Opportunities for high throughput phenotyping in agrecology

(1)

HAL Id: hal-02791956

https://hal.inrae.fr/hal-02791956

Submitted on 5 Jun 2020

HAL is a multi-disciplinary open access archive for the deposit and dissemination of sci- entific research documents, whether they are pub- lished or not. The documents may come from teaching and research institutions in France or abroad, or from public or private research centers.

L’archive ouverte pluridisciplinaire HAL, est destinée au dépôt et à la diffusion de documents scientifiques de niveau recherche, publiés ou non, émanant des établissements d’enseignement et de recherche français ou étrangers, des laboratoires publics ou privés.

Opportunities for high throughput phenotyping in agrecology

Christophe Salon

To cite this version:

Christophe Salon. Opportunities for high throughput phenotyping in agrecology. Séminaire SFR Structure Fédérative de Recherche, Angers IRHS, Institut National de la Recherche Agronomique (INRA). FRA., Nov 2014, Angers, France. �hal-02791956�

(2)

Christophe SALON

UMR 1347-AgroSup/INRA/uB

17 rue Sully - BP 86510 - 21065 Dijon - France

Opportunities for High Throughput Phenotyping in Agrecology

(3)

Contexte socio environnemental et économique

-  Augmentation de la population mondiale, réduction des terres arables

-  Augmentation de la consommation d’intrants ( engrais, pesticides , eau)

-  Changements globaux

ð Proposer des systèmes agricoles plus durables

Exemples Modèles Conclusion Dispositifs, outils

Contexte Approche

(4)

Enjeux du projet d’UMR Agroécologie

Proposer des systèmes de cultures innovants permettant d’assurer une production agricole de qualité, en quantité suffisante tout en respectant la qualité de l’environnement

IRHS Angers, 21/11/13

Exemples Modèles Conclusion Contexte Approche Dispositifs, outils

(5)

Légumineuses

Medicago Arabidopsis

GEAPSI

Spécificités : une gamme définie d ’ _{objets d} ’ _étude, interactions plantes/micro-organismes

Légumineuses Céréales

Colza

EcolDur

Légumineuses Vigne, Tabac Tomate

IPM

Listeria et Tissus racinaire

MERS

UMR Agroécologie èSystèmes de Culture innovants

Exploiter et caractériser la variabilité génétique, les interactions entre organismes

Adventices

Associations

Exemples Modèles Conclusion Contexte Approche Dispositifs, outils

(6)

Architecture, floraison, sénescence, … Gousses et graines

Interactions entre racines et micro organismes

Bacteria Mychoriza

Valoriser les interactions biologiques bénéfiques

Comprendre la réponse des plantes aux facteurs environnementaux, identifier bases moléculaires.

Sélectionner les plantes les plus performantes crops.. ..“meilleur” rendement, « efficience »

environnementale.

Exemples Modèles Conclusion Outils

(7)

Outils et méthodes

Conception d’Idéotypes de plantes

Exemples Modèles Conclusion

Variabilité génétique

Outils Contexte Approche

Mécanismes et bases

moleculaires

(8)

PPHD

Rhizotrons Outils

Poches, hydroponique

Chambre de marquage

13

C/

¹⁵

N/

³⁴

S Split root isotopique N

₂

Dispositifs de culture Mesures des C, N, S

Rhizobox

Contexte Approche Exemples Modèles Conclusion

Fluxomique

(9)

Plateforme de Phénotypage Haut Débit

Bâtiment,

Robots et caméras Lemnatec

^©

Serres (240+110m

²

),

Chambres climatiques (80m

²

)

PPHD

Rhizotrons Shoot roots etc…

Rhizobox

Contexte Approche Outils Exemples Modèles Conclusion

Fluxomique

Shoot roots etc…

Equipements Spielberg’s

(10)

