1. Rappels et définitions

2. Pourquoi Arabidopsis thaliana comme plante modèle ?

3. Le génome d'Arabidopsis thaliana

4. Bases de données relatives à Arabidopsis thaliana

a. TAIR

b. Flagdb++

c. AraCyc ("Arabidopsis thaliana Biochemical Pathways")

d. Le Centre de ressources Arabidopsis thaliana pour la génomique (INRA Versailles)

5. Données sur le riz (Oryza sativa)

6. Medicago truncatula et le soja

7. Liens Internet et références bibliographiques

1. Rappels et définitions - Sources principales : Unige-Ch / Wikipédia / P. Luchetta et al. - 2005

a. Principaux types de gènes

• Gènes codant pour des protéines
• Gènes codant pour des ARN
• Gènes de régulation
  1. Gènes de réplication qui spécifient les sites d'initiation et de terminaison de la réplication de l'ADN
  2. Gènes de recombinaison qui correspondent aux sites de reconnaissance par les enzymes impliqués dans la recombinaison
  3. Gènes de ségrégation qui sont les sites d'attachement des chromosomes pendant la mitose ou la méiose
• Pseudogènes

b. Gènes paralogues et gènes orthologues

La duplication génique correspond à la multiplication de matériel génétique sur un chromosome. Des mutations peuvent alors affecter chaque copie des gènes après la duplication pour aboutir à une différenciation de deux gènes "frères" ou gènes paralogues.

Donc, deux gènes au sein d'une espèce sont dits paralogues s'ils résultent d'une duplication génique.

Lorsqu'une population évolue de manière indépendante (exemple : séparation géographique), ses caractéristiques génétiques évoluent de façon différente. Ce phénomène est appelé spéciation et il aboutit à la création de gènes orthologues : les mêmes gènes dans des espèces différentes.

Donc deux gènes homologues (qui ont une forte similitude de séquence) de deux espèces différentes sont dits orthologues s'ils descendent d'un gène unique présent dans le dernier ancêtre commun aux deux espèces.

Les espèces actuelles contiennent dans leur génome des gènes hérités d'un ancêtre commun (gènes homologues). Pour obtenir un arbre phylogénétique, on compare les gènes homologues. Quant un gène appartient à une famille multigénique, il est difficile de différencier les spéciations et les duplications.

L'analyse des gènes paralogues est donc un élément important pour l'étude de l'évolution des génomes.

Exemple de 2 types d'homologie de gènes basées sur des évènements évolutionnaires différents.

Source : "Molecular biology of the cell" (2002) Albert et al.

(A) et (B) représentent les possibilités les plus simples. (C) représente un cas de figure plus complexe.

c. Pseudogènes

Ce sont des gènes non fonctionnels qui ont des similitudes avec un ou plusieurs gènes fonctionnels paralogues (gènes dupliqués au sein d'une même espèce).

Ce sont donc des copies inactives de gènes fonctionnels. Cette inactivité est souvent due à l'absence de promoteur ou d'éléments de régulation. Les pseudogènes sont libres de toute contrainte sélective d'où une accumulation de mutations diverses dans leurs parties codantes ou non codantes.

Il existe différents types de pseudogènes, notamment les pseudogènes dupliqués et les rétro-pseudogènes qui diffèrent par leur mécanisme d'apparition et leur mode d'évolution.

• les pseudogènes dupliqués proviennent généralement de la duplication conforme d'un gène actif, cette copie évoluant vers une forme inactive.
• les rétro-pseudogènes ne sont présents que chez les Métazoaires et proviennent d'une rétro-transposition, c'est-à-dire la transcription inverse d'un ARN messager (ARNm --> ADNc) suivi d'une intégration dans l'ADN génomique.

Les pseudogènes sont des indices d'évolution d'un organisme au cours du temps. Plus un organisme a évolué, plus grand est son nombre de pseudogènes.

d. Rétroséquence

Séquences qui résultent d'une transcription inverse puis qui sont intégrées au génome mais qui n'ont plus la capacité de se transposer.

Elles ont certaines caractéristiques :

• les introns sont absents.
• une séquence poly-A (extrémité 3') ajoutée sur l'ARN messager après la transcription.
• répétitions directes aux extrémités, laissant supposer qu'un mécanisme de transposition a été impliqué dans leur création.

