IA & Big Data : Amélioration des prévisions pour le blé "sur mesure
Un modèle d'IA augmente le rendement du blé de près de quatre quintaux par hectare
Annonces
Le changement climatique et les conditions de croissance changeantes posent également de nouveaux défis à la sélection. Un aspect important est la prise en compte des conditions environnementales locales. Une équipe internationale dirigée par l'institut IPK Leibniz a développé, à l'aide de l'IA et du big data, une nouvelle méthode permettant de déterminer les variétés de blé d'hiver les mieux adaptées à certains endroits. Les résultats de l'étude ont été récemment publiés dans la revue spécialisée "Genome Biology".
L'interaction entre le génotype et les conditions environnementales revêt une importance particulière pour la performance et le rendement d'une plante. Ainsi, une variété de blé peut avoir un rendement élevé à un endroit donné. Mais elle sera moins performante sur un autre site où les conditions sont différentes. L'environnement a un impact sur les performances du génotype. Compte tenu de la diversification croissante des environnements de culture, il devient crucial, en période de changement climatique, de fournir des variétés parfaitement adaptées aux conditions locales. C'est pourquoi l'équipe de recherche de l'IPK s'est concentrée sur l'étude des interactions entre le génotype et l'environnement et sur la prédiction des rendements pour des sites individuels avec la plus grande précision possible.
Les scientifiques ont tout d'abord analysé de grandes quantités de données sur le blé d'hiver. Pour ce faire, ils ont collecté des données sur le rendement de plus de 13 200 génotypes (lignées et hybrides) cultivés et testés entre 2010 et 2022 sur 31 sites différents d'Europe centrale. Ces données phénotypiques ont été combinées avec des données génomiques (environ 10.000 marqueurs génétiques) et des informations environnementales (comme les températures et les précipitations quotidiennes). Sur cette base, les chercheurs ont développé et comparé différents modèles de prédiction, dont des modèles statistiques traditionnels, mais aussi des méthodes d'intelligence artificielle comme le "deep learning". L'équipe de recherche de l'IPK a utilisé le meilleur modèle pour prédire les performances d'un groupe de référence de lignées de blé dans les 117 environnements testés et pour identifier les variétés adaptées à l'environnement.
"Notre étude montre que les interactions entre les gènes et les conditions environnementales sont la clé pour des prévisions de rendement nettement meilleures", explique Abhishek Gogna, premier auteur de l'étude. Ainsi, la prédiction du rendement spécifique à l'environnement de nouveaux hybrides a pu être améliorée jusqu'à 23 pour cent en intégrant l'interaction entre le génotype et l'environnement. Cela est comparable à l'achat d'un nouveau costume. Au lieu d'un modèle standard qui convient en moyenne (prédiction traditionnelle), on obtient un modèle sur mesure qui est exactement adapté à la morphologie personnelle (prédiction adaptée à l'environnement).
La sélection ciblée des dix meilleurs pour cent de génotypes adaptés à l'environnement a permis d'augmenter le rendement de près de quatre quintaux par hectare par rapport à une sélection basée sur le rendement moyen. "Ce rendement supplémentaire correspond au succès de jusqu'à douze années de progrès en matière de sélection conventionnelle en Allemagne", déclare le professeur Jochen Reif, directeur du département "Recherche en matière de sélection" à l'IPK. "Cela montre qu'un énorme potentiel de rendement, jusqu'ici caché, sommeille dans les programmes de sélection et qu'il peut être exploité". La grande pertinence des résultats pour la sélection végétale pratique est également soulignée par la participation de KWS SAAT SE & Co KGaA à l'étude.
Note: Cet article a été traduit à l'aide d'un système informatique sans intervention humaine. LUMITOS propose ces traductions automatiques pour présenter un plus large éventail d'actualités. Comme cet article a été traduit avec traduction automatique, il est possible qu'il contienne des erreurs de vocabulaire, de syntaxe ou de grammaire. L'article original dans Allemand peut être trouvé ici.
Publication originale
Autres actualités du département science