100 unitéés/h

Cabines de Phenotypage avec caméras et robots

VIS NIR FLUO

Architecture aérienne

Racines

120 unités/h

6 unités/h 20 unités/h

2 unités/h

Petites plantes

Organes (graines…)

Germination

Plantes des agrosystèmes

PPHD

Fluxomique

Rhizotrons Shoot roots etc…

Equipements Rhizobox

Spielberg’s

(11)

PPHD

Rhizotrons Rhizobox

Fluxomique

Spielberg’s

Shoot roots etc…

Equipements

(12)

Rhizothrones Brevet EU INRA-

Inoviaflow, 1300 unités

^Brushless

motor

Traits phénotypiques:

projected

root

area

projected

nodule

area total nodule number

nodule size

classification

total root length….

Haute résolution T0

T1 Tn Image RVB Contexte

PPHD

Fluxomique Rhizotrons

Approche Outils Exemples Modèles Conclusion

Rhizobox

(13)

RhizoBox (INRA-Inoviaflow

⁾

PPHD

Rhizotrons Rhizobox

Capteur 12MP, 3 LEDs RVB, précision 50µm Caméra : BASLER racer

Fluxomique

(14)

Problèmes majeurs en viticulture è

maladies cryptogamiques (oïdium, pourriture grise) de la vigne

Détection maladie Objectifs

Détecter les maladies en viticulture

Approches:

1) ê nombre de fongicides traitements et ê quantités appliquées (régles de décisions) + images

(thermographie IR…)

2) stratégies alternatives aux fongicides

Légumineuses Vigne

(15)

Microplaques, boîte de pétri HTS (petites unités biologiques)

Détection/évaluation de l’intensité des maladies sur la vigne, les baies Couleur/texture, espaces hybrides

- images RVB dans des espaces colorimétriques qui intègrent la texture,

- objectsà couleurs similaires peuvent avoir des textures différentes

Détection maladie Objectifs

(16)

Mais…

Rendements fluctuants

•  Fixation symbiotique et durabilité:

ê  engrais, énergie fossile, émission GES, irrigation

Régulation de la fixation symbiotique N

₂

et assimilation NO

_{3 ,}

déterminisme, constituants de la plasticité,

ratio optimal racines/ nodosités?

Sensitivité de la fixation symbiotique N

₂

aux conditions environnementales

•  Deux voies de nutrition azotée

Contexte Approche Outils Modèles Conclusion

Diversité Génét.

Objectifs

Ident. Strategies Clast Génotypes Exemples

(17)

Variabilité génétique

Conception d’Idéotypes de plantes

Mécanismes et bases moleculaires

Objectifs

Outils et

méthodes

(18)

Collection nationale de pois, féverole et lupin (10000 accessions)

Variabilité génétique naturelle

Bourion et al. Annals Bot. 2007

Diversité génétique de l’architecture racinaire

Objectifs

(19)

Lignées Recombinantes (1400 RILs)

Bourion et al. TAG 2010

Nodosités:

Nombre Surface Biomasse Racines:

Nombre Longueur Biomasse

Parties aériennes : Hauteur

Biomasse Surface foliaire

STRUCTURE FONCTION

Efficience d’acquisition de C

Efficience d’acquisition de N

Objectifs

(20)

Variabilité génétique induite

Total plant growth rate during the week following nodule initiation (g.day^-1)

0,00 0,02 0,04 0,06 0,08 0,10 0,12

Number of nodules formed during the first nodulation wave

0 100 200 300 400 500 600 700 800 900

R²= 0.97 P = 0.0004 Sym28

Sym29 nod3

Frisson

Plant growth rate

Nodule number

Wild Hypernodula7ng

Développement des nodosités

Voisin et al. Plant Soil 2010Salon et al. Agr 2001

Duc et al. 1998

0 2 4 6 8 10 12 14 16

0 200 400 600 800 1000 1200

Somme de dégrés-jours depuis le semis Accumulation de matière sèche (g.plante-1)