Les rétroséquences sont soit fonctionnelles (rétrogènes), soit non- fonctionnelles (rétro-pseudogènes).

e. Rétrogène

Le maintien de la fonction de ces séquences est un cas assez rare pour les raisons suivantes :

• la réverse transcriptase est assez infidèle et va ainsi introduire de nombreuses mutations dans les rétroséquences.
• le site d'initiation de la transcription n'est pas forcément inclus dans l'ARN (sauf si le gène a été transcrit par l'ARN polymérase III).
• la localisation de l'insertion du rétrogène n'est pas forcément propice à son expression.

En conséquence, la majeure partie des rétroséquences sont des rétro-pseudogènes.

Ceux sont des séquences d'ADN capable de se déplacer et de se multiplier de manière autonome dans un génome, par un mécanisme appelé transposition. Les transposons ont été identifiés par Barbara McClintock qui a étudié des mutations instables induites par ces éléments chez le maïs.

Présents chez tous les organismes vivants, les éléments transposables sont un des constituants les plus importants des génomes eucaryotes. Exemples : 45% du génome de l'homme et plus de 70% chez le maïs.

Les éléments transposables peuvent expliquer d'importantes différences dans les tailles du génome d'organismes.

Les éléments transposables sont divisés en 2 classes selon leur mode de transposition :

Ceux de classe I ou rétrotransposons : ils transposent via un intermédiaire ARN selon un mode réplicatif (copier - coller).

Leur ARN messager est rétro-transcrit en ADNc qui est intégré dans le génome. Les rétrotransposons sont divisés en 2 groupes :

• les rétrotransposons à LTR (Longue séquence Terminale Répétée - "Long Termial Repeat") ou type rétroviral.
• les rétrotransposons sans LTR (les LINE - "Long Interspersed Nuclear Elements" - 1 à 7 kpb) et les SINE ("Short Interspersed Nuclear Elements" - 100 à 500 pb).

Ceux de classe II ou transposons : ils transposent selon un mode conservatif (couper - coller). Ils sont caractérisés par la présence à leurs extrémités de séquences terminales inversement répétées (TIR). Ils sont de taille variable (100 à 20 000 pb).

Source : "La génomique végétale et les plantes cultivées" - Michel Caboche

Famille de séquences répétées issue d'un processus de rétrotransposition. Les séquences Alu contiennent un site de reconnaissance pour l'enzyme de restriction Alu I.

• longueur environ 300 pb
• nombre de répétitions : environ 1 million de fois chez l'homme (11% du génome)

La famille Alu est un exemple de SINE ("Short Interspersed Nuclear Elements" - voir ci-dessus). La plupart sont des rétroséquences issues d'une réverse transcription de l'ARN.

h. La synténie

Localement l'ordre des gènes sur un même chromosome tend à être conservé sur des millions d'années : c'est le phénomène de synténie.

La synténie est donc la présence simultanée sur le même chromosome de deux ou plusieurs loci. La synténie est utilisée en génomique comparative (cartes physiques comparatives) pour décrire la conservation de l'ordre des gènes entre deux espèces apparentées. Les comparaisons entre espèces éloignées phylogénétiquement éloignées révèlent une perte de synténie.

Figure ci-dessous : macrosynténie entre les génomes de Medicago truncatula et L. japonicus et Glycine max.

Source : Young et al. (2011)

• "Cinteny" - Server for Synteny Identification and Analysis of Genome Rearrangement
• Phytozome: a tool for green plant comparative genomics

i. Gène candidat

C'est un gène dont on suppose l'implication dans un effet biologique. C'est donc un gène qui gouverne une part importante de la variabilité d'un caractère.

Plusieurs approches (qui peuvent être combinées) existent pour identifier un gène candidat :

• l'étude de candidats physiologiques afin d'identifier le gène recherché parmi les gènes connus intervenant dans ce caractère.
• le clonage positionnel : c'est la cartographie fine de la région pour déterminer la position du gène recherché, jusqu'à ne plus trouver qu'un seul gène à cet endroit.
• l'étude de gènes connus ayant un effet similaire dans une autre espèce.

j. Les microsatellites

Une séquence d'ADN dite microsatellite (ou "simple sequence repeats" - SSR, "short tandem repeats" - STR) est formée par une répétition continue de motifs de 2 à 10 nucléotides (exemple : le motif CAGT).

