09-0012 Danan PDF

MINISTERE DE L’AGRICULTURE
CENTRE INTERNATIONAL D’ETUDES SUPERIEURES EN SCIENCES AGRONOMIQUES

SUPAGRO MONTPELLIER
THESE
pour obtenir le grade de
DOCTEUR
Discipline : Biologie Intégrative des Plantes

Ecole doctorale : Systèmes Intégrés en Biologie, Agronomie, Géosciences,
Hydrosciences, Environnement (SIBAGHE, ED 477)
Diversité structurale des locus de résistance à Phytophthora

infestans chez la pomme de terre et synténie chez les Solanacées
Présentée et soutenue publiquement le 18 juin 2009 par
Sarah DANAN
JURY
M. Daniel PRAT, Professeur à l’Université Claude Bernard - Lyon 1 Rapporteur
M. Patrick VINCOURT, Directeur de Recherche à l’INRA de Toulouse Rapporteur
M. Charles-Eric DUREL, Directeur de Recherche à l’INRA d’Angers Examinateur
M. Didier MERDINOGLU, Directeur de Recherche à l’INRA de Colmar Examinateur
M. Jean-Loup NOTTEGHEM, Professeur à SupAgro Montpellier Examinateur
Mme Véronique LEFEBVRE, Directeur de Recherche à l’INRA d’Avignon Directrice de thèse
M. Jean-Eric CHAUVIN, Ingénieur de Recherche à l’INRA de Rennes Co-encadrant
Diversité structurale des locus de résistance à Phytophthora infestans chez la pomme de terre
et synténie chez les Solanacées
Les résistances polygéniques aux bioagresseurs des plantes, contrôlées par des QTL (Quantitative
Trait Locus), seraient une alternative durable aux résistances monogéniques, souvent rapidement
contournées par de nouvelles virulences. Pour faciliter l’exploitation des résistances polygéniques en
sélection variétale et tenter de comprendre leur potentielle durabilité, l'exploration de la diversité de
l'espèce hôte est nécessaire pour inventorier les sources de résistance et décrire de la façon la plus
complète possible les locus impliqués, selon leur distribution sur le génome et selon leur variabilité
allélique. L’objectif de la thèse est de clarifier l’organisation structurale des locus de résistance à
Phytophthora infestans sur le génome de la pomme de terre et de préciser leurs relations synténiques
avec les QTL de deux autres Solanacées. Les Phytophthora sont des oomycètes responsables du
mildiou et provoquent des dégâts considérables dans les cultures de Solanacées. Plusieurs locus de
résistance qualitative ou quantitative ont été décrits, majoritairement chez la pomme de terre, mais
aussi chez le piment et la tomate. Au cours de la thèse, trois approches d'analyse QTL ont été suivies.
L'analyse de populations biparentales indépendantes et connectées selon un plan factoriel a permis
d'identifier de nouveaux QTL de résistance chez trois espèces apparentées à la pomme de terre, S.
sparsipilum, S. spegazzinii et S. berthaultii, avec des tests quantitatifs sur tige et feuillage. Une méta-
analyse de l’ensemble des données de cartographie produites et publiées a montré la congruence des
QTL des différentes études, et précisé les colocalisations entre QTL et gènes majeurs de résistance
et avec les QTL liés à la maturité. Des gènes candidats aux méta-QTL obtenus ont pu être proposés.
Sur un plan plus prospectif, afin de préciser les relations synténiques entre les trois Solanacées dans
une zone de colinéarité fonctionnelle de QTL, une méta-analyse inter-spécifique a été réalisée. Des
hypothèses ont été proposées sur la nature possible des gènes sous-jacents aux QTL des différentes
espèces, leurs origines et leur évolution possible au cours de la spéciation.
MOTS-CLES : Solanacées, Phytophthora spp (Oomycète), résistance quantitative, QTL, populations

