ones at the ‘Intra-population’ level, which indicated

the stability of these QTLs, whatever the genetic background. Passing to the ‘Inter-

population’ level led to a gain in the confidence interval accuracy of almost 5-fold of the

conserved locus of the top of chromosome IV of D9.13 and SiH.

The lost of the other QTLs could be due to the poor potato genome coverage of some

parental maps. Consequently, le power of detection at the ‘inter-population’ level decreased

with the rise of missing data for certain regions. Also, by gathering the individuals of half-sib

populations, the effects of the QTLs which were detected specifically in a single parental map

were diluted.

At the ‘multi-population’ level , two QTLs on chromosome V were significantly detected. At

the top of the consensus chromosome V, the rAUDPC-associated QTL corresponds to the

QTLs detected in both BF and D9.33 at the ‘Intra-population’ level and in BF at the ‘Inter-

population’ level. The QTL at the bottom of the consensus chromosome V most likely

corresponds to the QTL detected in SiH of 03D42 at the ‘Intra-population’ level. The

detection of the bottom QTL of chromosome V is probably the result of the additional effects

of several undetected QTLs in different parental clones at the other analysis levels. Its

confidence interval reduction, as compared to the ‘intra-population’ level, has been observed

as in Blanc et al.’s study (2006). Both QTLs explain a lower part of the phenotypic variation

than the QTLs at the other levels, showing the improvement of the estimation of their effect

with a larger data set.

The QTLs of chromosome IV which seemed to be stable across populations were not

significantly detected any more. This reduction of the number of QTLs at the “Multi-


150

population” level is all the more astonishing as the consensus map is more dense and

complete with a noticeable gain in genome coverage. Consequently, this could indicate that

chromosome IV QTLs must be specific to both parental D9.13 and SiH clones and that they

have a small contribution to the variation over the four populations. This dilution of QTL

effects at the multi-population level had already been observed in a similar study in Medicago

(Pierre et al. 2008). Another explanation is that, at this ‘multi-population’ level, we chose a

too stringent LOD threshold, which was the mean of the thresholds of the 4 parental analysis

at the ‘inter-population’ level. Recalculating the threshold with the whole dataset of the 368

individuals would have probably resulted in a lower threshold, as observed in Rebaï et al.’s

study.

Comparison with reported late blight resistance QTLs

Thanks to anchor markers and by comparing to the meta-analysis results for late blight

resistance genetic control in potato (Danan et al. in prep, chapter V), all the detected QTLs at

all population levels belong to meta-QTLs except the QTL of chromosomes V of SiH which

colocalizes with a single reported QTL for field resistance in this region of a S. microdontum

clone (Sandbrink et al. 2000). In particular, the conserved locus of the top of chromosome IV,

between STM3016 and STM3023 is obviously in the well-known cluster of resistance genes,

which notably comprises 6 R-genes for late blight resistance (R2, R2-like, Rpi-blb3, Rpi-abpt,

Rpi-demf1, Rpi-mcd-mcd1; Sandbrink et al. 2000; Park et al. 2005 a, b; Hein et al. 2007; Tan

et al. 2008). Likewise, the locus of the top of the chromosome V corresponds to the cluster of

resistance genes comprising R1 for late blight resistance (Leonards-Schippers et al. 1992;

Ballvora et al. 2002). Also, this locus is well-known to be significantly involved in the genetic

control of maturity type. This locus was significantly detected with rAUDPC in BF which is

known to be a semi-late maturing cultivar. However, as no maturity data was available in our

study, we cannot determine whether this 03D locus of chromosome V is in fact a maturity-

associated locus or an independent late blight resistance locus.

Conclusion

As a first step of a premiere QTL detection analysis in a potato factorial design, this study

has been performed with partial maps. We demonstrated that at least two loci on

chromosomes IV and V were refined by climbing up in the population levels and increasing

the data set. To improve the analysis, maps should first be completed with additional

common markers. The 03D39 population is planned to be enlarged to refine the QTL of

chromosome IV of D9.13. To know whether the grand-parent S. berthaultii clone transmitted

the favorable effect detected in chromosome IV of D9.13, a pedigree search is necessary.

Advanced methods that integrate the pedigree information into the analysis (Bink et al. 2008)


151

or which models the possible relatedness between individuals with the Identical-by-descent-

based method (Crépieux et al. 2004) could be used to enhance the QTL analysis.

Acknowledgements

-Jean-Paul Dantec, Marie-Ange Dantec and François Monot for phenotyping

-Morgane Ardisson, Sophie Rolland, Sophie Ewert, Patrick Signoret, Nadia Lama, Anne

Blattes, technician team of Clermont-Ferrand genotyping center (Lydia Jaffrelo, Karine

Chevalier, Audrey Roudaire, Marie-Reine Perretan) for help in molecular genotyping

-Amidou N'Diaye, for genotyping advice and programming help for outbreds

-Charles-Eric Durel for joint analysis strategy advice

-Frederic Fabre for help/advice in statistical analysis

-Sylvain Jasson for MCQTL teaching and methodology support

-Thomas Schiex for CARTHAGENE teaching and advice

References

Les références citées dans ce chapitre sont listées à la fin du rapport.


152

Addendum

Après le dépôt du manuscrit, le calcul des seuils au niveau ‘multi-population’ a été recalculé

à partir des données des quatre populations. On obtient ainsi des valeurs seuils pour chaque

variable :

-REC : 7.3

-T4 : 6.5

-rAUDPC : 6.8

-Speed : 7.8

De nouvelles analyses ont mis en évidence la détection de nouveaux QTL comme indiqué

sur la figure suivante.


153

43.6

12.6

STM1020STi050

T4

BF D9.13

82.4

STM3016Pk

STM5140

STi055

STM0020

82.0

STM3023AgI

SSR555

STM5156

STM316011.9

rAUDPC13.0

rAUDPC

SiH

03D36 03D39 03D42

SiH

rAUDPC15.6

71.6

0

150

75

STM5140

STM3016

STM0020

STM3160STi049

STi006

10.1T4

18.8rAUDPC

BF BF

03D36 03D41

16.4rAUDPC

21.5

29.4

16.0Speed

SiH

03D42

10.3Speed

62.8STPoAc58

STi006

143.9

STi049

STi006

13.1rAUDPC

14.5Speed

D9.33

03D41


STM1105

STM1024

16.3rAUDPC

16.6

16.4Speed

D9.13

03D39

VIII

STM1121

STi057 11.4STM1051 28.0

REC

D9.33

03D42

IX

STM5130

STM5109 50.5

STi018STM0037

10.1Speed

D9.13

03D36

XI

0

150

75

98.9

STM3016

STM5156

D9.13IV

PkSTM5140

STM0020

GP221STM3023

STi001

13.4rAUDPC

14.4rAUDPCSTM5140

STM3023

115.3STM0020

SiHIV

STi049

STi006 24.6

BFV

16.5rAUDPC

9.6Speed

STi049

STPoAc58

STi006

STM1020

TG60122.8

11.9rAUDPC

7.4Speed

VConsensus

0

150

75

STM3016STM5140

GP221

37.5

19 STM3023

57

STM5156 67.8

STI0001

STM0020

6.0rAUDPC

6.3Speed

IVConsensus

43.6

12.6

STM1020STi050

T4

BF D9.13

82.4

STM3016Pk

STM5140

STi055

STM0020

82.0

STM3023AgI

SSR555

STM5156

STM316011.9

rAUDPC13.0

rAUDPC

SiH

03D36 03D39 03D42

SiH

rAUDPC15.6

71.6

0

150

75

0

150

75

STM5140

STM3016

STM0020

STM3160STi049

STi006

10.1T4

18.8rAUDPC

BF BF

03D36 03D41

16.4rAUDPC

21.5

29.4

16.0Speed

SiH

03D42

10.3Speed

62.8STPoAc58

STi006

143.9

STi049

STi006

13.1rAUDPC

14.5Speed

D9.33

03D41


STM1105

STM1024

16.3rAUDPC

16.6

16.4Speed

D9.13

03D39

VIII

STM1121

STi057 11.4STM1051 28.0

REC

D9.33

03D42

IX

STM5130

STM5109 50.5

STi018STM0037

10.1Speed

D9.13

03D36

XI

0

150

75

98.9

STM3016

STM5156

D9.13IV

PkSTM5140

STM0020

GP221STM3023

STi001

13.4rAUDPC

14.4rAUDPCSTM5140

STM3023

115.3STM0020

SiHIV

STi049

STi006 24.6

BFV

16.5rAUDPC

9.6Speed

STi049

STPoAc58

STi006

STM1020

TG60122.8

11.9rAUDPC

7.4Speed

VConsensus

0

150

75

STM3016STM5140

GP221

37.5

19 STM3023

57

STM5156 67.8

STI0001

STM0020

6.0rAUDPC

6.3Speed

IVConsensus

Figure IV.5_ Addendum QTL mapping results at the three levels of analysis (after threshold recalculation at the ‘multi-population’ level)


154

IV.3 Synthèse du chapitre

Cette première analyse de QTL de résistance à P. infestans en schéma multi-population

connecté est la première du genre réalisée chez la pomme de terre. Malgré des cartes

encore partielles, les résultats des analyses aux échelles « de populations connectées » ont

mis en valeur les QTL les plus stables au travers des différents fonds génétiques. Leurs

intervalles de confiance ont de plus été diminués à mesure que l’on augmentait dans les

échelons d’analyses. Les deux locus majeurs ont été détectés sur les chromosomes IV et V,

dans des régions bien connues pour conférer la résistance au mildiou.

Des études complémentaires doivent être réalisées sur les clones parentaux et sur leurs

pédigrées pour renseigner sur la présence de gènes majeurs dans le matériel étudié. De

plus, pour rendre plus puissante la détection de QTL, les cartes doivent être complétées

avec des marqueurs communs additionnels, surtout dans les régions significativement

impliquées dans la résistance chez un parent dans une population donnée et non détectées

chez le même parent dans la population demi-sœur.

CHAPITRE V

META-ANALYSE DE QTL

CHEZ LA POMME DE TERRE

Méta-analyse QTL pomme de terre

155

V CHAPITRE V : META-ANALYSE DE QTL CHEZ LA POMME DE TERRE :

ORGANISATION STRUCTURALE DES QTL DE RESISTANCE AU MILDIOU ET

COMPARAISON AVEC LES GENES MAJEURS ET LES QTL DE MATURITE

Les résultats de ce chapitre feront l’objet d’une publication en cours de préparation. Sa

version la plus avancée est présentée dans ce chapitre.

V.1 Introduction du chapitre

V.1.1 Nécessité de faire une synthèse des données de QTL chez la pomme de

terre

Les deux chapitres précédents ont fourni de nouveaux résultats concernant l’exploration des

résistances polygéniques au mildiou chez la pomme de terre. Pour cela, trois sources de

résistance (S. sparsilpilum, S. spegazzinii et S. berthaultii), deux méthodes d’évaluation de la

résistance (sur tige et sur feuillage) et deux stratégies de détection de QTL (en schéma

biparental et factoriel) ont été utilisées. Ces analyses contribuent au mouvement de

recherche exploratoire des résistances polygéniques au mildiou chez la pomme de terre qui

a démarré depuis les années 1990 (Leonard-Schippers et al. 1994) et sont représentatives

de la grande variété des études déjà réalisées.

Pour cartographier les QTL de résistance à P. infestans, plus de 13 espèces différentes

apparentées à la pomme de terre ont été étudiées en tant que sources de résistance. Au

moins cinq modes différents d’évaluation de la résistance, différentes souches de P.

infestans et quatre méthodes statistiques différentes ont été utilisées. De nombreuses

données de QTL ont ainsi été produites. En comparant les différentes cartes, on observe que

certaines régions du génome impliquées dans la résistance sont souvent détectées alors que

d’autres régions semblent plus spécifiques à certaines études. Aussi, grâce à la cartographie

de marqueurs communs, on se rend compte que certains QTL colocalisent avec des gènes

majeurs (dont les gènes clonés de type NBS-LRR) et se trouvent dans des zones riches en

séquences analogues de gènes de résistance. De plus, des QTL à effet fort colocalisent

avec des QTL impliqués dans le contrôle de la maturité de la plante, confirmant, au niveau

génétique, l’association indésirable observée au niveau phénotypique selon laquelle les

clones les plus résistants sont aussi les plus tardifs. Pour arriver à faire la part entre les QTL

communs entre les différentes études et les QTL spécifiques à certaines études, à

positionner plus précisément les QTL par rapport aux locus des résistances monogéniques

et pour arriver à mieux discerner les QTL liés à la maturité de ceux qui semblent en être


156

indépendants, la synthèse de ces données est nécessaire. La méta-analyse de QTL apparaît

alors comme étant la méthode la mieux adaptée pour réaliser cette synthèse de manière

complète et précise.

V.1.2 Les objectifs de la méta-analyse

Le but général de l’analyse présentée dans ce chapitre est d’arriver à obtenir une

représentation claire de l’organisation des locus de résistance sur le génome de la pomme

de terre et tenter de répondre aux différentes questions énoncées plus haut en termes de

relations entre les QTL de résistance et les gènes majeurs, d’une part et entre les QTL de

résistance et les QTL de maturité d’autre part.

Un autre objectif, plus appliqué, est de fournir une carte de référence de la pomme de terre

qui constituera une source de marqueurs riche et informative sur laquelle il sera possible de

se baser pour mieux sélectionner les marqueurs des régions d’intérêt avant de commencer

une nouvelle étude de cartographie de QTL chez la pomme de terre.

Remarque

Les données de QTL issues de l’analyse en schéma factoriel des populations connectées

03D n’ont pas été prises en compte dans cette méta-analyse car les dernières données de

génotypage des marqueurs SSR pour ces populations sont arrivées trop tardivement.


157

V.2 Article en cours de préparation

Title

Establishment of an integrated map and a QTL meta-analysis give insight into the genetic

architecture of potato late blight resistance and plant maturity traits

Authors

Sarah Danan1, Jean-Baptiste Veyrieras2 and Véronique Lefebvre1

1INRA, UR 1052 GAFL Génétique et Amélioration des Fruits et Légumes, BP94, 84140

Montfavet, France 2INRA, UMR 320 Génétique Végétale, Ferme du Moulon, 91190 Gif-sur-Yvette, France

Author for correspondence:

Véronique Lefebvre

Tel: +33 (0) 4 32 72 28 06

Fax: +33 (0) 4 32 72 27 02

Email: [email protected]


158

Abstract

Forty-three studies have been published on R-gene and QTL mapping in potato for late blight

resistance, some of them also reported maturity QTLs. To get insight into the genomic

organization of late blight resistance loci (QTL and major genes) as compared to the genomic

organization of maturity QTLs, a QTL meta-analysis has been performed. Nineteen QTL

publications for late blight resistance were considered, 7 of which reported maturity QTLs.

Based on these studies, a total of 21 QTL maps and 8 reference maps with anchor-markers

to improve map connections were integrated in the meta-analysis through a three-step

procedure: first, the construction of an integrated potato map, second, the projection of QTLs

onto the integrated map, and third, the QTL clustering into meta-QTLs. The QTL meta-

analysis on the whole potato genome reduced by almost 6-fold the initial number of late

blight QTLs by passing from 144 QTLs to 26 meta-QTLs, and almost 5-fold the number of

maturity QTLs by passing from 42 QTLs to 9 meta-QTLs. Late blight resistance meta-QTLs

were observed on every chromosome, ranging from 1 to 3 per chromosome. Maturity meta-

QTLs were only found on a few chromosomes, reaching up to 2 meta-QTLs per

chromosome. Hypothesis on the molecular basis of the late blight resistance QTLs are

proposed by comparing meta-QTL positions with the ones of R-gene and R-gene-like or

defence-related loci. Relationships between late blight and maturity traits are discussed on

the basis of their meta-QTL relative positions on the integrated potato map.

Key-words: potato (Solanum tuberosum), integrated map, meta-QTL, maturity, late blight

resistance, Phytophthora infestans

Abbreviations

QTL: Quantitative Trait Locus

RGL: Resistance-Gene-Like

DRL: Defence-Related Locus

UHD: Ultra-High Density


159

Introduction

The number of published QTL mapping studies in plants have been exponentially increasing

since the Eighties, reaching a total of about 23 000 papers in 2008 (source: Google Scholar).

For a few species only, this huge amount of QTL data have been recorded in databases (e.g.

Gramene for maize and rice) but as a general trend, they accumulate in bibliography, waiting

for the coming out of hot-spot regions that would be targets for QTL cloning or introgression

into breeding material. However many characters of interest are polygenic and to better

understand their genetic control, as well as to be able to efficiently use them in breeding

programs, it is necessary to merge all the available data to get a clear view of the QTL

distribution along the genome. This synthetic view can be achieved through QTL meta-

analysis which combines genetic mapping data together with QTL characteristics (location,

confidence interval, effect and trait used for QTL detection). The general principle of a meta-

analysis is to pool the results of several studies that address the same issue to improve the

estimate of targeted parameters. Meta-analysis was first used in social and medical

sciences, like epidemiology, and more recently in plant genetics to study the genetic

architecture of the flowering time, plant height and nitrogen mobilization in maize (Chardon et

al. 2004; Wang et al. 2006; Coque et al. 2008), the resistance to soybean cyst nematode

(Guo et al. 2006), the cotton fiber quality (Rong et al. 2007), the earliness traits in bread

wheat (Hanocq et al. 2007) and the rice blast resistance (Ballini et al. 2008). In all these

studies, the main question was to know if several QTLs that mapped in the same genomic

region were actually the same or not. Several statistical methods have been used. One of

them, implemented in the Biomercator software (Arcade et al. 2004) is to use the

transformed Akaike classification criterion to determine the best model between one QTL,

two QTLs, three QTLs etc. until the maximum number of QTLs mapped in the same region

(Goffinet and Gerber 2000). The method implemented in MetaQTL software (Veyrieras et al.

2007) offers a new clustering approach based on a Gaussian mixture model to decide how

many QTL underly the distribution of the observed QTL.

Potato late blight resistance is typically the case for which meta-analysis can be applied as

from 1994 and up to now, 19 studies have been published on QTL mapping on different

crosses and with different species, generating a lot of QTL data. This large amount of articles

reflects the interest of the potato scientific community towards polygenic partial resistance to

late blight. Late blight, caused by the oomycete Phytophthora infestans, is in fact one of the

most serious diseases in potato. With the rapid overcoming of almost all deployed R-genes in

the potato fields, polygenic resistance appears to be a good alternative to get a fairly efficient

and durable resistance to P. infestans. However, it has been observed that this kind of


160

resistance in potato is often associated to plant maturity, as most resistant plants are also the

ones that mature the latest. This is a handicap for breeders who aim to get early maturing

plants to shorten the time of tuber production.

Attempts to get a synthetic view of the loci controlling polygenic late blight resistance in

potato, with comparison of their locations with maturity QTLs, have been published (Simko

2002; Sliwka 2004). However, because of a lack of common markers, the comparison of

QTLs was achieved at a half-chromosome scale, or even at the whole chromosome level,

which makes the results of the compilation of the collected QTL data still imprecise. In

parallel, a functional map for pathogen resistance enriched with RGL (Resistance Gene-like)

genes and DRL (Defence-Related loci), SNP and InDels tightly linked or located within NBS-

LRR-like genes has been developed on the basis of two potato populations (BC9162 and

F1840; Gebhardt et al 1991; Leister et al. 1996; Trognitz et al. 2002; Rickert et al. 2003;

PoMaMo web site). This functional map also contains CAPS, SSR and RFLP literature-

derived markers which makes possible the comparison with some QTL maps. However, it

remains difficult to precisely infer this functional locus information to QTL mapping results as

QTLs often present large confidence intervals.

In order to more precisely compare QTL positions coming from different mapping studies,

and also to be able to reduce the confidence interval of overlapping QTL in hot-spot genomic

regions, the mapping of common markers between maps is crucial. Reference dense maps

constructed with transferable markers are privileged sources of common markers. A potato

UHD map containing 10,000 AFLP markers is available (Isidore et al. 2003). But the

anchorage of AFLP markers is restricted to closely-related species. In addition, as the

comparison is based on the comigration of the marker bands on the gel (Rouppe van der

Voort et al. 1997), the AFLP gels are required which does not make the comparison easy to

achieve. Other reference maps containing SSR and RFLP markers have been developed in

potato (SSR maps: Milbourne et al. 1998; Feingold et al. 2005; Ghislain et al. 2009; RFLP

map: Tanksley et al. 1992). These markers are well-defined by specific primers or a probe

sequence, which makes them easily transferable from one map to another, even between

distantly-related species; they are thus handy tools for map comparison.

As many as 29 potato complete or partial QTL maps are available. The best way to get a

reliable comparison of all of them is to construct a single reference map based on the

existing marker links that would integrate all marker data from all individual maps at once.

By observing the positions of QTLs controlling late blight resistance that come from different

mapping studies, we presume that some of them actually correspond to the same locus while


161

others are specific to each study. To determine the congruency or the independency of these

QTLs and, in an attempt to more globally compare late blight resistance QTLs with R-genes,

resistance-, defense-related loci and maturity QTLs, we performed a three-step meta-

analysis. First, we established an integrated potato map based on the compilation of 21 QTL

maps and 8 reference maps comprising common markers and specific markers tagging late

blight resistance R-genes, as well as RGL and DRL markers. Second, we projected the

individual QTLs onto the integrated map. Third, the late blight resistance QTLs and maturity

type QTLs were classified and clustered into meta-QTLs on the basis of their relative

positions on the integrated potato map.


162

Materials and Methods

Integrated potato map

The initial available map set comprised a total of 37 maps: 29 QTL maps from 19 studies

which performed QTL detection for late blight resistance and maturity type for 8 of them, and

8 independent reference maps without QTL which contained anchor-markers to improve map

connexions (Figure V.1, Table V.1). The construction of the integrated map was preformed

chromosome by chromosome. To be included into the integrated map construction, a

chromosome map of a study should comprise a minimum of 2 common markers with the

corresponding chromosome of another study to get in fine a continuous link of bridge-

markers across the different input chromosome maps. Some QTL maps which were poor in

common markers did not meet this requirement. As a matter of fact, a subset of 21 QTL

maps coming from 14 studies were finally included in the meta-analysis (Figure V.1). Among

them, some chromosome maps were missing, which forced to adapt the number of the input

maps to each chromosome. In case of marker pairwise inversions between two aligned

maps, only the marker that was present in a higher number of maps was manually removed

from one map in order to keep the more rarely encountered marker and to retain a maximum

number of common markers across maps. When inversions of entire chromosome occurred,

upside-down chromosomes were inverted, along with the positions and confidence intervals

of their QTLs.

19 studiesincl.7 maturity studies

29 QTL maps incl. 8 maturity maps

211 resistance QTLs and 64 maturity QTLs

META-ANALYSIS

14 studies incl. 4 maturity studies



8 reference maps

= 29 mapsfor integrated potato map

+

19 studiesincl.7 maturity studies



META-ANALYSIS

14 studies incl. 4 maturity studies



8 reference maps

= 29 mapsfor integrated potato map

+

Figure V.1 Number of studies and QTL maps that were used in the meta-analysis, as compared to the initial available studies Among the 19 initial available studies, 18 studies came from the literature and 1 study corresponded to an internal work.


163

The integrated genetic map of potato was constructed with the ConsMap command of the

MetaQTL software version 1.0 (Veyrieras et al. 2007). The method implemented is based on

a Weighted Least Square (WLS) strategy, which made it possible to integrate all

chromosome maps in a single step. Marker names and positions were provided in the input

map files, along with a file specifying the synonymous names of the same markers across

different maps. The mapping units Haldane or Kosambi are specified and taken into account

for the consensus map construction.

Bibliographic review of late blight and maturity QTL mapping studies for meta-analysis

Nineteen QTL mapping studies for resistance to late blight and maturity were available: 18

studies, published between 1994 and 2007, which assessed polygenic late blight resistance,

8 of them also comprising maturity type QTL mapping, and one internal study on late blight

resistance (Danan et al. submitted).

All QTL studies could not be included in the meta-analysis because of a lack of common

markers. Consequently, a subset of 14 studies, were effectively included in meta-analysis, 4

of them also comprised maturity QTL data (Figure V.1, Table V.1). Nevertheless, these 14

studies well represented the initial 19 studies in terms of diversity of resistance and maturity

assessments, QTL detection methods and sources of resistance. Resistance tests were

based on the disease spread on foliage in the field (FF) or in the greenhouse (FG), the

sporulation or necrosis spots on in vitro detached leaflets or discs (LT), the necrosis

progression on stems (ST) and the disease damage on tuber slices (TS) or whole tubers (T%

or WT) in controlled conditions. Maturity type was evaluated on the basis of the number of

days before flowering or senescence (MT), plant height (PH) and plant vigour (PV). QTLs

were detected with different QTL statistical detection methods according to the number of

available markers, the size of the progeny and the frequency distribution profile of the raw or

transformed data (non-parametric statistical tests or ANOVA, Interval Mapping, Composite

Interval Mapping or Multiple QTL Mapping with permutation tests). Most of the P. infestans

isolates used for late blight resistance assessments were of A1 mating type and virulent

towards all 11 S. demissum R-genes. However, it was difficult to say whether some of the

isolates used in different studies were the same or not. QTL studies involved 13 different

potato related species in total. In most studies, the mapping populations were diploid,

deriving from a dihaploid S. tuberosum clone as the susceptible parent and a clone deriving

from a diploid potato related species as the resistant parent to late blight.


164

Table V.1 Initial available potato studies for the QTL meta-analysis for resistance to late blight and maturity In table (a) are presented all available QTL mapping studies for late blight resistance and maturity type, table (b) lists the reference potato maps that were included in the meta-analysis to improve map connections. (a) QTL mapping studies (to be continued on next page) Reference

Cross Pop. size a

No. of maps b

Resistance asses t c

Maturity asses t d

QTL detection method e

Bormann et al. 2004 -S. tuberosum Leyla x S. tuberosum Escort -S. tuberosum Leyla x S. tuberosum Nikita

84 95

1 consensus

map

FF MT LR

Bradshaw et al. 2004 -S. tuberosum 12601ab1 x S. tuberosum Stirling 200-226 Not included

FF, FG, T% MT, PH LR

Bradshaw et al. 2006 -HB193 = HB171 (S. tuberosum PDH247 x S. phureja DB226) x S. phureja DB226

87-120 Not included

FF, FG, T% / IM

Collins et al. 1999

-GDE = G87D2.4.1[(DH Flora x PI 458.388) x (DH Dani x PI 230468)] x I88.55.6 {[DH (Belle de Fontenay x Kathadin) x PI 238141]x [DH Jose x (PI 195304 x WRF 380)]} †

113 2 (both parents)

FF, TS MT, PV LR

Costanzo et al. 2005

-BD410 = BD142-1 (S. phureja x S. stenotomum) x BD172-1 (S. phureja x S. stenotomum)

132 1 (BD410) FF / IM

Danan et al. submitted -96D31 = S. tuberosum CasparH3 x S. sparsipilum PI 310984 -96D32 = S. tuberosum RosaH1 x S. spegazzinii PI 208876

93 116

4 (4 parents)

FF, ST / CIM

Ewing et al. 2000 -BCT = M200-30 (S. tuberosum USW2230 x S. berthaultii PI 473331) x S.tuberosum HH1-9

146 1 (BCT) FF / LR

Ghislain et al. 2001 -PD = S. phureja CHS-625 x S. tuberosum PS-3 92 2 (both parents)

FF / IM

Leonards-Schippers et al. 1994

-P49xP40 = H82.368/3 x H80.696/4 †† 197 2 (both parents)

LT / LR

Meyer et al. 1998 -S. tuberosum 12601ab1 x S. tuberosum Stirling 94 Not included

FF / LR

Naess et al. 2000 -1K6= J101K6 (S. bulbocastanum x S. tuberosum)] x S. tuberosum Atlantic

64 1 (1K6) FG / LR

Oberhagemann et al. 1999

-K31=H80.577/1 x H80.576/16 -GDE=G87D2.4.1[(DH Flora x PI 458.388) x (DH Dani x PI 230468)] x I88.55.6 {[DH (Belle de Fontenay x Kathadin) x PI 238141]x [DH Jose x (PI 195304 x WRF 380)]} †

113 109

1 (K31) LT MT, PV LR


165

(a) QTL mapping studies (end)

Reference

Cross Pop. size a

No. of maps b

Resistance asses t c

Maturity asses t d

QTL detection method e

Sandbrink et al. 2000 -89-13 = S. microdontum MCD167 x S. tuberosum SH 82-44-111 -89-14 = S. microdontum MCD167 x S. tuberosum SH 77-114-2988 -89-15 = S. microdontum MCD167 x S. tuberosum SH 82-59-223 -89-16 = S. microdontum MCD178 x S. tuberosum SH 82-44-111 -89-17 = S. microdontum MCD178 x S. tuberosum SH 77-114-2988 -89-18 = S. microdontum MCD178 x S. tuberosum SH 82-59-223

67 46 47 82 67 58

1 (MCD167)

FF / IM

Simko et al. 2006

- BD410 = BD142-1 (S. phureja x S. stenotomum) x BD172-1 (S. phureja x S. stenotomum)

125 1 (BD410) WT MT MQM

Sliwka et al. 2007 -98-21 = DG 83-1520 (P1) x DG 84-195 (P2) ‡ 156 2 (both parents)

LT, TS MT LR

Sorensen et al. 2006 -HGG = S. tuberosum 89-0-08-21 x S. vernei 3504 -HGIHJS = S. tuberosum 90-HAE-42 x S. vernei 3504

70 107

1 (HGG) FF / MQM

Villamon et al. 2005 -PCC1 = MP1-8 (S. paucissectum PI 473489-1 x S. chromatophilum PI 310991-1) x S. chromatophilum PI 310991-1

184 1 (PCC1) FF, FG / CIM

Visker et al. 2003 -CxE = USW5337.3 (S. phureja x S. tuberosum) x USW5337.3 (S. vernei × S. tuberosum)

67 Not included

FF MT MQM

Visker et al. 2005 -Progeny 5 SHxCE = S. tuberosum SH82-44-111 x CE51 (S. phureja x (S. vernei x S. tuberosum)) -Progeny 2 DHxI =S. tuberosum DH84-19-1659 x I88.55.6 ((S. tuberosum x S. stenotomum) x S. tuberosum x S. stenotomum)

227

201

Not included

FF MT IM

a population size for QTL mapping; numbers could vary in case of different resistance tests b the maps of some studies could not be integrated in the meta-analysis because of a lack of common markers c Resistance assessment- FF: foliage test in field, FG: foliage test in glasshouse, T%: tuber test in percentage of the number of infected tubers, WT: whole tuber test by scoring the tuber damage, TS: tuber slice test, LT: leaf test, ST: stem test d Maturity assessment: MT maturity trait, PH: plant height, PV: plant vigour; for maturity type, assessments were based on visual classification of senescence of the foliage, using an ordinal scale ranging from 2 (late maturing) to 9 (early maturing) d LR: linear regression, IM: simple interval mapping, CIM: composite interval mapping, MQM: multiple mapping. unknown pedigrees (Oberhagemann et al. 1999). † G87D2.4.1 pedigree includes S. kurtzianum, S. vernei, S. tuberosum, and S. tarijense; I88.55.6 pedigree includes S. tuberosum and S. stenotomum (Oberhagemann et al. 1999). †† Parental clones of the F1840 population include S. tuberosum and S. spegazzinii ‡ Parental clone pedigrees of 98-21 population include S. tuberosum, S. chacoense, S. verrucosum, S. microdontum, S. gourlayi, S. yougasense (Sliwka et al. 2007).


166

(b) Potato genetic maps used as reference maps Reference Cross Pop. size No. of maps Kinds of markers Gebhardt et al. 1991 PoMaMo (http://www.gabipd.org/projects/Pomamo/)

-F1840 = H82.337/49 (P18) x H80.696/4 (P40) †† -BC9162 = MPI= (H81.691/1 x H82.309/5) x H82.309/5)

100 1 (F1840) SSR, STS, RFLP, CAPS, BAC, pathogen resistance genes, DRL, RGL

Milbourne et al. 1998 -Germicopa = GDE = G87D2.4.1[(DH Flora x PI 458.388) x (DH Dani x PI 230468)] x I88.55.6 {[DH (Belle de Fontenay x Kathadin) x PI 238141]x [DH Jose x (PI 195304 x WRF 380)]} † -MPI = BC9162 = (H81.691/1 x H82.309/5) x H82.309/5)

91

67

2 (GDE, MPI) SSR, RFLP, AFLP, PCR-markers

Tanksley et al. 1992 Bonierbale et al. 1994 Feingold et al. 2005 SGN (http://www.sgn.cornell.edu)

-BCB = N263 = M200-30 (S. tuberosum USW2230 x S. berthaultii PI 473331) x S. berthaultii PI 473331 -N271=BCT= M200-30 (S. tuberosum USW2230 x S. berthaultii PI 473331) x S.tuberosum HH1-9

150-155

150

1 (BCB, BCT)

SSR, RFLP

Ghislain et al. 2009 Integated SSR map based on SSR positions across 3 maps : BCT, PD , PCC1

92 1 (consensus map)

SSR, RFLP

Yamanaka et al. 2005 S. tuberosum 86.61.26 x S. tuberosum 84.194.30 152 1 (population)

SSR, AFLP, CAPS

† G87D2.4.1 pedigree includes S. kurtzianum, S. vernei, S. tuberosum, and S. tarijense; I88.55.6 pedigree includes S. tuberosum and S. stenotomum (Oberhagemann et al. 1999). †† Parental clones of the F1840 population include S. tuberosum and S. spegazzinii


167

QTL meta-analysis

QTL meta-analysis was performed with the QTLProj, QTLClust and QTLModel commands of

the MetaQTL software version 1.0 (Veyrieras et al. 2007). This commands corresponded

respectively to the homothetic projection of the individual QTLs onto the integrated map, the

clustering of the QTLs into the most probable sub-groups according to different statistical

models and the determination of the best clustering model on the basis of index criterions.

The general statistical procedure of the meta-analysis performed by the MetaQTL software

was to determine the best clustering model that most likely represented the input QTL

distribution along the integrated chromosome map. This method is based on a transformed

Akaike criterion that tests all possibilities between a locus comprising only one QTL, 2 QTLs,

3 QTLs etc. until the maximum number of QTL of the region. The QTLs that clustered

together according to the most probable model were clustered into the same synthetic QTL,

called meta-QTL.

The input QTL files provided different kinds of QTL data: the QTL position, the trait used for

the QTL detection, the size of the QTL mapping population used for QTL detection and the

confidence interval of each QTL and/or the individual R² value (at least one of them is

mandatory). If the confidence interval was not reported, it was calculated on the basis of the

population size and the individual QTL R² value. All traits were also listed in a specific file

where they were classified according to their relatedness. According to the hypothesis of the

statistical method implemented in the MetaQTL software, the input mapping studies were

independent from each other. Meta-analysis could only be performed in the genomic regions

where at least 2 QTLs overlapped. If QTLs were single in a genomic region, they were

excluded from the clustering step.

When QTL mapping studies that were repeated in time and space resulted in the mapping of

QTLs at exactly the same position for the same trait, only the QTL with the highest effect was

kept for meta-analysis to avoid QTL redundancy and the attribution of a too strong weight to

the QTL region, which would generate a bias in the data compilation.

In a first meta-analysis run, late blight resistance and maturity QTL data were declared to be

distinct and separated results for each trait were obtained simultaneously. Subsequently, in a

second run, all QTL data were considered altogether to be able to see whether maturity

QTLs could be clustered with late blight resistance QTLs into the same meta-QTLs or not.

For convenience, meta-QTLs of late blight resistance were called “Late_Blight meta-QTLs”

and meta-QTLs of maturity, vigour and plant height were called “Maturity meta-QTLs”.


168

Results

Integrated potato map

Thanks to the marker positions of 29 maps, a connection path from chromosome map to

chromosome map could be established that made it possible the construction of an

integrated map of each of all 12 potato chromosomes. The number of input maps varied

between 20 and 25 per chromosome (Figure V.2). The integrated potato map of all 12

chromosomes had a total length of 1,289 cM (Haldane) and was composed of a total of

2,132 markers (SSR, SSCP, CAPS, RFLP, AFLP, SNP, InDels and STS markers). Among

them, 510 markers were common between at least two maps, ranging between 29 and 59 by

chromosome, corresponding to 17% up to 30% of the total number of markers of each

chromosome. The name, position and occurrence of each marker are given in supplemental

material (Annexe V.1).

42

5529 46

45

3234

59

37 4638 47

25

2222

25

2120

23

23 24 2422

22

0

50

100

150

200

250

300

I II III IV V VI VII VIII IX X XI XII125 102 111 11987 70129 130148 7696 97

Num

ber

of m

arke

rs

chromosome number and length (cM)

42

5529 46

45

3234

59

37 4638 47

25

2222

25

2120

23

23 24 2422

22

0

50

100

150

200

250

300

I II III IV V VI VII VIII IX X XI XII125 102 111 11987 70129 130148 7696 97

Num

ber

of m

arke

rs

chromosome number and length (cM)

Figure V.2 Integrated map molecular description. Vertical bars indicate the total number of markers of each of the 12 integrated potato chromosome maps. The proportion of common markers between at least two maps is represented by the black bars; their exact number is indicated in the middle in white font. The number of maps used for the construction of the consensus maps is indicated in bold at the top of the bars. The total length of the chromosome maps is indicated below the chromosome number (in cM Haldane).


169

QTL input dataset for meta-analysis

On the basis of the 19 available QTL studies, a total of 211 late blight resistance QTLs and

64 maturity QTLs were collected. Because of a lack of common markers, some QTLs could

not be included in the meta-analysis which reduced the QTL set down to 144 late blight

resistance QTLs and to 42 maturity QTLs, which were collected from 14 studies only.

However, most of the excluded QTLs could be anchored thanks to at least one common

marker but their orientations and projected confidence intervals onto the integrated maps

were unknown. As far as the QTLs included in the meta-analysis are considered, late blight

and maturity QTLs spread on the 12 potato chromosomes. The numbers of the considered

QTLs per chromosome ranged between 6 and 21 for late blight resistance, and between 1

and 8 for maturity. For late blight resistance trait, R² values were available for 106 QTLs out

of the 144 input late blight resistance QTLs and ranged between 4 % (chromosome I, foliage

test, Danan et al. submitted; chromosomes V, IX, XI, XII, foliage test, Bormann et al. 2004)

and 63% (chromosome X, tuber test, Simko et al. 2006). 75% of the QTLs had relatively

small effects, ranging between 4% and 15%. Only 7% of them had larger effects, ranging

between 30% and 63%. For maturity trait, R² values were available for 20 QTLs out of the 42

input maturity QTLs and ranged between 4% (chromosomes IX and XII; Bormann et al.

2004) and 71% (chromosome V, Collins et al. 1999). 75% of the maturity QTL had R² values

ranging between 4% and 15%, 2 QTLs explained more than 30% of the phenotypic variation

(60% and 71% on chromosome V, Collins et al. 1999). Confidence intervals of the input late

blight resistance QTLs, ranged between 3 cM (chromosome XII, leaf disc test, Leonards-

Schippers et al. 1994) and 66 cM (chromosome VI, foliage test, Collins et al. 1999), with a

mean of 23 cM. Confidence intervals of maturity QTLs ranged between 4 cM (chromosome

XI, Collins et al. 1999) and 61 cM (chromosome VI, Collins et al. 1999), with a mean of 21

cM.

Meta-analysis

The QTL meta-analysis on the whole potato genome reduced by almost 6-fold the initial

number of late blight QTLs by passing from 144 QTLs to 26 meta-QTLs and almost 5-fold the

number of maturity QTLs by passing from 42 QTLs to 9 meta-QTLs. An example of the meta-

analysis steps from QTL projection on the integrated map to QTL clustering into meta-QTLs

is presented for chromosome IV (Figure V.3). A graphical overview of the Late_blight and

Maturity meta-QTLs is presented in Figure V.4. Late_Blight meta-QTLs spread on every

chromosome, with 1 to 3 meta-QTLs per chromosome. Maturity meta-QTLs spread on only 6

chromosomes, with 1 or 2 meta-QTLs per chromosome. All the other maturity QTLs that

were reported on the other 6 chromosomes were single in their region and no meta-QTL

could be obtained.


170

The integrated map of chromosome IV is presented on the left of the figure. All horizontal bars on the chromosome represent marker positions. The 46 markers that occurred at least twice across the 22 maps are shown. Meta-QTLs are vertical bars on the right-hand side along the chromosome, Late_Blight meta-QTLs are in black and Maturity meta-QTLs are in grey. Individual projected QTLs are vertical colored bars, each color corresponds to the trait that was used to detect the QTL. The QTL names are shown on the left-hand side of the QTLs. The first name is the name of the first author of the publication from which the QTL come from. ”PiIV ROSAL35” comes from the QTL detection performed in the 96D32 population (Danan et al. submitted). Individual QTLs that could not be included in the meta-analysis because of a lack of anchor markers were positioned thanks to one anchor marker in the QTL confidence interval or around. They are represented by black thin bars on the right of the figure. Individual QTL effects, when available, are given in percentage by numbers on the top of the QTL bars. R-genes are positioned on the left-hand side of the chromosome. The stars located on the chromosome indicate DRL and RGA locations. FF: Field Foliage test, FG: Foliage test in the greenhouse

Figure V.3 Meta-analysis procedure steps: example for chromosome IV

5 cM

Rpi-demf1

TG370STM3160

STM5140

TG339R2

R2-like

Rpi-abptRpi-mcd1/mcd

87 cM

Rpi-blb3

maturity

vigour

maturity testsresistance tests

1

2

3

Bradshaw04_Stirling QTL, FF, FG anchor marker STM3160

Meyer98_Stirling QTL, FF; anchor marker STM3016

Ober99_GDE_4 QTL, FF; anchor marker MBF

9

13

6 9

10

12

20

22

24

31

3

2

1leaf disc

leafletstem L35

whole tubertuber slice

field test

Late blight resistance individual QTLsMaturity

individual QTLs

Individual QTLs thatwere not included in

meta-analysis

Meta-QTLsR-genes

Leaf trait Tuber traitStem trait Field trait

5 cM

Rpi-demf1

TG370STM3160

STM5140

TG339R2

R2-like

Rpi-abptRpi-mcd1/mcd

87 cM

Rpi-blb3

maturity

vigour

maturity testsresistance tests

1

2

3

Bradshaw04_Stirling QTL, FF, FG anchor marker STM3160

Meyer98_Stirling QTL, FF; anchor marker STM3016

Ober99_GDE_4 QTL, FF; anchor marker MBF

9

13

6 9

10

12

20

22

24

31

3

2

1leaf discleaf disc

leafletleafletstem L35stem L35

whole tuberwhole tubertuber slicetuber slice

field test

Late blight resistance individual QTLsMaturity

individual QTLs

Individual QTLs thatwere not included in

meta-analysis

Meta-QTLsR-genes

Leaf trait Tuber traitStem trait Field trait


171

Integrated chromosomes are presented. All horizontal bars on the chromosomes represent marker positions. Only markers that occurred at least 4 times across the different maps are shown. Meta-QTLs are vertical bars on the right-hand side along the chromosome, Late_Blight meta-QTLs are in black and Maturity meta-QTLs are in grey. Total lengths of the chromosomes are indicated at the bottom of each chromosome (cM Haldane).

Figure V.4 Meta-analysis results for all 12 potato chromosomes (to be continued on next page)

5 cM125 cM

102 cM

111 cM

87 cM

148 cM

I II III IV V VI

129 cM5 cM

125 cM

102 cM

111 cM

87 cM

148 cM

I II III IV V VI

129 cM


172

5 cM

VII VIII IX X XI XII

70 cM

119 cM

130 cM

96 cM

76 cM

97 cM

5 cM

VII VIII IX X XI XII

70 cM

119 cM

130 cM

96 cM

76 cM

97 cM

Figure V.4 Meta-analysis results for all 12 potato chromosomes (end)


173

The confidence intervals of Late_Blight meta-QTLs ranged between 0.54 cM (chromosome

III) to 69.52 (chromosome VI), with a mean of 11.77 cM (SD±15.49). The confidence intervals

of Maturity meta-QTLs ranged between 0.71 cM (chromosome V) to 40.58 cM (chromosome

VI), with a mean of 10.90 cM (SD±13.10). With respect to the length reduction of the

confidence intervals from the input QTL mean to the meta-QTL mean, the gain in accuracy

was equivalent for late blight resistance and maturity QTLs, as the confidence intervals were

reduced by about 1.9-fold.

QTLs for late blight resistance and for maturity that could not be included in the meta-

analysis but which could be anchored thanks to a common marker are shown in

supplemental data (Annexe V.2).

Late_Blight meta-QTLs overlapped with Maturity meta-QTLs on chromosomes V, VI, XI,

while there is no overlapping on chromosomes IV, VII and VIII. However, by running meta-

analysis with late blight resistance QTLs and maturity QTLs altogether under a single “super-

trait” (data not shown), we observed that individual input maturity QTLs were always

clustered with late blight resistance QTLs. At least one “super“ meta-QTL per chromosome

contained late blight resistance and maturity QTLs. In the other way round, at least one

“super” meta-QTL per chromosome was free of maturity QTL for all chromosomes, except

chromosomes IV, VIII and XI for which all “super “ meta-QTLs included at least one maturity

QTL.

Several Late_Blight meta-QTLs colocated with R-genes for late blight resistance. In total 23

R-genes were included in meta-QTL confidence intervals (Table V.2, supplemental data

Annexe V.2). Especially, meta-QTLs of chromosome IV mapped in the region of 6 R-genes

cluster for late blight resistance comprising NBS-LRR genes, in the STM3016-STM5140

marker interval (R2, R2-like, Rpi-blb3, Rpi-abpt, Rpi-demf1, Rpi-mcd and Rpi-mcd1). On

chromosome VI, the large upper meta-QTL covered the NBS-LRR Rpi-blb2 R-gene. The

upper meta-QTL of chromosome V exactly mapped at of the NBS-LRR R1 gene locus

(Ba12101 R1 BAC marker). Late_Blight meta-QTL of chromosome VIII included the RB gene

cluster comprising NBS-LRR genes (Rpi-blb1, Rpi-pta1, Rpi-plt1, Rpi-sto1, tagged by RB

marker, Millet &Bradeen, 2007, TAG). The bottom meta-QTL of chromosome X comprised

the Rpi-ber2 gene. Conversely, some Late_Blight meta-QTLs did not comprise previously

mapped R-genes. This was the case for the meta-QTL of chromosome VII and the Rpi1

locus, and for the meta-QTL of chromosome IX and the Rpi-vnt1, Rpi-phu1 and Rpi-

mcq1/moc1 loci. The upper meta-QTL of chromosome X seemed to be distinct from the

mapped R-genes of the region (Rber, Rpi-ber1). The 9 R-genes of chromosome XI (R5 to

R11, R3a and R3b) had uncertain positions on the integrated map because of a lack of


174

anchor markers. However, according to the flanked markers, they seemed to colocate with

the meta-QTL at the bottom of the chromosome (Annexe V.2, supplemental data).

