La présentation est en train de télécharger. S'il vous plaît, attendez

La présentation est en train de télécharger. S'il vous plaît, attendez

Phénotypage Haut Débit et Plantes Virtuelles: quels Gaps et quelles Synergies Bruno Andrieu, EA EGC Grignon Bruno Andrieu, EA EGC Grignon Christine Granier,

Présentations similaires


Présentation au sujet: "Phénotypage Haut Débit et Plantes Virtuelles: quels Gaps et quelles Synergies Bruno Andrieu, EA EGC Grignon Bruno Andrieu, EA EGC Grignon Christine Granier,"— Transcription de la présentation:

1 Phénotypage Haut Débit et Plantes Virtuelles: quels Gaps et quelles Synergies Bruno Andrieu, EA EGC Grignon Bruno Andrieu, EA EGC Grignon Christine Granier, EA LEPSE Montpellier Christine Granier, EA LEPSE Montpellier Frédéric Barret, EA CSE Avignon Frédéric Barret, EA CSE Avignon

2 Phénotypage: Acquisition dinformations sur létat et/ou le fonctionnement de plantes et peuplement Phénotypage: Acquisition dinformations sur létat et/ou le fonctionnement de plantes et peuplement Comparaison du comportement de différents génotypes sous différents environnements correspond à une large gamme de besoins Comparaison du comportement de différents génotypes sous différents environnements correspond à une large gamme de besoins Haut débit : pour multigénotype, multienvironnement, multitemporel, etc Haut débit : pour multigénotype, multienvironnement, multitemporel, etc Plantes virtuelles : modèles « botaniquement réalistes » de plantes et peuplement. Avec composante processus. Plantes virtuelles : modèles « botaniquement réalistes » de plantes et peuplement. Avec composante processus.

3 Données de phénotypage haut-débit de la croissance foliaire d A. thaliana et modélisation. LEPSE, INRA Montpellier -Point de départ, une question : Identifier les déterminismes génétique de la croissance foliaire et de sa réponse aux contraintes environnementales. -Puis, développement dun outil pour augmenter le débit des analyses, c. a d., augmenter le nombre de variables mesurées, de génotypes étudiés, de conditions environnementales testées Nb de génotypes analysés par an Année 3 automates manuel1 automate - Puis, développement dune base de données / méta-analyses / Identification de propriétés émergentes entre les variables de la croissance foliaire / Courbes de réponses à lenvironnement… Bases pour une modélisation statistique et/ ou fonctionnelle de la croissance Données de phénotypage haut-débit Et maintenant, le pari = = simulation, accès à des variables cachées

4 vecteur aéroportés vecteurs au sol (tracteur) Quelles informations sont accessibles De la télédétection satellitaire à la proxidétection ? CSE, Avignon Variables cibles : LAI, ei, Cab, Angle des feuilles, … Comparaison du comportements de génotypes en condition de champ vecteur satellitaire Dosage destructif Couverture spatiale Vs contrôle de la mesure (variables, échantillonnage dans le temps, etc (projet PNTS INRA/CEMAGREF/CIRAD)

5 Simuler le fonctionnement à léchelle plante- peuplement EGC, Grignon Modélisation des flux dazote au sein de larchi: J. Bertheloot Q1 : Comment ça marche ? (et quelles approximations sont efficaces à cette échelle ?) Q2 (Arvalis): Coûts expérimentaux pour estimer les paramètres sur une gamme de génotypes ? Q3 (Arvalis): Peut -on estimer les paramètres avec nos protocoles habituels ? Développement de larchitecture

6 ie: find the set model parameters value of (2) that make model-simulated values (3) best fit the measurements. Specific difficulty is to develop models that accurately simulate (3) without requiring a too complex description of (2). Direct problem: knowing (1) and (2), predict (3) and (4). Inverse problem: knowing (1) and (3), predict (2) and improve (4). Genotypic Parameters 4: Yield or other variables of interest Model of radiative exchanges 1: sun and sky radiance 2: Model of canopy & soil 3: reflected & emitted fluxes sensor La télédétection (entre autres) a amené des méthodes permettant de rationaliser la démarche