connectées, méta-analyse, synténie
Structural diversity of resistance loci to Phytophthora infestans in potato and synteny within
Solanaceae
Polygenic resistances to plant pathogens, controlled by QTLs (Quantitative Trait Loci), appear as a
durable alternative to monogenic resistances, which are often quickly overcome by new virulences. To
facilitate the use of polygenic resistances in plant breeding and in an attempt to better understand their
potential durability, the exploration of the host diversity is necessary to inventory the resistance
sources and describe the involved loci in the most comprehensive way, according to their genomic
distribution and their allelic variability. The aim of this work was to clarify the structural organization of
resistance loci to Phytophthora infestans on the potato genome and to make more precise their
syntenic relationships with the QTLs of two other Solanaceae. Phytophthora are oomycetes
responsible for late blight, and provoke tremendous damages in Solanaceae crops. Many loci of
quantitative and qualitative resistances have been described, mostly in potato, but also in tomato and
pepper. Three kinds of QTL analyses were used. The analyses in bi-parental independent populations
and in connected multi-populations using a factorial mating design allowed the identification of new
resistance QTLs in three potato-related wild species, S. sparsipilum, S. spegazzinii and S. berthaultii,
with quantitative tests on stems and foliage. A meta-analysis of all available QTL mapping data
coming from the present work and from literature highlighted QTL congruency between the different
studies, and made colocations clearer between QTLs and major genes of resistance, and with
maturity QTLs. Candidate genes of the obtained meta-QTLs have been proposed. From a more
prospective point of view, in order to make the syntenic relationships between the three Solanaceae
more precise in a region of QTL colinearity, an inter-specific meta-analysis was achieved. Hypotheses
were proposed about the molecular nature of the genes underlying the QTLs of the different species,
their possible origins and evolution during speciation.
Keywords : Solanaceae, Phytophthora spp (oomycete), quantitative resistance, QTL, connected

populations, meta-analysis, synteny
DISCIPLINE : Génétique et amélioration des plantes
Thèse effectuée au centre INRA GAFL UR1052, Domaine Saint-Maurice, BP94, 84143 Montfavet, France,
en collaboration avec le centre INRA APBV UMR 118, Domaine de Kéraiber, 29260 Ploudaniel, France.
i
REMERCIEMENTS
Cette thèse a été réalisée à l’unité GAFL de l’INRA d’Avignon, en collaboration étroite avec
l’équipe de l’unité APBV de Ploudaniel. Elle a été entièrement financée par le projet
européen BioExploit.
Travailler dans le cadre de ce projet européen a été une chance inouïe pour moi : mes
travaux s’inscrivaient dans le domaine de la recherche internationale et j’ai eu régulièrement
la possibilité de les présenter à des chercheurs de grande renommée. Ainsi, j’ai pu poser les
bases d’un réseau de contacts particulièrement riche pour ma future carrière dans le monde
de la recherche. Merci à mes encadrants Véronique et Jean-Eric pour m’avoir donné la
possibilité de m’investir autant dans ce projet.
Je voudrais remercier tous ceux et celles qui m’ont donné un fier coup de main dans les
manips. Du côté de la biomol, il y avait Nadia, Patrick et Anne, qui ont su me faire profiter de
leur expérience dans ce petit monde de l’ADN, ainsi tous les CDD et stagiaires, Véronique
de C., Sandrine, Charline, Sophie R, Sophie E et Morgane, merci beaucoup. Je n’oublie pas,
bien sûr, les personnes qui m’ont aussi aidée de loin, mais énormément. Je pense aux
techniciennes de la plate-forme de génotypage haut-débit de Clermont-Ferrand Marie-Reine,
Audrey, Karine, et Lydia, d’une efficacité redoutable, les pièces maîtresses du projet Joinpot
de marquage de SSR. Ce projet m’aura apporté la chance fantastique de pouvoir collaborer
avec Charles Poncet, le directeur de la plate-forme, d’une énergie communicative
extraordinaire et d’une réactivité exemplaire.
Du côté des plantes, la collaboration est allée jusqu’au bout de la Bretagne où les
techniciens dévoués de l’équipe de l’APBV ont assuré pleinement l’énorme travail de
phénotypage de pomme de terre en serre et au champ. J’ai eu la chance de connaître en
particulier Jean-Paul et Roland. Si on a pu faire parler les QTL, c’est aussi grâce à eux.
Merci aussi à Sylvie pour son soutien, tout au long de la thèse et ses connaissances sur le
monde de la sélection de la pomme de terre qu’elle m’a fait partager.
Merci à Bernard, mon référent « pomme de terre », qui m’a beaucoup appris sur la génétique
de cette espèce un peu spéciale.
Merci à André Moretti pour le temps qu’il a pu me consacrer pour me raconter toutes les
histoires de la tomate et ses résistances.
Merci à Alain Palloix à qui j’ai eu souvent recours pour ses avis et sa grande expertise sur le
piment.
Merci à Stéphanie pour ses conseils en biomol et ses avis très pertinents sur ma thèse.
Un très grand merci à Jean-Baptiste V., mon « maître » de méta-analyse qui n’a pas compté
ses heures pour me guider dans l’utilisation de son logiciel et pour l’adapter à mes données.
Je dois un grand merci à Brigitte et son équipe toulousaine, Sylvain et Thomas pour leur
super accueil et la formation personnalisée à MC-QTL et Carthagene, vraiment, je leur dois
beaucoup. Je pense aussi à Amidou qui n’a pas hésité à me transmettre ses programmes de
données outbreds, merci beaucoup.
Je dois une fière chandelle à Fred, mon statisticien « consacré » qui a passé beaucoup de
temps à m’aider dans le traitement de mes données, parfois assez abracadabrantesques. Je
remercie également toute l’équipe de bioinfo, Jean-Paul, Dominique et Pierre-Yves pour
avoir passé du temps à installer les logiciels et à créer des programmes bien sophistiqués
pour mouliner mes données.
Je remercie très chaleureusement mes parrains de thèse Charles-Eric, Christine et