In total, 125 resistance gene-like (RGL) or defense gene-like (DRL) sequences were counted

on the basis on the PoMaMo functional map. Almost half of them were located in Late_Blight

meta-QTL confidence intervals (Table V.2, Annexe V.2, supplemental data). By comparing

the number of DRLs and RGLs that belonged to the meta-QTLs to their expected number

(number of resistance-like loci divided by the number of meta-QTLs per chromosome), we

found a χ² value equal to 8.9x10-6, which demonstrated that the distribution of the DRLs and

RGLs was significantly biased (χ² values <0.05). This means that these loci did not colocate

with meta-QTLs by chance and that late blight resistance QTLs were distributed in the same

pattern as resistance-like loci.


175

Table V.2 QTL meta-analysis results

*15 QTLs in Bradshaw et al.2004 **17 QTLs in Bradshaw et al. 2004 ***18 QTLs in Bradshaw et al. 2004

Chrom. No. late blight resistance QTLs included in meta-analysis / No. collected QTLs

No. Late_Blight meta-QTLs

No. R-genes colocalizing with Late_Blight meta-QTLs / No. collected R-genes

No. RGL, RGA, DRL colocalizing with Late_Blight meta-QTLs / total no. in chromosome

No. maturity QTLs included in meta-analysis/No. collected QTLs

No. Maturity meta-QTLs

I 10/10 2 no mapped R-gene reported 4/14 3/3 0 II 6/7 3 no mapped R-gene reported 9/15 1/1 0 III 15/21 3 no mapped R-gene reported 2/7 3/4 0 IV 15/36* 2 6/6 2/11 4/4 2 V 21/44** 2 1/2 6/11 8/29*** 1 VI 9/12 2 1/1 13/13 5/5 2 VII 9/12 1 0/1 0/7 3/3 1 VIII 12/13 2 5/5 6/9 6/6 1 IX 9/13 1 0/4 2/12 1/1 0 X 15/18 2 1/3 1/10 1/1 0 XI 14/15 3 9/10 5/12 6/6 2 XII 10/10 3 no mapped R-gene reported 1/4 1/1 0

Total 144/211 26 23/32 51/125 42/64 9


176

Meta-QTLs were composed of a minimum of 2 QTLs up to 18 QTLs for late blight resistance

(chromosome V) and up to 8 QTLs for maturity (chromosome V) (Annexe V.3 supplemental

data). The most consistent Late-Blight meta-QTLs which contained the highest number of

individual QTLs with the largest effects in combination with the highest number of involved

tuber-bearing Solanum species were located on the upper parts of chromosomes IV, V and

the lower part of chromosomes VIII (Table V.3). Chromosome X also harboured interesting

loci to be pointed out with two meta-QTLs of 8 individual QTLs each, explaining up to 63% of

the phenotypic variation and only one maturity QTL was detected in the lower meta-QTL

region.

The meta-QTL of chromosome IX contained weaker effect QTLs than the ones detailed

before but this locus was consistent across 6 studies involving 6 wild species. Chromosome

IX especially displayed only one Late_Blight meta-QTL of less than 3 cM-confidence interval.

Finally, the upper meta-QTL of chromosome I was quite important as it comprised 8 different

QTLs but they mainly come from only two main studies and the origins of the QTLs were not

much diversified (CASP parent and K31 population; Danan et al. submitted; Oberhagemann

et al. 1999).


177

Table V.3 Detailed composition of the most consistent Meta-QTLs for late blight resistance LB meta-QTL

LB meta-QTL composition

LB QTL R² range (%) 1

Accuracy gain 2

R-gene colocation 3

DRL and RGL colocation

Other LB QTLs in the region 4

traits used for QTL detection 5

No. species involved

Maturity meta-QTL overlapping

Mat QTL R² range (%)

V_LB_1 18 QTLs 4 (FF)-45 (FF)

10-40 down to 6

1 (R1) RGL47f2, RGL122p13, RGL121o1, RGL P9e11, Lernalx†, Pto-like sequence, PRF resistance gene-like P4h6-b, Ssp72 marker††, P450†††

5 FF, TS, LT 12* 1 (comprising 8 QTLs)

8-71 (and 84% for a non-included QTL)

IV_LB_1 13 QTLs 6 (ST)-20 (TS)

11-42 down to 6

6 (R2, R2-like, Rpi-blb3, Rpi-abpt, Rpi-demf1, Rpi-mcd /mcd1)

RGL47f2, putative DRL PC116, MBF°

4 FF, FG, WT, TS, LT, ST

11** 0 no R² available for 2 non-included QTLs

VIII_LB_2 10 QTLs 5 (FF)-62(FG)

9-30 down to 8

4 (RB/Rpi-blb1, Rpi-pta1, Rpi-plt1, Rpi-sto1)

Ppo RGL°°, 47f2 RGL, osmotin-like PR genes (Osm-8, RC5t7)

0 FF, FG, ST

7 *** 0 No additional non-included individual QTL

‘LB’ stands for late blight resistance, ‘Mat’ for maturity type 1 the traits used for detection are mentioned the parenthesis (cf 5) 2 Range of the confidence intervals of the input individual QTLs to the final meta-QTL confidence interval are given (in cM). 3 if the R-gene was cloned, the class of the resistance gene is given 4 number of QTLs that could not be included in the meta-analysis because of a lack of anchor markers but which could be positioned on the integrated map by one common marker 5 Resistance tests : FF: foliage test in field, FG: foliage test in glasshouse, WT: whole tuber test by scoring the tuber damage, TS: tuber slice test, LT: leaf test, ST: stem test † L. esculentum ribonucelase which tags the potato resistance to nematodes †† Ssp72 marker tags Gpa gene of resistance to the nematode G. pallida ††† P450 sequence often maps close to NBS-LRR genes °MBF: Mas Binding Factor marker is also an anchor m arker for Pin4A gene (auxin efflux transporter) °° Ppo RGL: Polyphenol oxidase *V_LB_1 species: S. chacoense, S. gourlayi, S. kurtzianum, S. microdontum, S. phureja, S. spegazzinii, S. stenotomum, S. tarijense, S. tuberosum, S. vernei, S. verrucosum, S. yougasense **IV_LB_1 species: S. chacoense, S. gourlayi, S. kurtzianum, S. microdontum, S. tarijense, S. tuberosum, S. spegazzinii, S. stenotomum, S. vernei, S. verrucosum, S. yougasense, including S. tuberosum cv. Stirling *** VIII_LB_2 species: S. bulbocastanum, S. kurtzianum, S. spegazzinii, S. stenotomum, S. tarijense, S. tuberosum, S. vernei


178

Discussion

A representative and valuable integrated potato map

The marker data of 29 published potato maps were merged into a single integrated map. By

giving the relative order of 2,132 literature markers and their consensus positions, this

synthetic map represents the original maps in a very comprehensive way. It thus constitutes

a valuable dense reference map for all future potato genetic studies, either as a source of

markers for regions of interest, or as an anchor reference map for particular independent

studies or novel ones. However, as the marker positions are not based on recombination

fraction but were statistically calculated according to common markers, this integrated map

should be preferentially used to compare relative orders between markers rather than to

search for absolute marker positions.

High heterogeneity of marker density along the chromosomes is observed: markers tend to

concentrate in the medium parts of the chromosomes and are fewer in the extremities. For

example, on chromosome VIII, 22 markers are spread on the top 71 cM while 168 markers

are spread on the next 27 cM. This phenomenon is representative of the overall tendency of

the marker distribution on the original maps. We can assume that some regions already

known to be involved in late blight resistance were mostly gathered in the centromeric

regions, and were densified with markers, leaving other regions empty or very scarcely

covered with markers. Also, since extreme markers at both ends of the chromosomes

generally come from only one or a few original maps, their positions could be biased due to

genotyping errors or skewed segregation.

Meta-analysis provides a clear picturing of the structural organization of late blight resistance

loci on the potato genome

The final synthetic potato map with meta-QTLs offers a clarified overview of the structural

organization of the loci of polygenic resistance to late blight in terms of number of QTLs and

lengths of confidence intervals: the number of input QTLs were reduced from 144 QTLs to 26

meta-QTLs and a gain in QTL accuracy was obtained with the reduction by 1.9-fold of the

initial mean of QTL confidence intervals. The accuracy of meta-QTLs increases with the

numbers of colocalizing QTLs and common markers in the region. Consequently, when

numerous QTL data are available, meta-analysis can help to rapidly refine the genomic

region of interest and to provide the closest flanking markers. However, to achieve the

cloning of the underlying gene(s), it is still necessary to validate the results and to fine-map

the target QTL in an actual progeny with classical methods (Hein et al. 2007).

Meta-analysis for late blight resistance in potato confirms the presence of the well-known

resistance gene clusters on chromosomes IV and V. Moreover, meta-analysis points out loci


179

which have been less thoroughly reported or discussed like the loci on chromosomes I, VIII,

IX and X.

Because all input QTL experiments are assumed to be independent from each other, it was

not possible to take into account the identity or relatedness between crosses used in different

studies as for GDE, BC9162(=MPI), BCT and BD410 populations, as well as for P40 which

was a parental clone used in two crosses. Nevertheless, QTL meta-analysis makes it

possible to rapidly compare their QTL mapping. For example, GDE population was used by

Collins et al. (1999) and Oberhagemann et al. (1999) and, while they used different kinds of

resistance tests and not exactly the same isolates, all the Oberhagemman et al.’s QTLs

belonged to the same meta-QTLs as Collins et al.’s QTLs. Likewise, Meyer et al.’s QTL of

‘Stirling’ chromosome IV (1998) was consistent with Bradshaw et al.’s QTL (2004) in the S.

tuberosum 12601ab1 x S. tuberosum Stirling progeny, although field tests were performed

with different isolate compositions. This shows the polyvalence and large spectrum of action

of those consistent QTLs. However, for BD410 population, Costanzo et al. (2005), who used

the US-8 isolate for field foliage test, and Simko et al. (2006), who used the same US-8

isolate but for tuber test, found completely different sets of QTLs, mapped on distinct

chromosomes. These latter results reinforced the observation of the tissue-specificity of

action of certain QTLs.

Polygenic late blight resistance and maturity relationships

The most famous late blight resistance/maturity type colocation is located on the upper part

of chromosome V. A consistent Maturity meta-QTL gathering all maturity QTLs reported for

this chromosome is indeed located close to a consistent Late_Blight meta-QTL in this region

and they only overlap by 0.03 cM. This confirms the narrow genetic linkage of the loci

controlling these traits in this region. This result corroborates both assumptions reported in

literature (Van Eck and Jacobsen 1996; Collins et al. 1999; Visker et al. 2003; Bradshaw et

al. 2004; Bormann et al. 2004; Simko et al. 2006; Sliwka et al. 2007). In fact, a pleïotropic

gene that would control both traits could be located in the 0.03 cM interval, and closely linked

independent genes could be located in the non-overlapping confidence intervals of the meta-

QTLs. In this case, the only way to decipher the actual relationships between maturity and

late blight resistance genetic factors is to isolate the responsible genes. Conversely, several

Late_Blight meta-QTLs do not coincide with maturity QTLs, as for chromosome VII, IX, X and

XII, as it had been demonstrated by previous studies (Bormann et al. 2004; Bradshaw et al.

2004; Visker et al. 2005; Simko et al. 2006). The clearest cases of distinct physical

independency could then become preferential targets to be introgressed in elite cultivars in

breeding programmes for late blight resistance.


180

Possible molecular basis of late blight resistance QTLs

Up to now, no late blight resistance QTL has been cloned. The Late_Blight meta-QTLs of

chromosomes IV, V, VIII and X comprise NBS-LRR R-gene loci (R1, R2 and RB clusters,

and Rpi-ber2, respectively). Late blight resistance locus of chromosome IV had particularly

been well-documented with the Stirling cultivar and Solanum microdontum cases of study

(Bradshaw et al. 2004; Hein et al. 2007; Tan et al. 2008). The different characterization of the

same genetic region as an R-gene or as a QTL was notably accounted for the phenotypic

scoring approach (Tan et al. 2008). In this case, to detect R-genes, a classified measuring

scale was used on a subset of the population individuals which harbored the most clear

resistance behavior at the most discriminating stage of the infection, whereas a quantitative

variable was used to detect QTLs on the whole progeny. Also, the allelic form of the R-gene

can determine the resistance response as qualitative or quantitative. RGLs have been

mapped in the confidence intervals of meta-QTLs of chromosomes II, III, IV, V, VI, VIII and XI

(Leister et al. 1996; Rickert et al. 2003). In addition DRLs were mapped in the confidence

intervals of Late-Blight meta-QTLs of chromosomes I, II, III, IV, VI, VIII, IX, X, XI, XII,

suggesting their possible role in the expression of the resistance. Genes involved in

phytohormone signaling pathways (ethylene, jasmonic acid) are also often reported as QTL

candidate genes in potato but also in other species (Ohme-Takagi and Shinshi 1995;

Pajerowska-Mukhtar et al. 2008). The χ²-test results confirms that DRL and RGL sequences,

and meta-QTLs do not colocate by chance and that genes underlying late blight resistance

QTLs are indeed of the same molecular nature as the already known resistance or defense-

like genes.

At last, the response can greatly vary according to the kind of P. infestans isolate and be the

expression of defeated R-genes (Stewart 2003; Solomon-Blackburn et al. 2007). Besides,

RB (Rpi-blb1) has been shown to confer a large-spectrum and rate-limiting resistance to P.

infestans as transformed plants showed a marked delay in both onset and development of

lesions (Song et al. 2003; van der Vossen et al. 2003). Bhaskar et al (2008) demonstrated

that the resistance control of RB was dependent on the quantity level of proteins encoded by

Sgt1 gene, which implies the influence of the genetic background on the major gene

efficiency. A parallel can be made with the fact that quantitative resistance is often controlled

by one or two large-effect QTLs in association with a few minor-effect QTLs which can

interact with the major QTLs (reviewed in Lefebvre and Chèvre 1995).

Colinearities of major potato Late-Blight meta-QTLs with Phytophthora resistance QTLs of

other Solanaceae

Colinearities with QTLs of resistance to P. infestans in tomato (wild species L. habrochaïtes

and L. pimpinellifolium) and with QTLs of resistance to P. capsici in pepper (cultivated


181

pepper species Capsicum annuum) were examined at a macroscopic scale thanks to

common RFLP markers in the QTL regions. The upper meta-QTL on chromosome I may be

colinear to the lb1b QTL of tomato (Brouwer et al. 2004) and to the Phyt-2 of pepper (Sugita

et al. 2006, TG29 marker). The most important meta-QTL of chromosome IV is colinear to

the lb4 QTL of tomato chromosome T4 and to a major QTL resistant to several P. capsici

races mapped on the colinear region of pepper chromosome P5 (Thabuis et al. 2003;

Ogundiwin et al. 2005; Sugita et al. 2006; Bonnet et al. 2007, TG123, TG609, TG483

markers). It is possible that the most important potato meta-QTL of chromosome V coincides

with QTLs of chromosome P5 but it is more difficult to align it to anyone of the lb5 QTLs of

tomato. Concerning chromosome VIII QTLs, the lower meta-QTL of potato seems to

correspond to the lb8a QTL of L. habrochaïtes (Brouwer and St Clair 2004, flanking marker

TG16 marker) and to a QTL detected in S. pimpinellifolium (Frary et al. 1998, TG261-CT68

interval) but no pepper QTL was detected on this chromosome. The potato meta-QTL of

chromosome IX might be colinear to the lb9a QTL of tomato chromosome T9 (loose flanking

marker CT143) but does not correspond to Ph-3 major gene (Chunwongse et al. 1998),

neither to any of the pepper QTLs of chromosome P9 (Bonnet et al. 2007; Ogundiwin et al.

2005). Chromosome X potato meta-QTLs do not correspond to the lb10 QTL of tomato but

may be colinear to one QTL of chromosome P10 in pepper (Lefebvre et al. 2002; Thabuis et

al. 2003; Bonnet et al. 2007; Barchi et al. 2007) and to the Ph-2 large-spectrum major gene

of L. pimpinellifolium (Moreau et al. 1998) (in this latter case, it is rather the lower meta-QTL

of chromosome X which would be concerned, according to CD5 and CT124 markers).

Despite these comparisons are still imprecise, they show that the number of functional

colinearities across Solanaceae for Phytophthora resistance is limited. At the same time,

they stress the importance of the functional colinearity involving the QTL regions of

chromosomes IV of potato and T4 of tomato, and the chromosome P5 of pepper already

(Pflieger et al. 2001; Thabuis et al. 2003).

Conclusion

Through this study, we demonstrated that, as soon as numerous QTL data are collected (at

least 2 QTLs from different studies mapped in the same region) and well-linked by common

genetic markers (2 by chromosome), meta-analysis becomes a powerful tool to give valuable

directions for future genetic research and breeding. QTL meta-analysis especially provides

interesting targets for candidate gene approach and for marker-assisted breeding. It is thus

worth enriching this meta-analysis with all new QTL detected with any trait. To improve this

approach and to get other facets of the loci description, it would be interesting to precisely

describe the kind P. infestans isolates used for resistance assessments and to include this

information in the meta-analysis in the same way of relatedness as it is done for the traits. It


182

would thus be possible to more accurately evaluate the action spectrum of meta-QTLs, which

is one of the characteristics which is thought to be linked with the durability of pathogen

resistance. At last, another improvement of the method would be to integrate the relatedness

between parental clones across the different experiments, along with their pedigree. In this

way, it would be possible to better determine which sources would be the donors of the

resistant alleles.

Acknowledgments

We gratefully thank the international research groups of Stefano Constanzo (USDA, USA),

Dan Milbourne (Teagasc, Ireland), Merideth Bonierbale (CIP, Peru), Herman van Eck (WUR,

The Netherlands) and Christiane Gebhardt (Max-Planck Institute, Germany) for their help in

collecting non-published QTL data information for the meta-analysis.

This work was financially supported by the European BIOEXPLOIT project FOOD CT2005-

513959. S. Danan received a PhD fellowship funded by the European BIOEXPLOIT project

FOOD CT 2005-513959.

References

Les références bibliographiques citées dans ce chapitre sont listées à la fin du rapport.


183

V.3 Synthèse du chapitre

La méta-analyse de QTL chez la pomme de terre pour la résistance au mildiou et pour la

maturité de la plante a permis de mettre en évidence les locus susceptibles de correspondre

aux mêmes gènes sous-jacents à travers différentes études indépendantes et de souligner la

position de locus originaux qui semblent être plus spécifiques de certaines études.

Ce travail a tout d’abord permis de valider l’efficacité de la méta-analyse par la confirmation

des observations déjà faites par simple comparaison des cartes via les marqueurs communs

telle que réalisée et illustrée dans le Chapitre I-Synthèse bibliographique de ce rapport.

De plus, la méta-analyse a permis de donner de nouveaux éléments de réponse concernant

les relations entre résistance polygénique et monogénique d’une part, et résistance

polygénique au mildiou et maturité d’autre part, en précisant les positions de leurs locus

correspondant sur une carte unique. La méta-analyse a montré que des régions riches en

QTL colocalisent parfaitement avec des gènes majeurs, comme pour le chromosome IV, ce

qui confirme l’hypothèse souvent énoncée selon laquelle certains gènes sous-jacents à des

QTL de résistance au mildiou chez la pomme de terre seraient de la même nature

moléculaire que les gènes majeurs, et en particulier de type NBS-LRR (classe à laquelle

appartiennent tous les gènes majeurs clonés pour la résistance au mildiou jusqu’à présent).

En ce qui concerne les relations entre les QTL de résistance et les QTL de maturité, la méta-

analyse n’a pas permis d’avancer dans leur caractérisation car même si la colocalisation des

QTLs de ces deux caractères semble claire pour certains locus où des méta-QTL de

résistance colocalisent avec des méta-QTL de maturité (chromosome V), il est encore très

difficile de déterminer si les gènes sous-jacents sont pléïotropes, ou bien indépendants mais

très étroitement liés physiquement. De plus, le nombre d’études qui ont évalué la maturité

simultanément à la résistance au mildiou est réduit, ce qui a pour conséquence de faire

apparaître de nombreux QTL solitaires dans plusieurs régions. L’analyse globale où tous les

QTL étaient compilés sans distinction du caractère a par ailleurs montré que ces QTL de

maturité solitaires se regroupaient souvent avec des QTL de résistance au mildiou. Mais il

parait difficile d’accorder beaucoup de confiance dans ces colocalisations si elles

n’impliquent qu’un seul QTL de maturité. Néanmoins, la mise en évidence du lien étroit entre

ces deux caractères pour certains locus et leur absence de liaison pour d’autres locus

permet de donner des pistes aux sélectionneurs qui recherchent des QTL indépendants de

la maturité pour raccourcir le temps de culture.

La méta-analyse a également permis de construire une carte intégrée de la pomme de terre

très complète qui peut désormais servir de source de marqueurs non seulement pour l’étude

de la résistance au mildiou chez la pomme de terre mais aussi pour l’étude d’autres

caractères chez cette espèce.


184

Enfin, cette analyse a montré l’importance de la description précise et complète du matériel

utilisé (végétal et pathogène), des résultats des analyses (position des QTL, effet du QTL,

intervalle de confiance etc.) et des marqueurs communs entre les cartes pour faciliter la

comparaison entre différentes analyses et donner plus de confiance aux conclusions de

cette comparaison.

CHAPITRE VI

DISCUSSION GENERALE

Discussion générale

185

VI CHAPITRE VI : DISCUSSION GENERALE

L’objectif principal de la thèse était d’apprécier la diversité structurale des locus de

résistance aux Phytophthora chez les Solanacées, et cela, selon deux dimensions : 1-la

dimension génomique par l’étude de la diversité de distribution des locus sur le génome, et

2-la dimension phylogénique par l’étude de la diversité des espèces aux locus. Ainsi, l’étude

de la diversité structurale de position des locus a été réalisée en prenant comme modèle le

pathosystème pomme de terre/P. infestans pour lequel nous disposons de beaucoup de

données de cartographie de locus de résistance à l’heure actuelle. Les travaux de la thèse

ont participé à l’exploration de nouvelles sources de résistance chez des espèces sauvages

en utilisant différentes méthodes de détection de QTL. Les données produites ont ensuite

été associées à celles de la littérature dans une méta-analyse globale. Une représentation

clarifiée de l’organisation des locus de résistance à P. infestans sur le génome de la pomme

de terre a été ainsi réalisée. En mettant en valeur la congruence de locus aux diverses

origines, il devient alors possible de mieux apprécier leur diversité allélique (Figure VI.1).


186

Les 12 chromosomes des trois Solanacées sont schématisés par des barres horizontales : en vert pour la pomme de terre, en rouge pour la tomate et en jaune pour le piment. Les régions des QTL détectées chez le piment, la tomate et dans les populations INRA de pomme de terre ont été positionnées sur les chromosomes par des rectangles gris. Les méta-QTL de la carte consensus de la pomme de terre sont en noirs. Des flèches verticales vers le bas montrent l’appartenance des QTL de pomme de terre aux méta-QTL de la carte consensus. Les gènes majeurs (ronds rouges) ont été ajoutés sur la carte consensus. L’exploration de la diversité des locus de résistance aux Phytophthora a été effectuée selon deux dimensions : la diversité de la position des locus sur le génome et la diversité allélique à chaque locus.

Figure VI.1 L’exploration de la diversité des locus des résistances aux Phytophthora selon deux dimensions

I II III IV V VI VII VIII IX X XI XII

15 QTL 03D 9 régions 4 populations connectées 4 parents

30 QTL 96D 12 régions + 1 LG 2 populations indépendantes 2 parents

144 QTL 26 méta-QTL 21 cartes QTL 12 locus/clusters de gènes carte consensus de la pomme de terre

13 espèces

1 espèce

2 espèces

Diversité structurale - distribution sur le génome

tomate

piment

Diversité allélique et spécifique

évolution

pomme de terre

QTL

gène R

Zone de colinéaritéfonctionnelle P5-T4-IV

P5

T4

IV

QTL de la littérature provenant d'autres études

T4T3T2T1T5 T6 T7 T8 T9 T10T11T12

P4P3P2P1 P5 P6 P7 P8 P9 P10P11P12

21 régions 2 cartes de QTL


I II III IV V VI VII VIII IX X XI XII

15 QTL 03D 9 régions 4 populations connectées 4 parents

30 QTL 96D 12 régions + 1 LG 2 populations indépendantes 2 parents

144 QTL 26 méta-QTL 21 cartes QTL 12 locus/clusters de gènes carte consensus de la pomme de terre

13 espèces

1 espèce

2 espèces

Diversité structurale - distribution sur le génome

tomate

piment

Diversité allélique et spécifique

évolution

pomme de terre

QTL

gène R

Zone de colinéaritéfonctionnelle P5-T4-IV

P5

T4

IV

QTL de la littérature provenant d'autres études

T4T3T2T1T5 T6 T7 T8 T9 T10T11T12

P4P3P2P1 P5 P6 P7 P8 P9 P10P11P12




187

VI.1 Principaux résultats obtenus

VI.1.1 La cartographie de QTL dans des populations INRA selon différentes

méthodes d’analyse

La thèse présente les résultats de la cartographie de QTL de résistance au mildiou chez 6

populations de pomme de terre INRA. Celles-ci impliquent 3 sources de résistance qui sont

des espèces sauvages tubéreuses apparentées à la pomme de terre. Le test classique sur

feuillage et un nouveau test sur tige ont été effectués pour évaluer la résistance quantitative

à P. infestans. Dans les deux populations dérivant de S. sparsipilum et S. spegazzinii

(populations 96D31 et 96D32 respectivement), un total de 30 QTL ont été détectés,

correspondant à 13 régions génomiques distinctes, si on tient compte des relations de

colinéarité entre parents. Parmi elles, une région sur le chromosome X est particulièrement

bien conservée entre les différents parents et présente un effet fort pour la résistance sur

tige (chapitre III). Dans les quatre populations connectées dérivant de S. berthaultii

(populations 03D36, 03D39, 03D41, 03D42), l’analyse de QTL selon trois niveaux de

connexion entre les populations a permis de détecter un total de 15 QTL (9 régions

distinctes) chez les 4 parents au niveau ‘intra-population’, un sous-ensemble de 4 QTL (3

régions distinctes) au niveau ‘inter-population’ (données cumulées des populations demi-

sœurs), et 2 QTL au niveau ‘multi-population’ (données cumulées des 4 populations). Les

QTL les plus conservés entre parents et les plus stables à travers les différents niveaux

d’analyse ont été localisés sur les chromosomes IV et V, dans des régions riches en gènes

de résistance aux pathogènes (chapitre IV). L’analyse en schéma multi-population connecté

a permis de multiplier le nombre de données génotypiques et phénotypiques par deux puis

par 4, permettant ainsi de retreindre l’intervalle de confiance des QTL, et de mieux prendre

en compte la variabilité phénotypique due aux interactions QTL x fond génétique. Ces

analyses montrent également l’intérêt du test tige comme test quantitatif complémentaire aux

tests habituellement utilisés chez la pomme de terre, notamment le test sur feuillage. De

plus, ces résultats mettent en évidence la bonne compatibilité entre l’espèce cultivée S.

tuberosum et les espèces sauvages apparentées. Ces différents résultats contribuent à

faciliter l’exploitation des résistances partielles au mildiou chez la pomme de terre dans les

programmes d’amélioration variétale.


188

VI.1.2 La méta-analyse intra-spécifique chez la pomme de terre et espèces

apparentées (section Petota)

Les résultats des analyses QTL effectuées dans les populations INRA ont été compilés avec

ceux de 18 études publiées par une méta-analyse, sur le génome entier avec les populations

96D31 et 96D32 (chapitre V). Une carte intégrée de la pomme de terre pour les 12

chromosomes a été construite à partir des 2 132 marqueurs de 29 cartes génétiques de la

pomme de terre. Cette carte intégrée constitue donc l’une des cartes les plus denses jamais

construites chez la pomme de terre. Du fait qu’elle compte une majorité de marqueurs

facilement portables entre laboratoires (RFLP, SSR, STS), nous proposons qu’elle devienne

également une carte de référence. En effet, la carte UHD (Ultra Haute densité, Isidore et al.

2003 ; van Os et al. 2006) comprenant 10 000 marqueurs présente l’inconvénient de

compter surtout des marqueurs AFLP plus difficilement portables entre espèces.

Par la méta-analyse, 144 QTL cartographiés chez 13 espèces différentes apparentées à la

pomme de terre et chez la pomme de terre cultivée ont été regroupés en 26 méta-QTL

placés sur la carte consensus. Les méta-QTL des régions les plus riches en QTL présentent

des intervalles de confiance beaucoup plus petits que les QTL d’origine et des gènes

candidats pour ces méta-QTL ont été proposés. La méta-analyse des QTL de maturité de la

bibliographie a été réalisée simultanément pour mettre en évidence au niveau génétique

l’association indésirable observée au niveau phénotypique, les plantes les plus résistantes

étant souvent les plus tardives.

VI.2 Analyse critique des résultats obtenus

VI.2.1 La potentialité des espèces sauvages apparentées à la pomme de terre en

tant que sources de résistance à P. infestans

Les analyses QTL chez S. spegazzinii, S. sparsipilum et S. berthaultii avec les tests sur tige

et sur feuillage ont confirmé l’implication de régions déjà bien connues pour la résistance à

P. infestans et qui comprennent des clusters de gènes à différentes maladies comme ceux

des chromosomes IV (D9.13) et V (D9.33). Les résultats de ces analyses ont aussi mis en

évidence des régions inconnues ou moins fréquemment décrites comme celles des

chromosomes I (SPL et SPG), II (SPL), III (SPG), VIII (SPG et D9.13), IX (SPG et D9.33), X

(SPL et SPG) et XI (SPL et D9.13). Parmi elles, les régions du chromosome X de SPG et du

chromosome IX de D9.33 présentent les effets les plus forts, expliquant 29% et 28% de la

variabilité phénotypique avec les composantes du test tige L35 et REC, respectivement. Ces


189

valeurs sont relativement élevées par rapport aux effets des QTL habituellement décrits chez

la pomme de terre. En effet, sur les 106 QTL pour lesquels les valeurs de R² étaient

disponibles, 75% expliquent entre 4% et 15% de la variabilité phénotypique et seulement 7%

expliquent entre 30% et 63% de la variabilité observée (Figure VI.2). Les QTL aux effets les

plus forts ont été détectés chez les hybrides S. tuberosum x S. stenotomum (Collins et al.

1999), S. phureja x S. stenotomum (Simko et al. 2006), S. tuberosum x S. bulbocastanum

(Naess et al. 2000) et S. tuberosum x S. berthaultii (Ewing et al. 2000). Même si l’accession

S. berthaultii utilisée dans les croisements 03D est différente de celle de Ewing et al. (2000),

les résultats confirment le niveau relativement élevé de résistance partielle de cette espèce.

De plus, les clones des espèces S. spegazzinii et S. sparsipilum utilisés dans les

croisements 96D confèrent également un haut niveau de résistance aux nématodes à kystes

(Caromel et al. 2004, 2005). Elles constituent donc des sources intéressantes pour

l’introgression de résistances à des pathogènes majeurs dans l’espèce cultivée de pomme

de terre S. tuberosum.

Fre

quen

ce

0 10 20 30 40 50 60

010

2030

40

R² (%)

Fre

quen

ce

0 10 20 30 40 50 60

010

2030

40

R² (%) Figure VI.2 Fréquence des effets des QTL inclus dans la méta-analyse de QTL de résistance au mildiou chez la pomme de terre Les valeurs de R² étaient disponibles pour 106 QTL sur les 144 QTL intégrés dans l’analyse. Parmi ces QTL, 75% expliquent entre 4% et 15% de la variabilité phénotypique et seulement 7% expliquent entre 30% et 63% de la variabilité observée.


190

VI.2.2 Les avantages des cultivars S. tuberosum

La ségrégation claire de la résistance dans les différentes descendances montre la bonne

aptitude à la combinaison de S. tuberosum avec les trois espèces sauvages étudiées et

suggère la facilité d’exploitation de ces espèces apparentées dans les programmes de

sélection. De plus, que ce soit dans les populations INRA ou dans celles décrites dans la

bibliographie, des QTL ont toujours été détectés chez le parent sensible S. tuberosum avec

des effets semblables à la majorité de ceux détectés chez les espèces sauvages résistantes

(R²= 4-19%). Une des explications possibles serait que ces cultivars tétraploïdes présentent

également des résistances partielles qui sont mieux détectées dans les descendances après

réduction de leur niveau de ploïdie de 4x à 2x. L’effet résistant de certains allèles, masqué

au niveau tétraploïde, pourrait être exacerbé au niveau diploïde, permettant la détection de

QTL par contraste avec l’allèle de sensibilité. Cependant, cela pose la question de la

pertinence de ce type d’étude s’il faut ensuite revenir au niveau tétraploïde pour la création

variétale. Ainsi, malgré la complexité des analyses génétiques au niveau tétraploïde,

certaines études effectuées sur des populations issues de croisements entre cultivars de S.

tuberosum non réduits montrent leur potentialité à apporter un haut niveau de résistance

partielle au mildiou (Bormann et al. 2004 ; Bradshaw et al. 2004, 2006). Ces cultivars sont en

fait souvent issus de backcross multiples impliquant originellement une espèce apparentée à

la pomme de terre, comme c’est le cas du cultivar S. tuberosum cv. ‘Stirling’ qui compte S.

demissum dans son pédigrée (Bradshaw et al. 2006). Une autre explication pour la

résistance observée chez les parents S. tuberosum diploïdes serait la présence de gènes

majeurs aux effets diminués. L’affaiblissement de leur efficacité peut être dû à des

fonctionnalités atténuées des protéines codées, ou bien aux interactions épistatiques

négatives avec d’autres gènes du fond génétique, ou encore à l’isolat utilisé dont les

combinaisons de virulences ne correspondent pas au spectre d’action des gènes.

VI.2.3 L’intérêt du test tige pour l’étude de la résistance quantitative au mildiou

chez la pomme de terre

Les résultats des analyses de QTL sur les populations de pomme de terre INRA montrent

l’importance du test tige pour l’étude de la résistance polygénique au mildiou chez la pomme

de terre. Ce test quantitatif en conditions contrôlées, mis au point sur le pathosystème

piment/P. capsici, décompose la résistance selon la cinétique de développement de la

nécrose sur la tige de l’apex vers les racines (Lefebvre et Palloix 1996). Son efficacité,

prouvée, est toujours exploitée chez le piment. Chez la pomme de terre cependant, la tige a


191

été peu étudiée pour la résistance au mildiou alors qu’elle semble jouer un rôle-clé à la fois

dans la progression de la maladie dans la plante, du feuillage vers les tubercules, et dans la

propagation de la maladie entre les plantes d’un même champ (Glendinning 1989 ; Dorrance

et Inglis 1997 ; Chauvin et Pellé, données non publiées). Les travaux de la thèse ont validé

et montré l’intérêt de ce test tige chez la pomme de terre par la mise en évidence de régions

du génome qui contrôlent aussi la résistance sur feuillage (colocalisations observées sur le

chromosome X de SPL par exemple), ainsi que de nombreuses autres régions spécialisées

dans la résistance de la tige et qui ont des effets plus forts que ceux observés pour la

résistance sur feuillage. En décomposant la résistance complexe en composantes

élémentaires organe-spécifiques, ce type de test peut être employé dans l’optique de

construire des génotypes associant la résistance de différents organes. Ainsi, la résistance

de la tige peut être combinée à la résistance sur feuillage et sur tubercules.

VI.2.4 L’association maturité-résistance au mildiou chez la pomme de terre

La bibliographie rapporte l’existence de liens étroits entre la maturité de la plante et la

résistance au mildiou : d’une part les observations au champ montrent que les plantes les

plus résistantes sont très généralement les plus tardives, et d’autre part, la cartographie de

QTL des deux caractères dans les mêmes descendances montre de nombreux cas de

colocalisations, la plus connue étant celle du chromosome V. Cette association est

problématique pour les sélectionneurs qui souhaitent au contraire obtenir des variétés

résistantes précoces pour raccourcir le temps de culture. Les dispositifs de tests utilisés

dans le cadre de la thèse n’ont pas permis d’étudier le contrôle de la maturité des plantes

simultanément à celui de la résistance au mildiou. Néanmoins, en comparant les positions

des QTL détectés dans le matériel INRA par rapport à celles des QTL décrits dans la

littérature grâce aux marqueurs communs et par la méta-analyse, il semblerait que les QTL

que nous avons détectés sur les chromosomes II, III, IV, VIII, X, XI et XII contrôleraient la

résistance au mildiou indépendamment du type de maturité de la plante (Bormann et al.

2004; Bradshaw et al. 2004; Visker et al. 2005; Simko et al. 2006). En revanche, les QTL

cartographiés dans la partie supérieure du chromosome V (SH20, BF, D9.33) peuvent être

liés à la maturité de la plante. Pour tester cette hypothèse, il serait nécessaire d’évaluer la

maturité des clones des populations 03D en simultané avec leur résistance afin de pouvoir

détecter les QTL avec les variables de résistance corrigées par les valeurs de maturité.


192

VI.2.5 Les bases moléculaires possibles des QTL de résistance au mildiou chez la

pomme de terre

Parmi les 26 méta-QTL obtenus avec la méta-analyse chez la pomme de terre, ceux qui sont

constitués du plus grand nombre de QTL sont situés dans les clusters de gènes majeurs de

résistance des chromosomes IV, V et VIII. Ce sont d’ailleurs dans ces régions qu’ont été

détectés les QTL les plus conservés au sein des parents des populations INRA. Il est donc

possible que des allèles de gènes majeurs de type NBS-LRR, connus pour leur implication

dans la reconnaissance du pathogène, soient sous-jacents aux QTL de ces régions. Aussi,

la comparaison des positions des méta-QTL à celles des gènes de défense et analogues de

gènes de résistance des cartes fonctionnelles de la base PoMaMo (Gebhardt et al 1991;

Leister et al. 1996; Trognitz et al. 2002; Rickert et al. 2003 ;

https://gabi.rzpd.de/projects/Pomamo/) a mis en évidence des colocalisations de méta-QTL

avec des gènes impliqués dans les mécanismes de défense comme une ribonucléase, un

transporteur d’auxine, une oxydase polyphénol, l’osmotine et une chitinase. Les protéines «

heat-shock » ou LEA (Late-embryogenesis abundant), connues pour intervenir lors de stress

abiotiques sont aussi souvent cartographiées dans les régions des méta-QTL.

VI.2.6 L’utilité des marqueurs communs entre les cartes d’espèces apparentées

proches ou éloignées

Les marqueurs les plus couramment utilisés pour ancrer les cartes génétiques sont les

RFLP, CAPS et SSR. Dans le cadre de la thèse, la présence de ces marqueurs était

primordiale pour pouvoir comparer les positions des QTL avec précision et fut indispensable

pour la réalisation de la méta-analyse de QTL au sein de la pomme de terre. Comme cela a

été observé au cours de la thèse, la facilité de transfert de marqueurs d’une espèce à l’autre

est dépendante du type de marqueur et de l’éloignement phylogénétique des espèces à

comparer. Les SSR et CAPS étaient facilement transférables au sein des Solanum (pomme

de terre, espèces sauvages apparentées à la pomme de terre et tomate), alors que les

RFLP, principalement issus de la bibliographie, permettaient l’ancrage des cartes des

espèces plus éloignées, entre Solanum et Capsicum (piment) (Livingstone et al. 1999).

La facilité de transfert des marqueurs entre la tomate et la pomme de terre est bien illustrée

dans la littérature : la cartographie fine puis le clonage du gène R3a de résistance à P.

infestans ont pu être réalisés grâce au transfert de marqueurs de tomate du locus I2 de

résistance à F. oxysporum f. sp. lycopersici (Huang et al. 2005). De la même manière, les

gènes majeurs de résistance à P. infestans de différentes accessions de S. venturii ont été


193

isolés suite à la densification de leur région en marqueurs issus de la région colinéaire chez

la tomate qui comprend le gène Tm22 de résistance au TMV (Foster et al. 2009).

VI.3 La diversité de l’hôte : le champ des résista nces possibles pour

sélectionner les plus durables

VI.3.1 Diversité structurale : organisation des QTL sur le génome et méthodes de

détection de QTL

Dans le cadre de la thèse, la diversité de répartition des locus de résistance sur le génome a

été explorée à travers différentes méthodes d’analyses de QTL, dans des schémas de

croisements indépendants, connectés en plan factoriel, ou en méta-analyse. Chacune de

ces méthodes présente des avantages et des inconvénients, et fournit des informations

complémentaires par rapport autres. Ce sont en fait les objectifs de recherche et les moyens

disponibles qui permettent de déterminer la méthode à adopter (Tableau VI1).


194

Tableau VI.1 Comparaison des méthodes d’analyse de QTL utilisées au cours de la thèse FG : fond génétique (a) Avantages et inconvénients (ou contraintes) de chacune des méthodes Avantages/inconvénients-

contraintes

Schéma biparental

(QTL Cartographer)

Schéma factoriel ou diallèle (populations connectée s)

(MC-QTL)

Méta-analyse de QTL

(Méta-QTL)

Avantages

-permet la cartographie fine de QTL

pour le clonage du gène sous-jacent

-test des interactions épistatiques

-augmentation de la diversité allélique au locus par

l’intégration de parents aux origines parentales

différentes

-tests des interactions épistatiques au sein de différents

FG

-évaluation précise de l’effet allélique tenant compte de

différents FG

-mise en évidence des QTL les mieux conservés entre

géniteurs et les plus stables au travers des différents FG

(polymorphes)

-précision de la position des QTL, diminution de

l’intervalle de confiance

-répartition des QTL obtenus au laboratoire et

issus de la littérature sur une même carte

consensus (vue synoptique)

-classification des QTL grâce à des

probabilités associées à différents modèles

-diminution de l’intervalle de confiance du

méta-locus par rapport aux intervalles de

confiance des QTL d’origine et proposition de

gènes candidats positionnels par alignement

avec des cartes fonctionnelles ou avec les

données de séquençage (si le génome est

séquencé)

Inconvénients/contraintes

-effet d’échantillonnage de population à

effectif limité et détection de faux

positifs (erreur de type I)

-faible diversité allélique mesurée

-effet allélique biaisé si très influencé

par le FG

-risque de dilution des QTL à effets faibles

-nécessité d’avoir des marqueurs communs suffisants

entre les cartes parentales

-nécessité d’avoir 2 marqueurs-ancres entre 2

cartes génétiques au minimum

-nécessité d’avoir un nombre important de

données de QTL (au moins 3 QTL

congruents)

-les données de chaque population sont

considérées comme indépendantes

-pas de traitement des données brutes de

génotypage


195

(b) classification des méthodes selon la question de recherche posée La méthode est classée selon sa pertinence : de 1 (méthode la plus pertinente) à 3 (la moins pertinente). FG : fond génétique Question de recherche Schéma biparental

(QTL Cartographer)

Schéma factoriel ou diallèle (populations connectée s)

(MC-QTL)

Méta-analyse de QTL

(Méta-QTL)

Comment s’organisent les

QTL sur le génome de

l’espèce étudiée ?

3

une seule cartographie de QTL avec

une population au nombre d’individus

restreint et risque de biais

d’échantillonnage avec erreur de type I

2

(plusieurs fonds génétiques pris en considération,

détection puissante et sélection des QTL les plus

conservés entre parents et stables au travers des

différents FG

1

méthode privilégiée car pas de limite du

nombre d’études à compiler

Quels sont les effets des

allèles aux QTL ?

2

nombre limité d’allèles aux QTL

1

effets des allèles aux QTL mieux évalués dans différents

FG

3

les effets ne sont pas recalculés après

compilation des données

Quelles sont les sources de

résistance qui apportent les

allèles favorables aux effets

les plus forts ?

3

un seul des 2 parents est la source de

résistance, comparaison limitée

1

possibilité de remonter à la source de l’allèle à travers les

connections d’apparentement entre les parents choisis,

d’autant plus puissant que le nombre de sources est

important

2

la distinction entre allèles au locus n’est pas

réalisable, mais possibilité d’impliquer de

nombreuses sources très variées dans la

compilation des données

Quels sont les gènes sous-

jacents aux QTL ?

1

schéma privilégié pour la cartographie

fine et clonage de gènes

(mendélisation du QTL et analyse de

recombinants)

1

les données de beaucoup d’individus peuvent être

compilées pour favoriser le nombre de recombinants

dans les régions de gènes d’intérêt

3

diminution de l’intervalle de confiance si

grande congruence de QTL dans la région

mais nécessité de revenir à la cartographie

avec des données brutes de génotypage et

phénotypage, mendélisation du QTL et

analyse d’haplotypes


196

L’une des différences principales observées entre la détection de QTL en schéma biparental

simple et en schéma connecté est le nombre de QTL détectés. L’utilisation de parents plein-

frères en schéma connecté aurait du théoriquement augmenter la puissance de détection de

QTL en analyse conjointe au niveau ‘multi-population’, or, on observe moins de QTL

détectés chez les populations connectées. Deux raisons majeures peuvent l’expliquer : i- le

seuil choisi d’erreur de type-I, plus stringent dans le cas de l’analyse en schéma connecté

pour mieux cibler les QTL qui ont un rôle significatif dans l’expression de la résistance, et ii-

les cartes partielles des parents des populations 03D, qui n’ont pas permis de détecter

l’ensemble des régions susceptibles d’être liées à la résistance.

En ce qui concerne l’objectif principal de la thèse qui était d’obtenir une vision clarifiée de

l’organisation des QTL de résistance au mildiou chez la pomme de terre, la méta-analyse est

la méthode qui y répond le mieux. Elle permet en effet de déterminer, pour un locus donné,

le nombre d’espèces ayant permis de le détecter et d’apprécier ainsi sa conservation entre

espèces, sa stabilité à travers différents fonds génétiques et différents environnements. De

plus, la méta-analyse donne des informations sur la spécificité d’action de ces locus, non

seulement au sein de la plante en fonction du ou des organe(s) impliqué(s) dans la

résistance, mais aussi vis-à-vis du spectre des isolats de pathogènes qui peuvent présenter

une ou plusieurs virulences. La méta-analyse confirme les résultats obtenus avec les deux

autres analyses qui sont d’une part, que la résistance polygénique au mildiou est contrôlée

par de nombreux gènes qui se répartissent sur tout le génome de la pomme de terre (26

méta-QTL au total), et d’autre part, que certaines régions sont fortement impliquées dans la

résistance en termes d’occurrence et d’effets des QTL. Ces régions sont notamment celles

des chromosomes IV et V qui correspondent à des régions déjà connues pour la résistance

à d’autres pathogènes.