Ils sont très abondants chez les eucaryotes : un microsatellite peut être présent à des milliers d'exemplaires dans le génome. Chez les végétaux supérieurs, il y aurait en moyenne un microsatellite tous les 50 kb.

Les microsatellites sont présents sur l'ensemble du génome, le plus fréquemment au niveau des introns et des exons des gènes. La localisation des microsatellites sur le génome est relativement conservée entre des espèces phylogénétiquement proches.

Le polymorphisme des microsatellites peut être utilisé comme marqueur génétique afin d'identifier un individu.

Les régions flanquantes des microsatellites servent d'amorces pour la réaction de polymérisation en chaîne. En effet, si un microsatellite donnné n'est pas spécifique d'un locus, en revanche ses régions flanquantes le sont. Une paire d'amorces spécifique de ces régions flanquantes permettra donc l'amplification spécifique de ce seul microsatellite.

k. Marqueur génétique

C'est une séquence d'ADN polymorphe utilisée pour baliser le génome et obtenir une carte génétique.

Les nouvelles biotechnologies permettent l'analyse directe du polymorphisme des séquences d'ADN.

Il existe différentes sortes de marqueurs :

• polymorphisme de longueur des fragments de restriction ("Restriction Fragment Length Polymorphism" - RFLP)
• amplification aléatoire d'ADN polymorphe ("Ramdom Amplification of Polymorphic DNA" - RAPD)
• polymorphisme de nucléotide simple ("Single Nucleotide Polymorphisms" - SNP)
• marqueur de séquence exprimée ("Expressed Sequence Tag" - EST)

2. Pourquoi Arabidopsis thaliana comme plante modèle ?

Taxonomie : Eukaryota; Viridiplantae; Streptophyta; Embryophyta; Tracheophyta; Spermatophyta; Magnoliophyta; eudicotyledons; core eudicotyledons; rosids; eurosids II; Brassicales; Brassicaceae; Arabidopsis; Arabidopsis thaliana

L'espèce Arabidopsis thaliana est de la famille du chou (Brassicaceae). Elle a été découverte au 16è siècle par Johannes Thal. Elle est aussi nommée arabette rameuse (ou "Wall cress", "mouse-ear cress", "thale-cress" en anglais).

Plus de 750 accessions naturelles d'Arabidopsis thaliana ont été collectées dans le monde et sont disponibles dans les 2 centres de semences : ABRC et le NASC ("Nottingham Arabidopsis Stock Centre").

Quelques caractéristiques:

• taille à l'âge adulte : 30-40 cm
• racine pivotante, feuilles alternes, inflorescence en grappe
• fleur à symétrie bilatérale comprenant 4 sépales, 4 pétales, 6 étamines et 2 carpelles
• fruits de 3 à 5 mm offrant 30 à 60 graines.

Source : TAIR

La complexité et la grande taille des génomes des plantes cultivées rendent difficiles leur analyse génétique et moléculaire.

Mais comme il y a des similitudes entre les génomes des différentes espèces (cultivées ou non), on a choisi une plante ayant le plus petit génome possible, pour l'analyser et utiliser les informations obtenues pour l'étude des génomes plus complexes et plus grands.

Le choix de la communauté scientifique internationale s'est porté sur Arabidopsis thaliana qui présente de nombreux avantages :

• un très petit génome donc plus facilement séquençable. Par comparaison, le riz et le maîs ont un génome respectivement 4 et 20 fois plus grands
• facilité de culture liée à sa petite taille (infrastructure légère pour la cultiver)
• reproduction principalement par autofécondation.
• rapidité de développement : son cycle de reproduction est court (6 semaines de la germination à la graine mature)
• enfin, et c'est un point important : aucune importance économique donc pas de risque de "conflits" d'intérêts et une meilleur collaboration internationale

En conséquence, Arabidopsis thaliana est une espèce modèle pour les études de génétique et de génomique fonctionnelle.

La séquence complète du génome de l'accession Columbia a été publiée en 2000 ("The Arabidopsis Genome Initiative" Nature 408, 796 - 815).

Le décryptage du génome d'une plante modèle comme Arabidopsis thaliana est capital du fait de la ressemblance entre le génome de cette espèce modèle et celui d'espèces cultivées apparentées. En effet, les gènes sont souvent organisés de la même manière sur les chromosomes, et placés dans le même ordre (synténie).