Catherine pour leurs conseils avisés. Ils m’ont été d’une grande aide dans la prise de
décisions et dans les choix que j’ai du faire tout au long de la thèse.
ii
Aussi, je remercie beaucoup les rapporteurs de cette thèse, Patrick Vincourt et Daniel Prat,
pour leurs commentaires et avis très pertinents.
Mais cette thèse n’aurait jamais vu le jour sans Véronique, qui a été (et est toujours) pour
moi bien plus qu’une encadrante. Notre complicité et la confiance qu’elle m’a donnée étaient
certainement le fil rouge de la thèse, ce à quoi je me raccrochais dans les moments difficiles.
Merci aussi à Jean-Eric, qui, de là où il était, s’est toujours montré disponible. Je n’oublierai
pas son très chaleureux accueil lors de mon déplacement prolongé à Ploudaniel.
Un petit clin d’œil à a SNCF qui a aussi quelque chose à voir avec ma thèse puisque mes
voyages en train se sont révélés très utiles pour avancer sur certaines parties de mon travail.
Enfin, je dois beaucoup à mon entourage, ma famille, mes amis et mon amoureux, qui ont
toujours été là pour moi, jusque dans la dernière ligne droite.
iii
SOMMAIRE
LISTE DES ABREVIATIONS ET ACRONYMES…………………………………………………………..vii
LISTE DES TABLEAUX………………………………………………………………………………… ix
LISTE DES FIGURES…………………………………………………………………………………....x
LISTE DES PHOTOS ET ENCARTS..…………………………………………………………………...xiii
LISTE DES ANNEXES………………………………………………………………………………….XIV
INTRODUCTION GENERALE……………………………………………………………………............1
I CHAPITRE I : SYNTHESE BIBLIOGRAPHIQUE ............................................................................... 3

I.1 Les résistances polygéniques....................................................................................... 4
I.1.1 Que sont les résistances polygéniques ? ............................................................... 4
I.1.2 La durabilité potentielle des résistances polygéniques........................................... 6
I.1.3 Les bases moléculaires possibles des résistances polygéniques..........................11
I.2 Comment détecter les « vrais » QTL ? ........................................................................15
I.2.1 L’évaluation phénotypique des caractères quantitatifs ..........................................17
I.2.2 La cartographie de QTL ........................................................................................20
I.2.3 Vers l’identification des gènes et des changements nucléotidiques responsables du
caractère quantitatif ......................................................................................................30
I.3 La sélection assistée par marqueurs des caractères polygéniques..............................32
I.3.1 Le principe de la SAM et méthodes utilisées.........................................................32
I.3.2 L’efficacité de la SAM et le bénéfice apporté à la sélection phénotypique classique
.....................................................................................................................................34
I.4 L’organisation structurale des locus de résistance chez les plantes et génomique
comparative......................................................................................................................38
I.4.1 Les clusters de gènes de résistance au sein du génome et évolution ...................38
I.4.2 La comparaison de la distribution des locus de résistance entre génomes de
différentes espèces.......................................................................................................41
I.5 Le modèle d’étude : la résistance polygénique des Solanacées aux Phytophthora......51
I.5.1 Les Solanacées ....................................................................................................51
I.5.2 Les Phytophthora : oomycètes phytopathogènes..................................................53
I.5.3 Le mildiou causé par Phytophthora infestans : l’une des maladies majeures de la
pomme de terre ............................................................................................................55
I.5.4 Les interactions Phytophthora/plante ....................................................................61
I.5.5 Les colocalisations des locus de résistance aux Phytophthora .............................64
II CHAPITRE II : MATERIELS ET METHODES ..................................................................................81