Enfin, une répartition claire des locus sur le génome de la pomme de terre facilite sa

comparaison à celles de la tomate et du piment. Ainsi, l’étude de la répartition des locus

intra-spécifique peut être étendue à celle de l’architecture du caractère chez des espèces

phylogénétiquement éloignées.

VI.3.2 Diversité allélique au locus : exploration de la biodiversité par l’étude de

différentes sources de résistance

Par « diversité allélique » est entendu l’éventail des espèces chez lesquelles des QTL ont

été détectés à un locus donné ; le nombre d’espèces différentes ne renseigne cependant

pas sur la diversité des allèles sous-jacents, il est possible qu’il n’y ait que deux allèles


197

différents à un QTL, les deux mêmes allèles pouvant être présents chez plusieurs espèces

apparentées.

Dans le cadre de la thèse, l’exploration de la diversité allélique pour la résistance au mildiou

s’est effectuée par la détection de QTL chez des accessions de trois espèces différentes

apparentées à la pomme de terre et par l’analyse simultanée de l’ensemble des données

rapportées dans la littérature. Ainsi, les données de QTL des deux nouvelles sources de

résistance S. sparsipilum et S. spegazzinii et de S. berthaultii ont été intégrées aux données

de QTL et gènes majeurs de 25 espèces de Solanum tubéreuses appartenant à la section

Petota et chez S. caripense, non-tubéreuse, qui appartient à la section Basarthrum. Pour

avoir une idée du champ d’investigation des études de résistance au mildiou menées jusqu’à

ce jour chez les espèces apparentées à la pomme de terre, l’ensemble des espèces

impliquées dans les analyses sont présentées sous la forme d’un arbre phylogénétique

simplifié qui structure la section Petota en 4 clades (Figure VI.3). Néanmoins, il est difficile

de bien apprécier l’étendue des recherches car la structuration de la section Petota est

encore mal définie au niveau taxonomique. En effet, la classification en séries initialement

introduite par Hawkes (1990) ne permet pas de délimiter clairement les différents groupes.

De plus, les outils moléculaires n’ont pas permis d’obtenir de valeurs de structuration fiables

(Jacobs et al. 2008). L’arbre phylogénétique en 4 clades correspondrait cependant à un

consensus des différents résultats de classification. Par le repérage des 26 espèces

impliquées dans les études de cartographie, il apparaît que les 4 clades ont été explorés par

l’étude d’au moins une espèce représentative. Lorsque l’on tient compte de la classification

plus fine, en séries, de Hawkes (1990), 10 séries sur 21 ont fait l’objet de cartographie de

locus de résistance au mildiou (Bulbocastana, Piurana, Tuberosa 1, 2 et 3, Demissa,

Yungasensia, Pinnatisecta qui sont des espèces diploïdes, et Longipedicellata et Tuberosa

cult. qui comprennent des espèces polyploïdes). Cela signifie qu’une grande part de la

diversité des espèces de la section Petota, correspondant à plus de la moitié d’après la

classification en série, reste encore à explorer.


198

S. tarijense

S. chacoense

S. gourlayi

S. spegazzinii

S. vernei

S. verrucosum

S. demissum

S. stenotomum S. phureja

S. paucissectum

S. sparsipilum

S. kurtzianum

S. stoloniferum (=S. papita)

S. bulbocastanum

S. yungasense

S. berthaultii

S. chromatophilum

S. microdontum

S. stenophyllidium

(=S. brachistotricum)

S. mochiquense

S. neorossii

S. caripense

S. venturii

S. tuberosum

S. pinnatisectum

S. polytrichon

Clade 4

Clade 3

Clade 2

Clade 1R gene

QTL

Section Petota

espèce cultivée

Section Basarthrum

S. tarijense

S. chacoense

S. gourlayi

S. spegazzinii

S. vernei

S. verrucosum

S. demissum

S. stenotomum S. phureja

S. paucissectum

S. sparsipilum

S. kurtzianum

S. stoloniferum (=S. papita)

S. bulbocastanum

S. yungasense

S. berthaultii

S. chromatophilum

S. microdontum

S. stenophyllidium

(=S. brachistotricum)

S. mochiquense

S. neorossii

S. caripense

S. venturii

S. tuberosum

S. pinnatisectum

S. polytrichon

Clade 4

Clade 3

Clade 2

Clade 1R gene

QTL

Section Petota

espèce cultivée

Section Basarthrum

Figure VI.3 Distribution des sources de résistances partielles et majeures sur l’arbre phylogénétique simplifié des espèces Solanum tubéreuses utilisées comme sources de résistance au mildiou dans les études de cartographie de QTL et gènes majeurs Les espèces encadrées en rouge sont porteuses de gènes majeurs de résistance (R-genes) et les espèces encadrées en bleu sont les espèces porteuses de QTL de résistance partielle (arbre phylogénique issu d’une classification basée sur l’ADN chloroplastique d’après Spooner et Castillo 1997).

La section Petota, comme la section Lycopersicon qui comprend la tomate cultivée, sont en

fait des sous-groupes du grand clade «pomme de terre » qui lui-même est l’un des 11 à 15

clades (indéfini) du genre Solanum comprenant notamment l’aubergine (Solanum

melongena). Le piment qui appartient au genre Capsicum est en revanche

phylogénétiquement plus éloigné des trois Solanacées précédemment citées (Bohs et

Olmstead 1997, Figure VI.4).


199

68

46

43

99

85

98

98

98

Petunia axillaris

Nicotiana tabacum

Physalis alkekengi

Capsicum baccatum

Cyphomandra betacea

Solanum melongena

Solanum candidum


Solanum tuberosum


Solanoideae

Nicotianoideae

68

46

43

99

85

98

98

98

Petunia axillaris

Nicotiana tabacum

Physalis alkekengi

Capsicum baccatum

Cyphomandra betacea

Solanum melongena

Solanum candidum


Solanum tuberosum


Solanoideae

Nicotianoideae

Figure VI.4 Arbre phylogénétique des Solanacées (d’après Bohs et Olmstead 1997) La thèse a donc permis d’évaluer l’étendue de l’exploration de la diversité des gènes de

résistance au mildiou chez les espèces apparentées à la pomme de terre sur l’ensemble du

génome. Cependant, pour la pomme de terre, les informations de pédigrées sont très

hétérogènes selon les cultivars et la taxonomie n’étant pas encore bien établie, il est assez

difficile de déterminer précisément les origines possibles des locus de résistance détectés.

VI.3.3 Exploitation de la diversité en sélection

VI.3.3.1 Les outils moléculaires : les marqueurs de la diversité allélique

Les SSR sont connus pour être hautement polymorphes et sont des marqueurs de premier

choix pour mesurer la variabilité allélique à un locus. Ces marqueurs sont très régulièrement

utilisés pour étudier la diversité d’espèces de Solanum (Moisan-Thiery et al. 2005 ; Ghislain

et al. 2009) et d’isolats de Phytophthora (Oliva et al. 2007). Néanmoins, leurs principaux

inconvénients sont leur praticité d’utilisation limitée et l’ambiguïté générée lorsque deux

allèles ont la même taille sur le gel.

Les marqueurs SNP (Single Nucleotide Polymorphism) en revanche, permettent de

démarquer la présence d’un allèle parmi d’autres qui se distinguent par une mutation

ponctuelle de nucléotides. La faible variabilité au locus est compensée par le cumul de

plusieurs SNP liés par déséquilibre de liaison et qui forment ainsi des haplotypes au fort

potentiel d’association à un phénotype particulier (Rafalski 2002). Les haplotypes de SNP

sont d’ailleurs aujourd’hui des outils moléculaires privilégiés en génétique d’association qui

se base sur des populations naturelles non-structurées. Malgré la complexité de la mise en


200

place de cette méthode chez les espèces hétérozygotes qui présentent différentes phases

alléliques aux marqueurs, la génétique d’association basée sur les SNP commence à être

explorée chez la pomme de terre (Simko et al. 2006).

VI.3.3.2 Les méthodes de sélection qui tiennent compte de la diversité

-Les sélections phénotypiques

Le maintien de la diversité dans les programmes de sélection peut être réalisé par

l’incorporation de variétés locales dans les croisements selon différents schémas de

sélection et notamment la sélection récurrente. Le principe de la sélection récurrente est de

conserver le plus longtemps possible un haut niveau de variabilité génétique au cours des

cycles successifs de sélection. Chez la pomme de terre, un programme de sélection

récurrente pour le pyramidage de gènes de résistance au mildiou, au nématode à kyste

Globodera pallida et au Potato virus Y (PVY) a récemment été publié (Bradshaw et al. 2009).

Les résistances polygéniques ont été préférentiellement choisies car, quand le programme a

commencé en 1991, les résistances monogéniques à ces pathogènes étaient déjà

contournées. Trois types de croisements de départ ont été réalisés en partant de 36 parents

conférant des résistances différentes (résistance au mildiou x résistance aux nématodes ;

résistance au mildiou x résistance au virus ; résistance aux nématodes x résistance au

virus). Quatre cycles de sélection ont été effectués en intercroisant à chaque fois les

descendants des croisements des cycles précédents. A chaque cycle, la sélection a porté

sur différents critères agronomiques et de qualité du tubercule, le dénominateur commun

ayant toujours été la résistance au mildiou et aux nématodes. Pour le 4ème cycle, de

nouvelles sources de résistance au mildiou ont été introduites. Malgré la sélection

systématique à chaque cycle pour les caractères purement agronomiques, ces derniers n’ont

pas été significativement améliorés alors que les niveaux de résistance au mildiou et aux

nématodes ont été augmentés. Ce programme a donc permis de montrer aux sélectionneurs

l’avantage de ce schéma de sélection récurrente phénotypique basé sur la sélection précoce

des résistances avec l’apport de nouveau matériel assez tardivement. Ce programme

permet également de raccourcir de moitié le nombre de cycles moyens habituellement

nécessaires pour créer une variété de pomme de terre (12 à 15 ans). En effet, la sélection

de la pomme de terre encore régulièrement appliquée aujourd’hui démarre sur une base très

large d’individus générés par plusieurs centaines de croisements (de 700 à 1000

croisements par an pour le comité de sélectionneurs ‘Bretagne Plants’ en France par

exemple). Ces croisements sont suivis de plusieurs cycles de sélection phénotypiques

classiques qui s’appliquent en premier lieu sur les caractères de forme du tubercule, de

concentration en glycoalcaloïdes (toxiques) et de qualité du tubercule pour l’industrie,


201

réservant la sélection pour les résistances aux pathogènes, quand elle a lieu, pour les tous

derniers cycles.

-La sélection assistée par marqueurs liés spécifiquement au locus d’intérêt

Même si la sélection phénotypique chez la pomme de terre est encore celle qui est la plus

largement utilisée actuellement, de nouvelles méthodes qui utilisent les marqueurs

moléculaires comme outils de sélection commencent à être mises en place. En ce qui

concerne les résistances aux maladies, la sélection assistée par marqueurs (SAM) est en

cours de développement pour les résistances au virus PVY et au nématode à kystes

Globodera pallida (Sylvie Marhadour, com. pers.). Dans le cadre de la thèse, les marqueurs

cartographiés dans les régions des QTL de résistance au mildiou des populations INRA

96D31 et 96D32 ont été diffusés au sein du contrat de branche de la pomme de terre CB31

(2005-2009, subventionné par le Ministère de l’Agriculture). Ce contrat qui impliquait des

sélectionneurs de pomme de terre avait pour objectif d’évaluer la faisabilité de la SAM chez

cette espèce en France. Les marqueurs qui ont été développés par différents laboratoires de

recherche pour la résistance aux principaux pathogènes et pour la teneur en glycoalcaloïdes

serviraient ainsi de sources de marqueurs utiles pour sélectionner les locus d’intérêt. Les

marqueurs PCR (SSR, CAPS) sont les plus utilisés. Les SNP sont également de plus en

plus utilisés en sélection pour leur efficacité dans la détection de l’allèle d’intérêt et pour leur

praticité d’utilisation pour le génotypage à haut débit. Chez la pomme de terre l’un des SNPs

liés à un QTL de résistance au nématode à kyste Globodera pallida sur le chromosome V

présente une haute valeur prédictive et constitue un outil de diagnostique puissant pour

sélectionner les génotypes résistants (Sattarzadeh et al. 2006).

-La sélection par marqueur sur le génome entier : la sélection génomique

Pour faciliter la sélection des caractères polygéniques, un nouveau type de sélection permet

de mesurer avec précision les effets de nombreux locus répartis sur tout le génome

(Meuwissen et al. 2001). La sélection génomique (Genomic Selection, GS) est basée sur la

procédure statistique de Lander et Thompson (1990) qui permet d’estimer simultanément les

effets de tous les marqueurs moléculaires du génome cartographiés dans la population

d’étude. La variance génétique totale du caractère est obtenue en additionnant les effets aux

marqueurs. La procédure-clé de la GS est le calcul de l’estimateur GEBV (genomic

estimated breeding value) d’une population-test composée des individus les plus informatifs

de la population d’amélioration et qui sont choisis pour être à la fois entièrement phénotypés

et génotypés. La valeur phénotypique des individus de la population d’amélioration qui n’ont

pas été phénotypés, mais dont les données génotypiques sont disponibles, pourra être

estimée directement grâce au GEBV. La GS suppose que la carte génétique de la population


202

soit dense en marqueurs pour ‘capturer’ un maximum de locus qui auraient un effet (même

faible) sur l’expression du caractère (Heffner et al. 2009). La GS offrirait un outil pour décider

du choix des parents les plus éloignés possibles au niveau phylogénétique et de sélectionner

les individus-frères de la population qui se démarquent le mieux, évitant ainsi les

dépressions de consanguinité. D’autres questions pratiques vont influencer le succès de

cette méthode : la précision de la sélection génomique dépend de l’architecture génétique du

caractère, du degré de déséquilibre de liaison de la population d’amélioration qui est aussi

fonction de la quantité de marqueurs moléculaires disponibles, ainsi que des méthodes

statistiques utilisées. La sélection génomique va aussi modifier le rôle du phénotypage, qui,

utilisé à l’origine comme moyen d’évaluation des génotypes, va devenir un outil de mise au

point d’un modèle statistique ou de prédiction des valeurs de sélection. Cette méthode serait

bien adaptée à la sélection pour la résistance partielle au mildiou chez la pomme de terre

car, en plus du raccourcissement du temps de sélection, cette méthode permet de réduire

des surfaces de tests phénotypiques qui mobilisent aujourd’hui jusqu’à 10 000 parcelles par

an (Comité Nord 2008, S. Marhadour, com. pers.).


203

VI.3.3.3 L’importance de la diversité dans les types variétaux

Une autre composante qui participe à la durabilité d’une résistance est le choix du type

variétal lui-même. Il a été argumenté à plusieurs reprises que les variétés les plus aptes à

fournir des résistances durables sont les multilignées ou mélanges variétaux (Boyd 2006).

Ce sont respectivement des mélanges de lignées ou variétés, identiques ou similaires au

niveau de leurs caractères agronomiques, et qui ne diffèrent que par la composition de leurs

gènes de résistance. Il a cependant été démontré mathématiquement et expérimentalement

que ces lignées perdent de leur efficacité si elles ne sont pas renouvelées régulièrement ou

si leur composition est stable pendant une longue période. En effet, comme pour le

pyramidage de gènes dans un même génotype, la présence prolongée du même mélange

variétal peut favoriser l’apparition de « super-races » de pathogènes qui ont eu le temps de

cumuler les virulences nécessaires au contournement (Mundt 2002). Le stock des gènes doit

donc être réinitialisé de façon régulière, si possible en privilégiant les gènes des variétés

locales. Avec la sélection participative (Ceccarelli et al. 2000), les producteurs locaux sont

étroitement associés à l’amélioration des espèces qu’ils cultivent en intégrant leurs variétés

locales dans les schémas classiques de sélection. Ce maintien des variétés locales participe

de ce fait à la conservation des ressources génétiques. Dans cette optique, le centre de

ressources génétique international de la pomme de terre au Pérou (CIP) favorise la culture

des variétés locales des Pays du Sud en les améliorant pour la résistance au mildiou par

croisement avec d’autres variétés environnantes (source : http://www.cipotato.org).

VI.4 Des pistes pour prédire la durabilité des rési stances

VI.4.1 Du côté de la plante : le type de gène de résistance

Le clonage des gènes majeurs de résistances monogéniques durables a mis en évidence

des gènes qui sont actifs lors de la pénétration du pathogène dans la plante (mlo, Büschges

et al. 1997) ou qui appartiennent à la classe des NBS-LRR (Tm-22, Lanfermeijer et al. 2005).

Le clonage de quelques gènes sous-jacents à des QTL de résistance aux pathogènes a

montré qu’ils pouvaient être aussi des membres de la grande classe des gènes majeurs

NBS-LRR (Rcg1, Broglie et al. 2008), des kinases (Rpg1 et Yr36, Brueggman et al. 2002 ;

Fu et al. 2009), des facteurs de transcription de type WRKY (Qiu et al. 2009), une allene

oxide synthase (Pajerowska-Mukhtar et al. 2008) ou un transporteur (Lr34, Krattinger et al.

2009).


204

Les caractéristiques communes de ces gènes sont la résistance partielle qu’ils confèrent,

leur large spectre d’action et leur rôle-clef au sein d’un réseau de gènes. Leur action est

souvent en aval de la reconnaissance directe des effecteurs du pathogène, dans les voies

de transduction ou signalisation. D’autres séquençages de gènes reconnus comme durables

sont nécessaires pour confirmer ces observations et tenter de définir les critères de

prédiction de la durabilité d’un gène par rapport à sa nature moléculaire et/ou sa fonction.

VI.4.2 Du côté du pathogène : le pouvoir adaptatif

La durabilité d’une résistance est intimement liée à la capacité du pathogène à développer

des virulences pouvant contourner les gènes de résistance spécifique de l’hôte. Les

pathogènes qui maintiennent un taux élevé de variation génétique par un fort taux de

mutations ou dont le développement est un enchainement rapide de reproductions sexuées

favorisant les recombinaisons dans un court laps de temps sont ceux qui sont les plus aptes

à contourner les résistances race-spécifiques (McDonald et Linde 2002). L’autre paramètre à

prendre en compte est le coût de fitness associé à ces variations génétiques (van der Plank

1968) : si elles sont accompagnées d’une charge supplémentaire pour le pathogène,

nécessitant une consommation d’énergie accrue qui peut nuire à son développement et à sa

multiplication, ou si elles affectent les mécanismes nécessaires à l’infection de l’hôte, alors le

risque de contournement est beaucoup plus faible.

Ainsi, même si aujourd’hui le gène Rpg1 chez l’orge, conférant la résistance à Puccinia

graminis f.sp. tritici est contourné, la longue efficacité de ce gène très utilisé à travers le

monde a été expliquée par la concurrence de différents facteurs : ce gène ne conférait pas la

résistance complète, ce qui limite la pression de sélection de virulents chez le pathogène,

son efficacité était dépendante de l’action d’autres gènes qui interagissent avec Rpg1, et le

contournement de Rpg1 impliquait un coût de fitness important pour le pathogène

(Steffenson 1992). Un des enjeux actuels est d’arriver maintenant à prédire le coût de

l’adaptation des pathogènes aux gènes de l’hôte (Vera-Cruz et al. 2000 ; Leach et al. 2001 ;

Lecoq et al. 2004).

VI.4.3 La lutte génétique chez la pomme de terre : les nouvelles directions

Chez la pomme de terre, tous les gènes majeurs de résistance à P. infestans largement

déployés au début du XXème siècle sont aujourd’hui contournés. Les gènes de résistance

sont en effet exposés à une très grande faculté d’adaptation de P. infestans dont le pouvoir

évolutif est très fort, en particulier depuis que les deux types sexuels A1 et A2 sont présents


205

simultanément dans les régions de cultures de la pomme de terre. Pour remédier à ces

contournements rapides des résistances monogéniques, le pyramidage de gènes majeurs

peut être une solution (Tan 2008). Cependant, si cette stratégie est uniquement basée sur

les gènes majeurs, elle risque de favoriser le développement de « super-races »

contournantes. En revanche, le pyramidage de QTL, ou de QTL et de gènes majeurs parait

plus difficile à contourner. Cette approche a été expérimentée efficacement chez l’orge pour

la résistance à la rouille jaune (Castro et al. 2003) et chez le piment pour la résistance au

PVY (Palloix et al. 2009). Elle est aujourd’hui mise en place chez la pomme de terre avec la

création de nouvelles variétés comme ‘Coquine’ qui possède les deux types de résistance

(J.-E. Chauvin, com. pers). Cette association au sein d’un même génotype permet en effet

de cumuler les avantages des deux types de résistances : des effets très efficaces

spécifiques des gènes majeurs et le niveau de résistance partiel sous-jacent des QTL qui

assure une résistance générale et ‘sentinelle’ de la plante. De plus, en cas de suppression

de l’effet des gènes majeurs suite à l’apparition de nouvelles virulences dans le milieu, les

QTL pourraient prendre le relais et assureraient un niveau de résistance convenable qui

limiterait les dégâts de l’épidémie de mildiou.

VI.5 L’environnement, le garant de la résistance

VI.5.1 L’environnement des gènes de résistance : les réseaux de gènes et

l’épigénétique

La durabilité de la fonctionnalité d’un gène dépend étroitement de son environnement, à la

fois génétique et épigénétique. L’environnement génétique comprend les relations

épistatiques qui peuvent avoir lieu entre les gènes étudiés et les autres gènes du génome

par l’intermédiaire des interactions entre les protéines qu’ils expriment. Des protéines

comme les prions et les chaperones du type HSP (Heat Shock Protein) seraient plus enclins

que d’autres à interagir avec les gènes et leurs molécules exprimées. De plus, l’avènement

des microarrays montre que les gènes agissent au sein de réseaux qui sont à l’origine du

phénotype observé. Cela est particulièrement le cas pour les résistances complexes aux

pathogènes. De nouvelles stratégies comme la génomique génétique (‘genetical genomics’)

sont développées pour mieux comprendre ces interactions entre gènes impliqués dans le

contrôle des caractères polygéniques (Jansen et Nap 2001). Cette stratégie a pour objectif

de mettre en relation les profils d’expression et les profils de génotypage des individus d’une

population en ségrégation pour un caractère polygénique afin de faire de la cartographie de

‘eQTL’ et de dégager les réseaux de gènes et les voies métaboliques qui participent à


206

l’expression du phénotype observé (Kliebenstein 2009). De façon plus étendue, le protocole

MetaNetwork compile les données du métabolome, transcriptome et protéome aux données

génotypiques et phénotypiques classiques afin de faire la cartographie de QTL d’abondance

de métabolites et reconstituer les réseaux métaboliques associés (Fu et al. 2007).

L’épigénétique comprend l’ensemble des phénomènes qui ont lieu dans la cellule et qui

peuvent affecter l’expression du gène à différents niveaux :

-au niveau de la structure de l’ADN comme la méthylation, l’action des éléments

transposables (insertion, duplication de séquences) ;

-au niveau de la régulation de l’expression des gènes en aval de la séquence codante avec

les promoteurs, l’épissage alternatif, les interférences avec les ARN et microARN qui

peuvent être responsables de l’extinction de gènes (il a été montré que les microARN

pouvaient intervenir dans les réactions de défense de la plante ; Navarro et al. 2008) ;

-au niveau des régions non codantes de l’ADN comme les introns et l’hétérochromatine, aux

fonctions peu connues, qui peuvent jouer également un rôle dans l’expression des gènes.

VI.5.2 L’environnement de la plante : systèmes et techniques de culture pour une

meilleure gestion des résistances dans l’espace et dans le temps

La résistance à un pathogène peut demeurer efficace dans l’espace et dans le temps en

créant un milieu défavorable au développement et à la progression du pathogène (revue par

Finckh 2008).

Sur le plan spatial, une des stratégies est de reprendre le concept des mélanges variétaux

ou multilignées mais en ajoutant une configuration spatiale particulière avec plusieurs types

de plantes : espacement des rangées de plantes ayant un même niveau de sensibilité et

séparation avec des rangées de plantes différentes au niveau de leur architecture, comme

au niveau de leur sensibilité. Cette alternance génère des changements micro-climatiques

qui freinent le développement du pathogène dans l’espace. De plus, les infections différentes

selon les plantes favorisent les génotypes les plus résistants, ce qui, sur une large gamme

d’environnements, donne des rendements plus stables en moyenne par rapport aux

monocultures classiques. Comme pour les variétés en mélange, la diversité d’hôtes favorise

la diversité des pathogènes et augmente la chance de trouver des pathotypes avirulents sur

un génotype donné. Cela génère une résistance induite dans l’ensemble du système qui est

maintenue en alerte, prête à réagir rapidement en cas d’attaque de pathogène, selon le

processus de résistance systémique acquise (SAR, systemic acquired resistance).

Cependant cette technique ne se montre pas toujours efficace. Pour le mildiou de la pomme

de terre, les mélanges variétaux et plantations par alternance de rangées de variétés aux


207

niveaux de sensibilité différents n’ont eu qu’un très faible effet bénéfique, en particulier

lorsque les conditions climatiques sont favorables au pathogène (Garrett et Mundt 2000 ;

Andrivon et al. 2003 ; Philips et al. 2005, Pilet et al. 2006). Une des explications de cette

absence d’efficacité serait que la plupart des résistances race-spécifiques en Europe ont été

contournées et finalement, dans les systèmes de mélanges et d’alternance de variétés aux

résistances partielles de différents niveaux, les variétés sensibles sont certes moins

attaquées mais les variétés résistantes le sont en moyenne beaucoup plus par rapport aux

monocultures. L’efficacité des mélanges est néanmoins observable avec une alternance

spatiale de pomme de terre / plantes non-hôtes (Bouws et Finckh 2008).

Sur le plan temporel, une autre stratégie est l’alternance des cultures dans le temps avec la

rotation des cultures. Elle raccourcit le temps d’adaptation du pathogène à l’hôte et réduit la

formation d’inoculum spécialisé. Comme cela est pratiqué en agriculture biologique, le

contrôle des mauvaises herbes tient une place importante dans la gestion des résistances

car elles peuvent constituer des zones refuges du pathogène pendant les rotations.

Pour assister l’agriculteur dans la gestion des résistances pendant la période de culture, des

systèmes d’alertes et d’aides à la décision pour le semis, la récolte et l’application des

pesticides, ont été mis au point pour un grand nombre d’espèces cultivées et leurs maladies.

Chez la pomme de terre, il existe des systèmes de veille épidémique tels que SimCast,

BLITECAST, MILEOS ou TOMCAST qui conseillent les producteurs de pomme de terre des

zones tempérées dans leurs applications de fongicides vis-à-vis de P. infestans. Ce système

permet de mieux gérer la maladie et de réduire les coûts de pesticides. Le système SimCast

a été adapté aux régions tropicales de la vallée de Toluca au Mexique, centre d’origine de P.

infestans et de la pomme de terre, en tenant compte du lessivage des fongicides dü aux

fortes précipitations locales. Ce système intervient en complément de l’utilisation de variétés

locales naturellement résistantes, exposées à des populations de P. infestans sexuées et

aux races très diverses (Grünwald et al. 2002).

La stratégie qui consiste à associer la lutte génétique et la protection raisonnée tout en

maintenant une gestion suivie des résistances, serait la stratégie la plus efficace pour

augmenter la durabilité des résistances déployées dans les cultures.

VI.6 Vers des modèles de prédiction de la durabilit é des résistances

D’après les observations effectuées dans différents pathosystèmes, les résistances les plus

durables vis-à-vis des pathogènes au spectre d’hôtes étroit seraient les résistances partielles

et additives polygéniques. Les résistances les plus durables aux pathogènes qui ont un large

spectre d’hôtes et au mode de nutrition et développement facultatif seraient les résistances


208

non-spécifiques, souvent polygéniques également (Parlevliet 2002). Ainsi les deux types

d’observations convergent en faveur de la durabilité des résistances polygéniques.

Avec ces observations et en tenant compte de ce qui a été dit dans les paragraphes

précédents, pour pouvoir prédire précisément la durabilité des résistances, les études de

modélisation ont porté sur la combinaison de gènes optimal associé au type de co-évolution

d’une part, et sur la meilleure association de gènes dans l’espace et dans le temps, d’autre

part (revu par Janzac 2008). Un des premiers prédicteurs qui a été proposé par McDonald et

Linde (2002) est basé sur le ‘potentiel évolutif’ du pathogène composé des paramètres de

taille de population, migration et système de reproduction du pathogène. Janzac et al. (2008)

ont proposé un autre prédicteur basé sur les facteurs d’avirulence chez les virus. Ce

nouveau prédicteur tient compte à la fois des évènements de mutations et /ou de

recombinaisons et sur la variation de fitness que cela engendre chez le pathogène. Une

contrainte de ce prédicteur est que l’on suppose posséder les séquences des gènes

d’avirulence du pathogène, ce qui n’est pas toujours le cas.

Les résultats de Palloix et al. (2009) montrent que le fonds génétique a une importance

majeure dans le conditionnement de la durabilité. L’intégration du fonds génétique dans les

études de modélisation devrait permettre d’en renforcer la valeur prédictive.

Pour le pathosystème pomme de terre/P. infestans, les gènes de virulences identifiés font

partie de la classe des RxLR (Birch et al. 2006). L’analyse de leur diversité est en cours et

réalisée en parallèle à celle qui est faite des gènes majeurs de résistance correspondants

chez la plante. Leurs analyses comparées devraient permettre à terme de voir se dessiner

des tendances évolutives que l’on pourrait rapprocher du niveau de durabilité potentielle des

gènes concernés. Leurs comparaisons avec les QTL donneraient également des indices sur

la durabilité des gènes sous-jacents.

CONCLUSION GENERALE

ET PERSPECTIVES

Conclusion-Perspectives

209

CONCLUSION GENERALE ET PERSPECTIVES

Les résistances aux Phytophthora chez les Solanacées s’observent sous les deux types

classiquement décrits : la résistance monogénique contrôlée par des gènes majeurs chez la

pomme de terre et la tomate, et la résistance polygénique contrôlée par des QTL chez les

trois espèces, ce type de résistance étant la seule connue pour la résistance à P. capsici

chez le piment. L’observation du contournement systématique des gènes majeurs de

résistance aux Phytophthora chez la pomme de terre et la tomate font apparaître les

résistances polygéniques comme l’alternative la plus prometteuse pour conférer une

résistance durable. L’enjeu actuel est de mieux caractériser ce type de résistance à la fois au

niveau structural (diversité allélique et organisation sur le génome) mais aussi au niveau

moléculaire (gènes sous-jacents aux QTL).

Les résultats obtenus dans le cadre de la thèse ont permis d’avancer dans la compréhension

des résistances polygéniques aux Phytophthora par différents moyens :

- par une évaluation précise des sources de résistances polygéniques étudiées dans la

biodiversité des espèces apparentées à la pomme de terre et la mise en évidence de la

potentialité des résistances de certaines d’entre elles ;

- par la clarification de la distribution des locus de résistance à P. infestans sur le génome de

la pomme de terre ;

- par la comparaison fine des locus de résistance d’une région synténique à l’échelle de la

famille des Solanacées (le piment, la tomate et la pomme de terre) ;

- en donnant des pistes sur la nature moléculaire des locus sous-jacents aux QTL de

résistance aux Phytophthora chez la pomme de terre.

La thèse a aussi permis de souligner les points qui nécessitent d’être étudiés de manière

approfondie pour pouvoir continuer à avancer dans la compréhension de ces résistances. Il

s’agit notamment de mieux caractériser le matériel d’étude, à savoir, le pédigrée et l’origine

des accessions ou cultivars utilisés dans les croisements, ainsi que les relations

phylogénétiques entre les espèces et isolats de Phytophthora utilisés lors des tests de

résistance. Ces informations donneraient en effet les moyens de mieux évaluer la résistance

des allèles et d’en caractériser le spectre d’action. De plus, les hypothèses sur la co-

évolution entre les espèces de Phytophthora et les Solanacées pourront ainsi être éclaircies.

Ainsi, une grande part des futures recherches va porter sur la continuation de l’étude de la

zone de colinéarité fonctionnelle de la zone synténique P5-T4-IV. En effet, le QTL Phy-P5

est en voie d’être cloné et, les gènes sous-jacents à ce QTL de résistance à Phytophthora

vont pouvoir être caractérisés. La séquence des gènes servira alors à rechercher les

Conclusion-Perspectives

210

homologues chez les autres Solanacées. Il sera alors possible de savoir précisément si les

gènes sous-jacents aux QTL en position colinéaire chez le piment, la pomme de terre et la

tomate dérivent d’un gène ancêtre commun, de plusieurs gènes ou s’ils n’ont aucun lien

d’apparentement phylogénétique. Simultanément, le locus identifié sur le chromosome IV de

la pomme de terre dans le matériel INRA va être davantage exploré par sa cartographie fine

grâce à l’ajout de marqueurs dans la région dérivés des données du séquençage du génome

de la pomme de terre en cours, tout en agrandissant la population 03D39. Il est aussi prévu

de mieux cerner le spectre d’action de ce locus par la réalisation de tests de résistance avec

différents isolats aux diverses virulences ayant servi à la détection de résistances

monogéniques et polygéniques dans d’autres matériels européens. L’effet de ce locus sera

également évalué après ajustement des valeurs de résistance avec celles de la maturité des

génotypes, mesurée simultanément. En particulier, un des moyens de savoir s’il existerait un

homologue de R2/Rpi-blb3 parmi les gènes sous-jacents au QTL détecté chez le parent

D9.13 serait de tester les génotypes résistants des descendances avec une construction de

souche de P. infestans comprenant le gène Avr2.

REFERENCES BIBLIOGRAPHIQUES

Références bibliographiques

211

A Achenbach U, Paulo J, Ilarionova E, Lübeck J, Strahwald J, Tacke E, Hofferbert H-R, Gebhardt C (2009) Using

SNP markers to dissect linkage disequilibrium at a major quantitative trait locus for resistance to the potato cyst nematode Globodera pallida on potato chromosome V. TAG Theoretical and Applied Genetics 118:619-629

Ahmadi N, Albar L, Pressoir G, Pinel A, Fargette D, Ghesquière A (2001) Genetic basis and mapping of the resistance to rice yellow mottle virus. III. Analysis of QTL efficiency in introgressed progenies confirmed the hypothesis of complementary epistasis between two resistance QTLs. TAG Theoretical and Applied Genetics 103:1084-1092

Allen RL, Bittner-Eddy PD, Grenville-Briggs LJ, Meitz JC, Rehmany AP, Rose LE, Beynon JL (2004) Host-parasite coevolutionary conflict between Arabidopsis and downy mildew. Science 306:1957-1960

Altschul SF, Gish W, Miller W, Myers EW, Lipman DJ (1990) Basic local alignment search tool. Journal of Molecular Biology 215: 403-410

Andersson B, Sandström M, Strömberg A (1998) Indications of soil borne inoculum of Phytophthora infestans. Potato Research 41:305-310

Andrivon D, Lucas J-M, Ellisseche D (2003) Development of natural late blight epidemics in pure and mixed plots of potato cultivars with different levels of partial resistance. Plant Pathology 52:586-594

Arcade A, Labourdette A, Falque M, Mangin B, Chardon F, Charcosset A, Joets J (2004) BioMercator: integrating genetic maps and QTL towards discovery of candidate genes. Bioinformatics 20:2324 - 2326

Armstrong MR, Whisson SC, Pritchard L, Bos JIB, Venter E, Avrova AO, Rehmany AP, Bähme U, Brooks K, Cherevach I, Hamlin N, White B, Fraser A, Lord A, Quail MA, Churcher C, Hall N, Berriman M, Huang S, Kamoun S, Beynon JL, Birch PRJ (2005) An ancestral oomycete locus contains late blight avirulence gene Avr3a, encoding a protein that is recognized in the host cytoplasm. PNAS Proceedings of the National Academy of Sciences USA 102:7766-7771

Ashikari M, Sakakibara H, Lin S, Yamamoto T, Takashi T, Nishimura A, Angeles ER, Qian Q, Kitano H, Matsuoka M (2005) Cytokinin oxidase regulates rice grain production. Science 309:741-745

Asnaghi C, Paulet F, Kaye C, Grivet L, Deu M, Glaszmann JC, D’Hont A (2000) Application of synteny across Poaceae to determine the map location of a sugarcane rust resistance gene. TAG Theoretical and Applied Genetics 101:962-969

Asp T, Frei U, Didion T, Nielsen K, Lübberstedt T (2007) Frequency, type, and distribution of EST-SSRs from three genotypes of Lolium perenne, and their conservation across orthologous sequences of Festuca arundinacea, Brachypodium distachyon, and Oryza sativa. BMC Plant Biology 7:36

Axelsson T, Shavorskaya O, Lagercrantz U (2001) Multiple flowering time QTLs within several Brassica species could be the result of duplicated copies of one ancestral gene. Genome 44:856-864

Ayme V, Souche S, Caranta C, Jacquemond M, Chadoeuf J, Palloix A, Moury B (2006) Different mutations in the genome-linked protein VPg of Potato virus Y confer virulence on the Pvr23 resistance in pepper. Molecular Plant Microbe Interactions 19:557-563

B Ballini E, Morel J-B, Droc G, Price A, Courtois B, Notteghem J-L, Tharreau D (2008) A Genome-wide meta-

analysis of rice blast resistance genes and quantitative trait Loci provides new insights into partial and complete resistance. Molecular Plant-Microbe Interactions 21:859-868

Ballvora A, Ercolano MR, Weiss J, Meksem K, Bormann CA, Oberhagemann P, Salamini F, Gebhardt C (2002) The R1 gene for potato resistance to late blight (Phytophthora infestans) belongs to the leucine zipper/NBS/LRR class of plant resistance genes. The Plant Journal 30:361-371

Ballvora A, Jocker A, Viehover P, Ishihara H, Paal J, Meksem K, Bruggmann R, Schoof H, Weisshaar B, Gebhardt C (2007) Comparative sequence analysis of Solanum and Arabidopsis in a hot spot for pathogen resistance on potato chromosome V reveals a patchwork of conserved and rapidly evolving genome segments. BMC Genomics 8:112

Barchi L, Bonnet J, Boudet C, Signoret P, Nagy I, Lanteri S, Palloix A, Lefebvre V (2007) A high-resolution, intra-specific linkage map of pepper (Capsicum annuum L) and selection of reduced recombinant inbred line subsets for fast mapping. Genome 50: 51-60

Basten CJ, Weir BS, Zeng Z-B (1994) Zmap-a QTL cartographer. Computing Strategies and Software In: J.S.G.C. Smith, B.J. Benkel,W.F. Chesnais, J.P. Gibson, B.W. Kennedy, E.B. Burnside (Eds.). Proceedings of the 5th World Congress on Genetics Applied to Livestock Production, Guelph, Ontario, Canada.


212

Published by the Organizing Committee, 5th World Congress on Genetics Applied to Livestock Production 22:65 - 66

Basten CJ, Weir BS, Zeng Z-B (1997) QTL Cartographer: a reference manual and tutorial for QTL mapping, 1.17 edn

Beavis W (1998) QTL analyses: Power, precision, and accuracy. In: Paterson AH (ed) Molecular Dissection of Complex Traits. CRC Press, Boca Raton, pp 145 -162

Bedo J, Wenzl P, Kowalczyk A, Kilian A (2008) Precision-mapping and statistical validation of quantitative trait loci by machine learning. BMC Genetics 9:35

Berg A (1926) Tomato late blight and its relation to late blight of potato. In: Experimental Station Bulletin 205. West Virginia Agriculture. Department, Charleston, WV, U.S.A. p 1-31

Bernardo R (2004) What proportion of declared QTL in plants are false? TAG Theoretical and Applied Genetics 109:419-424

Bhaskar P, Raasch J, Kramer L, Neumann P, Wielgus S, Austin-Phillips S, Jiang J (2008) Sgt1, but not Rar1, is essential for the RB-mediated broad-spectrum resistance to potato late blight. BMC Plant Biology 8:8

Bhattacharjee S, Hiller NL, Liolios K, Win J, Kanneganti T-D, Young C, Kamoun S, Haldar K (2006) The malarial host-targeting signal is conserved in the Irish potato famine pathogen. PLoS Pathogens 2:50

Bink M, Uimari P, Sillanpää M, Janss L, Jansen R (2002) Multiple QTL mapping in related plant populations via a pedigree-analysis approach. TAG Theoretical and Applied Genetics 104:751-762

Bink M, Anderson A, van de Weg W, Thompson E (2008) Comparison of marker-based pairwise relatedness estimators on a pedigreed plant population. TAG Theoretical and Applied Genetics 117:843-855

Birch PRJ, Rehmany AP, Pritchard L, Kamoun S, Beynon JL (2006) Trafficking arms: oomycete effectors enter host plant cells. Trends in Microbiology 14:8-11

Bisognin DA, Douches DS, Buszka L, Bryan G, Wang D (2005) Mapping late blight resistance in Solanum microdontum Bitter. Crop Science 45:340-345

Blanc G, Wolfe KH (2004) Widespread paleopolyploidy in model plant species inferred from age distributions of duplicate genes. Plant Cell 16:1667-1678

Blanc G, Charcosset A, Mangin B, Gallais A, Moreau L (2006) Connected populations for detecting quantitative trait loci and testing for epistasis: an application in maize. TAG Theoretical and Applied Genetics 113:206-224

Bohs L, Olmstead RG (1997) Phylogenetic Relationships in Solanum (Solanaceae) based on ndhF qequences. Systematic Botany 22(1) : 5-17

Bonnet J, Danan S, Boudet C, Barchi L, Sage-Palloix A-M, Caromel B, Palloix A, Lefebvre V (2007) Are the polygenic architectures of resistance to Phytophthora capsici and P. parasitica independent in pepper? TAG Theoretical and Applied Genetics 115:253-264

Borhan MH, Holub EB, Beynon JL, Rozwadowski K, Rimmer SR (2004) The Arabidopsis TIR-NB-LRR gene RAC1 Confers Resistance to Albugo candida (White Rust) and is Dependent on EDS1 but not PAD4. Molecular Plant-Microbe Interaction 17:711-719

Bormann CA, Rickert AM, Castillo Ruiz RA, Paal J, Lubeck J, Strahwald J, Buhr K, Gebhardt C (2004) Tagging quantitative trait loci for maturity-corrected late blight resistance in tetraploid potato with PCR-based candidate gene markers. Molecular Plant-Microbe Interactions 17:1126-1138

Bost B, de Vienne D, Hospital F, Moreau L, Dillmann C (2001) Genetic and nongenetic bases for the L-shaped distribution of quantitative trait loci effects. Genetics 157:1773 - 1787

Bouws H, Finckh MR (2008) Effects of strip-intercropping of potatoes with non-hosts on late blight severity and tuber yield in organic production. Plant Pathology 57: 916-927

Boyd LA, Smith PH, Hart N (2006) Mutants in wheat showing multi-pathogen resistance to biotrophic fungal pathogens. Plant Pathology 55: 475-484

Bradeen JM, Naess SK, Song J, Haberlach GT, Wielgus SM, Buell CR, Jiang J, Helgeson JP (2003) Concomitant reiterative BAC walking and fine genetic mapping enable physical map development for the broad-spectrum late blight resistance region, RB. Molecular Genetics and Genomics 269:603-611

Bradshaw JE, Bryan GJ, Hackett CA, McLean K, Pande B, Stewart HE, Waugh R (2004) Dissection and analysis of quantitative disease resistance in tetraploid potato. Euphytica 137:13-18

Bradshaw JE, Bryan GJ, Lees AK, McLean K, Solomon-Blackburn RM (2006a) Mapping the R10 and R11 genes for resistance to late blight (Phytophthora infestans) present in the potato (Solanum tuberosum) R-gene differentials of Black. TAG Theoretical and Applied Genetics 112:744-751


213

Bradshaw J, Hackett C, Lowe R, McLean K, Stewart H, Tierney I, Vilaro M, Bryan G (2006b) Detection of a quantitative trait locus for both foliage and tuber resistance to late blight [Phytophthora infestans (Mont.) de Bary] on chromosome 4 of a dihaploid potato clone (Solanum tuberosum subsp. tuberosum). TAG Theoretical and Applied Genetics 113:943-951

Bradshaw J, Dale M, Mackay G (2009) Improving the yield, processing quality and disease and pest resistance of potatoes by genotypic recurrent selection. Euphytica

Brasier CM (1992) Evolutionary Biology of Phytophthora .1. Genetic system, sexuality and the generation of variation. Annual Review of Phytopathology 30:153-171

Broglie KE, Butler KH, de Silva Conceicao A, Frey TJ, Hawk JA, Multani DS, Wolters PJCC (2008) Polynucleotides and methods for making plants resistant to fungal pathogens. E.I. du Pont de Nemours and Company, Pioneer Hi-Bred International, Inc.; University of Delaware, United States Patent Application 20080022426

Brouwer DJ, Jones ES, St Clair DA (2004) QTL analysis of quantitative resistance to Phytophthora infestans (late blight) in tomato and comparisons with potato. Genome 47:475-492

Brouwer DJ, St Clair DA (2004) Fine mapping of three quantitative trait loci for late blight resistance in tomato using near isogenic lines (NILs) and sub-NILs. TAG Theoretical and Applied Genetics 108:628-638

Brueggeman R, Rostoks N, Kudrna D, Kilian A, Han F, Chen J, Druka A, Steffenson B, Kleinhofs A (2002) The barley stem rust-resistance gene Rpg1 is a novel disease-resistance gene with homology to receptor kinases. PNAS Proceedings of the National Academy of Sciences USA 99:9328-9333

Bryan GJ, McLean K, Pande B, Purvis A, Hackett CA, Bradshaw JE, Waugh R (2004) Genetical dissection of H3-mediated polygenic PCN resistance in a heterozygous autotetraploid potato population. Molecular Breeding 14:105-116

Büschges R (1997) The Barley Mlo Gene: A Novel Control Element of Plant Pathogen Resistance. Cell 88 (5) : 695-705

C Calenge F, Faure A, Goerre M, Gebhardt C, van de Weg WE, Parisi L, Durel CE (2004) Quantitative trait loci

(QTL) analysis reveals both broad-spectrum and isolate-specific QTL for scab resistance in an apple progeny challenged with eight isolates of Venturia inaequalis. Phytopathology 94:370-379

Calenge F, Drouet D, Denance C, van de Weg WE, Brisset MN, Paulin JP, Durel CE (2005) Identification of a major QTL together with several minor additive or epistatic QTLs for resistance to fire blight in apple in two related progenies. TAG Theoretical and Applied Genetics 111:128-135

Calenge F, van der Linden CG, van de Weg E, Schouten HJ, van Arkel G, Denance C, Durel CE (2005) Resistance gene analogues identified through the NBS-profiling method map close to major genes and QTL for disease resistance in apple. TAG Theoretical and Applied Genetics 110:660-668

Caranta C, Lefebvre V, Palloix A (1997) Polygenic resistance of pepper to potyviruses consists of a combination of isolate-specific and broad-spectrum quantitative trait loci. Molecular Plant-Microbe Interactions 10:872-878

Caromel B, Mugniery D, Lefebvre V, Andrzejewski S, Ellisseche D, Kerlan MC, Rousselle P, Rousselle-Bourgeois F (2003) Mapping QTLs for resistance against Globodera pallida (Stone) Pa2/3 in a diploid potato progeny originating from Solanum spegazzinii. TAG Theoretical and Applied Genetics 106:1517-1523

Caromel (2004) Cartographie génétique et étude de QTL conférant la résistance au nématode à kyste Globodera pallida (Stone) chez la pomme de terre (Solanum tuberosum ssp. tuberosum L.). Thèse de l’université Paris XI Orsay, soutenue le 6 octobre 2004, 140p

Caromel B, Mugniery D, Kerlan MC, Andrzejewski S, Palloix A, Ellisseche D, Rousselle-Bourgeois F, Lefebvre V (2005) Resistance quantitative trait loci originating from Solanum sparsipilum act independently on the sex ratio of Globodera pallida and together for developing a necrotic reaction. Molecular Plant-Microbe Interactions 18:1186-1194

Castro AJ, Chen XM, Hayes PM, Johnston M (2003) Pyramiding quantitative trait locus (QTL) alleles determining resistance to barley stripe rust: effects on resistance at the seedling stage. Crop Science 43:651-659

Catanzariti A-M, Dodds PN, Lawrence GJ, Ayliffe MA, Ellis JG (2006) Haustorially expressed secreted proteins from flax rust are highly enriched for avirulence elicitors. Plant Cell 18:243-256

Cavalier-Smith T (2002) Chloroplast Evolution: Secondary Symbiogenesis and Multiple Losses. Current Biology 12(2): R62-R64

Cavanagh C, Morell M, Mackay I, Powell W (2008) From mutations to MAGIC: resources for gene discovery, validation and delivery in crop plants. Current Opinion in Plant Biology 11:215-221


214

Ceccarelli S, Grando S, Tutwiler R, Baha J, Martini AM, Salahieh H, Goodchild A, Michael M (2000) A methodological study on participatory barley breeding I. Selection phase. Euphytica 111:91-104

Charcosset A, Mangin B, Moreau L, Combes L, Jourjon M-F, Gallais A (2001) Heterosis in maize investigated using connected RIL populations. Quantitative genetics and breeding methods: the way ahead. Les colloques no 96, INRA Editions, Paris.