7 Points forts de la démarche « synergie » entre connaissances préalables et mesures « synergie » entre connaissances préalables et mesures Accès éventuel par le modèles à des variables ou paramètres «cachés » Accès éventuel par le modèles à des variables ou paramètres «cachés » Capacité à raisonner les protocoles expérimentaux à laide de simulations Capacité à raisonner les protocoles expérimentaux à laide de simulations Valeur intrinsèque des paramètres ajustés ou du moins valeur dusage : augmentation de la qualité de prédiction du modèle Valeur intrinsèque des paramètres ajustés ou du moins valeur dusage : augmentation de la qualité de prédiction du modèle Cadre pour décliner des questions appliquées vers des questions de recherche : Cadre pour décliner des questions appliquées vers des questions de recherche : modélisation de la plante (structure et fonction) modélisation de la plante (structure et fonction) Modélisation du transfert radiatif Modélisation du transfert radiatif méthodes destimation de paramètres méthodes destimation de paramètres Expérience à lINRA issue notamment de la télédétection Expérience à lINRA issue notamment de la télédétection (et autres: Contrôle qualité, etc)

8 Transposabilité de léchelle m2: modèle de culture * modèle de reflectance vers lechelle plante ? Modèle culture -> modèle Plante – Peuplement Virtuel; simulation des variables détat au sein de larchitecture Modèle culture -> modèle Plante – Peuplement Virtuel; simulation des variables détat au sein de larchitecture Modèle reflectance -> modèle de simulation dimage Modèle reflectance -> modèle de simulation dimage Protocole pouvant inclure des mesures directes, destructives ou non destructive (NIRS, morphologie). Maîtrise de léchantillonnage dans le temps, etc Protocole pouvant inclure des mesures directes, destructives ou non destructive (NIRS, morphologie). Maîtrise de léchantillonnage dans le temps, etc

9 Acquis importants sur la plupart des composantes Savoir faire « acquisition de mesures » eg proxidétection – banc de phénotypage Savoir faire « acquisition de mesures » eg proxidétection – banc de phénotypage Modèles dynamiques 3D de plantes- peuplement. Incluant certains éléments de fonction. Modèles dynamiques 3D de plantes- peuplement. Incluant certains éléments de fonction. Modèles zoom (extension foliaire, etc) Modèles zoom (extension foliaire, etc) Connaissances acquises sur les relations au sein de larchitecture (=>mesurer où et quand) Connaissances acquises sur les relations au sein de larchitecture (=>mesurer où et quand) Savoir faire (INRIA, ECP, INRA) en estimation de paramètres Savoir faire (INRIA, ECP, INRA) en estimation de paramètres

10 Ecueils - verrous Scientifiques Scientifiques Des compromis mesurabilité/précision de simulation/ nombre de paramètres à repenser complètement par rapport à lapproche m² Des compromis mesurabilité/précision de simulation/ nombre de paramètres à repenser complètement par rapport à lapproche m² Limites des « fonctions » dans les modèles structures fonction à léchelle Plante: (1) limites des connaissances et (2) les bons compromis ne seront pas forcément les mêmes que pour dautres applications des plantes virtuelles. Limites des « fonctions » dans les modèles structures fonction à léchelle Plante: (1) limites des connaissances et (2) les bons compromis ne seront pas forcément les mêmes que pour dautres applications des plantes virtuelles. Temps de calcul Temps de calcul Limite des méthodes disponibles pour estimer plus de 10 à 20 paramètres Limite des méthodes disponibles pour estimer plus de 10 à 20 paramètres Organisationnel Organisationnel Organisation/maintenance des bases de données par des thésards et CDD Organisation/maintenance des bases de données par des thésards et CDD Multiplicité des compétences requises (Bio, Physique, Math-info) Multiplicité des compétences requises (Bio, Physique, Math-info)

