Applications pratiques

Notre étude a porté sur l’architecture génétique des caractères de croissance, de qualité du bois et de défense chez l’épinette blanche. Ces connaissances ont été développées pour leur intérêt quant à l’avancement des connaissances fondamentales mais des applications pratiques sont envisageables, notamment au sein des programmes d’amélioration génétique des arbres forestiers dans une perspective de production économique. Les travaux présentés dans cette thèse combinent les données d’expression et de fonction avec les résultats d’analyses d’association afin de disséquer l’architecture génétique des caractères complexes chez un conifère (chapitre 2). Le réseau de co-expression des gènes a permis de mettre en évidence l’importance des différents facteurs de transcription dont le rôle est de réguler la formation du bois. Ces différents résultats sur l’architecture génétique pourraient contribuer à envisager des stratégies d’amélioration génétique pouvant se baser sur l’utilisation de marqueurs génétiques multiples; toutefois, leur intérêt appliqué reste à développer. Les corrélations génétiques et phénotypiques entre les différents caractères de croissance et de la qualité du bois obtenus dans cette étude pourraient aussi contribuer au développement d’approches de sélection intégrée sur plusieurs caractères.

La compréhension du mécanisme de résistance des épinettes contre la TBE et l’identification des gènes qui y sont associés pourrait contribuer à développer des arbres résistants contre cet insecte ravageur (chapitre 3). Avec les résultats des analyses d’association, il devient possible de mieux comprendre les bases moléculaires des composés phénoliques impliqués dans la résistance contre la TBE. Les gènes que nous avons identifiés ouvrent des perspectives pour la caractérisation fonctionnelle des

Caractères1 DB AMF MOE

Picéine -0,11 (0,06) 0,11 (0,06) -0,12 (0,06) Picéol -0,01 (0,07) -0,01 (0,07) 0,01 (0,07) Pungénol -0,04 (0,07) -0,08 (0,07) 0,04 (0,07) Transcrits de Pgβglu-1 0,01 (0,07) 0,04 (0,07) -0,04 (0,07)

mécanismes contrôlant l’accumulation des acétophnénones chez l’épinette blanche et les mécanismes de défense des conifères contre les insectes herbivores en général. Les gènes identifiés par l’approche MTMM pourraient également s'avérer utiles dans les programmes d’amélioration de plusieurs caractères. Ces gènes et leurs polymorphismes demandent à être étudiés plus en profondeur pour déterminer les processus biologiques qui régissent ces différents caractères et leurs interactions, et valider leur potentiel de prédiction chez des populations indépendantes. Une compréhension plus complète des mécanismes de défense des conifères pourrait aussi contribuer à une meilleure gestion des nouveaux ravageurs qui pourront affecter les forêts. Dans le contexte des changements climatiques, ces connaissances ouvrent des perspectives pour la sélection d’arbres capables de mieux s’adapter aux facteurs biotiques adverses tout en pouvant afficher un bois de qualité et un niveau de production élevé.

4.5. Références

Andrew RL, Wallis IR, Harwood CE, Henson M, Foley WJ. 2007. Heritable variation

in the foliar secondary metabolite sideroxylonal in Eucalyptus confers cross-resistance to herbivores. Oecologia 153: 891–901.

Beaulieu J, Doerksen T, Boyle B, Clément S, Deslauriers M, Beauseigle S, Blais S, Poulin P-L, Lenz P, Caron S et al. 2011. Association genetics of wood physical traits

in the conifer white spruce and relationships with gene expression. Genetics 188: 197– 214.

Beaulieu J, Doerksen TK, MacKay J, Rainville A, Bousquet J. 2014. Genomic selection

accuracies within and between environments and small breeding groups in white spruce. BMC Genomics 15: 1048.

Birol I, Raymond A, Jackman SD, Pleasance S, Coope R, Taylor GA, Saint Yuen MM, Keeling CI, Brand D, Vandervalk BP et al. 2013. Assembling the 20 Gb white spruce

(Picea glauca) genome from whole-genome shotgun sequencing data. Bioinformatics

29: 1492–1497.

Bomal C, Bedon F, Caron S, Mansfield SD, Levasseur C, Cooke JEK, Blais S, Tremblay L, Morency M-J, Pavy N et al. 2008. Involvement of Pinus taeda MYB1

and MYB8 in phenylpropanoid metabolism and secondary cell wall biogenesis: a comparative in planta analysis. Journal of Experimental Botany 59: 3925–3939.