Chardon F, Virlon B, Moreau L, Falque M, Joets J, Decousset L, Murigneux A, Charcosset A (2004) Genetic

architecture of flowering time in maize as inferred from quantitative trait loci meta-analysis and synteny conservation with the rice genome. Genetics 168:2169 - 2185

Charmet G, Robert N, Perretant MR, Gay G, Sourdille P, Groos C, Bernard S, Bernard M (1999) Marker-assisted recurrent selection for cumulating additive and interactive QTLs in recombinant inbred lines. TAG Theoretical and Applied Genetics 99:1143-1148

Chunwongse J, Chunwongse C, Black L, Hanson P (1998) Mapping of the Ph-3 gene for late blight from L. pimpinellifolium L3708. TGC Report 48 In: TGC Tomato Genetic Cooperative Research Report pp.13-14

Chen H, Wang S, Xing Y, Xu C, Hayes PM, Zhang Q (2003) Comparative analyses of genomic locations and race specificities of loci for quantitative resistance to Pyricularia grisea in rice and barley. PNAS 100:2544-2549

Chen X, Salamini F, Gebhardt C (2001) A potato molecular-function map for carbohydrate metabolism and transport. TAG Theoretical and Applied Genetics 102:284-295

Chen C, Bowman K, Choi Y, Dang P, Rao M, Huang S, Soneji J, McCollum T, Gmitter F (2008) EST-SSR genetic maps for Citrus sinensis and Poncirus trifoliata. Tree Genetics and Genomes 4:1-10

Choi H-K, Luckow M, Doyle J, Cook D (2006) Development of nuclear gene-derived molecular markers linked to legume genetic maps. Molecular Genetics and Genomics 276:56-70

Christiansen MJ, Feenstra B, Skovgaard IM, Andersen SB (2006) Genetic analysis of resistance to yellow rust in hexaploid wheat using a mixture model for multiple crosses. TAG Theoretical and Applied Genetics 112:581-591

Collard B, Jahufer M, Brouwer J, Pang E (2005) An introduction to markers, quantitative trait loci (QTL) mapping and marker-assisted selection for crop improvement: The basic concepts. Euphytica 142:169-196

Collins A, Milbourne D, Ramsay L, Meyer R, Chatot-Balandras C, Oberhagemann P, De Jong W, Gebhardt C, Bonnel E, Waugh R (1999) QTL for field resistance to late blight in potato are strongly correlated with maturity and vigour. Molecular Breeding 5:387-398

Colon LT, Turkensteen LJ, Prummel W, Budding DJ, Hoogendoorn J (1995) Durable resistance to late blight (Phytophthora infestans) in old potato cultivars. European Journal of Plant Pathology 101:387-397

Colon LT, Nielsen BJ, U. D (2004) Eucablight protocol - Field test for foliage blight resistance.

Cooke DEL, Drenth A, Duncan JM, Wagels G, Brasier CM (2000) A molecular phylogeny of Phytophthora and related oomycetes. Fungal Genetics and Biology 30:17-32

Coque M, Martin A, Veyrieras J, Hirel B, Gallais A (2008) Genetic variation for N-remobilization and postsilking N-uptake in a set of maize recombinant inbred lines. 3. QTL detection and coincidences. TAG Theoretical and Applied Genetics 117:729-747

Coram T, Settles M, Wang M, Chen X (2008) Surveying expression level polymorphism and single-feature polymorphism in near-isogenic wheat lines differing for the Yr5 stripe rust resistance locus. TAG Theoretical and Applied Genetics 117:401-411

Corbière R, Trémoulet F, Lucas J, Pellé R, Ellisseche D, Andrivon D (2002) Dissection de la résistance partielle au mildiou de cultivars anciens de pomme de terre Journées Jean Chevaugeon : IVe rencontres de phytopathologie - mycologie Aussois, France

Corpet F (1988) Multiple sequence alignment with hierarchical clustering Nucleic Acids Research, 16, 10881-10890 (Multalin, http://bioinfo.genotoul.fr/multalin/multalin.html)

Costanzo S, Simko I, Christ BJ, Haynes KG (2005) QTL analysis of late blight resistance in a diploid potato family of Solanum phureja x S. stenotomum. TAG Theoretical and Applied Genetics 111:609-617

Crépieux S, Lebreton C, Servin B, Charmet G (2004) Quantitative Trait Loci (QTL) detection in multicross inbred designs: recovering QTL identical-by-descent status Iiformation from marker data. Genetics 168:1737-1749

Crépieux S, Lebreton C, Flament P, Charmet G (2005) Application of a new IBD-based QTL mapping method to common wheat breeding population: analysis of kernel hardness and dough strength. TAG Theoretical and Applied Genetics 111:1409-1419


215

D D’Arcy WG (1991) The Solanaceae since 1976, with a review of its biogeography. In: Solanaceae III: taxonomy,

chemistry, evolution, Bogota, Columbia, 25-30 1988. Hawkes JG, Lester RN, Nee M, Estrada R (eds.) Royal Botanic Gardens for the Linnean Society of London, Kew, U.K. pp 75-137

Dangl JL, Ritter C, Gibbon MJ, Mur LAJ, Wood JR, Goss S, Mansfield J, Taylor JD, Vivian A (1992) Functional homologs of the Arabidopsis RPM1 disease resistance gene in bean and pea. Plant Cell 4:1359-1369

Dangl JL (2007) PLANT SCIENCE: Nibbling at the Plant Cell Nucleus. Science 315:1088-1089

Darvasi A, Weinreb A, Minke V, Weller JI, Soller M (1993) Detecting marker-QTL linkage and estimating QTL gene effect and map location using a saturated genetic map. Genetics 134:943-951

Darvasi A, Soller M (1995) Advanced Intercross Lines, an experimental population for fine genetic mapping. Genetics 141:1199-1207

Datema E, Mueller L, Buels R, Giovannoni J, Visser R, Stiekema W, van Ham R (2008) Comparative BAC end sequence analysis of tomato and potato reveals overrepresentation of specific gene families in potato. BMC Plant Biology 8:34

Dean JD, Goodwin PH, Hsiang T (2005) Induction of glutathione S-transferase genes of Nicotiana benthamiana following infection by Colletotrichum destructivum and C. orbiculare and involvement of one in resistance. Journal of Experimental Botany 56:1525-1533

Decroocq V, Foulongne M, Lambert P, Gall O, Mantin C, Pascal T, Schurdi-Levraud V, Kervella J (2005) Analogues of virus resistance genes map to QTLs for resistance to sharka disease in Prunus davidiana. Molecular Genetics and Genomics 272:680-689

de Givry S, Bouchez M, Chabrier P, Milan D, Schiex T (2004) CARHTAGENE: multipopulation integrated genetic and radiated hybrid mapping. Bioinformatics:bti222

Djian-Caporalino C, Pijarowski L, Fazari A, Samson M, Gaveau L, O'Byrne C, Lefebvre V, Caranta C, Palloix A, Abad P (2001) High-resolution genetic mapping of the pepper (Capsicum annuum L.) resistance loci Me-3 and Me-4 conferring heat-stable resistance to root-knot nematodes (Meloidogyne spp.). TAG Theoretical and Applied Genetics 103:592-600

Doganlar S, Frary A, Daunay MC, Lester RN, Tanksley SD (2002a) A comparative genetic linkage map of eggplant (Solanum melongena) and its implications for genome evolution in the Solanaceae. Genetics 161:1697-1711

Doganlar S, Frary A, Daunay MC, Lester RN, Tanksley SD (2002b) Conservation of gene function in the Solanaceae as revealed by comparative mapping of domestication traits in eggplant. Genetics 161:1713-1726

Dorrance AE, Inglis DA (1997) Assessment of greenhouse and laboratory screening methods for evaluating potato foliage for resistance to late blight. Plant Disease 81:1206-1213

Douches D, Kirk W, Bertram M, Coombs J, Niemira B (2002) Foliar and tuber assessment of late blight (Phytophthora infestans (Mont.) de Bary) reaction in cultivated potato (Solanum tuberosum L.). Potato Research 45:215-224

Dowkiw A, Husson C, Frey P, Pinon J, Bastien C (2003) Partial resistance to Melampsora larici-populina leaf rust in hybrid poplars: genetic variability in inoculated excised leaf disk bioassay and relationship with complete resistance. Phytopathology 93:421-427

Dowkiw A, Bastien C (2004) Characterization of two major genetic factors controlling quantitative resistance to Melampsora larici-populina leaf rust in hybrid poplars: strain specificity, field expression, combined effects, and relationship with a defeated qualitative resistance gene. Phytopathology 94:1358-1367

Doyle JJ, Doyle JL (1990) Isolation of plant DNA from fresh tissue. BRL Focus 12:13–15

Drouin G, Dover GA (1990) Independent gene evolution in the potato actin gene family demonstrated by phylogenetic procedures for resolving gene conversions and the phylogeny of angiosperm actin genes. Journal of Molecular Evolution 31:132-150

Druka A, Potokina E, Luo Z, Bonar N, Druka I, Zhang L, Marshall D, Steffenson B, Close T, Wise R, Kleinhofs A, Williams R, Kearsey M, Waugh R (2008) Exploiting regulatory variation to identify genes underlying quantitative resistance to the wheat stem rust pathogen Puccinia graminis f. sp. tritici in barley. TAG Theoretical and Applied Genetics 117:261-272


216

E El-Kharbotly A, Leonards-Schippers C, Huigen DJ, Jacobsen E, Pereira A, Stiekema WJ, Salamini F, Gebhardt C

(1994) Segregation analysis and RFLP mapping of the R1 and R3 alleles conferring race-specific resistance to Phytophthora infestans in progeny of dihaploid potato parents. Molecular Genetics and Genomics (Historical Archive) 242:749-754

Ellis J (2006) Insights into nonhost disease resistance: Can they assist disease control in agriculture? Plant Cell 18:523-528

Erwin DC, Ribeiro OK (1996) Phytophthora Diseases Worldwide. American Phytopathological Society, St. Paul, MN, U.S.A

Eshed Y, Zamir D (1995) An introgression line population of Lycopersicon pennellii in the cultivated tomato enables the identification and fine mapping of yield-associated QTL. Genetics 141:1147-1162

Ewing EE, Simko I, Smart CD, Bonierbale MW, Mizubuti ESG, May GD, Fry WE (2000) Genetic mapping from field tests of qualitative and quantitative resistance to Phytophthora infestans in a population derived from Solanum tuberosum and Solanum berthaultii. Molecular Breeding 6:25-36

F Fay J, Fry W (1997) Effects of hot and cold temperatures on the survival of oospores produced by United States

strains of Phytophthora infestans. American Journal of Potato Research 74:315-323

Feingold S, Lloyd J, Norero N, Bonierbale M, Lorenzen J (2005) Mapping and characterization of new EST-derived microsatellites for potato (Solanum tuberosum L.). TAG Theoretical and Applied Genetics 111:456-466

Feltus FA, Singh HP, Lohithaswa HC, Schulze SR, Silva TD, Paterson AH (2006) A comparative genomics strategy for targeted discovery of single-nucleotide polymorphisms and conserved-noncoding sequences in orphan crops. Plant Physiology 140:1183-1191

Finckh M (2008) Integration of breeding and technology into diversification strategies for disease control in modern agriculture. European Journal of Plant Pathology 121:399-409

Flemming RA, Person CO (1978) Disease control through use of multilines: A theoretical contribution. Phytopathology 68: 1230-1233

Flier WG, Kroon LPNM, Hermansen A, van Raaij HMG, Speiser B, Tamm L, Fuchs JG, Lambion J, Razzaghian J, Andrivon D, Wilcockson S, Leifert C (2007) Genetic structure and pathogenicity of populations of Phytophthora infestans from organic potato crops in France, Norway, Switzerland and the United Kingdom. Plant Pathology 56:562-572

Flor HH (1971) Current status of the gene-for-gene concept. Annual Review of Phytopathology 9:275-296

Foolad M (2007) Genome mapping and molecular breeding of tomato. International Journal of Plant Genomics :52

Foote T, Roberts M, Kurata N, Sasaki T, Moore G (1997) Detailed comparative mapping of cereal chromosome regions corresponding to the Ph1 locus in wheat. Genetics 147:801-807

Foster SJ, Park T-H, Pel M, Brigneti G, Åšliwka J, Jagger L, van der Vossen E, Jones JDG (2009) Rpi-vnt1.1, a Tm-22 homolog from Solanum venturii, confers resistance to potato late blight. Molecular Plant-Microbe Interactions 22:589-600

Fourmann M, Barret P, Froger N, Baron C, Charlot F, Delourme R, Brunel D (2002) From Arabidopsis thaliana to Brassica napus: development of amplified consensus genetic markers (ACGM) for construction of a gene map. TAG Theoretical and Applied Genetics 105:1196-1206

Frary A, Graham E, Jacobs J, Chetelat RT, Tanksley SD (1998) Identification of QTL for late blight resistance from L. pimpinellifolium L3708. TGC Report 48 In: TGC Tomato Genetic Cooperative Research Report pp.19-21

Frary A, Xu Y, Liu J, Mitchell S, Tedeschi E, Tanksley S (2005) Development of a set of PCR-based anchor markers encompassing the tomato genome and evaluation of their usefulness for genetics and breeding experiments. TAG Theoretical and Applied Genetics 111:291-312

Fredslund J, Madsen LH, Hougaard BK, Nielsen AM, Bertioli D, Sandal N, Stougaard J, Schauser L (2006) A general pipeline for the development of anchor markers for comparative genomics in plants. BMC Genomics 7:(14 August 2006)

Fridman E, Carrari F, Liu Y-S, Fernie AR, Zamir D (2004) Zooming in on a quantitative trait for tomato yield using interspecific introgressions. Science 305:1786-1789


217

Fry WE, Goodwin SB, Dyer AT, Matuszak JM, Drenth A, Tooley PW, Sujkowski LS, Koh YJ, Cohen BA, Spielman LJ, Deahl KL, Inglis DA, Sandlan KP (1993) Historical and recent migrations of Phytophthora infestans - Chronology, pathways and implications. Plant Disease 77:653-661

Fry WE, Goodwin SB (1997) Resurgence of the Irish potato famine fungus. Bioscience 47:363-371

Fry W (2008) Phytophthora infestans: the plant (and R gene) destroyer. Molecular Plant Pathology 9:385-402

Fu J, Swertz MA, Keurentjes JJB, Jansen RC (2007) MetaNetwork: a computational protocol for the genetic study of metabolic networks. Nature Protocols 2 : 685 - 694

Fu D, Uauy C, Distelfeld A, Blechl A, Epstein L, Chen X, Sela H, Fahima T, Dubcovsky J (2009) A Kinase-START gene confers temperature-dependent resistance to wheat stripe rust. Science 323:1357-1360

Fukuoka S, Okuno K (2001) QTL analysis and mapping of Pi21, a recessive gene for field resistance to rice blast in Japanese upland rice. TAG Theoretical and Applied Genetics 103:185-190

Fulton TM, van der Hoeven R, Eannetta NT, Tanksley SD (2002) Identification, analysis, and utilization of conserved ortholog set markers for comparative genomics in higher plants. Plant Cell 14:1457-1467

G Gale MD, Devos KM (1998) Comparative genetics in the grasses 10.1073/pnas.95.5.1971. PNAS Proceedings of

the National Academy of Sciences USA 95:1971-1974

Gallego F, Feuillet C, Messmer M, Penger A, Graner A, Yano M, Sasaki T, Keller B (1998) Comparative mapping of the two wheat leaf rust resistance loci Lr1 and Lr10 in rice and barley. Genome 41:328-336

García-Arenal F, McDonald B (2003) An analysis of the durability of resistance to plant viruses. Analytical and Theoretical Plant Pathology 93:941-952

Garrett KA, Mundt CC (2000) Host diversity can reduce potato late blight severity for focal and general patterns of primary inoculum. Phytopathology 90:1307-1312

Gebhardt C, Blomendahl C, Schachtschabel U, Debener T, Salamini F, Ritter E (1989) Identification of 2n breeding lines and 4n varieties of potato (Solanum tuberosum, ssp. tuberosum) with RFLP-fingerprints. TAG Theoretical and Applied Genetics 78:16-22

Gebhardt C, Ritter E, Barone A, Debener T, Walkemeier B, Schachtschabel U, Kaufmann H, Thompson RD, Bonierbale MW, Ganal MW, Tanksley SD, Salamini F (1991) RFLP maps of potato and their alignment with the homoeologous tomato genome. TAG Theoretical and Applied Genetics 83:49-57

Gebhardt C (1994) RFLP mapping in potato of qualitative and quantitative genetic loci conferring resistance to potato pathogens. American Journal of Potato Research 71:339-345

Gebhardt C, Valkonen JPT (2001) Organization of genes controlling disease resistance in the potato genome. Annual Review of Phytopathology 39:79-102

Gebhardt C, Walkemeier B, Henselewski H, Barakat A, Delseny M, Stuber K (2003) Comparative mapping between potato (Solanum tuberosum) and Arabidopsis thaliana reveals structurally conserved domains and ancient duplications in the potato genome. The Plant Journal 34:529-541

Gebhardt C, Ballvora A, Walkemeier B, Oberhagemann P, Schuler K (2004) Assessing genetic potential in germplasm collections of crop plants by marker-trait association: a case study for potatoes with quantitative variation of resistance to late blight and maturity type. Molecular Breeding 13:93 - 102

Ghislain M, Spooner DM, Rodríguez F, Villamón F, Núñez J, Vásquez C, Waugh R, Bonierbale M (2004) Selection of highly informative and user-friendly microsatellites (SSRs) for genotyping of cultivated potato. TAG Theoretical and Applied Genetics

Ghislain M, Trognitz B, Herrera MD, Solis J, Casallo G, Vasquez C, Hurtado O, Castillo R, Portal L, Orrillo M (2001) Genetic loci associated with field resistance to late blight in offspring of Solanum phureja and S. tuberosum grown under short-day conditions. TAG Theoretical and Applied Genetics 103:433-442

Ghislain M, Núñez J, del Rosario Herrera M, Pignataro J, Guzman F, Bonierbale M, Spooner D (2009) Robust and highly informative microsatellite-based genetic identity kit for potato. Molecular Breeding 23:377-388

Glais I, Corbière R (2005) Inoculation en conditions contrôlées de folioles détachées de pomme de terre, pour déterminer l'agressivité et la virulence d'isolats de Phytophthora infestans. Cahier des Techniques de l'INRA, pp 143-152

Glendinning D (1989) Late blight resistance in the British Neo-Tuberosum potato population. Potato Research 32:321-330

Goffinet B, Gerber S (2000) Quantitative trait loci: a meta-analysis. Genetics 155:463 - 473


218

Gonzales MD, Archuleta E, Farmer A, Gajendran K, Grant D, Shoemaker R, Beavis WD, Waugh ME (2005) The Legume Information System (LIS): an integrated information resource for comparative legume biology. Nuclear Acids Research 33:D660-665

Goodwin S, Spielman L, Matuszak J, Bergeron S, Fry W (1992) Clonal diversity and genetic differentiation of Phytophthora infestans populations in Northern and Central Mexico. The American Phytopathological Society 82

Goodwin SB (1997) The Population Genetics of Phytophthora. Phytopathology 87:462-473

Govers F, Gijzen M (2006) Phytophthora genomics: the Plant destroyers' genome decoded. Molecular Plant-Microbe Interactions 19:1295-1301

Grattapaglia D, Sederoff R (1994) Genetic linkage maps of Eucalyptus grandis and Eucalyptus urophylla using a pseudo-testcross: mapping strategy and RAPD Markers. Genetics 137:1121-1137

Griffiths S, Sharp R, Foote TN, Bertin I, Wanous M, Reader S, Colas I, Moore G (2006) Molecular characterization of Ph1 as a major chromosome pairing locus in polyploid wheat. Nature (London) 439:749-752

Grube RC, Radwanski ER, Jahn M (2000) Comparative genetics of disease resistance within the solanaceae. Genetics 155:873-887

Grünwald NJ, Romero Montes G, Lozoya Saldaña H, Rubio Covarrubias OA, Fry WE (2002) Potato Late Blight Management in the Toluca Valley: Field validation of SimCast modified for cultivars with high field resistance. Plant disease 86 (10):1163-1168

Grunwald NJ, Flier WG (2005) The biology of Phytophthora infestans at its center of origin. Annual Review of Phytopathology 43:171-190

Guo B, Sleper DA, Lu P, Shannon JG, Nguyen HT, Arelli PR (2006) QTLs associated with resistance to soybean cyst nematode in soybean: Meta-Analysis of QTL Locations. Crop Sci 46:595-602

H Hanocq E, Laperche A, Jaminon O, Lainé A, Le Gouis J (2007) Most significant genome regions involved in the

control of earliness traits in bread wheat, as revealed by QTL meta-analysis. TAG Theoretical and Applied Genetics 114:569-584

Hanson P, Bernacchi D, Green S, Tanksley S, Muniyappa V, Padmaja A, Chen H, Kuo G, Fang D, Chen J (2000) Mapping a wild tomato introgression associated with tomato yellow leaf curl virus resistance in a cultivated tomato line. American Society for Horticultural Science Journal 125:15-20

Hardham AR, Takemoto D (2006) Dynamic subcellular responses in plants during interactions with fungi and Oomycetes. Proceedings of the XII International Congress on Molecular Plant-Microbe Interactions:70 - 79

Hardham AR, Jones DA, Takemoto D (2007) Cytoskeleton and cell wall function in penetration resistance. Current Opinion Plant Biology 10:342 - 348

Hardham A, Takemoto D, White R (2008) Rapid and dynamic subcellular reorganization following mechanical stimulation of Arabidopsis epidermal cells mimics responses to fungal and oomycete attack. BMC Plant Biology 8:63

Haverkort A, Boonekamp P, Hutten R, Jacobsen E, Lotz L, Kessel G, Visser R, van der Vossen E (2008) Societal costs of late blight in potato and prospects of durable resistance through cisgenic modification. Potato Research 51:47-57

Hawkes JG (1990) The potato, evolution, biodiversity and genetic resource. Belhaven Press, London, 259 p.

Heffner EL, Sorrells ME, Jannink J-L (2009) Genomic selection for crop improvement. Crop Science 49:1–12

Hein I, McLean K, Boulos C, Bryan GJ (2007) Generation and screening of a BAC library from a diploid potato clone to unravel durable late blight resistance on linkage group IV. International Journal of Plant Genomics Volume 2007, Article ID 51421, 5 pages doi:10.1155/2007/51421

Hendre P, Phanindranath R, Annapurna V, Lalremruata A, Aggarwal R (2008) Development of new genomic microsatellite markers from robusta coffee (Coffea canephora Pierre ex A. Froehner) showing broad cross-species transferability and utility in genetic studies. BMC Plant Biology 8:51

Hiller N, Fritz-Wolf K, Deponte M, Wende W, Zimmermann H, Becker K (2006) Plasmodium falciparum glutathione S-transferase—Structural and mechanistic studies on ligand binding and enzyme inhibition. The Protein Science 15(2): 281–289.

Hohl H, Iselin K (1984) Strains of Phytophthora infestans from Switzerland with A2 mating type behaviour. Transactions of the British Mycological Society 83:529-530


219

Holland JB (2007) Genetic architecture of complex traits in plants. Current Opinion in Plant Biology 10:156-161

Hospital F, Moreau L, Lacoudre F, Charcosset A, Gallais A (1997) More on the efficiency of marker-assisted selection. TAG Theoretical and Applied Genetics 95:1181-1189

Hospital F (2002). Marker-assisted backcross breeding: a case-study in genotype building theory. In Quantitative Genetics, Genomics, and Plant Breeding, M.S. Kang, ed (Wallingford, UK: CABI Publishing), pp. 135-141

Hospital F (2008) Challenges for effective marker-assisted selection in plants. Genetica

Huang SW, van der Vossen EAG, Kuang HH, Vleeshouwers V, Zhang NW, Borm TJA, van Eck HJ, Baker B, Jacobsen E, Visser RGF (2005) Comparative genomics enabled the isolation of the R3a late blight resistance gene in potato. The Plant Journal 42:251 - 261

Hugot K, Riviere M-P, Moreilhon C, Dayem MA, Cozzitorto J, Arbiol G, Barbry P, Weiss C, Galiana E (2004) Coordinated regulation of genes for secretion in tobacco at late developmental stages: association with resistance against Oomycetes. Plant Physiology 134:858-870

I Isidore E, van Os H, Andrzejewski S, Bakker J, Barrena I, Bryan GJ, Caromel B, van Eck H, Ghareeb B, de Jong

W, van Koert P, Lefebvre V, Milbourne D, Ritter E, van der Voort JR, Rousselle-Bourgeois F, van Vliet J, Waugh R (2003) Toward a marker-dense meiotic map of the potato genome: lessons from linkage group I. Genetics 165:2107-2116

Islam MR, Shepherd KW (1991) Present status of genetics of rust resistance in flax. Euphytica 55:255-267

J Jacobs MMJ, van den Berg RG, Vleeshouwers VGAA , Visser M, Mank R, Sengers M, Hoekstra R, Vosman B

(2008) AFLP analysis reveals a lack of phylogenetic structure within Solanum section Petota. BMC Evolutionary Biology 8:145

Jahn M, Paran I, Hoffmann K, Radwanski ER, Livingstone KD, Grube RC, Aftergoot E, Lapidot M, Moyer J (2000) Genetic mapping of the Tsw locus for resistance to the Tospovirus Tomato spotted wilt virus in Capsicum spp. and its relationship to the Sw-5 gene for resistance to the same pathogen in tomato. Molecular Plant-Microbe Interactions 13:673-682

James WC (1971) An illustrated series of assessment keys for plant diseases, their preparation and usage. Canadian Plant Disease Survey 51:39-65

Jansen RC (1993) Interval mapping of multiple quantitative trait loci. Genetics 135:205 - 211

Jansen JPA (1996) Aphid resistance in composites. International application published under the patent cooperation treaty (PCT) No.WO 97/46080

Jansen R, Nap JP (2001) Genetical genomics: the added value from segregation. Trends in Genetics 17 : 388–391

Janzac (2008) Risques de contournement et stratégies de gestion durable des résistances aux potyvirus chez le piment. Thèse SupAgro Montpellier, soutenue le 19 novembre 2008, 140p.

Jiang R, Weide R, Vondervoort P, Govers F (2006) Amplification generates modular diversity at an avirulence locus in the pathogen Phytophthora. Genome Research 16:827-840

Johnson R (1979) The concept of durable resistance. Phytopathology 69:198-199

Johnson R (1981) Durable resistance: definition of, genetic control and attainment in plant breeding. Phytopathology 71:567-568

Johnson R (2000) Classical plant breeding for durable resistance to diseases Journal of Plant Pathology 82:3-7

Jourjon M-F, Jasson S, Marcel J, Ngom B, Mangin B (2005) MCQTL: multi-allelic QTL mapping in multi-cross design. Bioinformatics 21:128-130

Judelson HS, Blanco FB (2005) The spores of Phytophthora: weapons of the plant destroyer Nature Reviews Microbiology 3 :47-58

K Kao C-H, Zeng ZB, Teasdale R (1999) Multiple interval mapping for quantitative trait loci. Genetics (152) : 1203-

1216

Kamoun S, Hraber P, Sobral B, Nuss D, Govers F (1999) Initial assessment of gene diversity for the oomycete pathogen Phytophthora infestans based on expressed sequences. Fungal Genetics and Biology 28:94-106


220

Kamoun S (2006) A catalogue of the effector secretome of plant pathogenic Oomycetes. Annual Review of Phytopathology 44:41-60

Kato M, Mizubuti ES, Goodwin SB, Fry WE (1997) Sensitivity to protectant fungicides and pathogenic fitness of clonal lineages of Phytophthora infestans in the United States. Phytopathology 87:973-978

Kearsey M, Farquhar A (1998) QTL analysis in plants; where are we now? Heredity 80:137- 142

Keller B, Feuillet C (2000) Colinearity and gene density in grass genomes. Trends in Plant Science 5:246-251

Kim H-J, Nahm S-H, Lee H-R, Yoon G-B, Kim K-T, Kang B-C, Choi D, Kweon O, Cho M-C, Kwon J-K, Han J-H, Kim J-H, Park M, Ahn J, Choi S, Her N, Sung J-H, Kim B-D (2008) BAC-derived markers converted from RFLP linked to Phytophthora capsici resistance in pepper (Capsicum annuum L.). TAG Theoretical and Applied Genetics 118:15-27

Kliebenstein D (2009) Quantitative genomics: analyzing intraspecific variation using global gene expression polymorphisms or eQTLs. Annual Review of Plant Biology 60:93-114

Koch MA, Matschinger M (2007) Evolution and genetic differentiation among relatives of Arabidopsis thaliana 10.1073/pnas.0701338104. PNAS Proceedings of the National Academy of Sciences USA 104:6272-6277

Kole C, Quijada P, Michaels SD, Amasino RM, Osborn TC (2001) Evidence for homology of flowering-time genes VFR2 from Brassica rapa and FLC from Arabidopsis thaliana. TAG Theoretical Applied Genetics 102:425-430

Krattinger SG, Lagudah ES, Spielmeyer W, Singh RP, Huerta-Espino J, McFadden H, Bossolini E, Selter LL, Keller B (2009) A putative ABC transporter confers durable resistance to multiple fungal pathogens in wheat. Science 323:1360-1363

Kreike CM, Dekoning JRA, Vinke JH, vanooijen JW, Gebhardt C, Stiekema WJ (1993) Mapping of loci involved in quantitatively inherited resistance to the potato cyst-nematode Globodera rostochiensis pathotype-Ro1. TAG Theoretical and Applied Genetics 87:464-470

Kreike CM, Dekoning JRA, Vinke JH, vanooijen JW, Stiekema WJ (1994) Quantitatively-inherited resistance to Globodera pallida is dominated by one major locus in Solanum spegazzinii. TAG Theoretical and Applied Genetics 88:764-769

Kroymann J, Mitchell-Olds T (2005) Epistasis and balanced polymorphism influencing complex trait variation. Nature 435:95-98

Ku HM, Vision T, Liu J, Tanksley SD (2000) Comparing sequenced segments of the tomato and Arabidopsis genomes: large-scale duplication followed by selective gene loss creates a network of synteny. PNAS Proceedings of the National Academy of Sciences USA 97:9121-9126

Kuang H, Woo S-S, Meyers BC, Nevo E, Michelmore RW (2004) Multiple genetic processes result in heterogeneous rates of evolution within the major cluster disease resistance genes in lettuce. Plant Cell 16:2870-2894

Kuang HH, Wei FS, Marano MR, Wirtz U, Wang XX, Liu J, Shum WP, Zaborsky J, Tallon LJ, Rensink W, Lobst S, Zhang PF, Tornqvist CE, Tek A, Bamberg J, Helgeson J, Fry W, You F, Luo MC, Jiang JM, Buell CR, Baker B (2005) The R1 resistance gene cluster contains three groups of independently evolving, type I R1 homologues and shows substantial structural variation among haplotypes of Solanum demissum. The Plant Journal 44:37-51

Kuhl, Hanneman, Havey (2001) Characterization and mapping of Rpi1, a late-blight resistance locus from diploid (1EBN) Mexican Solanum pinnatisectum. Molecular Genetics and Genomics 265:977-985

L Lagercrantz U, Lydiate DJ (1996) Comparative genome mapping in brassica. Genetics 144:1903-1910

Lambert D, Currier A (1997) Differences in tuber rot development for North American clones of Phytophthora infestans. American Journal of Potato Research 74:39-43

Lander R, Thompson R (1990) Efficiency of marker-assisted selection in the improvement of quantitative traits. Genetics 124 : 743–756.

Lander ES, Green P, Abrahamson J, Barlow A, Daly MJ, Lincoln SE, Newburg L (1987) MAPMAKER: an interactive computer package for constructing primary genetic linkage maps of experimental and natural populations. Genomics 1:174-181

Lander ES, Botstein D (1989) Mapping Mendelien factors underlying quantitative traits using RFLP linkage maps. Genetics 121:185 - 199


221

Lanfermeijer FC, Warmink J, Hille J (2005) The products of the broken Tm-2 and the durable Tm-22 resistance genes from tomato differ in four amino acids. Journal of Experimental Botany 2005 56(421) : 2925-2933

La Rota M, Kantety R, Yu J-K, Sorrells M (2005) Non random distribution and frequencies of genomic and EST-derived microsatellite markers in rice, wheat, and barley. BMC Genomics 6:23

Latijnhouwers M, de Wit PJGM, Govers F (2003) Oomycetes and fungi: similar weaponry to attack plants. Trends in Microbiology 11:462-469

Laurie CC, Chasalow SD, LeDeaux JR, McCarroll R, Bush D, Hauge B, Lai C, Clark D, Rocheford TR, Dudley JW (2004) The genetic architecture of response to long-term artificial selection for oil concentration in the maize kernel. Genetics 168:2141-2155

Leach JE, Cruz CMV, Bai JF, Leung H (2001) Pathogen fitness penalty as a predictor of durability of disease resistance genes. Annual Review of Phytopathology 39:187-224.

Lecomte L, Duffé P, Buret M, Servin B, Hospital F, Causse M (2004) Marker-assisted introgression of five QTLs controlling fruit quality traits into three tomato lines revealed interactions between QTLs and genetic backgrounds. TAG Theoretical and Applied Genetics 109:658-668

Lecoq H, Moury B, Desbiez C, Palloix A, Pitrat M (2004) Durable virus resistance in plants through conventional approaches : a challenge. Virus Research 100(1): 31-39

Lefebvre V, Chèvre AM (1995) Tools for marking plant disease and pest resistance genes - a review. Agronomie 15:3-19

Lefebvre V, Palloix A, Caranta C, Pochard E (1995) Construction of an Intraspecific Integrated Linkage Map of Pepper Using Molecular Markers and Doubled Haploid Progenies. Genome 38:112-121

Lefebvre V, Palloix A (1996) Both epistatic and additive effects of QTLs are involved in polygenic induced resistance to disease: A case study, the interaction pepper - Phytophthora capsici Leonian. TAG Theoretical and Applied Genetics 93:503-511

Lefebvre V, Pflieger S, Thabuis A, Caranta C, Blattes A, Chauvet JC, Daubèze AM, Palloix A (2002) Towards the saturation of the pepper linkage map by alignment of three intraspecific maps including known-function genes. Genome 45:839-854

Lefebvre V, Daubèze AM, van der Voort JR, Peleman J, Bardin M, Palloix A (2003) QTLs for resistance to powdery mildew in pepper under natural and artificial infections. TAG Theoretical and Applied Genetics:661-666

Le Guen V, Garcia D, Mattos CRR, Doaré F, Lespinasse D, Seguin M (2007) Bypassing of a polygenic Microcyclus ulei resistance in rubber tree, analyzed by QTL detection. New Phytologist 173:335-345

Leister D, Ballvora A, Salamini F, Gebhardt C (1996) A PCR−based approach for isolating pathogen resistance genes from potato with potential for wide application in plants. Nature Genetics 14, 421-429

Leister D, Kurth J, Laurie DA, Yano M, Sasaki T, Devos K, Graner A, Schulze-Lefert P (1998) Rapid reorganization of resistance gene homologues in cereal genomes. Proceedings of the National Academy of Sciences USA 95:370-375

Li Guangjun Li Henan Cheng Liguo Wang Xia Zhang Yuanming (2009) Multiple interval mapping should be widely applied in mapping quantitative trait loci. SciencePaper online http://www.paper.edu.cn/en/paper.php?serial_number=200902-786

Lincoln S, Daly M, Lander E (1993a) Constructing genetic linkage maps with MAPMAKER/EXP. Version 3.0. Whitehead Institute for Biomedical Research Technical Report, 3rd Edn.

Lincoln SE, Daly MJ, Lander ES (1993b) Mapping genes controlling quantitative traits using MAPMAKER/QTL version 1.1: A tutorial and reference manual. 2nd ed. Whitehead Institute for Biometrical Research, Cambridge, MA.

Lindhout P (2002) The perspectives of polygenic resistance in breeding for durable disease resistance. Euphytica 124:217-226

Leonards-Schippers C, Gieffers W, Schaferpregl R, Ritter E, Knapp SJ, Salamini F, Gebhardt C (1994) Quantitative resistance to Phytophthora infestans in potato-a case-study for QTL mapping in an allogamous plant-species. Genetics 137:67-77

Livingstone KD, Lackney VK, Blauth JR, van Wijk R, Jahn MK (1999) Genome mapping in Capsicum and the evolution of genome structure in the Solanaceae. Genetics 152:1183-1202

Lohithaswa H, Feltus F, Singh H, Bacon C, Bailey C, Paterson A (2007) Leveraging the rice genome sequence for monocot comparative and translational genomics. TAG Theoretical and Applied Genetics 115:237-243


222

Lokossou A, Morales J, Whisson S, Birch P, Visser R, Jacobsen E. Exploiting knowledge of R/Avr genes to rapidly clone a new LZ-NBS-LRR family of late blight resistance genes from potato linkage group IV. Molecular Plant-Microbe Interactions in press

M Malcolmson J (1969) Races of Phytophthora infestans occurring in Great Britain. Trans- actions of the British

Mycological Society 85:417-423

Mallard S, Gaudet D, Aldeia A, Abelard C, Besnard AL, Sourdille P, Dedryver F (2005) Genetic analysis of durable resistance to yellow rust in bread wheat. TAG Theoretical and Applied Genetics 110:1401-1409

Mallard S, Danan S, Bonnet J, Tricon D, Signoret P, Sage-Palloix AM, Phaly T, Blattes A, Caromel B, Lama N, Aarrouf J, Chauvin JE, Palloix A, Lefebvre V (2006) Cartographie haute résolution de QTL de résistance aux Phytophthora colinéaires entre le piment et la pomme de terre. Colloque DGAP, Batz-Sur-Mer, France, 25-27 septembre 2006

Malosetti M, van der Linden CG, Vosman B, van Eeuwijk FA (2007) A mixed-model approach to association mapping using pedigree information with an illustration of resistance to Phytophthora infestans in potato. Genetics 175:879-889

Marcel T, Varshney R, Barbieri M, Jafary H, de Kock M, Graner A, Niks R (2007) A high-density consensus map of barley to compare the distribution of QTLs for partial resistance to Puccinia hordei and of defence gene homologues. TAG Theoretical and Applied Genetics 114:487-500

Mayton H, Smart CD, Moravec BC, Mizubuti ESG, Muldoon AE, Fry WE (2000) Oospore survival and pathogenicity of single oospore recombinant progeny from a cross involving US-17 and US-8 genotypes of Phytophthora infestans. Plant Disease 84:1190-1196

McDonald BA, Linde C (2002) Pathogen population genetics, evolutionary potential, and durable resistance. Annual Review of Phytopathology 40:349-379

McHale L, Truco M, Kozik A, Wroblewski T, Ochoa O, Lahre K, Knapp S, Michelmore R (2009) The genomic architecture of disease resistance in lettuce. TAG Theoretical and Applied Genetics 118:565-580

McLeod MJ, Guttman SI, Eshbaugh WH (1982). Early evolution of chili peppers (Capsicum). Economic Botany 36:361-368

Melchinger AE, Utz HF, Schon CC (1998) Quantitative trait locus (QTL) mapping using different testers and independent population samples in maize reveals low power of QTL detection and large bias in estimates of QTL effects. Genetics 149:383-403

Meuwissen THE, Hayes BJ, Goddard ME (2001) Prediction of total genetic value using genome-wide dense marker maps. Genetics157:1819-1829

Meyer RC, Milbourne D, Hackett CA, Bradshaw JE, McNichol JW, Waugh R (1998) Linkage analysis in tetraploid potato and association of markers with quantitative resistance to late blight (Phytophthora infestans). Molecular Genetics and Genomics 259:150-160

Meyer J, Deleu W, Garcia-Mas J, Havey M (2008) Construction of a fosmid library of cucumber (Cucumis sativus) and comparative analyses of the eIF4E and eIF(iso)4E regions from cucumber and melon (Cucumis melo). Molecular Genetics and Genomics 279:473-480

Meyers B, AKozik, Griego A, Kuang H, Michelmore R (2003) Genome-wide analysis of NBS-LRR–encoding genes in Arabidopsis. Plant Cell 15:809-834

Michelmore RW, Meyers BC (1998) Clusters of resistance genes in plants evolve by divergent selection and a birth-and-death process. Genome Research 8:9828-9832

Miftahudin, Chikmawati T, Ross K, Scoles GJ, Gustafson JP (2005) Targeting the aluminum tolerance gene Alt3 region in rye, using rice/rye micro-colinearity. TAG Theoretical and Applied Genetics 110:906-913

Milbourne D, Meyer RC, Collins AJ, Ramsay LD, Gebhardt C, Waugh R (1998) Isolation, characterisation and mapping of simple sequence repeat loci in potato. Molecular Genetics and Genomics 259:233-245

Millett B, Bradeen J (2007) Development of allele-specific PCR and RT-PCR assays for clustered resistance genes using a potato late blight resistance transgene as a model. TAG Theoretical and Applied Genetics 114:501-513

Minamiyama Y, Tsuro M, Kubo T, Hirai M (2007) QTL Analysis for resistance to Phytophthora capsici in pepper using a high density SSR-based map. Breeding Science 57:129-134


223

Moisan Thiery M, Marhadour S, Kerlan MC, Dessenne N, Perramant M, Gokelaere T, Le Hingrat Y (2005) Potato cultivar identification using simple sequence repeats markers (SSR). Potato Research 48:191-200

Müller KO, Black W (1952) Potato breeding for resistance to blight and virus diseases during the last hundred years. Z Pflanzenzüchtg 31:305-318

Mundt CC (2002) Use of multiline cultivars and cultivar mixtures for disease management. Annual Review of Phytopathology 40:381-410

Muylle H, Baert J, van Bockstaele E, Pertijs J, Roldán-Ruiz I (2005) Four QTLs determine crown rust (Puccinia coronata f. sp. lolii) resistance in a perennial ryegrass (Lolium perenne) population. Heredity 95 : 348–357

N

Naess SK, Bradeen JM, Wielgus SM, Haberlach GT, McGrath JM, Helgeson JP (2000) Resistance to late blight in Solanum bulbocastanum is mapped to chromosome 8. TAG Theoretical and Applied Genetics 101:697-704

Navarro L, Jay F, Nomura K, He SY, Voinnet O (2008) Suppression of the MicroRNA Pathway by Bacterial Effector Proteins. Science 321:964-967

Niederhauser J, Mills W (1953) Resistance of Solanum species to Phytophthora infestans in Mexico. Phytopathology 43:456-457

O Oberhagemann P, Chatot-Balandras C, Schäfer-Pregl R, Wegener D, Palomino C, Salamini F, Bonnel E,

Gebhardt C (1999) A genetic analysis of quantitative resistance to late blight in potato: towards marker-assisted selection. Molecular Breeding 5:399-415

Ogundiwin EA, Berke TF, Massoudi M, Black LL, Huestis G, Choi D, Lee S, Prince JP (2005) Construction of 2 intraspecific linkage maps and identification of resistance QTLs for Phytophthora capsici root-rot and foliar-blight diseases of pepper (Capsicum annuum L.). TAG Theoretical and Applied Genetics 48:698-711

Ohme-Takagi M, Shinshi H (1995) Ethylene-Inducible DNA binding proteins that interact with an ethylene-responsive element. Plant Cell 7:173-182

Oliva RF, Chacón MG, Cooke DEL, Lees AK, Forbes GA (2007) Is Phytophthora infestans a good taxonomist? Host recognition and co-evolution in the Phytophthora/Solanum interaction. ISHS Acta Horticulturae 745: VI International Solanaceae Conference : Genomics Meets Biodiversity

Olmstead RG, Palmer JD (1992) A chloroplast DNA phylogeny of the Solanaceae: subfamilial relationships and character evolution. Annual Missouri Botanical Garden 79:346-360

Olmstead RG, Palmer JD (1997) Implications for the phylogeny, classification, and biogeography of Solanum from cpDNA restriction site variation. Systematic Botany 22:19-29

Ori N, Eshed Y, Paran I, Presting G, Aviv D, Tanksley S, Zamir D, Fluhr R (1997) The I2C family from the wilt disease resistance locus I2 belongs to the nucleotide binding, Leucine-Rich Repeat superfamily of plant resistance genes. Plant Cell 9:521-532