Par ailleurs, l'absence d'intérêt économique particulier d'Arabidopsis thaliana est un point favorable pour l'échange de données entre équipes de recherche.

Les informations issues d'un génome modèle sont donc une une base solide pour analyser les chromosomes d'espèces cultivées dont les génomes sont plus complexes et plus grands .

Quelques exemples des retombées chez les espèces cultivées de l'identification de la fonction des gènes chez Arabidopsis thaliana:

• des gènes impliqués dans la libération des graines ont permis d'améliorer la production chez le colza
• des gènes responsables de la maturation des fruits ont permis d'augmenter la production de la tomate
• des homologues des gènes codant 2 enzymes impliquées dans le métabolisme de lipides poly-insaturés ont été identifiés chez le soja. Dans une variété transgénique de soja (où l'expression de l'un de ces 2 gènes a été supprimée), l'abondance des lipides mono-insaturés est passée de 25% à 85% et celle des lipides poly-insaturés est passée de 60% à 2%.

3. Le génome d'Arabidopsis thaliana

Les cartes physiques des 5 chromosomes ont été complètement déterminées en 1997.

Le génome d'Arabidopsis thaliana a été séquencé par une méthode ordonnée ("top-down") et publié en 2000 : Arabidopsis Genome Initiative (2000) "Analysis of the genome sequence of the flowering plant Arabidopsis thaliana". Nature 408, 796 - 815.

Le génome d'Arabidopsis thaliana sert de modèle pour l'un des deux grand groupes de plantes à fleurs, les dicotylédones.

• taille du génome : 114 500 000 paires de base (pb) + 10 Mb (organisateurs nucléolaires et centromères) = environ 125 Mb
• la base de données TAIR contient 27416 gènes codant des protéines - 924 pseudogènes - 4827 transposon et pseudogènes
• En 2009, environ 40% des gènes ont une fonction qui n'est toujours pas connue: voir la répartition des gènes selon les 3 ontologies GO.

• taille moyenne des exons : 296 pb
• taille moyenne des introns : 165 pb
• nombre d'ARNt : 631
• 79% des gènes contient des introns

• Fréquence des séquences répétées : environ 10%, ce qui est une fréquence faible par rapport aux autres plantes
• LINE ("long interspersed elements" - exemple : séquence L1) et SINE ("short interspersed elements" - exemple : séquence Alu) : 0,5%
• séquences type rétrovirus : 4,8%
• séquences type transposons : 5,1%

Remarque : ces chiffres ne sont qu'indicatifs car ils évoluent au fur et à mesure que l'ensemble du génome est ré-analysé et donc ré-annoté.

Le degré de redondance (la duplication de gènes ou de régions identifiés sur un chromosome) est élevé : 24 régions d'une taille supérieure à 100 kb sont dupliquées, soit 65,6 Mb, soit 58% du génome (figure ci-contre).

Source : "Précis de génomique" - Gibson & Muse (2004) - Ed. De Boeck Université

Celà suggère qu'Arabidopsis thaliana soit passé récemment par un état tétraploide avec ensuite, une perte d'une partie des gènes dupliqués.

3 duplications :

• 221 millions d'années
• 162 millions d'années
• 75 millions d'années
• calcul : 6.1 mutations / millions d'années / site

Source : Simillion et al. (2002)

Par ailleurs, un transfert du génome mitochondrial vers le noyau a certainement eut lieu récemment chez Arabidopsis thaliana puisqu'une région de 620 kb identique à 99% au génome mitochondrial a été identifiée sur le chromosome 2.

Exemples de l'intéret des génomes complétement séquencés et clairement annotés

Voir un cours sur l'annotation.

a. En premier lieu, celà permet de les comparer à d'autres génomes moins bien (ou pas du tout) séquencés et/ou annotés.

b. Les duplications doivent être prises en compte si l'on veut créer de nouveaux traits agronomiques par la modification de l'expression d'un ou de plusieurs gènes, car ceux-ci peuvent posséder des copies ailleurs dans le génome.

Les séquences répétées constituent un élément dynamique du génome qui est impliqué dans la génération d'une part importante de la variation allélique exploitée par les sélectionneurs.

c. Si la séquence du génome est "ancrée" par rapport aux cartes physique et génétique, pour un trait agronomique cartographié dans un intervalle génétique, il est possible de rechercher les séquences génomiques correspondantes, et l'ensemble des gènes annotés dans l'intervalle.

d. Les informations disponibles sur la fonction de ces gènes permettent alors de retenir un ou plusieurs gènes candidats pour le trait considéré.