Degree days a:er sowing Nitrogen accumula7on (g/plant)

Cazenave et al. Plant Soil 2013

Porceddu et al. BioMed 2008Coll . KK Sidorova

Wild Long roots Ramiﬁed ++ Nod++

Ramified ++

Nod++ x Ramified++

Nod++

Wild

Architecture racinaire

Medicago truncatula, Tnt1

Pea, EMS

Identifier/caractériser les génes impliqués dans la nodulation, son contrôle et celui de l’architecture racinaire

Objectifs

(21)

Collection de mutants

Rechercher un mutant sur un géne cible, analyser l’effet de la mutation

Medicago truncatula Jemalong A17 (9000 M2) et pois (Pisum sativum) var. Caméor (5000 M2)

Le Signor et al. Plant Biotechnol 2009 Dalmais et al. BMC Genome Biol 2008

ü  Plateforme HTP TILLING : ABI 3730 (Contact: lesignor@dijon.inra.fr)

Objectifs

(22)

Variabilité génétique

Mécanismes et bases moleculaires

Outils et méthodes

Conception d’Idéotypes de plantes

Objectifs

(23)

Quelle est la stratégie d’une légumineuse en réponse à une contrainte azotée?

Roots Dry Weight (g) 0,04 0,06 0,08 0,10 0,12 0,14 0,16 0,18

Nodules Dry Weight (g)

0,004 0,006 0,008 0,010 0,012 0,014 0,016 0,018 0,020

Number of nodules counted on the scan

0 200 400 600 800

Real number of nodules

0 200 400 600 800 1000

Surface area

20 30 40 50 60 70

Root Dry Weight (g root/plant) 0,04 0,06 0,08 0,10 0,12 0,14 0,16 0,18

y = 0.0106 ln(x) + 0.0369, R≤ = 0.78 y = 0,000041x² - 0,001530x + 0,087432, R≤ = 0,839

y = 1.1645 x - 9.45, R≤ = 0.90

Nombre, taille et

apparance des nodosités

NH4NO3 10 mM

-N KNO3 0.5

mM 14 days after inoculation

Split roots

Ruffel et al. (2008), Plant Physiol. 146: 2020-2035.

Salon et al. (2009), CRAS, 332 :1022-1033.

Stratégie

structurale versus functionnelle Caractérisation phénotypique “bas” débit du système racinaire nodulé

Objectifs

(24)

Exemples Légumineuses Vigne

Jeune plante

Outils Modèles Conclusion

Objectifs

Ident. Strategies Clast Génotypes

IRHS Angers, 21/11/13 Thèse Simeng Han (unpublished)

(25)

Seuillage, image binaire

Jeune plante

Objectifs

Thèse Simeng Han (unpublished)

(26)

Ne garder que les formes

ressemblant à des

nodosités

Jeune plante

Objectifs

(27)

Enlever les zones

inutiles

Jeune plante

Objectifs

(28)

Lisser l’image

Jeune plante

Objectifs

(29)

Compter les nodosités de forme

circulaire

approximative

Jeune plante

Objectifs

(30)

Original image + nodosités superposées

Jeune plante

Objectifs

(31)

Quelques jours plus tard…

Jeune plante

Objectifs

(32)

Focus sur image

Objectifs

(33)

Espace hybrides (couleur + texture)

Objectifs

(34)

Image RVB de nodosités

Objectifs

(35)

Bande d’image RVB

Objectifs

(36)

Image avec nodosités

Objectifs

(37)

Nodosités détectées automatiquement

95% eﬃcacité de détec7on

Objectifs

(38)

Image originale + nodosités superposées

Objectifs

(39)

Le classement des génotypes ne varie pas Classement de génotypes: Pea core collection

Hydroponique versus rhizotron Biomasse

plante

Objectifs

Ident. Strategies Clast Génotypes

La biomasse des plantes diminue dans les rhizotrons

0,00 0,50 1,00 1,50 2,00 2,50 3,00

Hydroponic Rhizotrons

Biomasse (g/plant)