Osborn TC, Kole C, Parkin IAP, Sharpe AG, Kuiper M, Lydiate DJ, Trick M (1997) Comparison of flowering time genes in Brassica rapa, B. napus and Arabidopsis thaliana. Genetics 146:1123-1129

P Palloix A, Ayme V, Moury B (2009) Durability of plant major resistance genes to pathogens depends on the

genetic background, experimental evidence and consequences for breeding strategies. New Phytologist Published Online: 1 Apr 2009

Pajerowska-Mukhtar KM, Mukhtar MS, Guex N, Halim VA, Rosahl S, Somssich IE, Gebhardt C (2008) Natural variation of potato allene oxide synthase 2 causes differential levels of jasmonates and pathogen resistance in Arabidopsis. Planta 228:293-306

Pan Q, Liu Y-S, Budai-Hadrian O, Sela M, Carmel-Goren L, Zamir D, Fluhr R (2000) Comparative genetics of nucleotide binding site-leucine rich repeat resistance gene homologues in the genomes of two dicotyledons: tomato and Arabidopsis. Genetics 155:309-322

Parrella G, Ruffel S, Moretti A, Morel C, Palloix A, Caranta C (2002) Recessive resistance genes against potyviruses are localized in colinear genomic regions of the tomato (Lycopersicon spp.) and pepper (Capsicum spp.) genomes. TAG Theoretical and Applied Genetics 105:855-861

Park TH, Gros J, Sikkema A, Vleeshouwers VGAA, Muskens M, Allefs S, Jacobsen E, Visser RGF, van der Vossen EAG (2005a) The late blight resistance locus Rpi-blb3 from Solanum bulbocastanum belongs to a


224

major late blight R gene cluster on chromosome 4 of potato. Molecular Plant Microbe Interactions 18:722-729

Park TH, Vleeshouwers VGAA, Hutten RCB, van Eck HJ, van der Vossen E, Jacobsen E, Visser RGF (2005b) High-resolution mapping and analysis of the resistance locus Rpi-abpt against Phytophthora infestans in potato. Molecular Breeding 16:33-43

Park TH, Foster S, Brigneti G, Jones J (2009) Two distinct potato late blight resistance genes from Solanum berthaultii are located on chromosome 10. Euphytica 165:269-278

Parlevliet JE, Ommeren A (1975) Partial resistance of barley to leaf rust, Puccinia hordei. II. Relationship between field trials, micro plot tests and latent period. Euphytica 24:293-303

Parlevliet JE (1978) Race-specific aspects of polygenic resistance of barley to leaf rust, Puccinia hordei. European Journal of Plant Pathology 84:121-126

Parlevliet JE (1979) Components of resistance that reduce the rate of epidemic development. Annual Review of Phytopathology 17:203-222

Parlevliet JE (2002) Durability of resistance against fungal, bacterial and viral pathogens; present situation. Euphytica 124:147-156

Paterson AH, Lander ES, Hewitt JD, Peterson S, Lincoln SE, Tanksley SD (1988) Resolution of quantitative traits into Mendelian factors by using a complete linkage map of restriction fragment length polymorphisms. Nature 335:521-529

Paterson AH, Bowers JE, Burow MD, Draye X, Elsik CG, Jiang CX, Katsar CS, Lan TH, Lin YR, Ming R, Wright RJ (2000) Comparative genomics of plant chromosomes. Plant Cell 12:1523-1540

Pel MA, Foster SJ, Park T-H, Rietman H, van Arkel G, Jones JDG, van Eck HJ, Jacobsen E, Visser RGF, van der Vossen EAG (2009) Mapping and cloning of late blight resistance genes from Solanum venturii using an interspecific candidate gene approach. Molecular Plant-Microbe Interactions 22:601-615

Perchepied L, Dogimont C, Pitrat M (2005) Strain-specific and recessive QTLs involved in the control of partial resistance to Fusarium oxysporum f. sp. melonis race 1.2 in a recombinant inbred line population of melon. TAG Theoretical and Applied Genetics 111:65-74

Pflieger S, Lefebvre V, Caranta C, Blattes A, Goffinet B, Palloix A (1999) Disease resistance gene analogs as candidates for QTLs involved in pepper-pathogen interactions. Genome 42:1100-1110

Pflieger S, Palloix A, Caranta C, Blattes A, Lefebvre V (2001) Defense response genes co-localize with quantitative disease resistance loci in pepper. TAG Theoretical and Applied Genetics 103:920-929

Philips SL, Shaw MW, Wolfe MS (2005) The effect of potato variety mixtures on epidemics of late blight in relation to plot size and level of resistance. Annals of Applied Biology 147:247-252

Pierre M, Noel L, Lahaye T, Ballvora A, Veuskens J, Ganal M, Bonas U (2000) High-resolution genetic mapping of the pepper resistance locus Bs3 governing recognition of the Xanthomonas campestris pv vesicatora AvrBs3 protein. TAG Theoretical and Applied Genetics 101:255-263

Pilet ML, Delourme R, Foisset N, Renard M (1998) Identification of loci contributing to quantitative field resistance to blackleg disease, causal agent Leptosphaeria maculans (Desm.) Ces. et de Not., in Winter rapeseed (Brassica napus L.). TAG Theoretical and Applied Genetics 96:23-30

Pilet F, ChacÃ³n G, Forbes GA, Andrivon D (2006) Protection of Susceptible Potato Cultivars Against Late Blight in Mixtures Increases with Decreasing Disease Pressure. Phytopathology 96:777-783

Poland JA, Balint-Kurti PJ, Wisser RJ, Pratt RC, Nelson RJ (2009) Shades of gray: the world of quantitative disease resistance. Trends in Plant Science 14:21-29

Poupard B (2008) Sélection assistée par marqueurs, L’expérience de Limagrain sur le blé. Journées Amélioration des Plantes du CIRAD, 3-4/12/2008, Montpellier, France

Prince JP, Pochard E, Tanksley SD (1993) Construction of a molecular linkage map of pepper and a comparison of synteny with tomato. Genome 36:404-417

Pritchard J, Stephens M, Rosenberg N, Donnelly P (2000) Association mapping in structured populations. The American Journal of Human Genetics 67:170–181

Q Qiu DY, Xiao J, Ding XH, Xiong M, Cai M, Cao CL, Li XH, Xu CG, Wang SP (2007) OsWRKY13 mediates rice

disease resistance by regulating defense-related genes in salicylate- and jasmonate-dependent signaling. Molecular Plant Microbe Interactions 20:492-499


225

Qiu Y, Yu D (2009). Over-expression of the stress-induced OsWRKY45 enhances disease resistance and drought tolerance in Arabidopsis. Environmental and Experimental Botany 65:35-47

Qureshi SN, Saha S, Kantety RV, Jenkins JN (2004) EST-SSR: a new class of genetic markers in cotton. Journal of Cotton Science 8:112-123

R R.Development.Core.Team (2005) R: A language and environment for statistical computing. 2.2.1. edn, Vienna,

Austria

Rafalski A (2002) Applications of single nucleotide polymorphisms in crop genetics. Current Opinion in Plant Biology 5(2):94-100

Rauscher GM, Smart CD, Simko I, Bonierbale M, Mayton H, Greenland A, Fry WE (2006) Characterization and mapping of Rpi-ber, a novel potato late blight resistance gene from Solanum berthaultii. TAG Theoretical and Applied Genetics 112:674-687

Rebaï A, Blanchard P, Perret D, Vincourt P (1997) Mapping quantitative trait loci controlling silking date in a diallel cross among four lines of maize. TAG Theoretical and Applied Genetics 95:451-459

Rehmany AP, Lynn JR, Tör M, Holub EB, Beynon JL (2000). A comparison of Peronospora parasitica (downy mildew) isolates from Arabidopsis thaliana and Brassica oleracea using amplified fragment length polymorphism and internal transcribed spacer 1 sequence analyses. Fungal Genetics and Biology 30:95-103

Rehmany AP, Gordon A, Rose LE, Allen RL, Armstrong MR, Whisson SC, Kamoun S, Tyler BM, Birch PRJ, Beynon JL (2005) Differential recognition of highly divergent downy mildew avirulence gene alleles by RPP1 resistance genes from two Arabidopsis Lines. Plant Cell 17:1839-1850

Reuzeau C, Frankard V, Hatzfeld Y, Sanz A, van Camp W, Lejeune P, De Wilde C, Lievens K, de Wolf J, Vranken E, Peerbolte R, Broekaert W (2006) Traitmill TM: a functional genomics platform for the phenotypic analysis of cereals. Plant Genetic Resources 4:20-24

Ribaut JM, Banziger M, Betran J, Jiang C, Edmeades GO, Dreher K, Hoisington D (2002) Use of molecular markers in plant breeding: drought tolerance improvement in tropical maize. In: Quantitative genetics, genomics, and plant breeding. Kang MS Eds. 400 p.

Rickert AM, Kim JH, Meyer S, Nagel A, Ballvora A, Oefner PJ, Gebhardt C (2003) First-generation SNP/InDel markers tagging loci for pathogen resistance in the potato genome. Plant Biotechnol J 1:399-410

Roberts P, Weingartner P, Kucharek T (2007) Florida plant disease management guide, serie PDMG-V3-46. In Department of Plant Pathology, 2007 Florida Plant Disease Management Guide. Florida Cooperative Extension Service, Institute of Food and Agricultural Sciences, University of Florida. Available at http://edis.ifas.ufl.edu/document_pg053. Accessed 12 Feb 2009

Rong J, Feltus FA, Waghmare VN, Pierce GJ, Chee PW, Draye X, Saranga Y, Wright RJ, Wilkins TA, May OL, Smith CW, Gannaway JR, Wendel JF, Paterson AH (2007) Meta-analysis of Polyploid Cotton QTL Shows Unequal Contributions of Subgenomes to a Complex Network of Genes and Gene Clusters Implicated in Lint Fiber Development. Genetics 176:2577-2588

Rose JKC, Ham K-S, Darvill AG, Albersheim P (2002) Molecular cloning and characterization of glucanase inhibitor proteinsc: coevolution of a counterdefense mechanism by plant pathogens. Plant Cell 14:1329-1345

Rouppe van der Voort J, Wolters P, Folkertsma R, Hutten R, van Zandvoort P, Vinke H, Kanyuka K, Bendahmane A, Jacobsen E, Janssen R, Bakker J (1997) Mapping of the cyst nematode resistance locus Gpa2 in potato using a strategy based on co-migrating AFLP markers. TAG Theoretical and Applied Genetics 95:874 - 880

Rouppe van der Voort J, van der Vossen E, Bakker E, Overmars H, van Zandvoort P, Hutten R, Klein-Lankhorst R, Bakker J (2000) Two additive QTLs conferring broad-spectrum resistance in potato to Globodera pallida are localized on resistance gene clusters. TAG Theoretical and Applied Genetics 101:1122-1130

Rousselle P, Robert N (1997) La pomme de terre : production, amélioration, ennemis et maladies, utilisations. In: Quae (ed). 640 p

Rozen S, Skaletsky H (2000) Primer3 on the WWW for general users and for biologist programmers. Methods in Molecular Biology 132:365-386

Ruffel S, Dussault MH, Palloix A, Moury B, Bendahmane A, Robaglia C, Caranta C (2002) A natural recessive resistance gene against potato virus Y in pepper corresponds to the eukaryotic initiation factor 4E (eIF4E). Plant Journal 32:1067-1075

Ruffel S, Caranta C, Palloix A, Lefebvre V, Caboche M, Bendahmane A (2004) Structural analysis of the eukaryotic initiation factor 4E gene controlling potyvirus resistance in pepper: exploitation of a BAC library. Gene 338:209-216


226

Ruffel S, Gallois J, Lesage M, Caranta C (2005) The recessive potyvirus resistance gene pot-1 is the tomato orthologue of the pepper pvr2-eIF4E gene. Molecular Genetics and Genomics 274:346-353

S Saha MC, Mian MA, Eujayl I, Zwonitzer JC, Wang L, May GD (2004) Tall fescue EST-SSR markers with

transferability across several grass species. TAG Theoretical and Applied Genetics 109:783-791

Salvi S, Tuberosa R (2005) To clone or not to clone plant QTLs: present and future challenges. Trends in Plant Science 10:297-304

Sandbrink JM, Colon LT, Wolters PJCC, Stiekema WJ (2000) Two related genotypes of Solanum microdontum carry different segregating alleles for field resistance to Phytophthora infestans. Molecular Breeding 6:215-225

Sasabe M, Takeuchi K, Kamoun S, Ichinose Y, Govers F, Toyoda K, Shiraishi T, Yamada T (2000) Independent pathways leading to apoptotic cell death, oxidative burst and defense gene expression in response to elicitin in tobacco cell suspension culture. European Journal of Biochemistry 267:5005-5013

Sattarzadeh A, Achenbach U, Lubeck J, Strahwald J, Tacke E, Hofferbert HR, Rotstein T, Gebhardt C (2006) Single nucleotide polymorphism (SNP) genotyping as basis for developing a PCR-based marker highly diagnostic for potato varieties with high resistance to Globodera pallida pathotype Pa2/3. Mol Breed 4:301 - 312

Schneider KA, Brothers ME, Kelly JD (1997) Marker-assisted selection to improve drought resistance in common bean. Crop Science 37:51-60

Schon CC, Utz HF, Groh S, Truberg B, Openshaw S, Melchinger AE (2004) Quantitative trait locus mapping based on resampling in a vast maize testcross experiment and its relevance to quantitative genetics for complex traits. Genetics 167:485-498

Schumann GL (1991) The Irish potato famine and the birth of plant pathology. In: Schumann GL ed, Plant Diseases: Their biology and social impact. American Phytopathological Society, St. Paul, MN, pp 1-24

Schwartz S, Kent WJ, Smit A, Zhang Z, Baertsch R, Hardison RC, Haussler D, Miller W (2003) Human-Mouse alignments with BLASTZ. Genome Research 13:103-107

Sen S, Churchill GA (2001) A statistical framework for quantitative trait mapping. Genetics 159:371-387

SGN database. Solanaceae Genomics Network (2005). http://www.sgn.cornell.edu

Shan W, Cao M, Leung D, Tyler BM (2004) The Avr1b locus of Phytophthora sojae encodes an elicitor and a regulator required for avirulence on soybean plants carrying resistance gene Rps1b. Molecular Plant Microbe Interactions 17:394-403

Shen KA, Chin DB, Arroyo-Garcia R, Ochoa OE, Lavelle DO, Wroblewski T, Meyers BC, Michelmore RW (2002) Dm3 is one member of a large constitutively expressed family of nucleotide binding site-leucine-rich repeat encoding genes. Molecular Plant Microbe Interactions 15:251-261

Shen Q-H, Saijo Y, Mauch S, Biskup C, Bieri S, Keller B, Seki H, Ulker B, Somssich IE, Schulze-Lefert P (2007) Nuclear activity of MLA immune receptors links isolate-specific and basal disease-resistance responses. Science 315:1098-1103

Shen Q, Schulze-Lefert P (2007) Rumble in the nuclear jungle: compartmentalization, trafficking, and nuclear action of plant immune receptors. The EMBO Journal 26:4293-4301

Simko I, Haynes KG, Jones RW (2006) Assessment of linkage disequilibrium in potato genome with single nucleotide polymorphism markers. Genetics 173:2237-2245

Simons G, Groenendijk J, Wijbrandi J, Reijans M, Groenen J, Diergaarde P, van der Lee T, Bleeker M, Onstenk J, de Both M, Haring M, Mes J, Cornelissen B, Zabeau M, Vos P (1998) Dissection of the Fusarium I2 gene cluster in tomato reveals six homologs and one active gene copy. Plant Cell 10:1055-1068

Sliwka J, Jakuczun H, Lebecka R, Marczewski W, Gebhardt C, Zimnoch-Guzowska E (2006) The novel, major locus Rpi-phu1 for late blight resistance maps to potato chromosome IX and is not correlated with long vegetation period. TAG Theoretical and Applied Genetics 113:685-695

Sliwka J, Jakuczun H, Lebecka R, Marczewski W, Gebhardt C, Zimnoch-Guzowska E (2007) Tagging QTLs for late blight resistance and plant maturity from diploid wild relatives in a cultivated potato (Solanum tuberosum) background. TAG Theoretical and Applied Genetics 115:101-112

Soanes DM, Talbot NJ (2008) Moving targets: rapid evolution of oomycete effectors. Trends in Microbiology 16:507-510


227

Solomon-Blackburn R, Stewart H, Bradshaw J (2007) Distinguishing major-gene from field resistance to late blight (Phytophthora infestans) of potato (Solanum tuberosum) and selecting for high levels of field resistance. TAG Theoretical and Applied Genetics 115:141-149

Song WY, Pi LY, Wang GL, Gardner J, Holsten T, Ronald PC (1997) Evolution of the rice Xa21 disease resistance gene family. Plant Cell 9:1279-1287

Song J, Bradeen JM, Naess SK, Raasch JA, Wielgus SM, Haberlach GT, Liu J, Kuang H, Austin-Phillips S, Buell CR (2003) Gene RB cloned from Solanum bulbocastanum confers broad spectrum resistance to potato late blight. PNAS Proceedings of the National Academy of Sciences USA 100:9128-9133

Sorensen KK, Madsen MH, Kirk HG, Madsen DK, Torp AM (2006) Linkage and quantitative trait locus mapping of foliage late blight resistance in the wild species Solanum vernei. Plant Breeding 125:268-276

Spielman LJDA, Davidse LC, Sujkowski LJ, Gu W, Tooley PW, Fry WE (1991) A second world-wide migration and population displacement of Phytophthora infestans? Plant Pathology 40:422-430

Stevenson WR, Loria R, Franc GD, Weingartner P (2001) Compendium of potato diseases, second edition

Stewart HE (2003) The effect of the presence of R-genes for resistance to late blight (Phytophthora infestans) of potato (Solanum tuberosum) on the underlying level of field resistance. Plant Pathology 52:193-198

Stinchcombe J R (2002) Environmental dependency in the expression of costs of tolerance to deer herbivory. Evolution 56:1063–1067

Sugita T, Kinoshita T, Kawano T, Yuji K, Yamaguchi K, Nagata R, Shimizu A, Chen LZ, Kawasaki S, Todoroki A (2005) Rapid construction of a linkage map using high-efficiency genome scanning/AFLP and RAPD, based on an intraspecific, doubled-haploid population of Capsicum annuum. Breeding Science 55:287-295

Sugita T, Yamaguchi K, Kinoshita T, Yuji K, Sugimura Y, Nagata R, Kawasaki S, Todoroki A (2006) QTL analysis for resistance to Phytophthora blight (Phytophthora capsici Leon.) using an intraspecific doubled-haploid population of Capsicum annuum. Breeding Science 56:137-145

Szalma S, Hostert B, Le Deaux J, Stuber C, Holland J (2007) QTL mapping with near-isogenic lines in maize. TAG Theoretical and Applied Genetics 114:1211-1228

T Takeda S, Matsuoka M (2008) Genetic approaches to crop improvement: responding to environmental and

population changes. Nature Reviews Genetics 9:444-457

Tan MYA, Hutten RCB, Celis C, Park T-H, Niks RE, Visser RGF, van Eck HJ (2008) The Rpi-mcd1 locus from Solanum microdontum involved in resistance to Phytophthora infestans, causing a delay in infection, maps on potato chromosome 4 in a cluster of NBS-LRR genes. Molecular Plant Microbe Interactions 21:909-918

Tan AMY (2008) Genetic mapping and pyramiding of resistance genes in potato. Thesis Wageningen University, The Netherlands, 136p

Tanksley SD, Ganal MW, Prince JP, de Vicente MC, Bonierbale MW, Broun P, Fulton TM, Giovannoni JJ, Grandillo S, Martin GB, Messeguer R, Miller JC, Miller L, Paterson AH, Pineda O, Roder MS, Wing RA, Wu W, Young ND (1992) High density molecular linkage maps of the tomato and potato genomes. Genetics 132:1141-1160

Thabuis A, Palloix A, Pflieger S, Daubèze AM, Caranta C, Lefebvre V (2003) Comparative mapping of Phytophthora resistance loci in pepper germplasm: evidence for conserved resistance loci across Solanaceae and for a large genetic diversity. TAG Theoretical and Applied Genetics 106:1473–1485

Thabuis A, Lefebvre V, Bernard G, Daubèze AM, Phaly T, Pochard E, Palloix A (2004a) Phenotypic and molecular evaluation of a recurrent selection program for a polygenic resistance to Phytophthora capsici in pepper. TAG Theoretical and Applied Genetics 109:342-351

Thabuis A, Palloix A, Servin B, Daubèze AM, Signoret P, Hospital F, Lefebvre V (2004b) Marker-assisted introgression of 4 Phytophthora capsici resistance QTL alleles into a bell pepper line: validation of additive and epistatic effects. Molecular Breeding 14:9-20

Tian M, Huitema E, da Cunha L, Torto-Alalibo T, Kamoun S (2004) A Kazal-like extracellular serine protease inhibitor from Phytophthora infestans targets the tomato pathogenesis-related protease P69B. Journal of biological Chemistry 279:26370-26377

Tikhonov AP, Sanmiguel PJ, Nakajima Y, Gorenstein NM, Bennetzen JL et al. (1999) Colinearity and its exceptions in orthologous adh regions of maize and sorghum. PNAS Proceedings of the National Academy of Sciences USA 96: 7409–7414


228

Tör M, Holub EB, Brose E, Musker R, Gunn N, Can C, Crute I R, Beynon JL (1994) Map positions of three loci in Arabidopsis thaliana associated with isolate-specific recognition of Peronospora parasitica (downy mildew). Molecular plant-microbe interactions 7(2): 214-222

Tör M, Holub A (2003) The role of proteolysis in R gene mediated defence in plants. Molecular Plant Pathology 4:287-296

Tör M (2008) Tapping into molecular conversation between oomycete plant pathogens and their hosts. European Journal of Plant Pathology 122:57-69

Trognitz F, Manosalva P, Gysin R, Nino-Liu D, Simon R, Herrera MD, Trognitz B, Ghislain M, Nelson R (2002) Plant defense genes associated with quantitative resistance to potato late blight in Solanum phureja x dihaploid S. tuberosum hybrids. Molecular Plant Microbe Interactions 15:587-597

Turkensteen L (1993) Durable resistance of potatoes against Phytophthora infestans. Durability of Disease Resistance, Jacobs Th and Parlevliet JE edn. Kluwer Academic Publishers, Dordrecht, pp 115-124

Turkensteen L, Flier W, Wanningen R, Mulder A (2000) Production, survival and infectivity of oospores of Phytophthora infestans. Plant Pathology 49:688-696

Turner RS (2008) Potato agriculture, late blight science, and the molecularization of plant pathology. Historical Studies in the Natural Sciences 38:223-257

Tyler BM, Tripathy S, Zhang X, Dehal P, Jiang RHY, Aerts A, Arredondo FD, Baxter L, Bensasson D, Beynon JL, Chapman J, Damasceno CMB, Dorrance AE, Dou D, Dickerman AW, Dubchak IL, Garbelotto M, Gijzen M, Gordon SG, Govers F, Grunwald NJ, Huang W, Ivors KL, Jones RW, Kamoun S, Krampis K, Lamour KH, Lee M-K, McDonald WH, Medina M, Meijer HJG, Nordberg EK, Maclean DJ, Ospina-Giraldo MD, Morris PF, Phuntumart V, Putnam NH, Rash S, Rose JKC, Sakihama Y, Salamov AA, Savidor A, Scheuring CF, Smith BM, Sobral BWS, Terry A, Torto-Alalibo TA, Win J, Xu Z, Zhang H, Grigoriev IV, Rokhsar DS, Boore JL (2006) Phytophthora genome sequences uncover evolutionary origins and mechanisms of pathogenesis. Science 313:1261-1266

Tyler B (2007) Phytophthora sojae: root rot pathogen of soybean and model oomycete. Molecular Plant Pathology 8:1-8

U Uauy C, Brevis J, Chen X, Khan I, Jackson L, Chicaiza O, Distelfeld A, Fahima T, Dubcovsky J (2005) High-

temperature adult-plant (HTAP) stripe rust resistance gene Yr36 from Triticum turgidum ssp. dicoccoides is closely linked to the grain protein content locus Gpc-B1. TAG Theoretical and Applied Genetics 112:97-105

Utz H, Melchinger A (1996) PLABQTL: A program for composite interval mapping of QTL. Crop Science Society of America (Edn) Madison, Wis. (USA)

V van der Plank JE (1968) Disease Resistance in Plants. Academic Press, New York.

van der Vossen E, Sikkema A, Hekkert BtL, Gros J, Stevens P, Muskens M, Wouters D, Pereira A, Stiekema W, Allefs S (2003) An ancient R gene from the wild potato species Solanum bulbocastanum confers broad-spectrum resistance to Phytophthora infestans in cultivated potato and tomato. The Plant Journal 36:867-882

van Deynze AE, Sorrells ME, Park WD, Ayres NM, Fu H, Cartinhour SW, Paul E, McCouch SR (1998) Anchor probes for comparative mapping of grass genera. TAG Theoretical and Applied Genetics 97:356-369

van Dodeweerd A-M, Hall CR, Bent EG, Johnson SJ, MW Bewan, I Bancroft (1999) Identification and analysis of homoeologous segments of the genomes of rice and Arabidopsis thaliana. Genome 42:887–892

van Eck HJ, Jacobsen E (1996) Application of molecular markers in the genetic analysis of quantitative traits. In: Struik PC, Hoogendoorn J, Kouwenhoven JK, Mastenbroek LJ, Turkensteen LJ, Veerman A, Vos J (eds) Abstracts of Conference Papers, Posters and Demonstrations of the 13th Triennial conference of the EAPR. European Association for Potato Research, Wageningen, pp 130–131

Van Os H, Andrzejewski S, Bakker E, Barrena I, Bryan GJ, Caromel B, Ghareeb B, Isidore E, de Jong W, van Koert P, Lefebvre V, Milbourne D, Ritter E, van der Voort JNAMR, Rousselle-Bourgeois F, van Vliet J, Waugh R, Visser RGF, Bakker J, van Eck HJ (2006) Construction of a 10,000-marker ultradense genetic recombination map of potato: Providing a framework for accelerated gene isolation and a genomewide physical map. Genetics 173:1075-1087

Varshney RK, Graner A, Sorrells ME (2005a) Genic microsatellite markers in plants: features and applications. Trends in Biotechnology 23:48-55


229

Varshney RK, Sigmund R, Börner A, Korzun V, Stein N, Sorrells ME, Langridge P, Graner A (2005b) Interspecific transferability and comparative mapping of barley EST-SSR markers in wheat, rye and rice. Plant Science 168:195-202

Vera Cruz CM, Bai J, Ona I, Leung H, Nelson RJ, Mew T-W, Leach JE (2000) Predicting durability of a disease resistance gene based on an assessment of the fitness loss and epidemiological consequences of avirulence gene mutation. P Natl Acad Sci USA 97:13500-13505

Veyrieras J-B, Goffinet B, Charcosset A (2007) MetaQTL: a package of new computational methods for the meta-analysis of QTL mapping experiments. BMC Bioinformatics 8:49

Villamon FG, Spooner DM, Orrillo M, Mihovilovich E, Pérez W, Bonierbale M (2005) Late blight resistance linkages in a novel cross of the wild potato species Solanum paucissectum (series Piurana). TAG Theoretical and Applied Genetics 111:1201-1214

Visker M, Keizer LCP, van Eck HJ, Jacobsen E, Colon LT, Struik PC (2003) Can the QTL for late blight resistance on potato chromosome 5 be attributed to foliage maturity type? TAG Theoretical and Applied Genetics 106:317-325

Visker M, Heilersig H, Kodde LP, van de Weg WE, Voorrips RE, Struik PC, Colon LT (2005) Genetic linkage of QTLs for late blight resistance and foliage maturity type in six related potato progenies. Euphytica 143:189-199

Vleeshouwers VGAA, van Dooijeweert W, Govers F, Kamoun S, Colon LT (2000) The hypersensitive response is associated with host and nonhost resistance to Phytophthora infestans. Planta 210:853-864

Vleeshouwers VGAA, Rietman H, Krenek P, Champouret N, Young C, Oh S-K, Wang M, Bouwmeester K, Vosman B, Visser RGF, Jacobsen E, Govers F, Kamoun S, Vossen EAG (2008) Effector genomics accelerates discovery and functional profiling of potato disease resistance and Phytophthora infestans avirulence genes. PLoS One 3(8). - p. e2875/1 - 10.

Voorrips RE (2002) MapChart: Software for the graphical presentation of linkage maps and QTLs. Journal of Heredity 93:77-78

W Wang GL, Mackill DJ, Bonman JM, McCouch SR, Champoux MC, Nelson RJ (1994) RFLP mapping of genes

conferring complete and partial resistance to blast in a durably resistant rice cultivar. Genetics 136:1421-1434

Wang GL, Ruan DL, Song WY, Sideris S, Chen L, Pi LY, Zhang S, Zhang Z, Fauquet C, Gaut BS, Whalen MC, Ronald PC (1998) Xa21D encodes a receptor-like molecule with a leucine-rich repeat domain that determines race-specific recognition and is subject to adaptive evolution. Plant Cell 10:765-780

Wang Y, Yao J, Zhang Z, Zheng Y (2006) The comparative analysis based on maize integrated QTL map and meta-analysis of plant height QTLs. Chinese Science Bulletin 51(18): 2219-2230

Wang M, Allefs S, van den Berg R, Vleeshouwers V, van der Vossen E, Vosman B (2008) Allele mining in Solanum: conserved homologues of Rpi-blb1 are identified in Solanum stoloniferum. TAG Theoretical and Applied Genetics 116:933-943

Ware D, Stein L (2003) Comparison of genes among cereals. Current Opinion in Plant Biology 6:121-127

Wastie RL (1991) Phytophthora infestans, the cause of late blight of potato. In: Ingram DS, Williams PH (eds). Academic Press, pp. 193-224

Weingartner P (1997) Identification of late blight and Phytophthora infestans. APSnet: The American Phytopathogical Society web page. Available at http://www.apsnet.org/online/proceedings/lateblite/papers/lb010.htm.

Whisson SC, Boevink PC, Moleleki L, Avrova AO, Morales JG, Gilroy EM, Armstrong MR, Grouffaud S, van West P, Chapman S, Hein I, Toth IK, Pritchard L, Birch PRJ (2007) A translocation signal for delivery of oomycete effector proteins into host plant cells. Nature 450: 115-118

Wolters P, Frey T, Conceição A, Multani D, Broglie, K, Davis S, Fengler K, Johnson E, Bacot K, Simcox K, Weldekidan T, Hawk J (2006) Map Based Cloning Of A QTL For Anthracnose Stalk Rot Resistance In Maize. Plant and Animal Genomes Congress, San-Diego (USA), http://www.intl-pag.org/14/abstracts/PAG14_W412.html

Wroblewski T, Piskurewicz U, Tomczak A, Ochoa O, Michelmore RW (2007) Silencing of the major family of NBS-LRR-encoding genes in lettuce results in the loss of multiple resistance specificities. The Plant Journal 51:803-818


230

Wu F, Mueller LA, Crouzillat D, Petiard V, Tanksley SD (2006) Combining bioinformatics and phylogenetics to identify large sets of single-copy orthologous genes (COSII) for comparative, evolutionary and systematic studies: a test case in the Euasterid plant clade. Genetics 174:1407-1420

X Xiao W, Zhao J, Fan S, Li L, Dai J, Xu M (2007) Mapping of genome-wide resistance gene analogs (RGAs) in

maize (Zea mays L.). TAG Theoretical and Applied Genetics 115:501-508

Xu Q, Wen X, Deng X (2007) Cloning of two classes of PR genes and the development of SNAP markers for powdery mildew resistance loci in chestnut rose (Rosa roxburghii Tratt). Molecular Breeding 19:179-191

Y Yamanaka S, Ikeda S, Imai A, Luan Y, Watanabe JA, Watanabe KN (2005) Construction of integrated genetic

map between various existing DNA markers and newly developed P450-related PBA markers in diploid potato (Solanum tuberosum). Breeding Science 55:223-230

Yi N, Yandell BS, Churchill GA, Allison DB, Eisen EJ, Pomp D (2005) Bayesian model selection for genome-wide epistatic quantitative trait loci analysis. Genetics 170:1333-1344

Yu K, Park SJ, Poysa V (2000) Marker-assisted selection of common beans for resistance to common bacterial blight: efficacy and economics. Plant Breeding 119:411-415

Yu JK, La Rota M, Kantety RV, Sorrells ME (2004) EST derived SSR markers for comparative mapping in wheat and rice. Molecular Genetics and Genomics 271:742 - 751

Yu J, Buckler ES (2006) Genetic association mapping and genome organization of maize. Current Opinion in Biotechnology 17:155-160

Yu J, Pressoir G, Briggs WH, Vroh Bi I, Yamasaki M, Doebley JF, McMullen MD, Gaut BS, Nielsen DM, Holland JB, Kresovich S, Buckler ES (2006) A unified mixed-model method for association mapping that accounts for multiple levels of relatedness. Nature Genetics 38:203-208

Yu J, Holland JB, McMullen MD, Buckler ES (2008) Genetic design and statistical power of nested association mapping in maize. Genetics 178:539-551

Z Zenbayashi-Sawata K, Fukuoka S, Katagiri S, Fujisawa M, Matsumoto T, Ashizawa T, Koizumi S (2007) Genetic

and physical mapping of the partial resistance gene, Pi34, to blast in rice. Phytopathology 97:598-602

Zeng Z (1993) Theoretical basis for separation of multiple linked gene effects in mapping quantitative trait loci. PNAS Proceedings of the National Academy of Sciences USA 90:10972-10976

Zeng Z (1994) Precision mapping of quantitative trait loci. Genetics 136:1457-1468

ANNEXES

Annexes

AII1-1

Annexe II.1

Protocole de multiplication des souches de Phytophthora infestans sur milieu artificiel

Objectif : multiplier les souches de P. infestans pour effectuer les tests sur tige

REFERENCE : Glais et Corbière 2005

MATERIEL ET PRODUITS

*casserole et couvercle

*plaque de cuisson

*petits pois congelés

*eau permutée

*agar

*passoire

*entonnoir

*flacon en verre et son couvercle pour milieu solide

*autoclave

*hotte

MODE OPERATOIRE

*Mélanger les petits pois dans l’eau permutée à raison de 125g/L dans une casserole.

*Porter à ébullition, couvrir, puis faire mijoter 30 min à 45 min.

*Peser 15 g d’agar/L .

*Verser le jus de cuisson dans le flacon en filtrant les petits pois à travers une passoire à

gros tamis et un entonnoir posé sur le flacon, ajouter l’agar.

*Stériliser à l’autoclave à 120°C pendant 20 min.

*Attendre que la température du flacon atteigne environ 50°C, agiter doucement le flacon

pour homogénéiser le milieu encore liquide et répartir le milieu dans des boites de Pétri sous

une hotte (environ 30 mL par boite).

*Laisser refroidir les boites à température ambiante sous la hotte.

*Quand le milieu est solidifié, fermer les boites et stocker à 4°C.

Annexes

AII2-1

Annexe II.2 Lignes de commandes sous R des tests statistiques ANOVA et ANCOVA

-Visualisation de l’évolution des nécroses sur tige de chaque plante par clone et évolution moyenne par clone : Exemple pour la population 03D39 (appelée D39) # Charge les données Test<-read.table("03D39.txt",header=TRUE) # Récupère le nom des clones Clone<-as.factor(Test$clone) Clone<-levels(Clone) # Récupère le nombre de clones NbClone<-length(Clone) #boucle sur les 5 variables=les colonnes T1 j=1 à T5 j=5 par(mfrow=c(3,2)) #partage de la fenêtre d’affichage for (j in 1:5){ #Pour chaque clone for (i in 1:NbClone){ # Récupère les données de ce clone D<-subset(Test,Test$clone==Clone[i]) # Calcul de la médiane Med[i]<-median(D[1:6,j+2],na.rm=TRUE) } #calcul de la moyenne des médianes pour chaque var j Moy[j]<-mean(Med[i],na.rm=TRUE) summary(Moy) #affiche l'histogramme de chaque variable j hist(Med, breaks=10, main = paste("Histogram of the medianes of T",j,Moy[j])) }

Annexes

AII2-2

-Ajustement des valeurs des clones d’une population sur l’effet test pour le test tige Exemple pour la population 03D39 (appelée D39) et la variable T1 (longueur de la nécrose à la première date de mesure) # on déclare le numéro du test comme un facteur D39$Test <- as.factor(D39$Test) # modèle linéaire de l’ANOVA de type III à deux facteurs (« clone » et « Test ») en situation de plan d’expérience non équilibré (le nombre de clones est différent selon les tests) doit comporter le module « contrast » pdt.lm<-lm(T1~clone + Test, contrasts=list(clone=contr.sum, Test=contr.sum),data=D39) Anova (pdt.lm, type="III") # extraction des moyennes des valeurs ajustées par clone dans un tableau data.frame(clone=D39$clone, ValajustT1=pdt.lm$fitted.values) -Ajustement des valeurs des plantes sur les valeurs du témoin Bintje adjacent sur la plate-forme pour le test feuillage Exemple pour la population 03D39 (appelée D39) et la variable AUDPCr # modèle linéaire de l’ANCOVA à deux facteurs (« CovAUDPCr » qui est la valeur de la plante Bintje adjacente et « clone ») pdt.lm<-lm(AUDPCr~CovAUDPCr*clone,data=D39) # extraction des valeurs ajustées par plante dans un tableau data.frame(clone = D39$clone, ValAjustAUDPCr= pdt.lm$fitted.values) -test de normalité des résidus suite à une ANOVA shapiro.test (residuals) -test de corrélation Exemple pour pour la population 03D39 (appelée D39) et les variables du test feuillage AUDPCr et Pente cor.test(D39$AUDPCr, D39$Pente, alternative="two.sided", method="pearson")

Annexes

AII2-3

- analyse descriptive des variables avec l’ACP (Analyse en Composantes Principales) Exemple pour la population 96D31 (appelée D31) #charge le fichier, sans donnée manquante D31 <- sqlQuery(channel = 1, select * from [MedVar96D31$]) #met les intitulés de la première colonne dans la première colonne du tableau créé par R row.names(D31) <- as.character(D31$F1) D31$F1 <- NULL #commande de l'ACP acp31<-dudi.pca(D31, center=T, scale=T, scannf=F) #affiche le nom des colonnes du fichier ACP créé names(acp31) #cumul en pourcentage des valeurs propres cumsum(acp31$eig/sum(acp31$eig)*100) #histogramme de l'inertie pour voir la chute des valeurs propres inertie<-acp31$eig/sum(acp31$eig)*100 barplot(inertie, ylab="%d'inertie", names.arg=round(inertie,2)) title("Diagramme des valeurs propres en %") #création du graphique des variables selon les 2 premiers axes F1i<-acp31$li[,1] F1v<-acp31$co[,1] F2i<-acp31$li[,2] F2v<-acp31$co[,2] plot(F1v, F2v, type="n", main="Les variables",xlim=c(-1,1), ylim=c(-1,1), asp=1, ylab="F2 22.4%", xlab="F1 38.4%");abline(h=0,v=0); text(F1v, F2v, row.names(acp31$co));symbols(0,0,circles=1,inches=F,add=T) #profil des coordonnées des variables sur l'axe 1 barplot(F1v,names.arg=row.names(acp31$co),las=2);title(main="Facteur 1");abline(h=0) #contribution des variables à l'axe 1

#création de l'objet 'contrib' contenant la contribution (inertie) de chaque variable contrib<-inertia.dudi(acp31,col.inertia=T)$col.abs

#tri par ordre croissant contrib<-contrib[order(contrib[,1]),]

#visualisation graphique barplot(contrib[,1],names.arg=row.names(acp31$contrib),las=2);title(main="Facteur1"

)

Annexes

AII3-1

Annexe II.3

Protocole d’extraction d’ADN à partir de feuilles de pomme de terre en micro-tubes

Objectif : micro-extraction d’ADN

REFERENCE : inspiré du protocole de Doyle et Doyle (1990)

MATERIEL ET PRODUITS

* jeunes feuilles (environ la taille de l’ongle du pouce)

*tubes Eppendorf 2 ml et 1.5ml

*mortiers et pilons stockés à 4°C

*micropipettes P20, P200 et P1000

*portoirs de tubes

*conteneur portable pour l’azote liquide

*azote liquide

*bain-marie à 60°C et portoirs flottants pour tubes

*centrifugeuse à tubes Eppendorf réfrigérantes

*poubelle à déchet toxique liquide

*hotte

*Tampon d’extraction

Produits concentration

CTAB 2%

NaCl 5M 1.4M

EDTA 0,5M 0.02M

Tris/HCl 1M 0.1M

Mélanger dans de l’eau distillée Le tampon doit être stocké à température ambiante

*beta-mercaptoéthanol

*chloroforme : alcool isoamylique 24 :1 vol/vol

*Ethanol 70%

*Isopropanol (stocké à -20°C)

*TE 10/0.1

Annexes

AII3-2

MODE OPERATOIRE

- broyage et séparation de l’ADN du reste du contenu des cellules

*sous la hotte, ajouter le beta-mercaptoéthanol au tampon d’extraction à raison de 200µl

pour 100ml de tampon

*broyer l’échantillon dans le mortier avec l’azote liquide jusqu’à obtenir une poudre vert clair

*ajouter 750 µl de tampon, homogénéiser

*mettre au bain marie à 60°C pendant 45 min

*sous la hotte, ajouter 750 µl de chloroforme : alcool isoamylique 24 :1 ; agiter

vigoureusement

*centrifuger à 15 000g pendant 10 min à 20°C

- précipitation de l’ADN

*sous la hotte, transvaser 710 µl de la phase supérieure dans un nouveau micro-tube de 2 ml

et ajouter un volume d’isopropanol à -20°C

*agiter doucement et stocker à 4°C pendant 1 heure au moins

*centrifuger à 15 000g pendant 10min à 4°C (l’ADN f orme un petit culot blanc)

*sous la hotte, éliminer le surnageant dans la poubelle à déchet liquide

-lavage de l’ADN

*ajouter 500µl d’éthanol à 70% et agiter pour décoller les culots

*centrifuger à 15 000g pendant 5 min à 4°C

*éliminer le surnageant

-séchage et resuspension de l’ADN

*laisser sécher les culots sous la hotte pendant 2 à 3 heures

*resuspendre le culot d’ADN dans 50µl de TE 10/0.1 et stocker à 4°C au moins une nuit

*doser les échantillons au Nanodrop (on doit obtenir un concentration d’environ 50ng/µl)

*stocker les échantillons à -20°C

Annexes

AII4-1

Annexe II.4

Marqueurs dévéloppés et cartographiés pendant la thèse

nom

mar

queu

rno

m la

bo A

vign

onch

rom

.R

éfér

ence

, orig

ine

Par

ent o

ù le

mar

queu

r a

été

cart

ogra

phié

séqu

ence

Fsé

quen

ce R

Tm

°C (

F/R

)en

zym

e de

re

stric

tion

(CA

PS

)ta

ille

atte

ndue

(p

b)

57t3

-SS

CP

AS

C25

78

Bor

man

n et

al.

2004

CA

SP

, RO

SA

, SP

GC

AA

TC

CG

TT

GG

AG

TT

TA

GA

CG

AT

C

GA

AG

AG

GA

GA

AC

CT

TG

GA

GG

AT

GG

58

Alu

I80

0A

glZ

1144

4C

hen

et a

l. 20

01S

H20

AC

CA

AG

CT

GT

GG

TT

AA

CC

AG

AG

GC

AG

TT

GC

GA

AT

AA

CT

GT

GG

CA

55A

luI

700

BA

66k2

t3-

10S

liwka

et a

l. 20

07S

PG

CT

TC

AT

TC

AT

AC

TA

TA

TG

TT

CA

AT

GG

TT

CA

AT

CC

GA

GC

TC

TT

GG

AA

TT

G55

ST

S30

0C

D5

-10

Rau

sche

r et

al.

2006

RO

SA

TT

GA

GG

CT

AT

TG

TA

CG

AG

TG

TG

CG

AA

AG

CC

TC

TT

AG

GT

AC

AT

TA

TG

TC

G60

.6/5

6.2

ST

S46

4co

nsen

sus

RG

AA

SC

101

4P

ark

et a

l. 20

05

D9.

33C

CT

TT

GT

AT

CA

TT

TG

CA

GT

TA

CA

TC

CT

CC

AT

TC

TT

TC

TT

53H

aeIII

1400

CP

105

-10

Sat

tarz

adeh

et a

l. 20

06C

AS

PG

AT

GT

TG

TA

CA

AG

CT

TG

TC

AA

AC

CC

AA

AA

TC

AG

GC

CA

TT

GT

GA

AT

GA

G55

Mse

I30

0C

P11

AC

P01

11

Obe

rhag

eman

n et

al.

1999

SP

LA

CT

TG

CT

GG

AG

AA

GG

GT

GA

AG

GG

GA

TA

AA

TT

TT

CT

GG

TG

AA

TC

60M

seI

300

CT

088-

3A

CT

088-

3F/A

CT

088-

2R8

van

der

Vos

sen

et a

l. 20

03 S

PL,

RO

SA

, CA

SP

GG

CA

GA

AG

AG

CT

AG

GA

AG

AG

AT

GG

CG

TG

AT

AC

AA

TC

CG

AG

57A

luI

700

CT

11-

10R

ausc

her

et a

l. 20

06C

AS

P, R

OS

AA

GA

TT

GC

TT

GT

TT

GG

TG

GT

TT

GG

AG

CA

GT

CA

AC

AG

AG

G55

ST

S31

6C

T17

3Z

1840

4S

GN

C

AS

PA

AC

AA

GC

CC

CG

AC

CT

AA

TC

TG

TG

AC

CC

CT

GC

AG

AT

CT

TG

T60

Dra

I10

00C

T17

5A

CT

175

4S

GN

RO

SA

CA

AT

GG

CT

GG

AG

TT

TT

AT

CA

GT

TT

AT

TT

GT

GG

AA

GC

GT

TG

CT

G-

--

CT

194

Z18

44_F

/Z18

43_R

4S

GN

C

AS

P, R

OS

A, B

F, D

9.33

CC

AA

TC

CA

GA

TC

CA

GC

AA

AT

GA

GA

GG

CC

CA

AT

CA

AT

TT

CA

60M

spI

700

CT

214

-10

Rau

sche

r et

al.

2006

CA

SP

GA

AC

GC

GA

AA

GA

GT

GC

TG

AT

AG

CC

CG

CT

GC

CT

AT

GG

AG

AG

T55

Hin

fI61

8F

bp-c

yZ

1145

4C

hen

et a

l. 20

01D

9.13

TG

AA

GA

AC

CA

TC

AG

CG

GG

AT

AC

TG

CA

GG

GA

GA

AG

AT

CA

AA

AG

AA

AC

55R

saI

-G

lo-

10C

hen

et a

l. 20

01R

OS

AC

AG

CG

TT

GA

GG

AG

GT

TG

CT

TC

AG

AC

AG

CC

AC

TC

AA

TG

CC

AT

AG

T55

Msp

I17

00

GP

180

AG

P18

04

Obe

rhag

eman

n et

al.