Bomal C, Duval I, Giguère I, Fortin E , Caron S, Stewart D, Boyle B, Séguin A, MacKay J. 2014. Opposite action of R2R3-MYBs from different subgroups on key

Botany 65: 495–508.

Chen C, Mitchell SE, Elshire RJ, Buckler ES, El-Kassaby YA. 2013. Mining conifers’

mega-genome using rapid and efficient multiplexed high-throughput genotyping-by- sequencing (GBS) SNP discovery platform. Tree Genetics and Genomes 9: 1537–1544.

Delvas N, Bauce É, Labbé C, Ollevier T, Bélanger R. 2011. Phenolic compounds that

confer resistance to spruce budworm. Entomologia Experimentalis et Applicata 141: 35– 44.

Dillon SK, Nolan M, Li W, Bell C, Wu HX, Southerton SG. 2010. Allelic variation in

cell wall candidate genes affecting solid wood properties in natural populations and land races of Pinus radiata. Genetics 185: 1477–1487.

Duval I, Lachance D, Giguère I, Bomal C, Morency M-J, Pelletier G, Boyle B, MacKay JJ, Séguin A. 2014. Large-scale screening of transcription factor–promoter

interactions in spruce reveals a transcriptional network involved in vascular development. Journal of Experimental Botany 65: 2319–2333.

Elshire RJ, Glaubitz JC, Sun Q, Poland JA, Kawamoto K, Buckler ES, Mitchell SE. 2011. A robust, simple genotyping-by-sequencing (GBS) approach for high diversity

species. PLoS One 6: e19379.

Fisher RA. 1918. The correlation between relatives on the supposition of Mendelian

inheritance. Philosophical Transactions of the Royal Society of Edinburgh 52: 399–433.

Fletcher DA, Mullins RD. 2010. Cell mechanics and the cytoskeleton. Nature 463: 485–

492.

Fuentealba A, Bauce É. 2016. Interspecific variation in resistance of two host tree species

to spruce budworm. Acta Oecologica 70: 10–20.

Furlotte NA, Eskin E. 2015. Efficient multiple-trait association and estimation of genetic

correlation using the matrix-variate linear mixed model. Genetics 200: 59–68.

El-Dien OG, Ratcliffe B, Klápště J, Chen C, Porth I, El-Kassaby YA. 2015. Prediction

accuracies for growth and wood attributes of interior spruce in space using genotyping- by-sequencing. BMC Genomics 16: 370.

Gao H, Zhang T, Wu Y, Wu Y, Jiang L, Zhan J, Li J, Yang R. 2014. Multiple-trait

genome-wide association study based on principal component analysis for residual covariance matrix. Heredity 113: 526–532.

González-Martínez SC, Ersoz E, Brown GR, Wheeler NC, Neale DB. 2006. DNA

sequence variation and selection of tag single-nucleotide polymorphisms at candidate genes for drought-stress response in Pinus taeda L. Genetics 172: 1915–1926.

González-Martínez SC, Wheeler NC, Ersoz E, Nelson CD, Neale DB. 2007. Association

Guerra FP, Wegrzyn JL, Sykes R, Davis MF, Stanton BJ, Neale DB. 2013. Association

genetics of chemical wood properties in black poplar (Populus nigra). New Phytologist

197: 162–176.

Mageroy MH, Parent G, Germanos G, Giguère I, Delvas N, Maaroufi H, Bauce É, Bohlmann J, Mackay J. 2015. Expression of the β‐glucosidase gene Pgβglu‐1 underpins natural resistance of white spruce against spruce budworm. The Plant Journal

81: 68–80.

Neale DB, Savolainen O. 2004. Association genetics of complex traits in conifers. Trends

Plant Science 9: 325–330.

Neale D, Wegrzyn J, Stevens K, Zimin A, Puiu D, Crepeau M, Cardeno C, Koriabine M, Holtz-Morris A, Liechty J et al. 2014. Decoding the massive genome of loblolly

pine using haploid DNA and novel assembly strategies. Genome Biology 15: R59.

Nystedt B, Street NR, Wetterbom A, Zuccolo A, Lin YC, Scofield DG, Vezzi F, Delhomme N, Giacomello S, Alexeyenko A et al. 2013. The Norway spruce genome

sequence and conifer genome evolution. Nature 497: 579–584.