La validation d'un candidat peut notamment passer par l'étude de son expression et de sa variabilité allélique dans plusieurs variétés différant pour le trait étudié, ainsi que par l'étude de plantes mutées ou génétiquement transformées dans lesquelles l'expression du gène est éteinte ou augmentée.

e. Les séquences des génomes révélent une grande quantité de nouveaux marqueurs moléculaires de type microsatellite qui permettent d'affiner l'analyse génétique.

Ces nouveaux marqueurs facilitent et accélérent la création de nouvelles variétés par sélection assistée par marqueurs : grâce à des marqueurs plus étroitement associés au locus responsable d'un caractère, on suit mieux sa transmission au fil des croisements et on réduit le matériel génétique indésirable transmis en même temps que lui.

Lorsque le caractère est associé à un ou plusieurs allèle(s) identifié(s), la séquence de cet (ces) allèle(s) fournit un marqueur absolu.

f. On peut identifier des polymorphismes de type SNP sans risque de confusion avec des erreurs de séquençage.

Voir "Les génomes des principaux organismes modèles".

Les génomes mitochondriaux des plantes

Voir un cours sur la mitochondrie.

Ils se distinguent de ceux des autres eucaryotes. Leur taille est plus importante et beaucoup plus variable (de 200 kb chez les brassicacées à 2500 kb chez les cucurbitacées, contre 16 à 20 kb chez les mammifères).

La caractéristique de ces génomes est la présence de séquences répétées (impliquées dans des recombinaisons entre molécules d'ADN mitochondrial) variables en taille, en nombre de répétition et en orientation.

Cependant, malgré leur grande variabilité en taille, les génomes mitochondriaux des plantes semblent avoir le même contenu en information génétique : de 100 à 120 gènes (inclus ceux qui codent pour les ARN de transfert et les ARN ribosomiques).

Il existe un processus propre aux mitochondries végétales : l'édition des messagers. Le transcrit primaire peut subir des modifications post-transcriptionnelles qui changent spécifiquement certaines cytidines en uraciles. Les codons de l'ARN messager sont donc modifiés.

Le génome chloroplastique

Voir un cours sur le chloroplaste.

Les chloroplastes possèdent plusieurs copies d'un génome circulaire mesurant de 120 à 217 kb (150 kb en moyenne) chez les plantes supérieures.

Le séquençage complet de l'ADN chloroplastique de plusieurs plantes très éloignées au sens évolutif (algues, bryophytes, gymnospermes, angiospermes) a révélé que chez les plantes terrestres, l'organisation de ce génome circulaire est remarquablement conservée.

Hormis pour certaines légumineuses et des conifères, le génome chloroplastique est caractérisé par la duplication d'une région contenant l'ADN ribosomique chloroplastique.

Les gènes de l'ADN chloroplastique se répartissent en deux catégories :

• l'une contient :
  1. tous les ARN nécessaires à l'expression des gènes (30 ARN de transfert et 4 ARN ribosomiques)
  2. 21 protéines ribosomiques
  3. 4 sous-unités de l'ARN polymérase
• l'autre contient :
  1. 29 gènes impliqués dans la photosynthèse
  2. 11 gènes impliqués dans la photorespiration
  3. en particulier, le gène rbcL qui code pour la grande sous-unité de la ribulose biphosphate carboxylase (RuBisCO), l'enzyme clé de la photosynthèse. La RuBisCO est constituée de sous-unités codées par le génome chloroplastique et par le génome nucléaire, ce qui démontre l'étroite collaboration entre les deux génomes.

L'ADN chloroplastique a un taux d'évolution assez lent. Ainsi, le séquençage de parties de l'ADN chloroplastique (comme le gène rbcL) permet de retracer l'évolution des grandes familles de plantes via des reconstructions phylogénétiques.