1999

CA

SP

, SP

G, B

F, D

9.33

TC

CA

CC

CC

TG

GA

TT

CA

AG

AA

TC

AA

AC

TC

CT

TC

AC

AA

AG

CA

58T

Sp4

5I/T

aqI

400

GP

218

-10

PoM

aMo

RO

SA

CA

CA

TC

CA

AG

CA

CT

CC

AC

AA

CT

GC

AG

CA

AG

CA

CA

TC

TA

AA

55E

coR

V94

4G

P22

1A

GP

221

4P

oMaM

oR

OS

AT

GG

TG

AC

TG

AA

CA

GG

TG

GT

GT

CA

GA

AC

CT

CA

AC

CC

AC

AG

A58

-47

5G

P28

7-

10S

liwka

et a

l. 20

07S

PL

TC

AT

TC

CC

AA

GA

CA

CT

CA

TG

CA

CT

CA

AC

CA

CC

AG

CT

CA

AG

AC

55T

aqI

700

GP

87-

10P

oMaM

oC

AS

PC

CA

TC

AG

GC

AA

TT

TC

CA

AT

CG

AC

TT

GT

TT

TC

TG

CG

GG

AA

C55

Taq

I51

5P

1433

Z89

94

Par

k et

al.

2005

S

PG

CA

CA

GA

AC

CA

TC

AA

TG

GC

GA

CC

AC

TG

AG

AA

AT

TG

AG

AG

C55

Dpn

II, S

aU3A

I, R

saI8

00P

8h11

-10

PoM

aMo

SP

GT

CA

TA

TT

TC

AT

AA

AG

AG

AA

AT

GC

AC

AG

GG

TC

GT

GT

CC

GT

AC

AA

AA

A55

Hae

III60

8P

kZ

1147

4C

hen

et a

l. 20

01C

AS

P, R

OS

A, S

PG

, BF

, D9.

13, D

9.33

TC

AC

TG

TA

TC

CA

CA

GA

CT

AT

AC

CC

AC

TC

TC

CC

CA

CT

TA

AC

AT

AA

C55

Rsa

I80

0-90

0R

BZ

1460

FR

B, Z

1460

Rin

dRB

8M

illet

et B

rade

en 2

007

CA

SP

, RO

SA

CA

TC

TT

GA

GA

GA

GT

GA

AG

AA

TG

AT

AC

TA

GT

GC

GC

AA

CA

CA

AT

TG

AA

60D

raI

750

Rca

-10

Che

n et

al.

2001

CA

SP

, SP

GA

CA

CY

GT

MA

AC

AA

CC

AG

AT

G*

AC

TC

TC

TT

GA

CA

TT

CT

CT

TG

C60

Taq

I/Dra

I70

0R

GH

2H

ER

GH

24

com

mun

icat

ion

H. v

an E

ckS

PG

--

--

-S

SR

4M

S05

810

Fra

ry e

t al.

2005

SP

LT

TC

TT

CG

GA

GA

CG

AA

GG

GT

AC

CT

TC

AA

TC

CT

CC

AG

AT

CC

A60

-16

8 [1

68-1

81]

SS

R45

0M

S08

14

SG

NR

OS

AA

AT

GA

AG

AA

CC

AT

TC

CG

CA

CA

CA

TG

AG

CC

CA

AT

GA

AC

CT

C57

.6/6

0.4

-26

5S

SR

555

MS

090

4S

GN

CA

SP

, SP

L, D

9.33

, SH

20T

TG

AT

AT

TA

AC

CA

TG

GC

AG

CA

GT

TG

AT

GG

GA

TT

GC

AC

AG

AA

A41

-21

7S

Ti0

01M

S16

84

Fei

ngol

d et

al.

2005

SP

L, R

OS

A, S

PG

, BF

CA

GC

AA

AA

TC

AG

AA

CC

CG

AT

GG

TC

AT

CA

AA

TT

CA

CC

GC

T58

.4/5

8-

188

ST

i004

-6

Fei

ngol

d et

al.

2005

CA

SP

, RO

SA

, BF

, D9.

13, D

9.33

, SH

20G

CT

GC

TA

AA

CA

CT

CA

AG

CA

GA

AC

AA

CT

AC

AA

GA

TT

CC

AT

CC

AC

AG

60-5

4-

103

[78-

112]

ST

i006

-5

Fei

ngol

d et

al.

2005

CA

SP

, SP

L, R

OS

A, B

F, D

9.13

, D9.

33, S

H20

CT

TT

AG

TC

CT

TG

GC

AG

AG

CT

TC

GG

GC

TG

AT

TC

TT

CT

TC

AT

C56

-62

-19

9-25

0S

Ti0

18-

11F

eing

old

et a

l. 20

05S

PL,

D9.

13, D

9.33

, SH

20C

CA

CT

AC

TG

CT

TC

CT

CC

AC

CG

CA

GC

AA

CA

AC

AA

GC

TC

AA

C60

-54

-15

7-19

2S

Ti0

23-

10F

eing

old

et a

l. 20

05S

PL,

BF

, D9.

13G

CG

AA

TG

AC

AG

GA

CA

AG

AG

GT

GC

CA

CT

GC

TA

CC

AT

AA

CC

A55

-19

3 [1

42-2

05]

ST

i027

MS

201

8F

eing

old

et a

l. 20

05C

AS

P, R

OS

AC

GC

AA

AT

CT

TC

AT

CC

GA

TT

CT

CC

GG

CG

GA

TA

AT

AC

TT

GT

T60

-10

9-14

8S

Ti0

43-

1F

eing

old

et a

l. 20

05C

AS

P, R

OS

A, D

9.13

CA

AT

GC

GA

AT

GT

TG

CT

AC

TG

GT

AT

CC

AC

CA

AG

AC

CT

CC

AG

AA

54-6

0-

129-

144

ST

i044

-8

Fei

ngol

d et

al.

2005

CA

SP

, BF

, D9.

33G

AG

AA

CC

CC

AC

CC

AC

CA

AG

GT

AT

TG

TG

CT

TG

AA

CA

GC

CA

60-5

4-

130-

162

ST

i049

-5

Fei

ngol

d et

al.

2005

BF

, D9.

33G

GA

AG

TC

CT

CA

AC

TG

GC

TG

TC

AA

CT

AT

AT

GC

CT

AC

TG

CC

CA

A60

-54

-13

7-15

7S

Ti0

50-

3F

eing

old

et a

l. 20

05C

AS

P, S

PL,

RO

SA

, BF

, D9.

13, D

9.33

, SH

20T

TC

CT

CT

AA

GC

GG

CA

AA

AG

GG

GA

GG

AG

AC

TT

GG

GT

TT

CT

CC

58-5

2-

153-

168

ST

i055

MS

172

4F

eing

old

et a

l. 20

05C

AS

P, S

PL,

D9.

13, D

9.33

CC

GT

TG

AT

GG

GA

TT

GC

AC

AT

GA

TA

TT

AA

CC

AT

GG

CA

GC

AG

C60

.2/6

0.8

-22

0S

Ti0

57-

9F

eing

old

et a

l. 20

05S

PL,

BF

, D9.

13, D

9.33

, SH

20C

CT

TG

TA

GA

AC

AG

CA

GT

GG

TC

TC

CG

CC

AA

GA

CT

GA

TG

CA

60-5

4-

179-

195

ST

i059

-6

Fei

ngol

d et

al.

2005

BF

, D9.

13, D

9.33

AG

AC

GG

GT

GC

AC

AC

GC

AC

TG

CT

TG

AG

TA

TG

AC

AG

CA

CT

TG

A58

-62

-12

6-15

4S

TM

0003

MS

066

12M

ilbou

rne

et a

l. 19

98C

AS

P, S

PL

AA

TT

GT

AA

CT

CT

GT

GT

GT

GT

GG

GA

GA

AT

CA

TA

AC

AA

CC

AG

57-

141

ST

M00

14-

7M

ilbou

rne

et a

l. 19

98C

AS

P, R

OS

A, B

F, D

9.13

, D9.

33, S

H20

CA

GT

CT

TC

AG

CC

CA

TA

GG

TA

AA

CA

AT

GG

TA

GA

CA

AG

AC

AA

A54

-18

0S

TM

0019

MS

178

6M

ilbou

rne

et a

l. 19

98C

AS

P, R

OS

A, D

9.33

, SH

20A

AT

AG

GT

GT

AC

TG

AC

TC

TC

AA

TG

TT

GA

AG

TA

AA

AG

TC

CT

AG

TA

TG

TG

53-

204

Annexes

AII4-2

nom

mar

queu

rno

m la

bo A

vign

onch

rom

.R

éfér

ence

, orig

ine

Par

ent o

ù le

mar

queu

r a

été

cart

ogra

phié

séqu

ence

Fsé

quen

ce R

Tm

°C (

F/R

)en

zym

e de

re

stric

tion

(CA

PS

)ta

ille

atte

ndue

(p

b)

ST

M00

20M

S06

74

Milb

ourn

e et

al.

1998

BF

, D9.

13, D

9.33

, SH

20A

GT

CC

AG

AA

AA

CC

AC

AT

AC

AT

GC

GT

CT

GT

GT

GA

GT

AT

AT

TT

53-

176

ST

M00

28M

S34

7M

ilbou

rne

et a

l. 19

98C

AS

P, B

F, D

9.13

, D9.

33, S

H20

CA

TA

AA

TG

GT

TA

TA

CA

CG

CT

TT

GC

TA

AT

GG

AG

TT

CC

TG

AA

AA

GA

AA

GG

53, 5

5, 5

7 -

145

ST

M00

30-

12M

ilbou

rne

et a

l. 19

98C

AS

P, S

PG

, D9.

33, S

H20

AG

AG

AT

CG

AT

GT

AA

AA

CA

CG

TG

TG

GC

AT

TT

TG

AT

GG

AT

T54

-14

7S

TM

0037

MS

035

11M

ilbou

rne

et a

l. 19

98R

OS

A, B

F, D

9.13

, D9.

33A

AT

TT

AA

CT

TA

GA

AG

AT

TA

GT

CT

CA

TT

TG

GT

TG

GG

TA

TG

AT

A48

-90

ST

M00

38M

S36

2M

ilbou

rne

et a

l. 19

98R

OS

A, B

F, D

9.13

, D9.

33, S

H20

AA

CT

CT

AG

CA

GT

AT

TT

GC

TT

CA

TT

AT

TT

AG

CG

TC

AA

AT

GC

AT

A53

.9-

108

ST

M00

51M

S16

410

Milb

ourn

e et

al.

1998

SP

L, S

PG

TA

CA

TA

CA

TA

CA

CA

CA

CG

CG

CT

GC

AA

CT

TA

TA

GC

CT

CC

A54

-11

5S

TM

1001

MS

070

8M

ilbou

rne

et a

l. 19

98C

AS

PT

CA

AC

AG

TG

CA

TT

TG

AA

TT

AT

CG

TC

AC

CT

TT

TC

AT

AG

TT

CA

GC

TA

GG

53, 5

5, 5

7 -

133

ST

M10

04-

7M

ilbou

rne

et a

l. 19

98B

F, D

9.13

, D9.

33A

TA

TG

AA

AT

TC

TC

TC

GA

TG

TT

TC

GT

CA

GC

CC

AT

AA

AX

CT

TT

AG

TT

AC

CT

58.7

/58

-16

3S

TM

1008

MS

141

2M

ilbou

rne

et a

l. 19

98C

AS

P, B

F, S

H20

GT

AC

AC

AG

CA

AA

AT

AG

CA

AG

TA

GA

CA

CT

CT

CA

CA

TC

CA

CT

56-

140

ST

M10

20M

S14

13

Milb

ourn

e et

al.

1998

CA

SP

, , S

PL,

, R

OS

A, ,

SP

G, B

F, D

9.13

, D9.

33, S

H20T

TC

GT

TG

CT

TA

CC

TA

CT

AC

CC

AA

GA

TT

AC

CA

CA

TT

C46

.5/5

0.8

-21

6S

TM

1020

MS

041

5M

ilbou

rne

et a

l. 19

98C

AS

P, D

9.13

TT

CG

TT

GC

TT

AC

CT

AC

TA

CC

CA

AG

AT

TA

CC

AC

AT

TC

47-

216

ST

M10

24M

S18

18

Milb

ourn

e et

al.

1998

BF

, D9.

13, D

9.33

AT

AC

AG

GA

CC

TT

AA

TT

TC

CC

CA

AT

CA

AA

AC

CC

AA

TT

CA

AT

CA

AA

TC

60-

143

ST

M10

40-

10M

ilbou

rne

et a

l. 19

98S

PL,

SP

G, D

9.13

AG

TA

CT

CA

GT

CA

AT

CA

AA

GA

GG

TA

AG

TA

TG

TT

CT

CC

AG

44.2

-46.

3-

173

ST

M10

45-

12M

ilbou

rne

et a

l. 19

98C

AS

P, S

PL,

RO

SA

, SP

G, D

9.33

GA

AG

TT

TT

AT

CA

GA

AT

CC

AT

CA

CC

TC

AT

CA

GC

AA

TC

46.6

/52.

5-

181

ST

M10

49M

S75

1M

ilbou

rne

et a

l. 19

98C

AS

P, S

PL,

RO

SA

CT

AC

CA

GT

TT

GT

TG

AT

TG

TG

GT

GA

GG

GA

CT

TT

AA

TT

TG

TT

GG

AC

G59

.4-

189

ST

M10

51M

S03

79

Milb

ourn

e et

al.

1998

CA

SP

, BF

, D9.

13, D

9.33

TC

CC

CT

TG

GC

AT

TT

TC

TT

CT

CC

TT

TA

GG

GT

GG

GG

TG

AG

GT

TG

G65

.7/6

5.3

-22

5S

TM

1056

MS

183

8M

ilbou

rne

et a

l. 19

98R

OS

A, B

FA

GG

TA

AG

TT

TT

AT

TT

TC

AA

TT

GC

GG

GT

AT

GG

GA

AT

AG

GT

AG

TT

T53

.9-

229

ST

M10

57M

S18

28

Milb

ourn

e et

al.

1998

CA

SP

TT

AT

GT

TT

CG

GT

TA

AA

AT

GT

AA

AA

TT

AA

AT

GG

AA

GA

CA

AC

C47

, 50

-10

7S

TM

1064

MS

076

2M

ilbou

rne

et a

l. 19

98R

OS

AG

TT

CT

TT

TG

GT

GG

TT

TT

CC

TT

TA

TT

TC

TC

TG

TT

GT

TG

CT

G55

-20

4S

TM

1102

MS

039

9M

ilbou

rne

et a

l. 19

98C

AS

P, S

PL,

BF

, D9.

13, D

9.33

, SH

20G

GA

AG

AA

TT

TT

GT

AG

GT

TC

AA

AA

AG

TG

AA

AC

TT

CC

TA

GC

AT

G54

-16

7S

TM

1105

MS

029

8M

ilbou

rne

et a

l. 19

98R

OS

A, S

PG

, BF

, D9.

13, D

9.33

AA

AC

CT

GC

TA

CA

AA

TA

AG

GC

CA

GA

AA

TA

AT

TG

GA

GG

AG

AT

G54

-11

4S

TM

2013

MS

180

7M

ilbou

rne

et a

l. 19

98B

F, D

9.13

TT

CG

GA

AT

TA

CC

CT

CT

GC

CA

AA

AA

AA

GA

AC

GC

GC

AC

G60

-16

0S

TM

2022

MS

160

2M

ilbou

rne

et a

l. 19

98S

PL,

SP

G, R

OS

A, B

FG

CG

TC

AG

CG

AT

TT

CA

GT

AC

TA

TT

CA

GT

CA

AC

TC

CT

GT

TG

CG

58/6

0-

194

ST

M20

28M

S16

712

Milb

ourn

e et

al.

1998

CA

SP

, RO

SA

TC

TC

AC

CA

GC

CG

GA

AC

AT

AA

GC

TG

CG

GA

AG

TG

AT

TT

TG

60-

188

ST

M30

09M

S04

07

Milb

ourn

e et

al.

1998

CA

SP

, RO

SA

, SP

G, B

F, D

9.13

, D9.

33T

CA

GC

TG

AA

CG

AC

CA

CT

GT

TC

GA

TT

TC

AC

CA

AG

CA

TG

GA

AG

TC

64-

110

ST

M30

11M

S15

82

Milb

ourn

e et

al.

1998

CA

SP

, SP

G, B

F, D

9.13

, D9.

33, S

H20

GT

GT

GG

TT

GA

TT

GA

TT

GA

TT

TA

GC

GT

TT

TT

AG

GC

AG

TT

CT

TG

GG

G59

.44/

60.6

1-

125

ST

M30

15-

8M

ilbou

rne

et a

l. 19

98C

AS

P, R

OS

AA

GC

AA

TA

AA

GT

CA

AC

AC

TC

CA

TC

AA

AT

GA

AT

TA

GG

GG

GA

GG

TG

TG

66/6

2-

156

ST

M30

16M

S03

04

Milb

ourn

e et

al.

1998

RO

SA

, , S

PG

, BF

, D9.

13, D

9.33

, SH

20T

CA

GA

AC

AC

CG

AA

TG

GA

AA

AC

GC

TC

CA

AC

TT

AC

TG

GT

CA

AA

TC

C53

-15

1S

TM

3023

MS

174

4M

ilbou

rne

et a

l. 19

98D

9.33

, SH

20A

AG

CT

GT

TA

CT

TG

AT

TG

CT

GC

AG

TT

CT

GG

CA

TT

TC

CA

TC

TA

GA

GA

50, (

60-5

0)

-19

7S

TM

3160

MS

175

4B

rads

haw

et a

l. 20

04S

PG

, BF

, D9.

33, S

H20

AC

TC

AG

AA

CA

CC

GA

AT

GG

CT

CC

AC

TA

CT

GG

TC

AA

AT

CC

55-

105-

127

ST

M51

09-

11B

rads

haw

et a

l. 20

04C

AS

P, R

OS

A, S

PG

, D9.

13, D

9.33

AC

AG

CT

TT

AC

TC

TG

CT

CA

AC

AA

TG

AC

GG

CG

TT

AT

TA

CA

AA

C57

-20

8–21

2S

TM

5130

MS

088

11B

rads

haw

et a

l. 20

04C

AS

P, S

PL,

BF

, D9.

13, D

9.33

, SH

20A

AA

GT

AC

AG

CG

AA

GA

TG

AC

GA

CT

TA

CC

TT

TG

CA

AC

CT

TG

CC

57-

240–

250

ST

M51

40M

S17

34

Ghi

slai

n et

al.

2004

CA

SP

, RO

SA

, BF

, D9.

13, D

9.33

, SH

20G

CT

AT

TG

TT

GC

AG

AT

AA

TA

CG

GC

CA

TG

CA

CT

AA

TC

TT

TG

A45

-18

3S

TM

5156

-4

Ghi

slai

n et

al.

2004

D9.

13C

AT

TT

TC

TC

CA

GT

AA

CT

AA

CC

AT

TA

GC

TC

CT

AT

TT

GA

AT

CC

C57

-27

1S

TP

oAC

58M

S17

85

San

dbrin

k et

al.

2000

CA

SP

, RO

SA

, D9.

13, S

H20

TT

GA

TG

AA

AG

GA

AT

GC

AG

CT

TG

TG

AC

GT

TA

AA

GA

AG

TG

AG

AG

TA

CG

AC

55, 5

7 -

243

ST

WA

X-2

MS

191

8G

hisl

ain

et a

l. 20

04S

PG

CC

CA

TA

AT

AC

TG

TC

GA

TG

AG

CA

GA

AT

GT

AG

GG

AA

AC

AT

GC

AT

GA

53-

224–

243

T06

35Z

592

4S

GN

SP

G, D

9.33

GC

CA

AA

AT

AG

TG

GT

TG

AA

AG

AA

AT

TT

CT

GA

TG

AG

TC

GA

GG

58M

spI

800

TG

303

-10

Yam

anak

a et

al.

2005

CA

SP

TT

CA

AT

CC

GA

GC

TC

TT

GG

AA

TT

GT

TC

AA

TC

CG

AG

CT

CT

TG

GA

AT

TG

55-

-T

G31

3-

10S

GN

C

AS

P, S

PL,

RO

SA

CT

GC

TG

TT

CC

CA

AT

CT

AG

CC

AC

AT

GC

CC

AT

TG

AC

AA

CT

CA

55S

TS

330

TG

345

Z18

374

SG

N

RO

SA

AG

CT

TT

TC

CG

TT

GT

TC

TG

GA

AT

CA

CT

GG

CA

CT

TG

CA

TC

AG

60A

luI

800

TG

437

Z11

17F

/Z11

16F

4S

GN

IL-1

95-I

1C

CA

TA

TG

GT

CC

TC

CT

CC

AG

AC

TT

TC

AA

CC

AC

TT

CG

GC

AA

T60

Hph

1T

G60

Z18

425

SG

ND

9.13

, D9.

33T

TT

AA

AA

AG

AA

GA

GT

GG

TT

CA

GC

AT

AG

AA

AT

GC

GA

GG

GA

GG

TG

T60

Mse

I

TG

63-

10R

ausc

her

et a

l. 20

06

(TG

63F

1)C

AS

P, S

PG

CC

CA

GA

GT

CC

CC

CT

TC

CT

AT

TC

GA

GA

TG

TT

GA

AT

TT

GC

GT

AA

GA

50S

TS

/Mbo

I60

0T

PT

-10

Sliw

ka e

t al.

2007

SP

L, R

OS

AC

CT

TC

TC

TC

TC

AC

TG

CC

AA

TG

CT

CA

CC

AA

GC

AA

TA

TA

CC

AC

C55

ST

S11

00

*Y=

C+

T, W

=A+

T, M

=A

+C, R

=A+

G, V

=A

+C

+G

, D=A

+G

+T

Annexes

AII5-1

Annexe II.5

Composition du milieu LB

Objectif : multiplier les bactéries transformées avec un fragment d’amplification PCR à

séquencer

Mélanger les produits suivants :

Produits Quantité pour 1L

Tryptone 10,0 g

Extrait de levure 5,0 g

Chlorure de sodium (NaCl) 10,0 g

Gélose 15,0 g

Eau distillée 1,0 L

ajuster à pH 7,5

Annexes

AII6-1

Annexe II.6

Noms synomnymes des marqueurs pour la méta-analyse

Nom standard Nom synonyme683 683-SSCP1683 683-SSCP24Cl(a) 4cl_34Cl(a) St4cl(a)5418L SC85_20m57t3 57T3-SSCPAF411807R ASC100AF411807R SC100_2mAF411807R SC100BFAgl Z1144_BFAgl AgIAGPaseB-a AGPaseB(a)At1C05 At1C5At2D02 At2D2AtH01 At1H1B175L ASC91B175L SC91BFmB57R ASC84-3B57R ASC84B57R ASC84-1B57R ASC84-2B57R ASC84BFmB57R SC84_3mBA106c14 BA106c14t7BA113a17 BA113a17t3BA114i24 BA114I24t3BA121o1t7 BA121o1t7-SSCP3BA121o1t7 BA121o1t7-SSCP5bBA121o1t7 BA121o1t7-SSCP4BA121o1T7 RGL121o1-aBA121o1T7 BA121o1t7BA18o5 BA18o5T3BA228d23 BA228d23t3BA47f2T7 RGL47f2-eBA47f2T7 BA47f2t7BA66k2 BA66k2t3BA88b3 BA88b3t7C2_Atg1740 Z1473_3mC2_Atg1740 Z147313mCD18-10 CD18BCD31A CD31CD32B CD32CD34_10 CD34CD35 CD035CD49 CD49ACD5 CD005CD57 CD057CD59 CD059CD62 CD062CD64 CD064_ACD64 CD064_ArCD64 CD064_ASCIA142c CSD_HpcLer16J6 cLER-16-J6cLPT5B19 Z1465_2mcLPT5B19 Z1465BFEcLPT5B19 cLP5B19cLPT5B19 cLP5B19mcLPT5B19 cLPT-5-B19consRGA SC101_33CosA CosA-210CP104-d CP104(d)CP112-b CP112(b)CP112-d CP112-1CP112-d CP112(d)CP117 CP117-1CP137-b CP137(b)cp19 CP19CP20-a CP20(a)CP43 CP43(a)CP47-a CP47-bCP47-a CP47-1CP47-a CP47CP48b CP48-bCP49-a CP49(a)CP51-a CP51aCP51-c CP51CP51-c CP51-2CP54-a CP54aCP57 CP057rCP57 CP057SCP58A CP58CP58B CP058BCP65A CP065AsmCP65-a CP65aCP65-a CP065AsmCP65B CP065_BrCP65B CP65-aCP65B CP65aCP70-a CP70(a)CP70-b CP70(b)CT100 CT100rCT105A CT105_ArCT107A CT107aCT107C CT107cCT11 CT11mRCT136 CT136rCT141 CT141rCT175 CT175_A

Nom standard Nom synonymeCT184A CT184_ArCT194 Z1844_33CT194 Z1844_BFCT19A CT019_ACT19B CT019_BrCT2_8 CT002CT201A CT201aCT201B CT201bCT214 CT214bCT214 CT214BCT214A CT214aCT224 CT224_BCT245 CT245_ArCT259 CT259rCT287_8 CT287_BCT30 CT030rCT30 CT030CT47 CT047rCT68 CT068CT68 CT068RCT71 CT071CT79 CT079rCT80A CT080_ACT83 CT083CT83 CT083rCT84 CT084CT88-3 CT88CT91B CT091_BrCT91C CT091_CrFbp-cy Z1145_3mFbp-cy Z114513mGM232-b GP232-2GP125 GP125-SSCP1GP128-f GP128-2GP136-a GP136(a)GP161 GP161-cGP167-a GP167_2GP17 GP17-aGP172-b GP172GP174-a GP174GP179 GP179-570GP179 GP179AGP179 AGP179mGP180 GP180-aGP180 GP180_2GP180 GP180_1.3GP180 GP180(a)GP180 AGP180GP180 GP180saGP180 GP180_3mGP180 GP180_SHGP180 GP180(a)GP195-a GP195(a)GP196 GP196-2GP198-a GP198-3GP1-a GP1(a)GP1-a GP1aGP1-c GP1©GP21 GP21A-8GP21 GP021CmGP21 GP021GP21 GP21mSCAGP215-a GP215(a)GP219 GP219-1GP221 AGP221GP221 GP221RmGP221 GP22113mGP221 GP22113mGP232 GP232-bGP232 GP232-2GP249b GP249-bGP25 GP25-SSCP1GP25 GP25_1GP250 GP250-aGP250(a) GP250GP250a GP250GP255-f GP255-3GP261 GP261-aGP261 GP261aGP261 GP261(a)GP263-b GP263(b)GP264 GP264-aGP28 GP28(b)GP291-a GP291(a)GP293 GP293(a)GP33-a GP33-1GP34 GP34-SSCP2GP34 GP34(a)GP35 GP35-iGP35-d GP35(d)GP40-a GP40(a)GP40-b GP40(b)GP514 GP514-bGP73-a GP73(a)GP76 GP76-Rsa-600GP76 GP76_bGP91-a GP91aGP91-c GP91(c)Gro1 gro1-2-P40

Nom standard Nom synonymeInv-ap Inv-ap-aLeatpocAa LeatpocAALernalx lernalxLernalx MS063nM3894 Z1434_13M3894 Z1434_BFMBF Z965mkPim Z176733mNl25 NL25NL27 NL27-SSCP3NL27 NL27-SSCP4bNL27 NL27-SSCP5Nl27 NL27OSM-8e Osm-11P1433 Z899P1433 Z899_13mP1433 Z899_3amP2 Z939P450 P450-SSCP1Pal Pal-fPAT-a pat(a)PBE pbePC8 PC8_2rPk Z1147_1mPk Z1147_2mPk Z1147_3mPk Z1147_BmPk Z11471appoIII PPOIIIppoIII PpoPrp1 Prp1-200Prp1 prp1PSTRd PSTR(i)PSTR-e PSTRePSTRf PSTR(f)PSTR-f PSTR(f)PSTR-f PSTRfPSTR-g PSTRgPSTR-i PSTR(i)PSTR-i PSTRdPSTR-l PSTRlRbcS-2 rbcS-2RbcS-2 rbcs-2RbcS-c RBCS1RGH3 Z897S Sr1S2a12 AmyZ-3/4Sbel SbeISK2 SK2-aSSR4 MS058nSSR450 MS81SSR450 SR45054mSSR450 SR45057mSSR555 MS90.13SSR555 MS90-23SSR555 MS90-13SSR555 MS90-24SSR555 SR55522mSSR86 MS80-16SSR86 MS80St4cl-a 4Cl(a)St4cl-a St4cl(a)StCf9-c cf9STI0001 Ti001206STI0001 Ti001212STI0001 Ti00119mSTI0055 Ti05521mSTM0013ab STM0013aSTM0013ab STM0013STM0013ab STM0013bSTM0013ab MS032anSTM0014abd STM0014-aSTM0014abd STM0014STM0014abd M001417mSTM0014abd M001441mSTM0014abd M001452mSTM0014abd M001497mSTM0014eg M0014121STM0014eg M001418mSTM0019 M001902mSTM0019 M001935mSTM0020 M0020150STM0020 M0020170STM0020 M002023mSTM0020 M002030mSTM0020 M0020150STM0020 M0020170STM0020 M002023mSTM0020 M002030mSTM0028 MS034STM0028 M0028162STM0030 M0030153STM0030 M003037mSTM0037 M003772STM0037 M003778mSTM0038 STM38m1STM0038 STM38m1STM0038 M0038101STM0038 M003882

Nom standard Nom synonymeSTM0038 M003891STM1004 M1004257STM1004 M100437mSTM1004 M100447mSTM1004 M100454mSTM1008a M1008136STM1008a M100838mSTM1008c STM1008STM1009acd STM1009c.dSTM1009acd STM1009_11STM1009be STM1009_7STM1020abcg STM1020aSTM1020abcg MS041mSTM1020abcg STM1020aSTM1020abcg STM1020-2STM1020ehi STM1020bSTM1020ehi M1020215STM1024 M1024142STM1024 M102453mSTM1025 STM1025aSTM1030b STM1030STM1040 STM1040SSTM1040 M104093mSTM1045a STM1045STM1045a_12 STM1045cSTM1045a_2 STM1045a,bSTM1045a_2 STM1045aSTM1045b M104591mSTM1056_8 STM1056bSTM1056a M1056206STM1057abc STM1057STM1102cde STM1102STM1102cde M1102167STM1102cde M110264mSTM1105a M1105106STM1105a M110511mSTM2013 M2013155STM2013 M2013160STM2022 M202222mSTM3011 STM3011bSTM3016 MS30-aSTM3016 MS30STM3016 MS30-hSTM3016 MS30-bSTM3016 STM3016bSTM3016 M3016121STM3016 M3016128STM3016 M301625mSTM3023 M3023196STM3023 M302376mSTM3160 STM3160_aSTM3160 M316004mSTM3160 M3160102STM3160 M3160108STM5140 MS173-2STM5140 MS173-5STM5140 MS173.5STM5140 M5140177STM5140 M5140180STM5140 M514074mSTM5156 M515670mStPAD4-1 StPAD4STPoAc58 Ac5857mSTPoAc58 Ac5865mStpto STptoStpto StPtoStSGT1-2 StSGT1T0635 Z592T0635 Z592_13mT0635 Z592_33T0707 T0707rT0741 T0741rT0741 T0741STG102 TG102(a)TG105-a TG105-1TG123 TG123smTG123 TG123yTG123 TG123vTG132 TG132rTG141A TG141TG15 TG015TG154 TG154_1TG162-4 TG162(6)TG167 TG167rTG16A TG16TG17 TG017TG176 TG176_2TG18B TG18-6TG20 TG020TG20 TG20-aTG20 TG20ATG208 TG20833mTG20A TG20(a)TG20-a TG20(a)TG20B TG020TG20B TG20aTG20B TG20-bTG218 TG218rTG22 TG22_13

Nom standard Nom synonymeTG22 TG22_BFmTG221 TG221rTG231 TG231rTG237 TUS-15-P7TG254 TG254ATG263A TG263aTG263B TG263bTG27 TG027rTG272 TG272BTG28 TG028_ATG285 TG285rTG285 TG285STG28A TG28TG316 TG316STG339 ATG339TG339 TG339_33TG339 Z183613mTG339 TG339RTG36 TG036rTG36 TG036TG364A cTOC-24-B19TG364A TG364TG365 TG365rTG370 ATG370TG370 TG370FTG399A TG399r_10TG399B TG399rTG413A TG413aTG42 TG042TG427 TG427STG430B TG430aTG430B TG430BrTG432 ATG432mPTG441 TG441rTG449B TG449bTG45 TG045rTG473 TG473rTG474 cLED-29-N16TG496 TG496rTG497 TG497rTG50 TG50BTG506 TG506RTG524 TG524rTG555 TG555STG569 TG569STG581 TG581rTG5811 cLEW-11-L14TG59 TG59-1TG62 TG62_33mTG63 TG63STG66 TG066rTG68 TG068Th21 ASC93Th21 SC93_20mTh21 SC93_BFmTh21 Th21_33mTpt TPTwun_2 wun2_6wun_2 wun2_5wun_2 WUN2WUN1 WUN1(a)

Annexes

AIV1-1

Annexe IV.1

Cartes parentales des populations 03D

La condition requise par MAPMAKER de ne pas dépasser 8 caractères pour les noms des marqueurs a été également appliquée pour CARTHAGENE. Ainsi, les marqueurs ont été renommés comme suit : -les marqueurs STM ont des noms commençant par la lettre ‘M’, suivie du numéro du marqueur tel qu’attribué dans la bibliographie, et de la taille de la bande polymorphe ; pour le marqueur miroir correspondant, le chiffre des centaines de la taille de la bande est supprimé et un ‘m’ est ajouté à la fin du nom. Exemple : la bande polymorphe du marqueur STM3023 et de taille 176 pb est renommée ‘M3023176’ et sa bande miroir est nommée ‘M302376m’ -les marqueurs SSR ont des noms commençant par ‘SR’, suivi de leur numéro d’origine. Les noms d’origines des marqueurs CAPS sont donnés en Annexe II.4 Les numéros des chromosomes sont en chiffres arabes, précédés de la lettre ‘K’.

Annexes

AIV1-2

“intra-population” maps

M30111390.0M301122m2.8

M003808m18.3M00389123.8

M003806m35.5

M100838m87.8

M202291m122.8

K2_BF_D36

M30111390.0

M003806m9.2

M00389118.8M003808m22.2

K2_BF_D41

M30111420.0

M0038828.8

M003895m34.0

K2_D9.13_D36

M301132m0.0M0038822.1

K2_D9.13_D39

M0038910.0

M003808m8.8

M003806m21.9

K2_SiH_D39

M301122m0.0

M003808m19.9

M00389136.9

M1008136114.1

K2_SiH_D42

M301132m0.0M003895m2.9

K2_D9.33_D41

M102095m0.0

M102018912.0M102031m13.1Ti05017715.3

Ti05080m43.6

K3_BF_D36

M102095m0.0

M10201898.6

K3_BF_D41

M10202510.0

Ti0501744.5

K3_D9.13_D36

M10202510.0

M102023723.6

M102022040.2Ti05017441.6

K3_D9.13_D39

M10202360.0

Ti05080m22.2

K3_SiH_D39

M10202200.0Ti0501741.1

K3_D9.33_D41

M10202570.0

M102022030.1

Ti05017439.9

Ti05080m76.6

K3_D9.33_D42

GP180BFm0.0

Z1147_Bm41.1M301625m42.4M316004m43.5M514089m49.1

M002017087.8

Z1844_BF96.7

Ti00119m114.3

K4_BF_D36

M301625m0.0

M514017711.3

M002017036.1

Ti00119m60.0

K4_BF_D41

Z11471a0.0M514074m1.4

Ti05521m10.3

Z114513m19.4M002023m22.8

K4_D9.13_D36

M30161210.0Z1147_1m3.6M514074m8.4

Ti05521m24.1

M002023m40.2

M515670m82.4

K4_D9.13_D39

M30161280.0M316004m0.1

M51401838.8Z114420m11.1M302376m13.5

SR55519m46.0

M002015082.0

K4_SiH_D39

M301625m0.0M316004m2.6

M514018319.9

M002015071.6

K4_SiH_D42

Z1147_3m0.0

M51401808.0SR55521911.7Ti05521m11.8M302319614.0

M002030m36.9

K4_D9.33_D41

GP180_3m0.0

M316010220.3M301612122.9Z1473_3m26.5SC101_3331.1

M514018040.7

Z592_3347.8

Ti05521m53.6

Z1844_3361.9

M002030m75.1

K4_D9.33_D42

Annexes

AIV1-3


Ti0491640.0Ti04972m1.4

Ti00623m21.5

K5_BF_D36

Ti0491640.0

Ti00623m29.4

K5_BF_D41

Ti00622m0.0

Ti0062458.3

M102021527.2

Z1842m48.1Ac5857m51.9

K5_D9.13_D36

Ti0062450.0

Ac5857m26.0

K5_D9.13_D39

Ti0062180.0Ti00623m2.4

Ac5865m73.6

K5_SiH_D39

Ti00623m0.0

Ac5865m62.8

K5_SiH_D42

Ti0491640.0

Ti00622m143.9

K5_D9.33_D41

Ti00622m0.0

Z1842m25.9

K5_D9.33_D42

Ti05960m0.0

Ti00493m24.4

K6_BF_D36

Ti05960m0.0

Ti00493m34.1

K6_BF_D41

Ti0591510.0

Ti0047912.6

K6_D9.13_D36

Ti0591510.0

Ti004797.7

K6_D9.13_D39

M001935m0.0

Ti00493m53.8

K6_SiH_D39

M001935m0.0

Ti00493m89.0

K6_SiH_D42

M001902m0.0

Ti05915126.1

Ti0047940.9

K6_D9.33_D41

Ti0591510.0

Ti004797.2

K6_D9.33_D42

M30091510.0

M300914m15.4

M201316068.0M001448m78.5M100454m79.6M001441m82.1

K7_BF_D36

M100454m0.0M001448m2.3M00141804.5

M001441m15.6

K7_BF_D41

M00281620.0

M300916232.4

M201315579.5

M100447m96.1

M001452m124.6

K7_D9.13_D36

M00281620.0

M100447m164.3M001452m171.9

K7_D9.13_D39

M002866m0.0

M001497m13.4

K7_SiH_D39

M00281660.0

M300916216.8

M001417m34.7

M001418284.3M001452m87.7

M1004257107.4

K7_D9.33_D41

M300913m0.0

M300915142.8

M002814786.0

M001452m128.7

M100447m156.5

K7_D9.33_D42

Annexes

AIV1-4


M110511m0.0

M102453m14.6

M105620654.2

K8_BF_D36

M11051080.0

M102453m9.7

Ti04476m25.9

K8_BF_D41

M11051020.0

M102414214.6

Ti04468m105.6

K8_D9.13_D36

M11051020.0

M102446m16.6

K8_D9.13_D39

M110511m0.0

M110510233.0

Ti04462m69.7Ti04416874.7

M1024142134.8

K8_D9.33_D41

M110511m0.0M11051022.2

K8_D9.33_D42

M110264m0.0

Ti0572296.2

K9_BF_D36

M10512260.0

M110264m66.8

Ti05722977.9

Ti05705m99.3

K9_BF_D41

M11021670.0

M105120412.6

Ti05723m17.9

K9_D9.13_D36

M10512040.0

M105191m36.1Ti05723m39.8

K9_D9.13_D39

M110264m0.0

Ti05701m18.1

K9_SiH_D42

M11021670.0

M10512267.7Ti05723m10.1

K9_D9.33_D41

M11021670.0

M105191m4.7Ti05720510.1Ti05723m11.4

K9_D9.33_D42

Ti02311m0.0

Ti02318m1.2

K10_BF_D36

Ti0232130.0Ti02318m0.1

K10_BF_D41

M104093m0.0

Ti02322710.9

Ti02311m12.1

K10_D9.13_D36

Annexes

AIV1-5


M51302650.0

M00377218.6

K11_BF_D41

M51302570.0

Ti0181956.0

M003778m12.0

M510921436.1

M510902m50.5

K11_D9.13_D36

M51302570.0

Ti01812m7.4

M003778m17.9

M510921433.1

M510902m54.2

K11_D9.13_D39

M51302650.0

Ti0182016.3

K11_SiH_D39

M51302570.0

Ti0181957.2

M003778m12.1

M510921417.3

M510902m34.1

K11_D9.33_D41

M51302570.0

Ti01812m9.2

M003778m26.4

M510921451.5

M510902m65.3

K11_D9.33_D42

M003016m0.0

M003037m16.6

M003013041.4

K12_SiH_D42

M00301530.0

M003016436.9

M104591m136.5

M003037m165.6

K12_D9.33_D42

Annexes

AIV1-6

“inter-population” maps

M30111390.0M301122m2.3

M003808m14.3M00389118.7

M100838m62.5

M202291m93.1

K2_BF

M102095m0.0

M102031m11.6

Ti05080m98.9

K3_BF

GP180BFm0.0

Th21BFm17.0


M0020170103.6

Ti001212130.0Ti00119m131.0TG22_BFm134.0

K4_BF

Ti00623m0.0

Ti04972m23.9Ti04916424.6

K5_BF

Ti05960m0.0

Ti00493m29.1

K6_BF

M30091510.0

M201316088.9

M100454m98.7

M001441m105.6

K7_BF

M110511m M11051080.0

M102453m12.1

Ti04476m35.9

M105620667.6

K8_BF

M10512260.0

M110264m69.9

Ti05722977.4

K9_BF

Ti02311m0.0Ti02318m Ti0232131.2

K10_BF

M51302650.0

M003772 M003770m18.1

M510920070.0

K11_BF

M00301530.0

K12_BF

Annexes

AIV1-7


Ti0431530.0

K1_D9.13

M30111420.0M0038823.8

M202222m39.5

K2_D9.13

M10202510.0

M102023711.9M102022019.8Ti05017421.5

Ti05080m42.4

K3_D9.13

M30161210.0Z1147_1m3.6M514074m6.7GP22113m10.5M302319615.8

M002023m47.1

Ti00120688.3

M515670m98.9

K4_D9.13

Ti00622m0.0Ti0062454.7

M102021520.7

Z1842m38.4Ac5857m41.7

K5_D9.13

M001985m0.0

Ti05915167.8

Ti0047978.0

K6_D9.13

M00281620.0

M300916286.1

M2013155135.7

M100447m153.4

M001452m170.8

K7_D9.13

M11051020.6

M102414215.6

Ti04480m64.5

K8_D9.13

M11021670.0

M105120412.6

Ti05723m34.3

K9_D9.13

M104093m0.0

Ti02322711.0Ti02311m12.2

K10_D9.13

M51302570.0Ti0181956.7

M003778m14.7

M510921434.4

M510902m51.9

K11_D9.13

M00141210.0

M104591m54.9

M003037m112.2

K12_D9.13

Annexes

AIV1-8


M301122m0.0

M00389118.6

M100813695.8

K2_SiH

M10202360.0

Ti0501838.5

K3_SiH

M301625m0.0Z1147_2m1.2

M514017719.7

M302319663.4

M0020150115.3

K4_SiH

Ti00623m0.0

Ac5865m67.9

K5_SiH

M001935m0.0

Ti00493m66.9

K6_SiH

M00281620.0

M001497m M100437m39.8

K7_SiH

M11051060.0

K8_SiH

M110264m0.0

Ti05701m18.1

M105120456.5

K9_SiH

Ti02311m0.0

K10_SiH

M51302650.0

Ti0182016.5

M00377222.8

K11_SiH

M001418m0.0

M003016m9.3

M003037m37.7

M003013062.5

K12_SiH

Annexes

AIV1-9


M30111390.0

M003810110.0

M202222m36.3

K2_D9.33

M10202200.0Ti0501745.2

K3_D9.33

M30161210.0Z1147_3m1.5M51401808.9Ti05521m15.0TG20833m19.9

M002030m30.9

Z1844_3341.3TG62_33m48.1

M302319677.6

M515670m146.0

K4_D9.33

Ti0491640.0

M102021595.9

Z1842m139.4

K5_D9.33

M001902m0.0

Ti05915126.4

Ti0047937.2

K6_D9.33

M30091620.0

M001417m17.9

M100425749.6

K7_D9.33

M110511m0.0

M110510215.2

M1024142117.2

Ti04480m163.2

K8_D9.33

M11021670.0M105191m4.5M10512268.1Ti05723m10.8

K9_D9.33

M104093m0.0

Ti02311m120.5

Ti023227160.4

K10_D9.33

M51302570.0

Ti0181958.5

M003778m18.9

M510921432.8

M510902m48.1

K11_D9.33

M104591m0.0

M003037m29.0

K12_D9.33

Annexes

AIV1-10

Consensus maps

M30111390.0M301122m1.5

M301114210.6STM003814.4

STM1008a37.8

STM202252.2

K2

M10202510.0

M102095m8.2M102023711.9

STM1020ehi19.8

STI005028.0

K3


STI000156.5

STM515667.8

K4

STI00490.0

STI000673.8Ti00624578.7

STM1020ehi95.9

TG60119.3STPoAc58122.8

K5

M001985m0.0

STM001938.1

STI005967.8

STI000480.7

K6

STM00280.0

STM300921.6

STM201332.5

STM100442.0STM0014abd46.1

K7

STM1105a0.0

M11051028.0

STM102417.3

STI004449.5

STM1056a81.2

K8

STM1102cde0.0M105191m4.2M10512267.6M10512049.4STI005710.0

K9

STM10400.0

Ti02322711.5STI002312.2

K10

STM51300.0

STI00187.2

STM003717.6

M510921433.8

M510902m50.1

STM510969.5

K11

STM0014eg0.0

M003016m11.2

STM1045b21.5

STM003048.7

M003013073.5

K12

Annexes

AV1-1

Annexe V.1

Integrated potato map marker composition group: chromosome numbermeta.occurrence: number of maps where the marker was mappedin grey: markers that were mapped in a least two different maps

group locus position meta.occurence group locus position meta.occurence1 C4347nG 0 1 1 S3e12-b 46.75 11 S4.1480 4.73 1 1 CP90 47.52 11 E3554m09 5.11 1 1 TG310 47.63 31 CP51(d) 6.93 1 1 TG29 48.53 11 Cf9_2 8.18 1 1 TG70 49.77 51 C3349n02 9 1 1 C3550mG 49.91 11 E3251m11 10.71 1 1 STM2020 50.83 41 C3349m04 14.01 1 1 46/42.I 51.1 11 CT2 14.71 1 1 P8f5 51.25 11 Cf9_3 21.18 1 1 S1b9-b 51.25 11 StCf9-c 22.06 3 1 GP317-a 51.5 11 GP264 23.57 2 1 GP90 51.5 11 Icdh-1 23.57 1 1 CP11 51.5 71 STI0062 23.71 1 1 STM0001b 51.63 11 CT197 24.5 1 1 GP93 52.16 11 TG301 24.5 1 1 C4347mD 52.22 11 Idh1 24.5 1 1 STG0005b 52.69 11 CP46 25.01 3 1 SSR92 52.92 11 S2a5-a 25.01 1 1 S1c4 53.07 11 StCf9-b 25.01 1 1 E3549n22 53.87 11 STI0043 25.71 3 1 P7g4-a 53.97 11 StPEN1 26.75 1 1 CP51-c 54.54 11 TG061r 28.92 1 1 CP64 55.13 11 E3549n08 29.85 1 1 32/48.c 55.43 11 CD64_2 31 1 1 TG176_1 55.68 11 C4447n21 31.2 1 1 E3249m04 56.72 11 C4347m31 32.6 1 1 CP196 56.95 11 TG24 33.4 5 1 C4447n9 57.88 11 Skdh1 33.4 1 1 TG21 58.78 11 GluA 33.4 1 1 At2E8-a 59.36 11 CP45 33.41 1 1 32/49.d 59.93 11 RGL47f2-f 33.56 1 1 CP69 60 11 BA114i24 33.56 1 1 E3249m09 60.23 11 S1g12 33.56 1 1 PBA14-12 61.92 11 S1g2-f 33.56 1 1 E3561m10 62.71 11 Cf9 34.18 1 1 E3261m12 62.98 11 GP519 34.43 1 1 AR1.1200 63.33 11 P9b6 34.43 1 1 STM1009b 63.73 11 32/51.d 35.15 1 1 STG0016 63.77 11 36/32.B 35.23 1 1 E3561n14 64.53 11 StCf9-a 35.3 1 1 GP175 64.87 11 GP501 35.3 1 1 GP298 64.87 11 STM1102b 37.17 1 1 STS11 65.92 11 E4560n29 37.42 1 1 GP207 66.07 31 GP244 37.72 1 1 AML.420 66.45 11 STI0031a 37.73 1 1 P1a9-a 66.51 11 C4347n24 38.8 1 1 P2g3 66.51 11 36/32.C 39.23 1 1 E4560n06 67.98 11 E3251n17 39.38 1 1 GP208 68.42 11 GP40-b 39.93 3 1 GP33-c 68.42 11 S1a7-a 40.45 1 1 CT091_B 68.48 11 P7a11-d 40.45 1 1 E3549m07 69.77 11 SK2-b 40.53 1 1 OPD-05 69.92 11 St48A 40.53 1 1 At2D6-b 70.12 11 GP128-a 40.53 1 1 STM5136 70.28 21 CP108 40.53 3 1 E3251n50 70.78 11 Cyt-cred14kD-b 40.53 1 1 TG59 72.28 51 C3349n20 40.65 1 1 CT91B 72.48 11 GP312-b 40.72 1 1 P1e7-a 72.83 11 STS10 40.92 1 1 E3558n06 73.84 11 S1b7-a 41.3 1 1 TG71 73.93 41 S1h5-c 41.32 1 1 E3558m07 74.33 11 C3347m35 41.35 1 1 LeatpocAa 74.43 21 GP206 41.53 1 1 CP112-c 74.65 11 TG125 41.72 3 1 STM2030 74.88 41 C4362m18 41.88 1 1 C3349m13 74.95 11 BA54n6 42.19 1 1 LeatpacAa 74.98 11 BA106l5 42.19 1 1 STM1049 75.08 81 BA62l7 42.19 1 1 S3e5 75.56 11 P10a3 42.19 1 1 S1e5-a 76.46 11 At2A2-c 42.19 1 1 OPH-05 76.92 11 St1.2.4-a 42.32 1 1 TG56-1 76.93 11 C3350m08 42.35 1 1 CP111 77.8 11 GP184 42.53 1 1 P11c12 78.28 11 GluB 42.89 1 1 TG326 78.58 51 31/37.o 42.93 1 1 GP212 79.16 11 CD34(10) 43 1 1 31/54.e 79.28 11 At2E8-d 43.06 1 1 TG19 79.33 11 CP100 43.06 3 1 cp19 81.88 41 STM5127 43.08 3 1 E3251m34 82.18 11 S 43.19 1 1 E3548m24 85.37 11 GP232 43.25 2 1 NtPR-4 86.62 11 34/33.r 43.55 1 1 TG116 86.85 41 STI0034 43.69 1 1 SSR270 86.92 11 GP1-d 43.93 1 1 GP166 87.43 11 ?Gluc 43.96 1 1 GP271 87.43 11 CD34_10 44.13 1 1 GP192 87.43 11 41/49.A 44.16 1 1 GP187 87.62 11 STM0015 44.33 1 1 C4451n6 88.38 11 C4451m5 44.38 1 1 GP88 89.83 31 P1e6 44.45 1 1 Lox-b 89.97 21 ?gluc 44.54 1 1 STWIN12G 90.56 11 CD15 44.68 2 1 GP297-a 91.04 11 33/34.a 44.77 1 1 GP167-a 91.04 11 P1.350 45.08 1 1 GP124 91.04 11 C3349nB 45.14 1 1 GP290 91.04 11 32/51 45.7 1 1 STM1009_1 91.92 11 C3347n24 45.71 1 1 CT224_A 92.01 11 S2c7 45.84 2 1 GP167-2 92.93 11 STM1029 46.18 6 1 TG237 93.69 51 C3350nK 46.28 1 1 CD16A 93.75 1