Pan J, Wang B, Pei ZY, Zhao W, Gao J, Mao JF, Wang XR. 2015. Optimization of the

genotyping‐by‐sequencing strategy for population genomic analysis in conifers. Molecular Ecology Resources 15: 711–722.

Parent G, Giguère I, Germanos G, Lamara M, Bauce É, MacKay J. 2017. Insect

herbivory (Choristoneura fumiferana, Tortricidea) underlies tree population structure (Picea glauca, Pinaceae). Scientific Reports 7: 42273.

Pavy N, Gagnon F, Rigault P, Blais S, Deschênes A, Boyle B, Pelgas B, Deslauriers M, Clément S, Lavigne P et al. 2013. Development of high-density SNP genotyping arrays

for white spruce (Picea glauca) and transferability to subtropical and nordic congeners. Molecular Ecology Resources 13: 324–336.

Pavy N, Gagnon F, Deschênes A, Boyle B, Beaulieu J, Bousquet J. 2016. Development

of highly reliable in silico SNP resource and genotyping assay from exome capture and sequencing: an example from black spruce (Picea mariana). Molecular Ecology Resources 16: 588-598.

Pelgas B, Bousquet J, Meirmans PG, Ritland K, Isabel N. 2011. QTL mapping in white

spruce: gene maps and genomic regions underlying adaptive traits across pedigrees, years and environments. BMC Genomics 12: 145.

Raherison E, Rigault P, Caron S, Poulin PL, Boyle B, Verta J-P, Giguère I, Bomal C, Bohlmann J, MacKay J. 2012. Transcriptome profiling in conifers and the

PiceaGenExpress database show patterns of diversification within gene families and interspecific conservation in vascular gene expression. BMC Genomics 13: 434.

Raherison E, Guiguère I, Caron S, Lamara M, MacKay J. 2015. Modular organization

of the white spruce (Picea glauca (Moench) Voss) transcriptome reveals functional organization and evolutionary signatures. New Phytologist 207: 172–187.

Rauchfuss J, Ziegler SS. 2011. The geography of spruce budworm in eastern North

America. Geography Compass 5: 564–580.

Rigault P, Boyle B, Lepage P, Cooke JEK, Bousquet J, MacKay JJ. 2011. A white spruce gene catalog for conifer genome analyses. Plant Physiology 157: 14–28. Robertson A. 1967. The nature of quantitative genetic variation. Heritage from Mendel

265–280.

Stevens KA, Wegrzyn JL, Zimin A, Puiu D, Crepeau M, Cardeno C, Paul R, Gonzalez-Ibeas D, Koriabine M, Holtz-Morris AE et al. 2016. Sequence of the sugar

Pine megagenome. Genetics 204: 1613–1626.

Thumma BR, Matheson BA, Zhang DQ, Meeske C, Meder R, Downes GM, Southerton SG. 2009. Identification of a cis-acting regulatory polymorphism in a

eucalypt COBRA-like gene affecting cellulose content. Genetics 183: 1153–1164.

Verta JP, Landry CR, MacKay J. 2016. Dissection of expression‐quantitative trait locus and allele specificity using a haploid/diploid plant system–insights into compensatory evolution of transcriptional regulation within populations. New Phytologist 211: 159– 171.

Villari C, Faccoli M, Battisti A, Bonello P, Marini L. 2014. Testing phenotypic trade-

offs in the chemical defence strategy of Scots pine under growth-limiting field conditions. Tree Physiology 34: 919–930.

Warren RL, Keeling CI, Yuen MM, Raymond A, Taylor GA, Vandervalk BP, Mohamadi H, Paulino D, Chiu R, Jackman S-D et al. 2015. Improved white spruce

(Picea glauca) genome assemblies and annotation of large gene families of conifer terpenoid and phenolic defense metabolism. The Plant Journal 83: 189–212.

Wegrzyn JL, Eckert AJ, Choi M, Lee JM, Stanton BJ, Sykes R, Davis MF, Tsai CJ, Neale DB. 2010. Association genetics of traits controlling lignin and cellulose

biosynthesis in black cottonwood (Populus trichocarpa, Salicaceae) secondary xylem. New Phytologist 188: 515–532.