Hydroponique et substrat

Rhizotron

y = 0,8747x -‐ 0,2539

0,0 0,5 1,0 1,5 2,0 2,5

0,0 0,5 1,0 1,5 2,0 2,5 3,0

R²=0,87

Exemples

(40)

Genetic diversity Objectives

Identify a strategy Genotype ranking

Biomasse aérienne

Le classement des génotypes ne varie pas

Biomasse (g/plant)

0,00 0,50 1,00 1,50 2,00 2,50

Rhizotron

y = 0,9052x -‐ 0,3116

0,0 0,2 0,4 0,6 0,8 1,0 1,2 1,4 1,6 1,8

0,0 0,5 1,0 1,5 2,0 2,5

Hydroponique et substrat R²=0,88

Exemples

Classement de génotypes: Pea core collection Hydroponique versus rhizotron

(41)

Biomasse nodosités Biomasse racinaires

Genetic diversity Objectives

Identify a strategy Genotype ranking

Biomasse (g/plant) Rhizotron

Hydroponique et substrat 0,00

0,05 0,10 0,15 0,20 0,25 0,30 0,35

0,40 Hydroponic

Rhizotrons

y = 1,1576x -‐ 0,0451

0,0 0,1 0,1 0,2 0,2 0,3 0,3 0,4 0,4

0,0 0,1 0,2 0,3 0,4

0,00 0,02 0,04 0,06 0,08 0,10 0,12 0,14

y = 0,7358x -‐ 0,013

0,0 0,0 0,0 0,0 0,0 0,1 0,1 0,1 0,1

0,00 0,02 0,04 0,06 0,08 0,10 0,12 0,14

R²=0,80 R²=0,95

Exemples

Classement de génotypes: Pea core collection

(42)

Modèles Conclusion

Leaf area

Total plant biomass Biological efficiency

Total nitrogen amount

Specific nitrogen acquisition Efficiency of N conversion to

leaf area

Microbial communities Rhizodeposition

Respiration

Stimulating root development Improving soil N availability

Nodulated roots

Root biomass over plant biomass ratio

Root Nodules

Modèle Intégratif: Medicago

Décomposer des variables intégraGves en processus physiologiques

Moreau et al. Plant Cell Env 2006 Moreau et al. JExp Bot 2008 Zancarini Plos One 2013 Soil acidification

Preferential selection of microbial communitues

Organic carbon Organic acids

CO2

Disolved Inorganic Carbon

Traits phénotypiques pour alimenter les modèles

Un nombre réduit de paramètre pour phénotyper une large variabilité géné7que

Contexte Approche Outils Exemples

(43)

Conclusion

Approche analytique

Modélisation Phénotypage

Combiner les approches

Identifier des différences entre génotypes

Interpréter les

différences détectées

+ +

Food for thoughts…

Ø  Vers le phénotypage fonctionnel (NAAS System) Ø  Valider au champ : Plateforme Phénotypage Dijon

NO3- NO3- N₂

CO₂

CO2

N

(44)

PHENOME

EFOR PPHD

CAQ40 ACCAF PEAMUST FUI

SERAPIS

Conclusion

(45)

LEGATO

Conclusion

(46)

Distribution…

Christian JEUDY

Céline BERNARD

Jean-Claude SIMON

Frédéric COINTAULT

Simeng HAN

Marielle ADRIAN

Steven S.