Annexes

AV1-2

group locus position meta.occurence group locus position meta.occurence1 P1e2-a 94.22 1 2 STI0053 48.98 11 GP235 94.68 1 2 C3350n23 49.92 11 E3548m65 94.74 1 2 Z1.1400 50.2 11 P1a3 94.95 1 2 At1A7-a 50.86 11 TG430B 96.82 4 2 TG31 50.92 41 GP194 97.09 4 2 GP128 51.04 21 TG430 97.75 1 2 R45S 51.48 11 CT259s 98.83 1 2 C3349mJ 53.22 11 CP62 99.86 3 2 TG276 54.98 51 GP228 102.42 1 2 CP48-a 55.35 21 TG17 102.67 3 2 RbcS-c 55.35 31 P10f5-d 103.86 1 2 P1f11-b 55.86 11 S2a5-b 104.72 1 2 GP131 56.15 31 NtPR-1B 104.98 1 2 St1.2.3 56.38 11 CP63 105.65 1 2 C3349n5 56.53 11 STI0009 105.88 2 2 38/38.d 56.8 11 TG53 106.31 3 2 GP508 56.9 11 GP253 106.31 1 2 C4447mH 57.34 11 PSTR-c 106.31 1 2 StNPR1 57.41 11 AGPaseS-a 106.65 1 2 TG306 57.7 21 P8f11-b 106.72 1 2 GP86 57.79 31 P8h12 107.13 1 2 GP176-a 57.79 11 S2g6 107.13 1 2 GP33-a 57.79 31 CP13 108.2 2 2 GP236 57.79 11 C3962mA 108.37 1 2 CP65-a 58.32 11 GP258 108.87 1 2 TG1 58.55 11 CP132 109.54 5 2 CD1 58.55 11 E3548n25 109.68 1 2 GP214 58.94 21 TG259 109.74 3 2 STI0056 59.45 11 TG258 111.1 3 2 STI0029 59.7 11 TG27 111.81 2 2 At1A3-a 60.2 11 GP196 112 1 2 S1g2-e 60.2 11 CP134b 116.09 1 2 P10b11 60.2 11 S1b7-b 121.54 1 2 GP321a 60.85 11 S1f10-b 121.54 1 2 STM2022 60.87 71 S2e10 121.54 1 2 STM3001a 60.93 11 P2e5 124.54 1 2 CD30B 61.58 12 C4451m27 0 1 2 C4350n28 61.86 12 e32m48-350 19.2 1 2 GP288-3 62.87 22 36/50.c 20.1 1 2 At2A12-b 62.98 12 STM3011a 22.1 1 2 At1D5-a 63.41 12 32/48.d 23.5 1 2 GP231a 64.11 12 PBA8-11 27.2 1 2 GP26 64.47 72 WUN1(b) 28.44 1 2 E3249m18 64.48 12 E3249m30 29.3 1 2 TG227 64.92 22 GP22b 30.02 1 2 E3554n10 64.97 12 38/32.e 30.5 1 2 GP209 65.09 32 C3350m04 32.5 1 2 39/50.e 65.67 12 STM3011 34.2 7 2 STM3001d 65.86 22 C3350n13 35.14 1 2 GP98 66.06 12 C4347n18 35.91 1 2 GP136-a 67.64 22 CP112(c) 36.44 1 2 P2b8-a 68.13 12 StPAD4-1 37.02 3 2 GP296 69.58 12 StPAD4-2 37.02 1 2 S1h5-b 69.63 12 GP1-c 37.42 1 2 S2d5 69.63 12 GP249b 38.41 2 2 TG234 70.65 22 STM0038 38.8 8 2 GP293 70.74 42 PBA9-7 38.88 1 2 STM1045a_2 71.02 32 E3249n17 39.32 1 2 CP65-b 71.13 12 P2a6-a 40.06 1 2 TG462 71.21 32 GP199 40.25 1 2 TG14 71.35 12 C4350m19 40.79 1 2 CAB1 71.35 12 P7g4-c 41.07 1 2 Prx2 71.35 12 TG33 41.35 1 2 34/34.a 71.77 12 31/48.b 41.66 1 2 CP157 72 32 At2B5-a 42.09 1 2 STI0036 72.21 12 GP74-a 42.09 1 2 TG20B 72.74 62 AtH01 42.09 1 2 STM5114 73.29 22 TG5 42.09 2 2 At1A7-b 74.94 12 St3.1 42.09 1 2 P2b8-b 75.68 12 St3.2 42.09 1 2 STG0019 75.74 12 OPA05 42.3 1 2 STM1008b 75.76 12 C3350n18 42.69 1 2 P10f5-a 76.42 12 At1B9-a 43.21 1 2 GP246-a 76.42 12 At1A9-a 43.21 1 2 C3347n16 76.5 12 TG102(b) 43.44 1 2 C3347n28 76.79 12 GP128-b 43.76 1 2 CD35 77.03 62 E3261n25 44.08 1 2 S1b9-d 77.07 12 St1.2.4-h 44.33 1 2 P8b7-a 77.16 12 S3e4 44.33 1 2 S2g2 77.51 12 C3349mA 44.4 1 2 CD43 77.73 12 GP1? 44.75 1 2 PFC 77.76 22 C4347n30 44.75 1 2 STM1008a 78.02 42 CPO 45.28 1 2 P10f5-b 78.27 12 GP201 45.44 2 2 STG0006 78.29 12 GP205 45.44 4 2 NtCHtA-Q 78.42 12 RGL47f2-g 45.45 1 2 GP313 78.43 22 BA113m7 45.45 1 2 CP116 79.07 12 GP23 45.45 7 2 GP176-b 79.07 12 CP70-b 45.45 2 2 GP35 79.07 12 CT109_2 46.66 1 2 CT75 79.58 32 31/58.f 47.78 1 2 CP109 79.7 12 CT176 48.04 1 2 GP216 79.76 42 Sol20 48.06 1 2 S1f6 80.06 12 S2f2 48.15 1 2 RBCS3 80.1 12 E3554n22 48.34 1 2 TG131B 80.33 12 C4447m11 48.36 1 2 S1g2-d 81.54 12 STG0033 48.48 1 2 CD9C 83.11 12 SK2 48.75 1 2 STM1072 83.19 22 Sol-20 48.92 1 2 GP504 83.73 4

Annexes

AV1-3

group locus position meta.occurence group locus position meta.occurence2 RbcS-2 83.81 4 3 TG449B 52.71 32 STI0052 83.94 1 3 CP6_3 52.97 12 GP513 84.54 1 3 STM1025 53.15 42 C3347m12 84.62 1 3 39/50.a 53.55 12 TG167 84.71 2 3 B2.1850 53.8 12 TG426 86 1 3 P3d10-a 54.38 12 CP70-a 87.01 3 3 TG130 54.78 42 Cyt-cred53kD 88.54 1 3 STG0018 55.2 12 TG50 90 3 3 STM1058 55.39 22 N3.780 90.17 1 3 TG66 55.52 32 STM3018 90.33 2 3 GP25 55.57 112 STM1064 91.23 5 3 C4350n21 55.78 12 TG449A 91.36 3 3 STM1020abcg 55.9 82 STI0024 92.39 2 3 STI0005a 56.01 12 STM1030b 92.6 3 3 GP35(p) 56.46 12 TG154 93.23 1 3 STI0050 57.15 32 TG507 93.23 1 3 39/50.g 57.38 12 PC8 93.32 2 3 GP1 58.34 12 C3349nO 95.53 1 3 TG13B 58.41 12 TG34 95.59 5 3 Pgm1 58.41 12 AN2.1400 96.07 1 3 STG0022 58.67 12 P9f12 96.54 1 3 GP80 60.63 12 At2F9-b 97.54 1 3 At2D02 61.26 12 P2d11-b 98.54 1 3 TG74 61.26 62 TG48 98.73 3 3 P1e9 61.26 12 GP172-a 99.54 1 3 TG102 62.46 12 32/51.d 99.63 1 3 CP61 62.54 12 StDND1 100.65 2 3 STM5112 62.64 12 TG141A 101.25 5 3 GP246-b 63.13 12 GP102 102.09 1 3 CP6 63.13 82 CD30A 102.09 1 3 Y 63.38 13 TG132 0 1 3 C4451m11 64.02 13 TG526 6.3 1 3 CP133 64.16 23 32/33.b 16.04 1 3 46/42.d 64.55 13 GP261(b) 17.57 1 3 C4350nD 65.42 13 E3561n20 18.85 1 3 C4447nK 65.89 13 E3558m09 22.35 1 3 4Cl(a) 66.4 13 GP291(b) 22.57 1 3 TG129 67.3 13 39/42.C 23.14 1 3 GP517 67.94 13 32/33.f 25.24 1 3 e32m61-88 68.13 13 CP6_1 26.57 1 3 GP198(d) 68.48 13 E3561n32 27.7 1 3 CP6B 68.58 13 G15.1500 29.44 1 3 S2f10 69.38 13 E3561n33 30.52 1 3 45/59.c 69.47 13 C4350m17 31.15 1 3 38/49.b 69.51 13 At1A3-b 32.26 1 3 Pha1-a 70.1 13 Pt2 32.26 1 3 TG42 70.4 63 46/42.f 32.44 1 3 C3550m20 70.5 13 45/60.h 32.84 1 3 STI0060 73.28 13 CP112(a) 33.57 1 3 GP276 73.94 53 CP15(a) 35.57 1 3 GP226 73.94 43 C4559m12 36.42 1 3 31/48.I 74.14 13 STI0013 37.26 1 3 STM5115 74.15 33 STG0002 37.26 1 3 STM1069 74.55 23 35/58.A 37.44 2 3 36/50.a 74.94 13 STM1053 37.73 2 3 P7g11 75.55 13 S1h5-a 38.26 1 3 P7g3-a 75.55 13 GP195(b) 38.57 1 3 S1a10-a 75.55 13 E3249n01 39.5 1 3 S8.940 76 13 32/49.E 39.52 1 3 TG364B 76.21 13 S1d4-c 41.26 1 3 S2g5 76.27 13 E3558n08 41.52 1 3 E3251m24 76.29 13 35/48.P 41.89 1 3 GP258 76.47 13 STM1054fg 43.12 1 3 TG134 77.29 73 CP15 43.34 1 3 GP256 77.29 13 45/59.F 43.7 1 3 CT243 78.23 23 GP510 44.26 1 3 S1b3 78.41 13 nbsfp34-87 44.57 1 3 TG242 78.93 13 G15.400 44.75 1 3 St4cl-a 79.13 63 Pal 45.26 1 3 C4347m25 80.3 13 PAL-f 45.26 1 3 At2A2-a 84.13 13 GP303 45.26 3 3 44/42.E 85.05 13 Stp23 45.26 1 3 CD71 85.05 13 RbcS-1 45.26 3 3 TG311 86.13 13 TG135 45.26 5 3 CD4A 86.13 13 BA202k7t3a1 45.46 1 3 P1g11-b 86.13 13 P1f3-c 45.53 1 3 S3a3-a 86.13 13 GP198-1 45.64 1 3 GP295 86.29 53 GP167-1 46.14 1 3 TG411 86.7 43 P1f11-c 46.25 1 3 C4559n29 86.8 13 P3c9-c 46.25 1 3 STG0010 87.6 13 St1.2.1-b 46.52 1 3 At2B5-e 88.13 13 P4e12 46.52 1 3 E3549n18 88.43 13 CAB3 46.79 1 3 BG17.800 90.85 13 TG56 46.79 1 3 P3c10 94.13 13 TG40 46.79 1 3 C3349n22 95.4 13 P3g6-b 46.79 1 3 GP198-4 96.74 13 C4350m06 46.95 1 3 31/37.p 97.15 13 At1A9-b 47.25 1 3 S3a8 99.13 13 CT141 47.52 1 3 S2a6 100.13 13 CP112-a 47.69 2 3 PSTR-i 100.29 13 P8f11-a 48.53 1 3 At2E5-b 101.13 13 38/49.f 49.2 1 3 S1b2-b 101.13 13 TG131C 49.39 1 3 TG244 101.35 43 GP1-a 49.46 4 3 C3349n08 101.4 13 At2D6-a 50.02 1 3 PSTR-d 106.13 13 CP6A 51.49 1 3 C4362m31 107.2 13 At2A2-e 51.69 1 3 TG28A 108.44 13 STM0040c 51.79 1 3 TG224 109.35 13 C3349mH 52.1 1 3 E3548m02 110.7 1

Annexes

AV1-4

group locus position meta.occurence group locus position meta.occurence4 C2_At3g51010 0 1 4 C4347nA 49.27 14 C4559mD 4.21 1 4 TG623 49.77 14 P450-SSCP2 5.47 1 4 CD55 50.06 14 CD59 10.97 1 4 Ci21 50.63 24 PSTR-e 12.45 2 4 P7a11-a 50.63 14 STM3016a 13.8 1 4 STG0018b 52.18 14 BA47f2T7 14.93 1 4 S2e12 52.2 14 BA70b11 14.93 1 4 T0275 52.79 14 BA9i23 14.93 1 4 TG62 53.77 84 BA65f5 14.93 1 4 GP35-d 53.77 24 TG15 15.85 2 4 Sol21 54.05 14 TG49 16.93 3 4 CT194 54.18 54 GP180 16.93 15 4 p31m76-433 54.97 14 GP223 16.93 2 4 p71m53-278 54.97 14 EAGAMCAT_31 17.77 1 4 GP162-b 55.2 14 HERGH2Sm 17.93 1 4 TG427 55.28 24 CD49A 18.3 1 4 P3d2 55.45 14 E3549m14 18.98 1 4 C4347n30 56.28 14 TG370 19.4 1 4 P2g6 56.3 14 Pk 19.61 2 4 At2E8-b 56.3 14 STI0026 20.5 1 4 EAGAMCAT_4 56.44 14 C2_At3g17040 20.53 2 4 S3e12-a 57.15 14 cLP5B19 21.03 1 4 P3d1 57.15 14 cLer16J6 21.22 1 4 C4451m10 59.24 14 BA106c14 21.4 2 4 TG65 59.5 64 STM3160 21.81 1 4 GP297-b 59.53 14 GP511 22.03 1 4 GP248-a 59.53 14 TG483 22.14 1 4 At1A7-c 61.31 14 cLP5B19m 22.47 1 4 S5f7 62.16 14 T0707 22.86 2 4 TG555 63.2 24 T0741 23.43 2 4 STG0008 64.57 14 TG123 23.5 10 4 P9b3 64.68 14 STM3016 23.97 8 4 E3561n12 65.98 14 P1433 24.01 1 4 C4347n15 67.71 14 TG339 24.77 1 4 TG155 68.24 44 mbfrsa_1 25.97 1 4 SUT4 69.53 14 CT175 26.03 1 4 AmyZ1 70.46 14 GP73-b 26.31 1 4 TG345 70.89 24 RGL47f2-a 27.13 1 4 CT50 71.84 14 T0635 27.31 1 4 C4347n37 72.67 14 STM1008e 27.65 1 4 StAOS1 72.98 14 At1C8-c 27.69 1 4 CD39 72.99 14 P9b12 27.69 1 4 TG443 73.19 54 P1a9-b 27.69 1 4 P7a11-b 73.82 14 ASC120 27.85 1 4 STI0001 74.6 44 S2e1 28.13 1 4 GP82 74.67 34 PC116 28.2 4 4 CP57 75.57 24 P1e4-b 28.8 1 4 CT173 76.38 14 CP54 28.87 1 4 GP274 76.42 24 STM5140 29.42 2 4 GP35-h 76.42 14 Pgm2 29.5 1 4 STI0020 76.88 24 STG0020 30.14 1 4 STM5156 77.54 14 MBF 31 4 4 TG22 77.62 54 RGL47f2-b 31.44 1 4 STM1036 77.88 14 EACAMCCT_16 32.77 1 4 STM1002 77.88 14 E3561n8 33.88 1 4 GP83 78.02 54 C4447n18 34.07 1 4 GP35-g 78.64 14 E3248n18 34.47 1 4 TG450 80.1 24 P7g4-b 34.54 1 4 CT224 80.16 14 At2E8-e 34.54 1 4 At2F9-e 80.31 14 GP261 34.55 4 4 STI0012 82.53 24 GP220-a 34.55 1 4 pbe 82.67 14 GP255-a 34.55 1 4 TG162-4 82.72 24 STI0055 34.82 2 4 C334727R 83 14 GP180-b 35.1 1 4 TG37 83.28 14 CP137-d 35.1 1 4 CP502 83.31 14 GP128-c 35.1 1 4 ci7 83.64 14 GP221 35.1 4 4 GP165 83.74 24 P1f4 35.11 1 4 GP75 83.74 14 S1g2-g 35.11 1 4 S2a12 83.74 24 At2B5-f 35.11 1 4 GP277 83.74 14 GP99-2 35.3 1 4 P2d4 83.74 14 CD70 35.64 1 4 Sbel 83.74 34 C4347m06 36.44 1 4 GP257-b 83.74 14 SSR450 36.5 1 4 TG464 85.35 14 BA1m23t3b 36.72 2 4 C4362n17 85.38 14 S1d9-d 37.01 1 4 PBE 85.42 14 CP55-a 38.14 1 4 TG163 87.08 44 C4362n20 38.45 1 5 31/37.n 0 14 C4347m27 39.24 1 5 36/36.a 3.3 14 TG316 39.6 1 5 PSTR-f 6.35 34 C4350m18 40.02 1 5 GP186 6.35 104 Cyt-c red 33kD-b 40.52 1 5 Cyt-c red 55kD 6.35 14 S1c3-a 40.86 1 5 E4560n24 7.65 14 TG652 41.44 1 5 STG0009 10.25 14 EAACMCAC_6 41.77 1 5 STM1041 10.78 14 TG208 42.18 5 5 35/50.n 10.8 14 SSR555 42.61 1 5 Uptg1 12.04 24 At1C05 42.77 1 5 STISP 12.25 14 GP172-b 42.91 2 5 STI0058 12.66 14 GP161-2 43.06 1 5 P8g1-a 13.97 14 STM1050b 43.93 1 5 P4h6-a 13.97 14 STM3020b 43.97 1 5 CP31 14.02 14 STM3023b 44.97 1 5 CP55(c) 14.29 14 C3349m4 45.71 1 5 T0619 15.13 14 EAACMCAG_31 46.77 1 5 STM0013ab 15.25 74 C4559n1 46.95 1 5 STI0038 16.97 14 TG272 49.06 3 5 GP294 17.24 14 STM0020 49.18 1 5 CD31A 17.66 5

Annexes

AV1-5

group locus position meta.occurence group locus position meta.occurence5 GP28 18.36 2 5 GP85-a 42.87 15 BG17.680 19.47 1 5 GP251 42.87 15 CD64 19.83 3 5 GP188 42.87 65 GP35-s 19.85 1 5 STM1056_5 42.91 15 GP21 19.85 16 5 39/50.c 42.92 15 GP291-a 19.85 2 5 E4560n28 44.1 15 Sut2 19.85 1 5 At2D6-c 44.63 15 CD41 20.26 1 5 STM1020ehi 44.96 35 34/33.L 20.74 1 5 GC015 45.05 15 6Pgdh3 21.22 1 5 GP78 45.68 35 STI0032 21.25 1 5 E4560n15 45.94 15 Q5.510 21.51 1 5 TG419 46.62 15 CT167r 21.65 1 5 TG32 47.15 25 C4362m11 21.93 1 5 P2a8 47.23 15 SPUD237 22.05 2 5 P3d10-b 47.23 15 BA100e13 22.05 1 5 T0730 47.23 15 BA47f2T7 22.05 3 5 31/54.t 47.32 15 BA219k9 22.05 1 5 S1d4-b 47.59 15 BA27c1 22.05 1 5 TG60 47.73 15 Lernalx 22.29 3 5 CP58B 47.78 15 BA122p13 22.41 1 5 C4347m04 47.78 15 BA121o1T7 22.41 2 5 S3b7 47.95 15 P3f8 22.41 1 5 S3c1-a 47.95 15 BA132h9 22.41 1 5 Actin 48.25 15 CT242 22.53 2 5 Dia1 48.33 15 TG598 22.64 1 5 TG351 48.85 25 C3350mC 22.64 1 5 TG413A 49.13 25 TG441 22.72 7 5 C3347m06 49.35 15 BA13l2 22.85 1 5 CP113 49.5 65 S1b7-c 22.89 1 5 GP270 49.5 15 BA213c14 22.89 1 5 GP284 49.5 35 BA87d17 22.89 1 5 CP49 49.96 15 BA76o11 22.89 1 5 31/36.a 50 15 BA43a11 22.89 1 5 GP35(t) 50.27 15 BA129o7 22.89 1 5 CT80A 50.29 25 CosB 22.89 1 5 TG23 50.6 85 CosA 22.89 2 5 TG69 50.62 65 AFLP1 22.89 1 5 S2f9-b 51.02 15 At2C9-a 22.89 1 5 CD74A 51.32 15 P9e11 22.89 1 5 TG524 51.38 15 S1a7-b 22.89 1 5 P1f11-d 51.78 15 C3350mH 22.9 1 5 S5a7 51.79 15 S1a8-c 23.14 1 5 StacSTPoAc85 52.14 15 TG432 23.36 1 5 TG185 52.83 55 P7g4-d 24.07 1 5 GP265-a 52.85 15 P3b10 24.32 1 5 GP255-c 52.85 15 CT101 24.35 1 5 STM1031 53.17 25 BA151m8 24.67 1 5 CT225_2 54.14 15 GP179 24.68 11 5 STPoAc85 54.69 25 Ssp72 24.78 1 5 TG413 54.83 15 P450 24.82 1 5 Stac-1 55.64 25 TG569 24.87 4 5 GP22 56.22 65 Stpto 24.97 8 5 C4559n11 56.82 15 STI0006 25.22 4 5 EM1 56.85 15 32/33.b 25.88 1 5 e31m37-216 56.97 15 P4h6-b 26.3 1 5 C4451n10 57.8 15 TG619 26.66 2 5 STM1025b 59.6 15 C4362n23 26.68 1 5 STPoAc58 61.4 45 TG363 28.1 1 5 STM5149 61.46 25 TG379 28.21 5 5 EB13 61.85 15 C4350n18 28.7 1 5 STM5146 65.46 15 46/42.c 29.12 1 5 C3350n19 68.32 15 CT201A 31.36 2 5 EK2 69.85 15 TG318 31.62 4 5 StNPR1-5 79.68 15 Ci13 32.37 1 5 EA1 91.85 15 EB28 32.85 1 5 EM15 96.85 15 C4447n16 32.95 1 5 HD20 122.85 15 C4362n19 33.29 1 5 HD21 147.85 15 STG0021 33.68 1 6 STM1019 0 15 GP198-c 33.82 1 6 GP79_1 21,64 15 E3248n01 34.13 1 6 PBA6-16 26,64 15 CD38B 34.22 1 6 GP79_2 27,64 15 C4347n18 35.51 1 6 GP17(b) 28,83 15 39/42.F 36.18 1 6 TG18B 29 25 CT91C 36.21 1 6 At1B7-a 33,83 15 CP104-g 36.72 1 6 marker0 34,83 15 C4347m07 36.78 1 6 PSTR-g 36,34 25 STI0049 37.43 1 6 P1f3-a 36,83 15 HD15 37.85 1 6 GP317-b 37,33 15 TG358 38.32 1 6 GP79 37,83 85 C4350mO 39.83 1 6 At2B5-c 37,83 15 E4560n34 40.22 1 6 STM0001 39,64 55 C3560n15 40.38 1 6 Cyt-c red 10kD-a 39,93 15 GP248 40.65 1 6 GP164 39,94 35 GP17 41.1 3 6 STM0019 40,25 45 Cyt-c red 51kD-a 41.11 1 6 CT119 40,51 45 GP1-b 41.11 1 6 P1a1 40,62 15 GP507 41.64 1 6 OPY-02 42,25 15 S1d4-a 41.64 1 6 GP202 42,37 15 St1.2.4-d 41.64 1 6 GP249-a 43 15 BA67n2 41.64 1 6 St3.3.13-c 43,42 15 S1g2-c 41.64 1 6 BA5g19 43,42 15 P7a11-c 41.64 1 6 BA17f21 43,42 15 GP213 41.72 2 6 BA31n11 43,42 15 GP34 41.8 1 6 BA34j14 43,42 15 STM5148 41.98 1 6 BA41b2 43,42 15 P1e7-b 42.17 1 6 BA71g1 43,42 15 P1f3-d 42.17 1 6 BA1m23 43,43 25 GP234 42.27 3 6 At2C9-b 43,43 15 33/33.e 42.48 1 6 P8a9-a 43,43 15 Nt ChtAIII 42.8 1 6 STM0013ab 43,57 1

Annexes

AV1-6

group locus position meta.occurence group locus position meta.occurence6 CD14 43,58 1 6 At1A6-a 94,3 16 GP316-c 43,63 1 6 At1A12-a 94,3 16 S1a8-b 44 1 6 At1B9-c 94,61 16 P8d7-b 44 1 6 P8d7-a 94,99 16 S1g2-a 44 1 6 GP76 95,87 126 P3g6-a 44 1 6 CP61 95,87 26 WUN1 44,26 2 6 GP252 96,87 16 At1A12-b 44,58 1 6 TG115 98,07 76 P1f11-e 44,58 1 6 P1f3-b 98,87 16 StSGT1-2 44,58 2 6 GP36-b 99,87 16 GP164-2 44,84 2 6 TG193 100,56 16 GP506 45,35 1 6 At1B7-b 100,87 16 STI0011 45,45 1 6 STM1056a 100,92 26 GP136-b 46 1 6 E3554m40 101,02 16 SSR578-a 46,59 1 6 e31m37-116 105,92 16 GP102 47,74 1 6 C4447m10 114,32 16 CD67 49,68 1 6 C4362n15 129,12 16 TG231 49,72 3 7 STM0028 0 36 TG118 50,34 3 7 STM3009 6.59 66 TG25 51,09 1 7 CD65 6.98 16 At2B5-b 51,9 1 7 TG499 8.21 46 TG223B 52,15 1 7 C4362n32 8.61 16 TG54 52,77 3 7 CD61 9.58 16 STM5119 53,31 1 7 CT30 10.61 16 CD25A 53,39 1 7 E4560m03 13.25 16 TG166 53,39 1 7 E3549n01 13.68 16 TG240 53,45 1 7 TG438 13.97 36 SSR128 53,45 1 7 TG199 14.44 36 STI0016 55,85 1 7 STM1068c 16.4 16 CP18 56,36 10 7 Mdh3 16.44 16 STG0005 57,81 1 7 TG20B 16.47 16 Sol-24 57,99 1 7 E3561n11 17.08 16 Sol24 58,04 1 7 At2G1-b 17.19 16 STM1050c 58,59 1 7 E3548m19 17.91 16 TG119 58,87 3 7 TG218 18.07 16 GP96-a 59,01 1 7 GP219-2 18.82 16 At2F2-b 59,37 1 7 GP127 18.93 36 TG141B 59,57 1 7 S1c9 18.94 16 C3350m25 60,62 1 7 TG216 18.95 16 STI0021 61,44 1 7 TG20 18.96 96 P10g7-b 63,1 1 7 CP103-a 19.1 16 S1a8-a 63,1 1 7 CP51-c 19.14 46 GP262 63,39 1 7 Gro1 19.14 36 CD42 63,67 1 7 GP275 19.18 16 E3558m14 63,72 1 7 GP516-c 19.7 16 GP215-b 64,28 1 7 Ppc-c 19.77 16 S2a4-b 65,38 1 7 GP227-a 19.84 16 P8g9-b 65,38 1 7 GP84-b 19.84 16 St3.3.1-a 65,38 1 7 GP185(b) 19.9 16 C3350n28 66,82 1 7 P1e4-c 19.96 16 At1G12 68,38 1 7 CT54 20.29 16 C3550n27 68,62 1 7 STM5120 20.29 16 STI0015 69,78 1 7 STI0008 20.59 16 STI0059 70,64 1 7 AGPaseB-a 20.62 36 At2F9-c 70,66 1 7 GP219 20.66 66 STM5126 71,32 1 7 St3.3.2 20.7 16 Pha1-b 72,18 1 7 GP300 20.8 16 Cyt-c red 33kD 72,92 1 7 GP304 20.8 16 StEDS1 72,95 1 7 CP56 20.8 66 GP89 73,81 4 7 GP292 20.89 16 St4cl-b 73,81 1 7 CT84 20.97 16 STI0045 74,89 1 7 TG572 21.22 56 45/60.N 75,38 1 7 GP77 21.25 26 TG364A 75,76 4 7 GP174-a 21.27 36 TG384 75,78 1 7 S2a1 21.61 16 P1g11-a 75,96 1 7 GP34(b) 21.72 16 STM1100 76,48 7 7 GP512 22.17 16 P2e3 77,6 1 7 34/61.H 22.38 16 GP30 77,6 3 7 GP32 22.52 36 S1a4-b 78,23 1 7 STM1088c 22.77 16 S1b2-c 78,23 1 7 39/50.R 22.79 16 P3c9-a 78,23 1 7 P2b10 23.01 16 GP35-f 80,5 1 7 TG190 23.01 16 CP12 80,5 3 7 S1a1 23.03 16 GP161 80,5 1 7 GP27 23.04 46 GP24 80,72 4 7 St1.2.4-g 23.05 16 Z1.970 81,18 1 7 P3d8 23.33 16 CP50 81,52 1 7 BA228g19 23.34 16 TG162 82,49 4 7 P7h9-c 23.36 16 GP211 83,13 4 7 P1e2-b 23.36 16 At1A9-c 84,19 1 7 GP503 23.38 16 STI0004 84,29 2 7 TG128 23.64 36 GP233 84,5 1 7 C4447m08 23.79 16 GP299-a 85,86 1 7 P7a9 24.05 16 GP285 85,86 1 7 S2e2 24.09 16 TG275 86,56 3 7 39/61.B 24.27 16 S1g5-a 86,64 1 7 CT19B 24.77 16 E3261m26 87,12 1 7 CP43 25.19 66 S7.600 87,2 1 7 STI0019 25.38 16 CP104-d 87,22 2 7 38/39.C 25.43 16 P2f2 87,64 1 7 E3554m06 25.68 16 S1a2 87,86 1 7 GP245(b) 25.71 16 C3349n06 88,42 1 7 GP181 26.04 26 STI0041 89,22 1 7 TG174 26.06 16 S1c3-c 91,55 1 7 TG143 26.31 56 At2A2-d 92,55 1 7 Pha2 26.44 16 P3c6-b 92,77 1 7 GP193 26.56 56 wun_2 93,99 6 7 38/32.f 26.59 16 Cyt-c red 10kD-b 93,99 1 7 STM1009be 26.61 3

Annexes

AV1-7

group locus position meta.occurence group locus position meta.occurence7 CP134(b) 26.69 2 8 CP16 75.29 27 CP52 26.81 8 8 STG0014 75.62 17 CP55-b 26.84 1 8 P10a9 75.66 17 GP316-b 26.84 1 8 N01-2050 75.72 17 GP179A1 26.92 1 8 PAT-a 75.84 27 GP257-a 27.02 1 8 C4347m13 75.9 17 GP308 27.04 1 8 E3561m02 75.94 17 Got2 27.16 1 8 CD21A 76.29 17 STI0040 27.19 1 8 N07-2100 76.42 17 CP104-c 27.27 1 8 E3248m03 76.51 17 GP121 27.33 5 8 CT47 76.58 27 CP137-a 27.33 1 8 GP189 76.97 37 STI0064 27.41 1 8 K19-675 77.03 17 CP104-e 27.42 1 8 CT92 77.41 17 STI0025 27.44 1 8 TG45 77.5 97 CP54-b 27.48 1 8 GT92 77.7 17 TG61 27.82 6 8 STM1057d 77.85 17 STM2013 27.83 4 8 A18-1300 77.95 17 GP231 28.02 1 8 TG117A 78.19 17 S2g9 28.66 1 8 Got4 78.29 17 S1d9-c 28.66 1 8 GP74 78.43 27 C3347n17 29.23 1 8 TG72 78.8 17 C4347m03 29.81 1 8 C3349n26 78.85 17 TG131A 29.96 1 8 34/33.T 79.15 17 TG166A 30.21 1 8 TG41 79.49 47 CD54 30.21 1 8 GP171 79.65 47 44/50.a 31.93 1 8 40/51.D 79.78 17 STM1050a 32.7 1 8 STM1056_8 79.93 47 E3554n26 33.18 1 8 Leleuzip 79.93 27 C3350n33 34.12 1 8 STM1057abc 79.96 57 C4362m34 35.1 1 8 GP85-b 80.08 17 STI0033 35.15 2 8 STM3015 80.14 57 C3350n21 35.48 1 8 STM1056 80.17 27 TG13A 35.52 1 8 38/32.b 80.19 17 STM0031 35.77 2 8 C3560n13 80.23 17 STM1004 35.82 4 8 TG127 80.29 17 STM1003 36.06 4 8 STM0024 80.33 77 CD62 36.22 1 8 P1c12 80.44 17 STM0004 36.42 1 8 GP126 80.5 17 C4451n13 36.74 1 8 C3560m14 80.5 17 CT259 37.26 1 8 GP255-g 80.52 17 C4347nH 37.41 1 8 TG349 80.67 27 CD57 37.42 1 8 GP84-a 80.95 27 STM0014abd 37.85 6 8 P1c6 81.45 17 CD52 38.79 1 8 At1d11 81.5 17 TG20-a 38.8 1 8 GP130 81.99 37 STM0052 39.49 2 8 AGPaseS-b 81.99 17 STM5144 40.15 1 8 PPO 82.04 17 G9.2700 41.33 1 8 S2h7 82.05 17 C3350m10 41.68 1 8 TG16A 82.41 57 CT032r 45.95 1 8 GO2-575 82.51 17 E4560n36 47.05 1 8 38/49.e 82.83 17 C4347m20 49.78 1 8 RGL47f2-d 82.83 17 P12M14-103 49.85 1 8 J14-650 82.95 17 E3548m13 53.45 1 8 CT64 82.97 17 C3550nF 56.25 1 8 At2f2-a 83 17 TG342 63.85 1 8 At2a12-a 83 17 E3251m13 69.58 1 8 P2b3 83 18 42/59.F 0 1 8 S1b8 83.01 18 31/54.b 17.3 1 8 Cyt-c red 14kD-a 83.08 18 B2.1680 25.2 1 8 GP68 83.09 18 C3349mL 37.98 1 8 CT214A 83.1 48 C4559m13 38.18 1 8 S1f8-a 83.17 18 45/42.d 41.3 1 8 CP53 83.27 38 E3561m7 45.78 1 8 GP40-a 83.33 58 C3347m01 54.48 1 8 GP312-a 83.33 18 35/58.B 55.1 1 8 GP301 83.33 28 C4362n27 63.68 2 8 GP316-a 83.33 18 39/61.E 64 1 8 PO9-2 83.38 18 C3548m5 65.82 1 8 GP92 83.61 78 wx 66.33 1 8 GP36-a 83.61 28 C3349m27 66.44 1 8 ppoIII 83.62 38 TG17B 66.5 1 8 GP74-b 83.63 18 S1f8-b 66.6 1 8 GP217 83.63 18 BA261b9 67.6 1 8 STI0027 83.69 38 STPATP1b 67.62 1 8 RC5t7 83.82 18 C4362n33 69.31 1 8 CT69 83.89 18 STM5113 69.62 1 8 GO2-625 84.04 18 GP128-f 70.56 3 8 STM3010 84.42 18 C4362m25 70.65 1 8 31/36.b 84.44 18 CT27 71.32 4 8 C3548nA 84.65 18 TG176 71.82 3 8 STwax1 84.69 18 GP255-b 72.45 1 8 STM1060 84.78 18 34/61.I 72.9 1 8 TG302 84.93 28 E4560m39 73 1 8 32/49.c 84.95 18 F07-1800 73.03 1 8 BA73e8T 85.05 18 C4447nF 73.86 1 8 Osm-8 85.07 18 E4560m16 74.01 1 8 GP125(11) 85.14 18 STI0005b 74.16 1 8 CT88-3 85.28 38 At1C12 74.6 1 8 P1a11-b 85.43 18 S1b9-d 74.6 1 8 RB 85.57 28 CP112-d 74.6 4 8 SSR38e 85.67 18 S1c10 74.6 1 8 CT245 85.75 28 Lox-a 74.64 2 8 STG0027 85.76 18 GP170 74.97 1 8 GP173 85.89 58 E4560m45 75.03 1 8 STM1005 85.9 38 F07-1450 75.03 1 8 C3561m12 86.29 18 GP245 75.03 2 8 P1g6 86.44 18 Q14-775 75.03 1 8 CP14 86.66 18 P1a10 75.15 1 8 STM1104 86.78 38 P8c6-a 75.15 1 8 CP502(b) 86.8 1

Annexes

AV1-8

group locus position meta.occurence group locus position meta.occurence8 TG261 86.86 5 9 TG18 47.94 38 CT148 86.91 1 9 STM1008c 48.18 38 C3350n1 87.01 1 9 TG9 48.54 48 STM5135 87.16 1 9 StVe1 49.14 18 STI0047 87.38 1 9 EL3 49.15 18 GP291(c) 87.6 1 9 TG254 49.4 48 GP299-b 87.64 1 9 P7h8 49.46 18 Stwax-1 87.66 1 9 GP39 50.1 38 CT287_8 87.67 2 9 E3549n20 50.39 18 E3548m21 87.94 1 9 37/39.E 50.6 18 CD60 87.94 2 9 STM1008b_9 50.82 18 C3347m13 87.98 1 9 GP35-e 50.95 18 STM1105 88.04 7 9 PAL-b 50.95 18 STGBSS 88.11 2 9 E3558m30 51.55 18 CD46 88.16 1 9 TG16B 52.72 18 CT68 88.18 2 9 St1.2.2 53.49 18 SSR38a 88.57 1 9 B7 53.61 18 STWAX-2 88.66 1 9 STM0010 53.68 28 STM1016 88.66 1 9 TG105-b 54.31 38 STG0032 88.66 1 9 E4560m31 54.35 18 STSS1-1 88.66 1 9 P1e4-a 54.49 18 GbssI 88.77 3 9 E3249m22 54.79 18 STI0003 88.84 2 9 GP35 54.91 18 TG496 88.86 2 9 GP198(c) 55.03 18 CT2_8 89.12 1 9 S1f2-b 55.29 18 STM1024 89.13 5 9 PAL-c 55.31 18 STM1001 89.24 3 9 GP250-b 55.71 18 STI0044 89.36 2 9 STPATP1a 56.1 18 TG330 89.55 2 9 P7a11-f 56.28 18 E3249n32 89.73 1 9 P2d11-a 56.3 18 STM1001b 89.82 1 9 32/49.I 56.68 18 E3558n04 90.3 1 9 TG16b 56.74 18 STWAX 90.36 1 9 OPQ-16 56.97 18 GP288 90.66 1 9 C4559m33 57.49 18 57t3 90.81 2 9 E3554m35 58.35 18 E3558n17 91.12 1 9 EH26 58.66 18 STSS1 92.55 1 9 At2B5-d 59.23 18 STwax2 92.55 1 9 GP190 59.93 58 Ppa1-b 92.63 1 9 C3347m13 60.89 18 STM1055 93.64 4 9 GP267 61.21 38 STI0022 94.58 2 9 HG1 61.4 18 Z4.600 94.63 1 9 STM1017 63.48 38 CD40 95.91 1 9 GP167-b 63.94 18 CT252 95.91 1 9 GP265-b 63.94 18 TG402 96.18 4 9 CP104-b 63.94 18 TG294 98.48 2 9 E3558n12 64.29 18 CD29 100.21 5 9 STG0012 65.1 18 RC1t3 106.57 1 9 GP91-b 66.21 18 573 106.57 1 9 EJ14 66.48 18 RC5t3 106.57 1 9 OPAH-09-2 66.93 18 Pat-a 119.41 1 9 STPI 67.58 19 31/54.g 0 1 9 E4560m40 68.09 19 I10.850 26 1 9 TG424 68.81 19 E4560n19 29.22 1 9 STPII-1 68.82 19 TG254B 29.27 1 9 GP87-c 68.9 19 PSTR-k 31.27 1 9 At2E1 69.05 19 E3548n38 31.62 1 9 E3554n08 69.29 19 C3347mF 32.62 1 9 TG390 69.43 39 STG0011 33.69 1 9 EB40k 69.48 19 CP44 34.27 10 9 CP135 69.5 29 STM1052 35.55 2 9 CP115 70.45 19 STM1102cde 36.12 8 9 CP110 71.05 19 Prp1 36.19 9 9 STM1021 71.3 59 GP173b 37.1 1 9 E3554m39 72.79 19 SSR19 37.25 2 9 S2h4 72.98 19 C4347m16 37.3 1 9 P2a6-c 72.98 19 STM1051 37.69 8 9 P7g3-b 72.99 19 TG10 37.76 1 9 e31m37-282 73.68 19 CD32A 37.76 1 9 S1d10 73.97 19 S1c3-b 38.25 1 9 C3350m23 74.05 19 CP137-b 38.79 2 9 TG35 74.24 39 GP91-a 38.79 2 9 GP282 74.77 19 GP97 38.79 2 9 CP67 74.89 29 Ppa2 38.8 1 9 TG404 75.14 49 PAL-a 38.8 1 9 TG3 75.33 19 At1C8-a 39.28 1 9 EF3 75.48 19 CP20 40.15 1 9 C4451m15 75.59 19 C4451m23 40.41 1 9 Cyt-c red 12kD 75.62 19 STG001b 40.83 1 9 GP307 75.62 19 At1D5-c 41.34 1 9 GP321 75.62 19 STI0002 41.71 1 9 GP94 75.94 59 GP263-b 42.5 2 9 GP220-b 76.12 19 38/32.a 43.64 1 9 CD8 76.3 19 STM3012 44.05 3 9 S1f10-a 76.94 19 STI0057 44.15 2 9 TG43-b 77.12 19 CT143 44.16 1 9 GP129 77.46 79 GP272 44.49 1 9 P8g1-b 78.33 19 Inv-ap-b 44.5 1 9 E3249n31 80.09 19 CP49(b) 45.07 1 9 OPZ-07 81.3 19 STM3023 45.34 1 9 GP260 82.36 19 TG117B 45.62 1 9 OPH-15 84.3 19 Sol16 45.98 1 9 GP254 84.79 39 Sol16-1 46.39 1 9 TG421 84.86 29 CP20-a 46.49 3 9 S2g3 85.16 19 GP128-e 46.49 1 9 S3c1-b 85.16 19 S3d10-a 46.85 1 9 GP101 86.9 39 P1f11-f 46.85 1 9 TG8 86.96 19 P10h2-b 47.01 1 9 E3249n21 88.45 19 STM0017 47.46 1 9 At1A8 88.52 1

