Nous présentons une nouvelle méthode pour étudier les relations entre la structure génétique des populations et l'environnement. Cette méthode repose sur des modèles hiérarchiques bayésiens qui utilisent conjointement des données génétiques multi-locus et des données spatiales, environnementales et/ou culturelles. Elle permet d'estimer la structure génétique des populations, d'évaluer ses liens avec des covariables non génétiques, et de projeter la structure génétique des populations en fonction de ces covariables. Dans un premier temps, nous avons appliqué notre approche à des données de génétique humaine pour évaluer le rôle de la géographie et des langages dans la structure génétique des populations amérindiennes. Dans un deuxième temps, nous avons étudié la structure génétique des populations pour 20 espèces de plantes alpines et nous avons projeté les modifications intra spécifiques qui pourront être causées par le réchauffement climatique. / We introduce a new method to study the relationships between population genetic structure and environment. This method is based on Bayesian hierarchical models which use both multi-loci genetic data, and spatial, environmental, and/or cultural data. Our method provides the inference of population genetic structure, the evaluation of the relationships between the structure and non-genetic covariates, and the prediction of population genetic structure based on these covariates. We present two applications of our Bayesian method. First, we used human genetic data to evaluate the role of geography and languages in shaping Native American population structure. Second, we studied the population genetic structure of 20 Alpine plant species and we forecasted intra-specific changes in response to global warming. STAR

Nous présentons une nouvelle méthode pour étudier les relations entre la structure génétique des populations et l'environnement. Cette méthode repose sur des modèles hiérarchiques bayésiens qui utilisent conjointement des données génétiques multi-locus et des données spatiales, environnementales et/ou culturelles. Elle permet d'estimer la structure génétique des populations, d'évaluer ses liens avec des covariables non génétiques, et de projeter la structure génétique des populations en fonction de ces covariables. Dans un premier temps, nous avons appliqué notre approche à des données de génétique humaine pour évaluer le rôle de la géographie et des langages dans la structure génétique des populations amérindiennes. Dans un deuxième temps, nous avons étudié la structure génétique des populations pour 20 espèces de plantes alpines et nous avons projeté les modifications intra spécifiques qui pourront être causées par le réchauffement climatique.

L’étude des rendements en blé a mis en évidence une stagnation apparue dans les années 1990, notamment en France, et principalement lié aux stress hydrique et thermique. Dans ce contexte, améliorer la tolérance du blé européen à ces stress est de première importance. Cette étude avait pour but d’étudier le déterminisme génétique de la tolérance à ces stress chez le blé. Pour ce faire, trois populations de blé tendre du CIMMYT combinant des caractères d’adaptation à ces stress ont été cultivées en conditions irriguée, sèche et stress thermique irriguée plusieurs années. Des caractères physiologiques et agronomiques ont été mesurés sur un réseau de 15 essais. Une méthodologie de caractérisation environnementale a été développée et a permis l’identification de six scenarii de stress au sein du réseau. Une covariable environnementale représentative de chacun a été extraite. L’utilisation des modèles de régression factorielles a permis la décomposition de l’interaction génotype x environnement ainsi que la mise en évidence d’une sensibilité différentielle au stress dans le germplasm. Une recherche de QTL multi-environnementale a conduit à la détection de régions génomiques contrôlant les caractères physiologiques et agronomiques ainsi que leurs interactions avec l’environnement. De la caractérisation environnementale à la détection de QTL, cette étude a abouti au développement d’un outil pour les sélectionneurs permettant l’évaluation du potentiel des génotypes face à une gamme d’environnement, mais aussi à l’identification de régions génomiques impliquées dans le contrôle de la tolérance aux stress hydrique et thermique chez le blé tendre. Ceci pourrait améliorer la tolérance à ces stress au sein du germplasm européen. / A stagnation of wheat yield was reported in France and other countries worldwide since the 1990’s, which incriminated mainly drought and heat stress. Improving the European wheat tolerance to them is of first importance. This study aimed to investigate the genetic determinism of the tolerance to such stresses. Three CIMMYT bread wheat populations combining complementary heat and drought adaptive habits were grown in Northern Mexico under irrigated, drought and heat-irrigated treatments from 2011 to 2013. The trial network comprised 15 trials and both physiological and agronomic traits were scored. First, an environmental characterization methodology was developed and resulted in the identification of six main environmental scenarios in the network. A representative environmental covariate was extracted from each of them. Then, a factorial regression model leaded to the dissection of the genotype-by-environment interaction and highlighted differential stress sensitivity of the germplasm. Finally, a multi-environmental QTL detection resulted in the discovery of genomic regions involved in the control of both physiological and agronomic traits and the study of their sensitivity to the environment. From the environmental characterization to the QTL detection, this study resulted in the development of a tool for breeders which may enable the evaluation of the potential of any genotypes in front of a range of environment, but also the identification of genomic regions involved in the control of the tolerance to drought and heat stress in bread wheat. This may help in improving the tolerance of the European bread wheat germplasm to drought and heat stress.