Christophe BAUSSARD

(47)

Agrosystems Adaptation Team Medicago truncatula team

Mais aussi…

PPHD’s addicts

Proteaginous target crop team

Data acquisition and management wizards

Ecophysiology team

(48)



































  























  

  

  

  

  

  

  

  

 

 

  

  

  

  

  

  

  



  

 





  

   



Rhizothrones (EU Licence INRA- Inoviaflow, 1300 units

planed

⁾

Context

PPHD Fluxomic Rhizotrons

Approach Phenotypic tools Examples Models Conclusion

Rhizobox

Roots Membrane 32µm

Substrate

Compressed gaz (20-100mbar)

Valve Before inflating

Plant

After inflating

Opportunities for high throughput phenotyping in agrecology

Opportunities for high throughput phenotyping in agrecology

Opportunities for High Throughput Phenotyping in Agrecology

Contexte socio environnemental et économique

- Augmentation de la population mondiale, réduction des terres arables

- Augmentation de la consommation d’intrants ( engrais, pesticides , eau)

- Changements globaux

ð Proposer des systèmes agricoles plus durables

Enjeux du projet d’UMR Agroécologie

Proposer des systèmes de cultures innovants permettant d’assurer une production agricole de qualité, en quantité suffisante tout en respectant la qualité de l’environnement

Légumineuses

Medicago Arabidopsis

Medicago Arabidopsis

GEAPSI

Spécificités : une gamme définie d ’ objets d ’ étude, interactions plantes/micro-organismes

Légumineuses Céréales

Colza

EcolDur

Légumineuses Vigne, Tabac Tomate

IPM

Listeria et Tissus racinaire

MERS

UMR Agroécologie èSystèmes de Culture innovants

Exploiter et caractériser la variabilité génétique, les interactions entre organismes

Adventices

Adventices

Associations

Associations

Architecture, floraison, sénescence, … Gousses et graines

Interactions entre racines et micro organismes

Bacteria Mychoriza

Valoriser les interactions biologiques bénéfiques

Comprendre la réponse des plantes aux facteurs environnementaux, identifier bases moléculaires.

Sélectionner les plantes les plus performantes crops.. ..“meilleur” rendement, « efficience »

environnementale.

Outils et méthodes

Conception d’Idéotypes de plantes

Variabilité génétique

Mécanismes et bases

moleculaires

Poches, hydroponique

Chambre de marquage

C/

N/

S Split root isotopique N

Dispositifs de culture Mesures des C, N, S

Plateforme de Phénotypage Haut Débit

Bâtiment,

Robots et caméras Lemnatec

Serres (240+110m

),

Chambres climatiques (80m

)

Cabines de Phenotypage avec caméras et robots

Architecture aérienne

Racines

Petites plantes

Organes (graines…)

Germination

Plantes des agrosystèmes

Rhizothrones Brevet EU INRA-

Inoviaflow, 1300 unités

Traits phénotypiques:

root

nodule

nodule size

RhizoBox (INRA-Inoviaflow

Capteur 12MP, 3 LEDs RVB, précision 50µm Caméra : BASLER racer

Problèmes majeurs en viticulture è

maladies cryptogamiques (oïdium, pourriture grise) de la vigne

Détecter les maladies en viticulture

Approches:

1) ê nombre de fongicides traitements et ê quantités appliquées (régles de décisions) + images

(thermographie IR…)

2) stratégies alternatives aux fongicides

Microplaques, boîte de pétri HTS (petites unités biologiques)

Détection/évaluation de l’intensité des maladies sur la vigne, les baies Couleur/texture, espaces hybrides

- images RVB dans des espaces colorimétriques qui intègrent la texture,

- objectsà couleurs similaires peuvent avoir des textures différentes

Mais…

-  Augmentation de la population mondiale, réduction des terres arables

-  Augmentation de la consommation d’intrants ( engrais, pesticides , eau)

-  Changements globaux

Spécificités : une gamme définie d ’ _{objets d} ’ _étude, interactions plantes/micro-organismes

•  Fixation symbiotique et durabilité:

ê  engrais, énergie fossile, émission GES, irrigation

•  Deux voies de nutrition azotée

ü  Plateforme HTP TILLING : ABI 3730 (Contact: lesignor@dijon.inra.fr)