Annexes

AV1-9

group locus position meta.occurence group locus position meta.occurence9 S1h5-d 89.34 1 10 TG280 56.6 29 ED9 89.48 1 10 S1a4-a 57 19 STI0014 89.86 1 10 E3261n8 57.42 19 GP41 90.16 5 10 R13.500 57.71 19 S1d5-a 90.16 1 10 C3349m25 58.04 19 S1d11 91.15 1 10 Cht B-b 58.05 19 p55m67-335 91.3 1 10 CD5 58.19 59 CT220 94.1 2 10 GP232-1 58.64 19 E3558m24 97.05 1 10 GP266 58.75 19 PSTR-i 101.76 3 10 STM5132 59.36 29 E3558n31 105.75 1 10 GP218 59.45 59 C3347mE 109.69 1 10 At2A2-b 59.83 19 C3349m29 109.75 1 10 Rca 59.88 29 E3261m25 115.09 1 10 CD32B 60.25 59 C3350m24 124.69 1 10 Rber 60.53 19 C4347nK 129.69 1 10 E4560n08 60.76 1

10 OPAH-09 0 1 10 PSC 61.02 310 STM2012 4.71 2 10 GP35-b 61.26 110 PSTR-l 20.1 2 10 TG63 61.26 1110 GP289 20.1 2 10 PAL-e 61.26 110 OPAE-16 24 1 10 CP105 61.26 910 C3349n23 27.84 1 10 P8g9-a 61.26 110 GlomR 28.54 1 10 Inv-ap 61.27 110 UBC827-3 30 1 10 GP287 61.28 310 UBC857-1 34 1 10 GP87-b 61.28 410 SSR4 35.14 1 10 32/49.a 61.45 110 TG230 35.33 1 10 TG263_10 61.85 110 Ppc-a 37.21 1 10 P10c8 62.02 110 35/48.O 37.45 1 10 E3251n28 62.23 110 CP47-a 38.11 7 10 P1f11-a 63.08 110 TG313 39.04 4 10 S1d9-b 63.08 110 TG303 39.27 6 10 P8g9-c 63.08 110 CP51-a 39.39 3 10 S3d10-b 63.08 110 S1b9-a 39.39 1 10 CD32C 63.66 110 GP516-a 39.4 1 10 P10h2-a 63.82 110 C3347m26 39.6 1 10 E3261m24 64.02 110 35/48.d 39.65 1 10 45/60.e 64.66 110 C4362n12 39.85 1 10 E3561m21 64.93 110 TG399A 40.15 2 10 CT124 65.39 210 C4559nF 40.53 1 10 STM1040 65.41 310 CD56 40.57 1 10 At1D5-b 65.45 110 35/48.c 40.75 1 10 P8h11-a 65.45 110 TG122 40.75 2 10 TG403 65.7 410 S3e8 40.92 1 10 E3561n29 66.05 110 Tpt 40.92 4 10 TG422 66.14 110 C4559n32 40.93 1 10 TG422(6) 66.63 110 AML.2100 41.06 1 10 C4559m31 66.72 110 CD45 41.14 1 10 pCD111 66.72 310 35/48.U 42.1 1 10 CP72 67.21 310 At2E8-c 42.81 1 10 P8h11 67.71 110 STM0051 42.91 7 10 P3a10-a 67.99 110 CT234 43.11 2 10 STM1106 68.15 310 GP248-b 43.24 1 10 CP65B 69.18 310 E3249m11 43.31 1 10 CP49-a 69.18 410 38/39.D 43.75 1 10 C3550m8 69.48 110 GP85-c 44.01 1 10 E3554n06 70.4 110 PAL-d 44.01 1 10 BA66k2 70.59 310 GP305-a 44.29 1 10 BA81l15 70.59 110 S1e5-b 44.7 1 10 BA113a17 70.59 310 STG0025 44.8 1 10 BA63o3 70.59 110 GP247 44.8 1 10 BA44a10 70.59 110 Nt PR-1a 44.8 1 10 C3349m21 70.85 110 TG560 44.87 1 10 E4560m04 70.87 110 TG43-a 45.07 2 10 STM5117 71.02 110 CP104-a 45.31 1 10 STI0023 71.43 210 TG19_10 45.69 1 10 44/42.A 71.76 110 C4451n16 45.73 1 10 E3249m18 71.86 110 GP128-d 45.83 1 10 TG285 71.96 210 TG52 45.95 2 10 32/34.b 72.75 110 CP59 46.34 4 10 CD18-10 74.68 210 PBA5-6 47 1 10 S1f9 75.45 110 At2F9-d 47 1 10 At1A10-c 76.58 110 CD38A 48.22 1 10 CD34B 76.89 110 TG386 48.33 5 10 SSR223-a 77 110 E3248m11 48.42 1 10 Nt Glu A-Q 78.18 110 TG103 48.45 1 10 TG420 80.43 510 TG43 48.45 1 10 St1.2.4-c 81.99 110 E3554n08 48.58 1 10 31/54.x 88.06 110 E3251m40 48.97 1 10 TG408 89.9 410 St1.2.4-d 49.31 1 10 45/42.d 94.96 110 S3c11 49.31 1 10 P2b12-b 95.58 110 GP73-a 49.31 3 11 EH11 0 110 P10f5-c 49.31 1 11 PBA9-10 1.57 110 S2a4-a 49.7 1 11 TG523 2.38 110 32/48.I 50.81 1 11 OPAG-18 9.57 110 C3350m8 51.48 1 11 C3349n1 9.74 110 E4560m44 51.82 1 11 EI17 11 110 At2b12 52 1 11 p31m76-125 11.19 110 C4559m20 52.29 1 11 E4560m30 11.54 110 GP35-a 53.28 1 11 M0 12.19 110 STM1056c 53.83 2 11 STS6 12.57 110 Cht B-a 53.98 1 11 E3554m34 13.92 110 P3c6-a 54.12 1 11 TG154_2 17.74 110 C3347m38 54.15 1 11 STS8 18.57 110 CT11 54.29 2 11 p71m34-80 18.69 110 GP227-b 54.68 1 11 C4559m8 20.24 110 C4362m19 55.55 1 11 STG0001 21.19 110 At1C8-b 55.55 1 11 CP58A 21.54 510 C4447n21 55.85 1 11 36/36.c 21.64 110 CT214 55.98 5 11 CT182 21.78 210 P8g1-c 56.28 1 11 32/49.e 22.07 1

Annexes

AV1-10

group locus position meta.occurence group locus position meta.occurence11 C3350n20 22.68 1 11 St3.3.11 37.21 111 CT168 23.88 1 11 TG44 37.53 511 E3249m14 24.5 1 11 P1h3 37.82 111 TG508 24.54 3 11 St1.2.1-c 37.86 111 TG194 24.76 2 11 St1.2.1-d 38.02 111 TG651 25.2 1 11 S1b2-a 38.21 111 E3548m25 25.44 1 11 GP232 38.32 111 STI0017 25.54 1 11 GP505-a 38.4 111 CT051_11 25.74 1 11 31/39.F 38.58 111 At1A10-b 26.06 1 11 STM5109 39.18 511 38/39.D 26.14 1 11 S1d1 39.22 111 GP125 26.19 10 11 CT55 39.38 211 GP87-a 26.19 1 11 CD18 39.51 111 STM5130 26.22 4 11 CT107A 39.54 311 GP163 26.34 1 11 S1g5-b 39.6 111 CP280 26.37 1 11 STI0028 39.65 111 GP255-f 26.58 2 11 StAOS2 39.76 111 CP137-c 26.81 1 11 683 39.78 111 GP259 27.19 3 11 TG46 39.91 311 CP54-a 27.19 2 11 GP38 39.98 711 Nl27 27.19 2 11 P10g7-a 39.98 111 Nl25 27.19 2 11 S2g8 39.98 111 GP230 27.22 1 11 At1C8-d 39.98 111 37/39.C 27.41 1 11 P1g4 40.02 111 PBA3-14 27.57 1 11 C3548n11 40.21 111 STM1009acd 27.69 4 11 At2G1-a 40.28 111 At1A12-c 28.06 1 11 TG384 40.55 111 TG497 28.24 6 11 CT107 40.55 111 UGPase 28.65 3 11 E3554m02 40.6 111 PSTR-m 28.65 1 11 C4350m24 41.22 111 S130 28.72 1 11 S1g2-h 41.36 111 33/33.b 28.94 1 11 TG30 41.66 411 STI0018 29.16 1 11 TG36 41.86 711 GP162-a 29.19 1 11 STI0046a 42.06 111 BA18o5 29.23 1 11 CT107C 42.37 411 BA30p15 29.23 1 11 C4451n8 42.66 111 BA35h22 29.23 1 11 TG439 43.1 211 I 29.23 1 11 GP250a 44.26 511 St3.3.13-a 29.23 1 11 TG26 44.52 311 GP318 29.68 1 11 C4362n02 45.86 111 Cyt-c red 30kD 29.68 1 11 STM5137 46.1 111 TG105-a 29.72 2 11 STM0025 46.57 611 Sol01 29.9 1 11 Dbe 47 111 35/48.a 29.93 1 11 TG393 47.84 211 GP283 29.97 1 11 C4350m29 49.08 111 St1.2.1-a 30.06 1 11 TG400 49.38 111 BA202k7 30.06 1 11 GP174(b) 49.98 111 BA157f6 30.06 1 11 e31m37-270 52.57 111 BA116j10 30.06 1 11 P75M48-300 56.57 111 GP250 30.06 1 11 EB9 64 111 BA88b3 30.06 2 11 C3349m14 65.58 111 BA52i9 30.06 1 11 EJ10 76 111 BA51k12 30.06 1 12 E3561m04 0 111 GP185 30.06 5 12 GP514 7.31 111 At1A6-b 30.06 1 12 E3558n23 7.7 111 GP161 30.19 1 12 HB7 8.46 111 BA228d23 30.22 2 12 E3251n57 12.3 111 C4447m19 30.4 1 12 CP134a 21.14 111 GP518 30.44 1 12 E3549m12 22.4 111 At1B9-d 30.58 1 12 S2g1 26.31 111 32/49.L 30.58 1 12 EB36 30.46 111 S1a10-b 30.65 1 12 M1 35.14 111 36/50.e 30.69 1 12 GP229 37.67 311 Sut1 31.05 1 12 GP268 38.14 511 TG57 31.34 1 12 CT99 38.64 111 46/42.j 31.8 1 12 E3249m19 38.95 111 Ci19 31.9 1 12 E4560n14 40 111 TG629 32.24 2 12 GP122 41.31 511 GP320 32.27 1 12 CT100 41.73 111 AIF22_6 32.31 1 12 S1d5-b 42.16 111 B5.198r 32.54 1 12 P2b12-a 43.4 111 S2f9-a 32.64 1 12 At1A10-a 43.4 111 RGL121o1-b 32.64 1 12 hRx 43.95 111 GP198-a 32.86 2 12 GP264-c 44.25 111 STM0037 32.91 4 12 Pgi1 44.44 111 P3c9-b 32.98 1 12 EA17 44.46 111 C3349n30 33.43 1 12 BA31n11t3b 44.83 111 45/59.G 33.93 1 12 GP200 45.29 211 STG0004 34.08 1 12 GP273 45.37 111 S1d9-a 34.18 1 12 GP204 45.49 211 32/48.b 34.25 1 12 P10e4 45.5 111 GP17(c) 34.33 1 12 P7a11-e 45.93 111 E4560m13 34.34 1 12 S1g6-a 46.37 111 Nia 34.52 1 12 TG28A 46.59 611 P117 34.92 1 12 P1a11-a 46.68 111 C4559n11 35.11 1 12 STM0014eg 47.38 111 35/54.A 35.27 1 12 TG474 47.47 111 St3.3.13-b 35.73 1 12 CP112-b 47.5 211 C3347n42 35.76 1 12 E3251n25 47.85 111 P7h9-b 36.3 1 12 STG0007 47.91 111 CP117 36.45 4 12 3548M 48.09 111 E3251n18 36.74 1 12 E3248n29 48.18 111 OSM-8e 36.82 1 12 GP168 48.26 111 GP264-b 36.83 1 12 GP269 48.26 111 At2E5-a 36.83 1 12 GP81 48.26 211 FES 36.83 1 12 STM0003 48.29 711 TG47 36.91 3 12 CP112b 48.32 111 36/50.b 36.98 1 12 Nt PR-5 48.41 111 STM2005 37.02 2 12 STI0051 48.43 1

Annexes

AV1-11

group locus position meta.occurence group locus position meta.occurence12 Ppa1-a 48.5 1 12 C3349n24 57.69 112 D151600 48.87 1 12 GP291d 57.73 112 CP20-b 48.97 2 12 CT201 57.75 112 STM0032 49 1 12 P7c5 57.98 112 cLED-29-N16B 49.03 1 12 STI0007 58.45 112 C3560n9 49.13 1 12 STM5121 58.68 312 M319 49.38 1 12 TG360 59.14 512 C3550m22 49.49 1 12 E3548m37 59.19 112 E3558n15 49.5 1 12 Sus4 59.6 112 TG296 49.58 3 12 P8b11 59.61 112 TG491 49.58 2 12 GP306 60.68 212 STM0007 49.62 2 12 S1D11-12 60.91 212 CD21B 49.81 1 12 GP34 60.98 1112 CT79 49.95 3 12 GP305-b 60.98 112 GP215-a 50.13 2 12 CT201B 61.54 212 STM2028 50.33 4 12 Ppc-b 61.68 112 TG602 50.49 4 12 GP34a 61.95 112 GP91c 50.74 1 12 AGPaseB-b 61.96 212 CP104-f 50.78 1 12 GP516-b 61.98 112 E3548m22 51.11 1 12 CP103-b 62.75 212 STM1045a_12 51.21 4 12 TG581 63.93 112 E3558n21 51.37 1 12 EL19 64.46 112 TG263 51.59 1 12 CP60 64.56 612 M11.1250 51.75 1 12 HG17 66.46 112 3548k 51.79 1 12 At1B09-b 68.56 112 S1g6-c 51.92 1 12 At1B10 69.56 112 E3251n38 52.04 1 12 32/48.g 71.21 112 At2F09-a 52.17 1 12 IPM4 73.51 112 TG283 52.17 1 12 TG28 77.7 112 STI0063 52.25 1 12 TG473 92.99 212 P7h9-a 52.42 1 12 C3347m39 94.69 112 GP195a 52.44 1 12 HC11 97.46 112 44/42.B 52.51 112 At2F08 52.66 112 STM0040b 52.72 112 TG263B 52.97 212 34/33.j 52.99 112 CT19A 52.99 212 P8c6-b 53.12 112 C4362m35 53.13 112 GP96-b 53.17 112 GP91-c 53.17 312 P9e10 53.17 112 41/59.B 53.31 112 P2d10 53.37 112 P9g5 53.43 112 EJ12 53.46 112 E3558n16 53.49 112 TG68 53.53 612 CP106 53.62 212 C4347m28 53.64 112 E22 53.64 212 CD2 53.76 212 Potkin 53.83 112 3739H 53.83 112 TG180 53.86 312 TG367 53.95 412 CP114 53.98 212 TG618 54.14 112 GP195-a 54.16 112 STG0003 54.26 112 CD22 54.3 312 CD064_Br 54.37 112 GP167-c 54.43 112 GP178 54.43 112 CP118 54.43 112 CD19 54.49 112 E3561n15 54.51 112 GP183 54.51 212 GP197 54.51 212 GP99 54.51 212 E4560n26 54.55 112 E3548m04 54.63 112 E3251n49 54.71 112 4442J 54.74 112 STI0037 54.75 112 GP315 54.78 112 STI0030 54.83 212 STM0030 54.87 612 TG263A 54.91 312 CP48 55.04 112 ipm4_o 55.06 112 C3350n09 55.14 112 3950h 55.18 112 C4447mA 55.24 112 35/58.D 55.35 112 E4560n12 55.49 112 GP263-a 55.51 112 3261w 55.62 112 C4559m28 55.69 112 STM0006 55.87 112 STM1045a 56 412 Cyt-c red 51kD 56.1 112 EF35 56.46 112 EF36 56.46 112 P3g8 56.5 112 CP48b 56.52 212 CP66 56.91 112 P2f8 56.98 112 S1f2-a 57.45 112 CP134-1 57.46 1

Annexes

AV2-1

Annexe V.2

Functional integrated potato maps

The 12 potato chromosomes are represented by their integrated maps. All horizontal ticks on the chromosomes are marker positions. The names of the markers which were mapped for at least 4 times across the initial chromosome maps are mentioned. Meta-QTLs are represented by thick bars on the right-hand side of the chromosomes. Individual QTLs that were not included in the meta-analysis but could be anchored by at least one common marker are represented by thin bars. Meta-QTLs and QTLs are in black when they reffered to late blight resistance and in grey when they referred to maturity type. R-genes, Defense –related gene-like (DRL) and Resistance gene like (RGL) are positionned on the left-hand side of the chromosomes and designated by the motifs of the legend below. For each map, a 5 cM-scale is given and the total length of the map is mentioned at the bottom of the chromosome (cM haldane).

RGL

DRL

wound induced gene

other function

phytohormone related

R2 R-gene

RGLRGL

DRLDRL

wound induced genewound induced gene

other functionother function

phytohormone relatedphytohormone related

R2 R-geneR2 R-gene

Annexes

AV2-2

Cf9_2

Collins99_G87_12, MT

Cf9_3

STM1029

C4347n249

TG70

Collins99_I88_11, MT

GP194

CP132

Ewing00_ber_BCT_11, MT

glucanaseRGL 47f2

SSR wound induced gene

chitinase

lipoxygenase

chitinase

tomato Cf9 homolog

tomato Cf9 homolog

A. thaliana PEN homolog

tomato Cf9 and Cf9 homologRGL St1.2.4-aglucanase (x 2)

14 DRL/RGL

chromosome I

5 cM

125

Cf9_2


Cf9_3

STM1029

C4347n249

TG70

Collins99_I88_11, MT

GP194

CP132


glucanaseRGL 47f2

SSR wound induced gene

chitinase

lipoxygenase

chitinase

tomato Cf9 homolog

tomato Cf9 homolog

A. thaliana PEN homolog

tomato Cf9 and Cf9 homologRGL St1.2.4-aglucanase (x 2)

14 DRL/RGL

chromosome I

5 cM5 cM

125

Annexes

AV2-3

STM1030b

STM2022

Collins99_I88_21b, PV

PAD4 A. thaliana homolog

RGL St3.1, St3.2, St1.2.4-h

wound induced geneP450-like sequence

P450-like sequenceauxine induced gene

RGL47f2-g

RGL St1.2.3A. thaliana NPR1 homolog*

peroxidase isozyme

chitinase-like genetranslation initation factor eif5A

A. thaliana DRL

15 DRL/RGL

chromosome II

5 cM102

* A. thaliana NPR1 gene is involved in salicylic acid regulation

STM1030b

STM2022

Collins99_I88_21b, PV

PAD4 A. thaliana homolog

RGL St3.1, St3.2, St1.2.4-h

wound induced geneP450-like sequence

P450-like sequenceauxine induced gene

RGL47f2-g

RGL St1.2.3A. thaliana NPR1 homolog*

peroxidase isozyme

chitinase-like genetranslation initation factor eif5A

A. thaliana DRL

15 DRL/RGL

chromosome II

5 cM5 cM102

* A. thaliana NPR1 gene is involved in salicylic acid regulation

Annexes

AV2-4

CP6 Ober99_GDE_I88_3 FF

GP25 Ober99_GDE_G87_3 FF

TG526


STI0013Collins99_I88_11, MT

St4Cl-a


phenylalanine ammonia lyase

CoA lygase

auxine induced gene

RGL St1.2.1-b

translation initiation factor eif5Arespiratory burst oxidaseCoA lygase

7 DRL/RGL

chromosome III

5 cM111

CP6 Ober99_GDE_I88_3 FF

GP25 Ober99_GDE_G87_3 FF

TG526


STI0013Collins99_I88_11, MT

St4Cl-a


phenylalanine ammonia lyase

CoA lygase

auxine induced gene

RGL St1.2.1-b

translation initiation factor eif5Arespiratory burst oxidaseCoA lygase

7 DRL/RGL

chromosome III

5 cM5 cM111

Annexes

AV2-5

STM3160 Bradshaw04_Stirling, FF and FG

MBF Ober99_GDE_4, FF

STM3016 Meyer98_Stirling, FF

Mas binding factor*

A. thaliana AOS homolog**

P450-like sequence

RGL47f2 BAC

RGHGro1 homolog

RGL 47f2-a

RGL 47f2-b

auxin induced genemetallothionein-likeSSR wound induced gene

R2 P. infestans resistance gene cluster: NBS-LRR R2, R2-like, Rpi-blb3, Rpi-abpt genesand Rpi-mcd/mcd1, Rpi-demf1

R2

R2

* Mas binding factor* (MBF) = auxin efflux transporter

11 DRL/RGL

chromosome IV

5 cM

87

** A. thaliana AOS is involved in jasmonic acid biosynthesis

STM3160 Bradshaw04_Stirling, FF and FG

MBF Ober99_GDE_4, FF

STM3016 Meyer98_Stirling, FF

Mas binding factor*

A. thaliana AOS homolog**

P450-like sequence

RGL47f2 BAC

RGHGro1 homolog

RGL 47f2-a

RGL 47f2-b

auxin induced genemetallothionein-likeSSR wound induced gene

R2 P. infestans resistance gene cluster: NBS-LRR R2, R2-like, Rpi-blb3, Rpi-abpt genesand Rpi-mcd/mcd1, Rpi-demf1

R2

R2

* Mas binding factor* (MBF) = auxin efflux transporter

11 DRL/RGL

chromosome IV

5 cM5 cM

87

** A. thaliana AOS is involved in jasmonic acid biosynthesis

Annexes

AV2-6

STM5148 Bradshaw04_Stirling, FF, T%, PH, MT

GP21 Visker05_SH, CE, DH, I FF and MT

STPoAc58 Sandbrink00_MCD178, FF

GP179 Oberhagemann99_GDE, FF and MTR1

UDP glucose*

*UDP glucose: protein transglucosylase

PRF resistance gene -like

RGL 47f2T7 BACLernalx, P9e11**

**Lernalx: L. esculentum ribonuclease Lx (nematode resistance gene); P9e11 RGL

RNA directed RNA polymerasetomato Pto homolog, PRF gene-like

RGL St1.2.4-dchitinase

PR gene

Visker03_E FF and MT

11 DRL/RGL

chromosome V

5 cM148

R1 R1 NBS-LRR P. infestans resistance gene

STM5148 Bradshaw04_Stirling, FF, T%, PH, MT

GP21 Visker05_SH, CE, DH, I FF and MT

STPoAc58 Sandbrink00_MCD178, FF

GP179 Oberhagemann99_GDE, FF and MTR1

UDP glucose*

*UDP glucose: protein transglucosylase

PRF resistance gene -like

RGL 47f2T7 BACLernalx, P9e11**

**Lernalx: L. esculentum ribonuclease Lx (nematode resistance gene); P9e11 RGL

RNA directed RNA polymerasetomato Pto homolog, PRF gene-like

RGL St1.2.4-dchitinase

PR gene

Visker03_E FF and MT

11 DRL/RGL

chromosome V

5 cM5 cM148

R1 R1 NBS-LRR P. infestans resistance gene

Annexes

AV2-7

STM0019 QTL CASP STGP79 Oberhagemann_GDE, FF

WUN2 Oberhagemann_GDE, FF

P450-like sequence

auxine induced gene

RGL St3.3.13-cRGL BAC (x 3)

auxin induced gene

RGL St3.3.1-aDRL, respiratory burst oxidaseCoA lygase

metallothionein-likewound induced gene

13 DRL/RGL

chromosome VI

5 cM

129

Rpi

Rpi Rpi-blb2 NBS-LRR P. infestans resistance gene

STM0019 QTL CASP STGP79 Oberhagemann_GDE, FF

WUN2 Oberhagemann_GDE, FF

P450-like sequence

auxine induced gene

RGL St3.3.13-cRGL BAC (x 3)

auxin induced gene

RGL St3.3.1-aDRL, respiratory burst oxidaseCoA lygase

metallothionein-likewound induced gene

13 DRL/RGL

chromosome VI

5 cM5 cM

129

Rpi

Rpi Rpi-blb2 NBS-LRR P. infestans resistance gene

Annexes

AV2-8

STM0028

STM3009Collins G87-71a, FF

STM1009be

STM0014abd

CollinsG87-72, MT

CollinsI88-71, MT

OPR3**

auxin induced geneGro1*

* Gro1: nematode resistance gene

RGL St3.3.2

RGL St1.2.4-g, RGL BAC

chitinase-like

**OPR3: oxophytodienoate reductase involved in jasmonic acid pathway

7 DRL/RGL

chromosome VII

5 cM70

Rpi

Rpi Rpi1 P. infestans resistance gene

STM0028

STM3009Collins G87-71a, FF

STM1009be

STM0014abd

CollinsG87-72, MT

CollinsI88-71, MT

OPR3**

auxin induced geneGro1*

* Gro1: nematode resistance gene

RGL St3.3.2

RGL St1.2.4-g, RGL BAC

chitinase-like

**OPR3: oxophytodienoate reductase involved in jasmonic acid pathway

7 DRL/RGL

chromosome VII

5 cM5 cM70

Rpi

Rpi Rpi1 P. infestans resistance gene

Annexes

AV2-9

STM1024 Sorensen06_3504HGG, FF

osmotin-like PR locuslipoxygenase

polyphenoloxidasepolyphenoloxidaseRGL St3.3.13-cosmotin-like PR cluster RBgluthation peroxidase

osmotin-like PR locus


9 DRL/RGL

chromosome VIII

5 cM

119

RB P. infestans resistance gene cluster: NBS-LRR RB/Rpi-blb1 and Rpi-pta1, Rpi-plt1, Rpi-sto1RB

STM1024 Sorensen06_3504HGG, FF

osmotin-like PR locuslipoxygenase

polyphenoloxidasepolyphenoloxidaseRGL St3.3.13-cosmotin-like PR cluster RBgluthation peroxidase



9 DRL/RGL

chromosome VIII

5 cM5 cM

119

RB P. infestans resistance gene cluster: NBS-LRR RB/Rpi-blb1 and Rpi-pta1, Rpi-plt1, Rpi-sto1RB

Annexes

AV2-10

TG18 PIVIIISPG, ST

STM1051 Sorensen06_3504HGIHJS_91, FFPrp1 Oberhagemann99_GDE, FF

GP129 Oberhagemann99_K31, LT

osmotin-like PR cluster

metallothionein-likephenylalanine ammonia lyase

verticilium resistance gene-likeputative glycosyl transferasephenylalanine ammonia lyaseRGLphenylalanine ammonia lyaseauxin induced gene

chalcone synthase

PR gene

cytochrome P450

RpiRpi

Rpi

Rpi P. Infestans resistance genes1-NBS-LRR Rpi-vnt1.1, 1.2, 1.3

2-Rpi-phu1

12

3

3-Rpi-moc1/mcq

12 DRL/RGL

chromosome IX

5 cM

130

TG18 PIVIIISPG, ST

STM1051 Sorensen06_3504HGIHJS_91, FFPrp1 Oberhagemann99_GDE, FF

GP129 Oberhagemann99_K31, LT

osmotin-like PR cluster

metallothionein-likephenylalanine ammonia lyase

verticilium resistance gene-likeputative glycosyl transferasephenylalanine ammonia lyaseRGLphenylalanine ammonia lyaseauxin induced gene

chalcone synthase

PR gene

cytochrome P450

RpiRpi

Rpi

Rpi P. Infestans resistance genes1-NBS-LRR Rpi-vnt1.1, 1.2, 1.3

2-Rpi-phu1

12

3

3-Rpi-moc1/mcq

12 DRL/RGL

chromosome IX

5 cM5 cM

130

Annexes

AV2-11

TG313, Sandbrink00_MCD178, FF

CP59, Simko06_BD410, MTPR gene -likephenylalanine ammonia lyase

RGL St1.2.4-d

chitinase

chitinasephenylalanine ammonia lyasecytochrome P450

RGL BAC

DRLRGL St1.2.4-c

Rpi1

Rpi2

Rpi P. Infestans resistance genes1-Rber/Rpi-ber1

2-Rpi-ber2

10 DRL/RGL

chromosome X

5 cM

96

TG313, Sandbrink00_MCD178, FF

CP59, Simko06_BD410, MTPR gene -likephenylalanine ammonia lyase

RGL St1.2.4-d

chitinase

chitinasephenylalanine ammonia lyasecytochrome P450

RGL BAC

DRLRGL St1.2.4-c

Rpi1

Rpi2

Rpi P. Infestans resistance genes1-Rber/Rpi-ber1

2-Rpi-ber2

10 DRL/RGL

chromosome X

5 cM5 cM

96

Annexes

AV2-12

STI0018 PiXI_SPG_AUDPC, FFcytochrome P450 (x 2)N homologue*, RGLSt3.313-a

*N : Potato Virus Y resistance gene

RGL BAC (x 3)translation initiation factor eif5ARGL (x 2)osmotin-like PR locusA. thaliana AOS homolog**

Rpi1

Rpi2

Rpi P. Infestans resistance genes1-Rpi_Stirling

2-NBS-LRR R3a, R3b + R5 to R11

12 DRL/RGL

chromosome XI

5 cM

76

STI0018 PiXI_SPG_AUDPC, FFcytochrome P450 (x 2)N homologue*, RGLSt3.313-a

*N : Potato Virus Y resistance gene

RGL BAC (x 3)translation initiation factor eif5ARGL (x 2)osmotin-like PR locusA. thaliana AOS homolog**

Rpi1

Rpi2

Rpi P. Infestans resistance genes1-Rpi_Stirling

2-NBS-LRR R3a, R3b + R5 to R11

12 DRL/RGL

chromosome XI

5 cM5 cM

76

Annexes

AV2-13

GP34, Bormann04_Leyla_121a, MT

catalase

Rx homologue*

* Rx : Potato virus X resistance gene

PR locus

polyphenol oxidase

4 DRL/RGL

chromosome XII

5 cM

97

GP34, Bormann04_Leyla_121a, MT

catalase

Rx homologue*

* Rx : Potato virus X resistance gene

PR locus

polyphenol oxidase

4 DRL/RGL

chromosome XII

5 cM5 cM

97

Annexes

AV3-1

Annexe V.3

Meta-QTL composition CL: no. QTLsCC: classification criterions as AkaikePI: weight of the meta-QTL (represents the consistency of the meta-QTL in terms of its number of individual QTLs)MU: meta-QTL positionCI: confidence interval of the meta-QTLZ: individual QTLs and their contribution among the QTLs (in %)

LATE BLIGHT RESISTANCEchromosome ICL 10CC AIC 96.34CC AIC3 99.34CC ICOMP 91.62CC BIC 97.24CC AWE 103.84

Meta_QTL1 Meta_QTL2CP PI 0.79 0.21CP MU 58.44 95.33CP CI 13.49 45.96CP Z PiI1SPLL40 1 0CP Z PiI1CASPL40 1 0CP Z PiI2CASPIND 1 0CP Z Ober99_K31_11 1 0CP Z Ober99_K31_12 1 0CP Z Ober99_K31_13 1 0CP Z PiI2CASPrAUDPC 1 0CP Z Collins99_G87_11 0.87 0.13CP Z PiI2SPGIND 0.02 0.98CP Z PiI2SPLL40 0 1

LATE BLIGHT RESISTANCEchromosome IICL 6CC AIC 55.24CC AIC3 60.24CC ICOMP 46.93CC BIC 54.2CC AWE 67

Meta_QTL1 Meta_QTL2 Meta_QTL3CP PI 0.33 0.4 0.27CP MU 39.88 69.39 86.8CP CI 15.21 18.61 4.05CP Z Collins99_G87_21 1 0 0CP Z Ober99_K31_21 1 0 0CP Z Ober99_K31_22 0.01 0.98 0.01CP Z Simko06_21 0 0.98 0.02CP Z Collins99_I88_21a 0 0.44 0.56CP Z Leonards94_P40_21_Pi1f 0 0 1

LATE BLIGHT RESISTANCEchromosome IIICL 15CC AIC 115.66CC AIC3 120.66CC ICOMP 105.36CC BIC 119.2CC AWE 128.29

Meta_QTL1 Meta_QTL2 Meta_QTL3CP PI 0.47 0.28 0.25CP MU 47.07 55.37 72.91CP CI 5.64 6.88 0.54CP Z Sliwka07_P2_32a 1 0 0CP Z Costanzo05_31 0.97 0.03 0CP Z Sliwka07_P2_33 0.93 0.07 0CP Z Ewing00_ber_BCT_31b 0.9 0.1 0CP Z PiIIISPGIND 0.84 0.16 0CP Z Ghislain01_dih-tbr_31a 0.82 0.18 0CP Z Leonards94_P40_31_Pi01d 0.57 0.42 0.01CP Z Ober99_K31_31b 0.34 0.64 0.02CP Z Bormann04_Leyla_31 0.26 0.74 0CP Z Ober99_K31_32 0.2 0.47 0.33CP Z Sliwka07_P2_31 0.11 0.32 0.57CP Z Sliwka07_P2_34a 0.04 0.12 0.84CP Z Collins99_G87_31 0 1 0CP Z Ober99_K31_33 0 0 1CP Z Leonards94_P49_31=Pi1(d) 0 0 1

LATE BLIGHT RESISTANCE MATURITYchromosome IV chromosome IVCL 15 CL 4CC AIC 112.16 CC AIC 33.43CC AIC3 115.16 CC AIC3 36.43CC ICOMP 106.48 CC ICOMP 27.72CC BIC 114.28 CC BIC 31.59CC AWE 121.1 CC AWE 40.26

Meta_QTL1 Meta_QTL2 Meta_QTL1 Meta_QTL2CP PI 0.82 0.18 CP PI 0.45 0.55CP MU 30.54 48.77 CP MU 17.03 41.03CP CI 5.99 7.19 CP CI 5.35 6.5CP Z Collins99_I88_41 1 0 CP Z Collins99_G87_42 1 0CP Z Collins99_G87_41 1 0 CP Z Bormann04_Leyla_41 0.8 0.2CP Z Leonards94_P40_42_Pi1b 1 0 CP Z Collins99_I88_42 0 1CP Z Leonards94_P49_41=Pi1(g) 1 0 CP Z Collins99_G87_43 0 1CP Z Leonards94_P40_41_Pi1a 1 0CP Z Sliwka07_P2_42 1 0CP Z Sliwka07_P1_42b 1 0CP Z Sliwka07_P1_41 0.97 0.03CP Z Sliwka07_P1_43 0.96 0.04CP Z Ober99_K31_4 0.94 0.06CP Z Sliwka07_P2_43 0.9 0.1CP Z PiIVROSAL35 0.82 0.18CP Z Leonards94_P40_43_Pic 0.67 0.33CP Z Sandbrink00_MCD167_1 0 1CP Z Leonards94_P49_42=Pi0(g) 0 1

Annexes

AV3-2

LATE BLIGHT RESISTANCE MATURITYchromosome V chromosome VCL 21 CL 8CC AIC 159.15 CC AIC 44.46CC AIC3 162.15 CC AIC3 45.46CC ICOMP 153.07 CC ICOMP 42.46CC BIC 162.29 CC BIC 44.54CC AWE 167.29 CC AWE 49.62

Meta_QTL1 Meta_QTL2 Meta_QTL1CP PI 0.86 0.14 CP PI 1CP MU 21.24 54.72 CP MU 24.59CP CI 6.08 3.24 CP CI 0.71CP Z Sliwka07_P1_52 1 0 CP Z Bormann04_Escort_54a 1CP Z Collins99_I88_52a 1 0 CP Z Bormann04_Leyla_51a 1CP Z Bormann04_Leyla_51b 1 0 CP Z Bormann04_Nikita_51a 1CP Z Ghislain01_dih-tbr_51a 1 0 CP Z Collins99_G87_51b 1CP Z Leonards94_P49_52=Pi0(d) 1 0 CP Z Collins99_G87_51c 1CP Z Leonards94_P49_51=Pi0(b) 1 0 CP Z Collins99_G87_52 1CP Z Leonards94_P40_52_Pi01b 1 0 CP Z Collins99_I88_52d 1CP Z Leonards94_P40_51_Pi01a 1 0 CP Z Collins99_I88_53c 1CP Z Collins99_I88_51b 1 0CP Z Collins99_G87_51a 1 0CP Z Ober99_K31_51 1 0CP Z Bormann04_Nikita_51c 0.99 0.01CP Z Ober99_K31_52 0.99 0.01CP Z Bormann04_Nikita_51b 0.98 0.02CP Z Bormann04_Escort_54b 0.96 0.04CP Z Bormann04_Escort_53c 0.93 0.07CP Z Bormann04_Nikita_52b 0.92 0.08CP Z Bormann04_Nikita_52a 0.91 0.09CP Z Ober99_K31_53 0.39 0.61CP Z Sliwka07_P1_53 0 1CP Z Costanzo05_51 0 1

LATE BLIGHT RESISTANCE MATURITYchromosome VI chromosome VICL 7 CL 5CC AIC 68.71 CC AIC 46.7CC AIC3 71.71 CC AIC3 49.7CC ICOMP 64.23 CC ICOMP 42.58CC BIC 68.54 CC BIC 45.53CC AWE 76.78 CC AWE 55.83

Meta_QTL1 Meta_QTL2 Meta_QTL1 Meta_QTL2CP PI 0.43 0.57 CP PI 0.42 0.58CP MU 32.24 79.28 CP MU 57.91 89.29CP CI 33.05 69.52 CP CI 40.58 14.69CP Z Collins99_I88_61 1 0 CP Z Simko06_62 0.98 0.02CP Z Ober99_K31_61 0.98 0.02 CP Z Collins99_I88_62b 0.55 0.45CP Z Simko06_61 0.59 0.41 CP Z Collins99_I88_62a 0.55 0.45CP Z Collins99_G87_61 0.46 0.54 CP Z Bormann04_Leyla_61 0.04 0.96CP Z Ober99_K31_62 0 1 CP Z Collins99_G87_62 0 1CP Z PiLG26SPLL40 0 1CP Z PiLG26SPLrAUDPC 0 1

LATE BLIGHT RESISTANCE MATURITYchromosome VII chromosome VIICL 7 CL 2CC AIC 35.42 CC AIC 1CC AIC3 36.42 CC AIC3 9.63CC ICOMP 33.42 CC ICOMP 10.63CC BIC 35.37 CC BIC 7.63CC AWE 40.31 CC AWE 8.32

Meta_QTL1 Meta_QTL1CP PI 1 CP PI 1CP MU 25.4 CP MU 5.92CP CI 0.55 CP CI 2.38CP Z Costanzo05_71 1 CP Z Collins99_G87_71b 1CP Z Ghislain01_dih-tbr_71b 1 CP Z Collins99_I88_72 1CP Z Leonards94_P40_71_Pi0e 1CP Z Leonards94_P49_71=Pi0(f) 1CP Z Leonards94_P49_72=Pi1(e) 1CP Z Ober99_K31_71 1CP Z Ober99_K31_72 1

LATE BLIGHT RESISTANCE MATURITYchromosome VIII chromosome VIIICL 12 CL 6CC AIC 87.2 CC AIC 35.32CC AIC3 90.2 CC AIC3 36.32CC ICOMP 81.82 CC ICOMP 33.32CC BIC 88.66 CC BIC 35.12CC AWE 99.2 CC AWE 39.91

Meta_QTL1 Meta_QTL2 Meta_QTL1CP PI 0.19 0.81 CP PI 1CP MU 70.94 84.79 CP MU 79.8CP CI 14.48 7.59 CP CI 2.07CP Z Simko06_81 1 0 CP Z Bormann04_Nikita_81a 1CP Z Ober99_K31_8 0.51 0.49 CP Z Collins99_G87_82 1CP Z PiVIIIROSArAUDPC 0.23 0.77 CP Z Collins99_I88_81b 1CP Z Bormann04_Nikita_81b 0.15 0.85 CP Z Collins99_I88_82 1CP Z Bormann04_Nikita_81c 0.14 0.86 CP Z Ewing00_ber_BCT_81 1CP Z PiVIIICASPrAUDPC 0.12 0.88 CP Z Simko06_82 1CP Z PiVIIISPGL35 0.04 0.96CP Z PiVIIISPGIND 0.04 0.96CP Z Collins99_I88_81a 0.01 0.99CP Z Collins99_G87_81 0 1CP Z Ghislain01_dih-tbr_81a 0 1CP Z Naess00_J101_81 0 1

Annexes

AV3-3

LATE BLIGHT RESISTANCEchromosome IXCL 8CC AIC 52.73CC AIC3 53.73CC ICOMP 50.73CC BIC 52.81CC AWE 57.89

Meta_QTL1CP PI 1CP MU 38.7CP CI 2.71CP Z Bormann04_Leyla_91 1CP Z Bormann04_Leyla_91b 1CP Z Collins99_G87_91 1CP Z Collins99_I88_91 1CP Z Leonards94_P40_91_Pi0c 1CP Z Ober99_K31_91 1CP Z PiIXCASPrAUDPC 1CP Z Sorensen06_3504HGG_91 1

LATE BLIGHT RESISTANCEchromosome XCL 15CC AIC 119.44CC AIC3 122.44CC ICOMP 113.55CC BIC 121.57CC AWE 129.1

Meta_QTL1 Meta_QTL2CP PI 0.53 0.47CP MU 54.47 67.23CP CI 5.96 4.97CP Z Sliwka07_P1_102 1 0CP Z Villamon05_MP1_8_101=QTLpcs10 1 0CP Z PiX1SPLREC 1 0CP Z Sliwka07_P1_103 0.95 0.05CP Z PiX1SPLrAUDPC 0.86 0.14CP Z Simko06_101 0.67 0.33CP Z PiX1ROSAIND 0.58 0.42CP Z PiX1ROSAL35 0.58 0.42CP Z Sliwka07_P1_101 0.43 0.57CP Z PiX2SPGL35 0.35 0.65CP Z PiX2SPLIND 0.19 0.81CP Z PiX2SPLL40 0.19 0.81CP Z PiX2SPGIND 0.18 0.82CP Z Ober99_K31_10 0.04 0.96CP Z PiX2SPLrAUDPC 0 1

LATE BLIGHT RESISTANCE MATURITYchromosome XI chromosome XICL 14 CL 6CC AIC 110.67 CC AIC 43.63CC AIC3 115.67 CC AIC3 46.63CC ICOMP 101.17 CC ICOMP 38.93CC BIC 113.86 CC BIC 43CC AWE 126.76 CC AWE 53.14

Meta_QTL1 Meta_QTL2 Meta_QTL3 Meta_QTL1 Meta_QTL2CP PI 0.47 0.4 0.14 CP PI 0.29 0.71CP MU 21.44 35.45 47.73 CP MU 27.97 43.84CP CI 7.52 9.74 7.03 CP CI 22.02 3.82CP Z Collins99_G87_111 1 0 0 CP Z Bormann04_Leyla_112a 0.97 0.03CP Z Villamon05_MP1_8_112a=QTLpcs11 1 0 0 CP Z Bormann04_Leyla_111a 0.57 0.43CP Z Villamon05_MP1_8_111=QTLpcs11 0.97 0.03 0 CP Z Bormann04_Nikita_111a 0.13 0.87CP Z Leonards94_P40_111_Pi01c 0.91 0.09 0 CP Z Ewing00_ber_BCT_111 0.07 0.93CP Z Bormann04_Leyla_112b 0.61 0.38 0.02 CP Z Collins99_G87_113 0.01 0.99CP Z Bormann04_Leyla_112c 0.6 0.38 0.02 CP Z Collins99_I88_112 0 1CP Z Bormann04_Leyla_111c 0.56 0.41 0.03CP Z Bormann04_Leyla_114a 0.55 0.41 0.04CP Z Bormann04_Nikita_111b 0.2 0.62 0.18CP Z Bormann04_Leyla_111 0.11 0.71 0.18CP Z Collins99_G87_112 0.01 0.63 0.37CP Z Ghislain01_phu_111a 0 1 0CP Z Costanzo05_111 0 0.93 0.07CP Z Collins99_I88_111 0 0 1

LATE BLIGHT RESISTANCEchromosome XIICL 10CC AIC 72.89CC AIC3 77.89CC ICOMP 61.87CC BIC 74.4CC AWE 89.14

Meta_QTL1 Meta_QTL2 Meta_QTL3CP PI 0.11 0.48 0.41CP MU 38.16 56.28 63.4CP CI 5 4.09 1.05CP Z Collins99_G87_122 1 0 0CP Z Collins99_G87_121 0.06 0.6 0.34CP Z Ober99_K31_12 0.04 0.48 0.48CP Z Ghislain01_dih-tbr_121d 0 1 0CP Z PiXIICASPrAUDPC 0 0.99 0.01CP Z Ghislain01_phu_121a 0 0.92 0.08CP Z Bormann04_Leyla_121b 0 0.42 0.58CP Z Villamon05_MP1_8_121a=QTLpcs12 0 0.26 0.74CP Z Bormann04_Leyla_121c 0 0.17 0.83CP Z Leonards94_P40_121_Pi0a 0 0 1

mémoire thèse SDanan pour PDF 110809 - supagro.fr · ministere de l ’agriculture centre...

Documents

Transcript of mémoire thèse SDanan pour PDF 110809 - supagro.fr · ministere de l ’agriculture centre...