11 Mesures proxi détection Paramètres Physiol. (dep. Génét.) 1. Estimation de traits fonctionnels par des méthodes empiriques Transf. Rad. Modèle Fonct. Forcage Climat Sol Tech. Cult. LAI Chloro 2. Utilisation de modèles de fonctionnement: paramètres génétiques Structure Propriétés Optiques 3. Amélioration de la cohérence entre mesure et modèles Paramètres Structurels (dep. Génét.) Modèle 4D 4. Utilisation dun modèle 4D Mesures directes 5. Calage de paramètres du modèle 4D par mesures directes Stress 6. Couplage du modèle de fonctionnement au modèle 4D Une voie proposée en proxidétection: pilotage dun modèle 3D par un modèle de culture (F. Baret) Variables LAI/Chloro partagées par 3 modèles => Cohérence forte nécessaire

12 Projets en cours dans les équipes CSE/LEPSE/EGC CSE Effet variétal de la structure sur le transfert radiatif: Thèse INRA (Kai Ma, coll. C. Fournier) Mise au point dun dispositif de proxidétection pour caractériser les comportements variétaux à haut débit: Projet innovant Toulouse (Ph. Burger, F. Baret) Couplage modèle de fonctionnement, modèle 4D de structure sur blé: Chercheur invité (R. Casa, bourse Marie Curie) Couplage modèle 4D-fonctionnement sur vigne: Bourse Post-Doc RTRA Montpellier (R. Lopez) LEPSE Analyse statistiques entre paramètres de lextension foliaire et métabolome, transcriptome, protéome: Programme européen Agron-omics, collaboration LEPSE / W. Gruissem, ETH Zurich Analyses statistiques des relations entre échelles: cellule -> feuille -> plante: Collaboration LEPSE / Y Guédon, C Lavergne, C Trottier, Virtual Plants, Montpellier Modélisation mécaniste « de la cellule à la feuille » collaboration LEPSE/ C. Godin EGC Intégration de « fonctions » dans le modèle blé : Azote, tallage, SLA (Thèse J. Bertheloot, Thèse Rim Baccar, post Doc Tino Dornbusch, coll. C. Fournier Définition de protocoles optimaux pour lestimation des paramètres darchitecture (financement Arvalis)

13 Pour ouvrir la discussion Demande large (du QTL à la rationalisation des essais agronomiques) Demande large (du QTL à la rationalisation des essais agronomiques) Mobilisation récente Mobilisation récente Cadre pour raisonner lacquisition dinformation. Les modèles FSPM représentent probablement la bonne échelle en face de la question «phénotypage » Cadre pour raisonner lacquisition dinformation. Les modèles FSPM représentent probablement la bonne échelle en face de la question «phénotypage » Transposabilité des méthodes à condition de voir le long terme Transposabilité des méthodes à condition de voir le long terme connaissances et compromis pour modéliser la plante connaissances et compromis pour modéliser la plante Temps de calcul et méthodes dinversion et de forçage Temps de calcul et méthodes dinversion et de forçage Progrès à faire pour les dispositifs dacquisition expérimentaux (eg proxidétection) Progrès à faire pour les dispositifs dacquisition expérimentaux (eg proxidétection) Intérêts réciproques entre modélisation et phénotypage Intérêts réciproques entre modélisation et phénotypage Existence de savoir faire et de projets de nature à obtenir des résultats détape Existence de savoir faire et de projets de nature à obtenir des résultats détape Réellement associer les composantes : Biologie, Physique, Math Appli. Réellement associer les composantes : Biologie, Physique, Math Appli.


Télécharger ppt "Phénotypage Haut Débit et Plantes Virtuelles: quels Gaps et quelles Synergies Bruno Andrieu, EA EGC Grignon Bruno Andrieu, EA EGC Grignon Christine Granier,"

Présentations similaires


Annonces Google