SOUTENANCE DE THESE A VENIR (date prévisionnelle)

5 décembre 2024 14.00 IMO amphi Tom Guédon Tests des composantes de la variance dans les modèles à effets
mixtes pour des petits échantillons. Application à l’étude de la variabilité génotypique chez Arabidopsis
thaliana

FELICITATIONS A MARION QUI A SOUTENU SA THESE !

27 septembre 2024 10.00 AgroParisTech Marion Naveau Sélection de variables en grande dimension dans les modèles non linéaires à effets mixtes. Application en amélioration des plantes

Méthodes statistiques pour caractériser les interactions entre la plante et son environnement

Dans un contexte de changement climatique, l’agriculture est au cœur des préoccupations, à la fois comme l’une des causes de ce processus, mais aussi pour les bouleversements majeurs qu’elle subira et auxquels elle devra s’adapter. L’une des notions clés qu’il est nécessaire de comprendre pour mieux appréhender ces questions est celle de l’interaction entre la plante et son environnement. Comment les variétés cultivées actuellement vont s’adapter au changement climatique ? Peut-on identifier des leviers d’action biologiques afin de sélectionner les variétés les plus adaptées ?

L’objectif du projet Stat4Plant est de développer de nouvelles méthodes statistiques et de proposer de nouveaux outils méthodologiques pour modéliser et analyser les interactions plante x environnement. A cette fin, quatre axes de recherche principaux sont proposés, chacun d’eux impliquant une collaboration privilégiée entre un statisticien et un biologiste.

Le premier axe de recherche concerne le développement de méthodes permettant d’identifier, à l’aide de modèles mécanistes de croissance de plante et d’outils statistiques adéquats, les processus biologiques clés qui sont à l’origine de la variabilité génotypique observée. Ces approches peuvent ensuite être utilisées pour mieux comprendre les interactions génotype x environnement, et identifier des leviers d’action en sélection variétale.

Dans un deuxième axe, nous nous intéressons à la modélisation jointe d’un temps d’intérêt comme la floraison ou la récolte (et qui ne s’observe qu’une fois), et d’un trait phénotypique intermédiaire qui dépend du temps comme la biomasse aérienne ou racinaire. Ces modèles peuvent ensuite être utilisés pour prédire la date de récolte optimale, ou l’impact d’une attaque de ravageurs.

Le troisième axe de recherche consiste à proposer des méthodes permettant d’identifier les covariables qui influencent le plus l’évolution d’un trait phénotypique donné, seul ou conjointement à un temps d’intérêt comme dans l’axe précédent. Ceci peut permettre par exemple d’adapter la conduite de culture, en identifiant les moyens d’actions principaux (par exemple augmenter le niveau d’intrants ou l’irrigation).

Enfin, le dernier axe de recherche a pour objectif de construire de nouveaux critères de sélection variétale, qui prennent en compte plusieurs objectifs simultanément (par exemple, maximiser le rendement mais aussi minimiser la variabilité du rendement), ainsi que les aléas de l’environnement. Ces critères d’aide à la décision viendront enrichir la palette de l’agriculteur en permettant la prise en compte des incertitudes climatiques.

Le consortium regroupe des chercheurs en modélisation et en statistiques appliquées ayant une grande expérience des collaborations interdisciplinaires, et des biologistes spécialistes des relations phénotypes-génotypes. Cette collaboration entre statisticiens et biologistes permet le développement de nouvelles approches statistiques et numériques en lien avec un large panel représentatif des données biologiques récoltées en agronomie ou écophysiologie.