4. Bases de données relatives à Arabidopsis thaliana

a. TAIR : The Arabidopsis Information Resource

Figure ci-dessous : page d'accueil de "Sequence Viewer", logiciel pour la recherche et la visualisation de séquences de gènes, de séquences transcrites, de marqueurs (et bien d'autres informations) sur les 5 chromosomes.

b. Flagdb++

Le but de la base de données Flagdb++ est de développer une interface de travail basée sur l'intégration de données autour du génome d'Arabidopsis thaliana, afin d'aider les utilisateurs à comprendre la fonction biologique des gènes végétaux en les considérant dans un contexte large : une famille multigénique et/ou un réseau fonctionnel.

FLAGdb++ est développée de façon générique pour pouvoir s'appliquer à différents génomes et pour pouvoir stocker, organiser, visualiser et exploiter de nombreux types de données de génomique.

L'intégration des données se fait par leur association aux séquences nucléiques, indépendamment les unes des autres.

Elle concerne actuellement :

• l'annotation structurale et fonctionnelle du génome d'Arabidopsis thaliana
• les EST
• les étiquettes de mutants d'insertion
• les familles multigéniques
• les motifs protéiques
• les séquences répétées
• les oligonucléotides et sondes spécifiques pour des approches de génomique (puces à ADN, synténie, RNAi, criblage PCR...)

c. AraCyc (Arabidopsis thaliana Biochemical Pathways)

Exemple de recherche de données sur le cycle de Calvin et la RuBisCO.

Aller à AraCyc. Taper "Calvin" dans la fenêtre "Search" en haut à droite.

Activer le lien vers les gènes codant la RuBisCO en passant la souris sur la flèche entre "D-ribulose 1,5-bisphosphate" et "3-phosphoglycérate".

d. Le centre de ressources Arabidopsis thaliana pour la génomique (INRA Versailles)

Ce centre de ressources propose une collection de plusieurs dizaines de milliers de mutants d'insertion indépendants (mutants pour environ 80% des gènes) obtenus par mutagenèse T-DNA (insertion d'une cassette d'ADN dans l'écotype WS).

• la méthode de transformation s'est appuyée sur les propriétés de transfert de Agrobacterium tumefaciens.
• chaque mutant "knock-out" est observé et son phénotype donne des indications sur la fonction du gène inactivé.
• possibilité de rechercher un mutant dans un gène de séquence connue mais de fonction inconnue et d'observer son comportement.
• la plupart des mutants sont disponibles sous la forme d'une lignée d'autofécondation T3 (et quelques lignées en T2).

5. Données sur le riz (Oryza sativa) - Principale source : Genoscope

Intérêts du séquençage d'une céréale

Voir un cours sur le séquençage.

Les céréales (riz, blé, orge, maïs, sorgho, millet, canne à sucre,... ) constituent une part essentielle de l'alimentation humaine.

Cependant, les progrès en agronomie que requièrent l'explosion démographique mondiale, le recul des terres arables et le changement climatique, nécessitent une nouvelle approche : le séquençage du génome d'une céréale.

En effet, à partir de la séquence génomique, on peut :

• dresser l'inventaire plus ou moins exhaustif des gènes de la céréale
• tenter d'assigner une fonction à ces gènes
• identifier des gènes dits "candidats" pour des caractères agronomiques cartographiés dans un intervalle génétique
• accéder à des nouveaux marqueurs chromosomiques pour assister la sélection et faciliter la création de nouvelles variétés
• créer des puces à ADN pour l'analyse globale de l'expression des gènes de la céréale dans différentes conditions
• et bien d'autres choses ...

a. Intérêt du génome du riz par rapport à celui des autres céréales

Le riz possède le plus petit génome parmi toutes les céréales (430 millions de nucléotides). Le génome du maïs est 5 fois plus gros, celui du blé est 40 fois plus gros.

D'une céréale à une autre, de grands blocs de gènes homologues sont retrouvés et leur arrangement est relativement conservé (synténie). Le riz est donc un bon choix pour caractériser les gènes des autres céréales et les associer à tel ou tel trait agronomique.

Le riz sert de génome modèle pour l'un des deux grand groupes de plantes à fleurs, les monocotylédones (Arabidopsis thaliana servant de génome modèle pour l'autre groupe, les dicotylédones).

Le choix du riz s'appuie aussi sur des ressources pour l'approche génomique: on dispose d'excellentes cartes génétiques et des techniques de transformation génétique qui font du riz la céréale la plus facile à transformer.

