Mieux comprendre les régions proximales des gènes pour améliorer les modèles de sélection

Résultats

Structuration d’une communauté interdisciplinaire

Le consortium, constitué en 2024, a réuni 12 membres aux profils complémentaires (biologistes, généticiens, bioinformaticiens, statisticiens et informaticiens), et répartis sur trois sites (Ile-de-France, Clermon-Ferrand et Montpellier). Il a permis de mettre en place un fonctionnement collectif efficace et l’usage d’outils partagés. Cette dynamique a favorisé l’émergence d’un langage commun et une meilleure compréhension mutuelle des contraintes et apports disciplinaires.

Exploration et  analyse critique des approches existantes de détection, de caractérisation et de prédiction des CREs

Ces travaux ont permis d’évaluer la pertinence de différentes approches méthodologiques, identifier les besoins en données et définir les conditions nécessaires à une modélisation biologiquement informée. Des premiers tests, notamment autour de la cartographie des CREs chez plusieurs espèces végétales, ont servi de base à ces réflexions.

Cette analyse bibliographique a permis de mettre en évidence les limites des approches actuelles, notamment leur faible interprétabilité biologique, leur transférabilité limitée entre espèces et leur difficulté à prédire des phénotypes complexes. Cette réflexion a contribué à clarifier les verrous scientifiques à lever pour une application efficace en amélioration des plantes. Ce travail a permis la rédaction d’un article d’opinion, actuellement en révision, qui propose un changement de perspective dans l’étude des CREs, en faveur d’approches intégrant explicitement les mécanismes de la régulation transcriptionnelle, leur organisation et leur contexte évolutif, afin de dépasser une logique de prédiction purement statistique et de renforcer l’interprétabilité des modèles.

Perspectives : lancement du projet exploratoire Precursor

PRECURSOR a servi de levier pour le développement de nouvelles perspectives notamment avec le projet exploratoire PRECURSOR-2, financé dans le cadre de l’AMI DIGIT-BIO 2026. Ce projet vise à mobiliser des méthodes d’intelligence artificielle récentes, incluant des modèles d’apprentissage profond et des modèles de langage appliqués aux séquences d’ADN, afin d’identifier et de cartographier de manière systématique les CREs.

Ces approches seront appliquées à plusieurs génomes (nucléaires et plastidiaux) et espèces, afin d’évaluer la robustesse et la transférabilité des méthodes. Un second axe majeur de PRECURSOR-2 concerne l’exploration des liens fonctionnels entre CREs et éléments transposables, en combinant informations de séquence, données fonctionnelles et cadres de modélisation adaptés. Enfin, le projet visera également à tester le pouvoir prédictif des CREs pour expliquer et prédire l’expression des gènes, ainsi que des caractères d’intérêt agronomique, notamment dans des contextes de stress. Ces travaux s’inscrivent dans une logique d’intégration des CREs dans des cadres de génétique quantitative et de génétique des systèmes, en complément des approches classiques basées sur les marqueurs anonymes.

Contact-coordination

Acteurs du projet

Unités INRAE impliquées

Partenaires extérieurs