Il existe un très grand nombre de variétés de riz : plus de 90 000 variétés traditionnelles et espèces sauvages de riz sont gérées par l'IRRI ("International Rice Research Institute"). Ces variétés sont adaptées à des conditions environnementales très diverses (des sols secs en régions tempérées aux cultures inondées en régions tropicales).

Ainsi, le riz est déja un modèle dans plusieurs autres domaines:

• le rendement
• la vigueur hybride
• la génétique des résistances aux maladies et celle des réponses adaptatives

b. Intérêt du génome du riz en lui-même

Le riz constitue la base quotidienne de l'alimentation de plus de la moitié de l'humanité. La production de riz représente 30% de la production mondiale de céréales. Elle a doublé en trente ans, notamment avec l'introduction de nouvelles variétés.

Cependant cette croissance de production suit difficilement celle de la consommation : 4,6 milliards de personnes dépendront du riz pour leur consommation quotidienne en 2025 (contre 3 milliards actuellement). En parallèle, les petits producteurs disposent de terrains de culture moins favorables (par exemple saumâtres) et l'approvisionnement en eau est un problème de plus en plus aigu.

Ainsi, la connaissance du génome du riz est extrêmement précieuse pour les sélectionneurs dans le but d'augmenter le rendement et créer de nouvelles variétés résistantes aux maladies, aux ravageurs, à la sécheresse ou à la salinité.

Cette connaissance permet de repérer les gènes intéressants du point de vue agronomique et permet de rechercher les variants alléliques avantageux dans la collection de l'IRRI. Cela devrait aussi permettre de répondre aux inquiétudes liées à l'érosion génétique du fait de l'abandon des variétés traditionnelles au profit des variétés à haut rendement.

La génomique du riz pourrait déboucher sur le transfert rapide de traits avantageux à des variétés localement adaptées.

c. Littérature et base de données sur le génome du riz

Le génome complet du riz a été publié en 2002 :

• Yu et al. (2002) "A Draft Sequence of the Rice Genome (Oryza sativa L. ssp. indica)" Science 296, 79
• Goff et al. (2002) "A Draft Sequence of the Rice Genome (Oryza sativa L. ssp. japonica)" Science 296, 92
• International Rice Genome Sequencing Project (2005) "The map-based sequence of the rice genome" Nature 436, 793 - 800

Base de données pour l'annotation du génome du riz : RAPDB ("Rice Annotation Project Database").

d. Bénéfices du séquençage complet du génome du riz

La prédiction des gènes dépend de la qualité de la séquence car on ne peut tous les identifier à partir d'une ébauche. Seule une vision exhaustive du bagage de gènes du riz permet de déterminer si une voie métabolique est absente, ce qui est capital dans la perspective de l'ingénierie métabolique d'un organisme en général, du riz en particulier.

L'analyse des duplications et des séquences répétées dépend aussi complètement de la qualité de la séquence :

• les duplications doivent être prises en compte pour créer de nouveaux traits agronomiques par la modification de l'expression d'un ou de plusieurs gènes, car ceux-ci peuvent posséder des copies ailleurs dans le génome.
• les séquences répétées sont un élément dynamique du génome impliqué dans la variation allélique exploitée par les sélectionneurs.

A ces bénéfices s'ajoute ceux d'une séquence "ancrée" par rapport aux cartes physique et génétique : pour un trait agronomique cartographié dans un intervalle génétique, il est dés lors possible de rechercher les séquences génomiques correspondantes et les gènes qui sont annotés dans cet intervalle. Cela permet alors de retenir un ou plusieurs gènes dits candidats pour le trait considéré.

La validation d'un gène candidat passer entre autre :

• par l'étude de son expression et de sa variabilité allélique dans des variétés qui différent pour le trait étudié
• par l'étude de plantes mutées ou génétiquement transformées dans lesquelles l'expression du gène est éteinte ou au contraire augmentée.

Enfin, la séquence du génome du riz :

• révèle une grande quantité de nouveaux marqueurs moléculaires de type microsatellite (ils affinent l'analyse génétique obtenue avec les marqueurs de type RFLP).
• permet d'identifier des polymorphismes de type SNP sans risque de confusion avec des erreurs de séquençage.

Ces nouveaux marqueurs facilitent la création de nouvelles variétés par sélection assistée par marqueurs. En effet, des marqueurs étroitement associés au locus responsable d'un caractère permettent de suivre sa transmission au fil des croisements et ainsi de réduire le matériel génétique indésirable transmis en même temps que lui.

6. Medicago truncatula et le soja

a. Medicago truncatula

Le génome de Medicago truncatula a été séquencé en 2011 (Nevin et al. "The Medicago Genome Provides Insight into the Evolution of Rhizobial Symbioses" Nature).

Medicago truncatula est une plante diploïde vraie, autogame avec un petit génome qui comporte 8 chromosomes.

Medicago truncatula fait partie de la famille des Fabaceae (anciennement légumineuse). Les légumineuses jouent un rôle économique majeur : elles constituent une source importante de protéines végétales pour l’alimentation animale et humaine : son rôle crucial dans la fixation de l'azote dans les sols constitue une part importante de l'alimentation fourragère. La culture des légumineuses ne nécessite pas de fertilisation azotée ce qui représente un avantage économique mais aussi environnemental.

La capacité des légumineuses à fixer l’azote atmosphérique est un caractère unique parmi les plantes cultivées. Elle résulte de la symbiose avec des bactéries du sol appelées Rhizobium qui induisent la formation des structures appelées nodosités au niveau des racines de la plante.

Ces bactéries produisent une enzyme, la nitrogénase, dont les plantes sont dépourvues et qui permet aux légumineuses de fixer l’azote atmosphérique. En échange, la plante fournit les éléments nutritifs nécessaires au développement des bactéries.

Le séquençage du génome de Medicago truncatula a révélé une duplication de l'ensemble du génome au moment de l'apparition des légumineuses, il y a environ 60 millions d'années.

Cette duplication a joué un rôle majeur dans la formation du génome de Medicago truncatula en favorisant la mise en place d’un programme génétique permettant une vie symbiotique avec Rhizobium. En effet, grâce à cette duplication du génome, des gènes impliqués dans une symbiose beaucoup plus ancienne avec des champignons mycorhiziens ont évolué et donné naissance à des gènes impliqués dans la symbiose fixatrice d'azote.

Medicago truncatula est donc, du point de vue de la recherche, la légumineuse modèle (proche de la luzerne cultivée) pour l'étude la génétique moléculaire de la symbiose fixatrice d'azote avec la bactérie du sol Rhizobium et la symbiose endomycorhizienne.

Au cours de son cycle de développement, la plante passe successivement d'un métabolisme assimilateur de l'azote, à un métabolisme mobilisateur assurant le recyclage de l'azote protéique stocké dans l'ensemble de ses organes. De cette manière, la plante assure d'abord sa croissance puis gère ensuite ses réserves azotées et carbonées accumulées pour assurer la formation des organes de réserve.

La remobilisation de l'azote et du carbone pendant la sénescence, conditionne le rendement en biomasse ainsi que les teneurs en protéines et en glucides des organes récoltables.

Medicago truncatula est très proche, d'un point de vue phylogénétique, de la plupart des légumineuses cultivées en Europe comme le pois protéagineux, la féverole, la luzerne ou les trèfles. Il existe une forte conservation de l'ordre dans lequel les gènes sont situés sur les chromosomes de ces espèces (conservation synténique).

Le séquençage du génome de Medicago truncatula permet de déterminer l'ordre de la majorité des gènes sur les 8 chromosomes. Celà devrait grandement faciliter la localisation des gènes importants chez les légumineuses cultivées.

L'amélioration génétique des légumineuses est indispensable pour permettre leur introduction plus fréquente dans les rotations de cultures pour développer des systèmes durables et moins consommateurs d’intrants, en particulier les nitrates, dont la production est coûteuse en énergie.

b. Le soja

Le génome du soja (légumineuse - 1,1 milliard de paires de base d'ADN) a été séquencé (Schmutz et al., 2010 - méthode "shotgun") en 2010 et on a mis en évidence 90 caractères distincts affectant le développement de la plante, la productivité, la résistance aux maladies, la qualité des semences et la nutrition.

En plus de la cartographie du génome (plus de 46.000 gènes dont 34,000 sont orthologues - 73% de copies / la plus grande partie du génome du soja est composée d'éléments transposables), une base de données de facteurs de transcription régulant l'expression des gènes a été créée (SoybeanDB).

Avec un poids économique de près de 30 milliards de dollars aux Etats-Unis, le soja est la deuxième culture la plus rentable après le maïs.