II.1 Matériel végétal : populations de pomme de terre ......................................................81
II.1.1 Présentation générale des populations ................................................................81
II.1.2 Les 2 populations de cartographie 96D31 et 96D32.............................................83
II.1.3 Les 4 nouvelles populations 03D : 03D36, 03D39, 03D41, 03D42 .......................85
II.1.4 Témoins pomme de terre.....................................................................................86
II.2 Souches de Phytophthora infestans ...........................................................................86
II.3 Tests de résistance à P. infestans chez la pomme de terre ........................................87
II.3.1 Test sur tige en serre ...........................................................................................87
II.3.2 Test sur feuillage en plate-forme..........................................................................88
II.4 Analyses statistiques ..................................................................................................91
II.5 Marquage moléculaire ................................................................................................93
II.5.1 Extraction d’ADN de pomme de terre...................................................................93
II.5.2 Marqueurs génétiques .........................................................................................93
iv
II.5.3 Amplification des fragments d’ADN par PCR .......................................................95
II.5.4 Traitement des produits PCR après amplification ................................................95
II.6 Génotypage des marqueurs chez la pomme de terre .................................................97
II.7 Construction des cartes génétiques............................................................................98
II.8 Détection de QTL .......................................................................................................99
II.9 Méta-analyse ............................................................................................................101
III CHAPITRE III : DETECTION DE QTL DE RESISTANCE AU MILDIOU DANS LES POPULATIONS 96D31
ET 96D32 AVEC LES TESTS SUR TIGE ET SUR FEUILLAGE ........................................................106
III.1 Introduction du chapitre ...........................................................................................106
III.1.1 La lutte génétique vis-à-vis du mildiou chez la pomme de terre ........................106
III.1.2 Exploration des résistances polygéniques à P. infestans ..................................107
III.1.3 Les modes d’évaluation de la résistance polygénique vis-à-vis du mildiou........108
III.1.4 La cartographie de QTL et les bases génétiques de la résistance polygénique 108
III.2 Article publié ............................................................................................................109
III.3 Synthèse du chapitre ...............................................................................................125
IV CHAPITRE IV : DETECTION DE QTL DE RESISTANCE A P. INFESTANS DANS DES POPULATIONS

CONNECTEES DE POMME DE TERRE IMPLIQUANT L’ESPECE SAUVAGE SOLANUM BERTHAULTII ..127
IV.1 Introduction du chapitre...........................................................................................127
IV.1.1 Une étude exploratoire à deux titres .................................................................127
IV.1.2 Les avantages de la méthode d’analyse conjointe en schéma multi-population128
IV.2 Article en cours de préparation................................................................................129
IV.3 Synthèse du chapitre...............................................................................................154
V CHAPITRE V : META-ANALYSE DE QTL CHEZ LA POMME DE TERRE : ORGANISATION

STRUCTURALE DES QTL DE RESISTANCE AU MILDIOU ET COMPARAISON AVEC LES GENES
MAJEURS ET LES QTL DE MATURITE .....................................................................................155
V.1 Introduction du chapitre............................................................................................155
V.1.1 Nécessité de faire une synthèse des données de QTL chez la pomme de terre155
V.1.2 Les objectifs de la méta-analyse........................................................................156
V.2 Article en cours de préparation.................................................................................157
V.3 Synthèse du chapitre................................................................................................183
VI CHAPITRE VI : DISCUSSION GENERALE ................................................................................185

VI.1 Principaux résultats obtenus ...................................................................................187
VI.1.1 La cartographie de QTL dans des populations INRA selon différentes méthodes
d’analyse ....................................................................................................................187
VI.1.2 La méta-analyse intra-spécifique chez la pomme de terre et espèces
apparentées (section Petota)......................................................................................188
VI.2 Analyse critique des résultats obtenus ....................................................................188
VI.2.1 La potentialité des espèces sauvages apparentées à la pomme de terre en tant
que sources de résistance à P. infestans....................................................................188
VI.2.2 Les avantages des cultivars S. tuberosum .......................................................190
VI.2.3 L’intérêt du test tige pour l’étude de la résistance quantitative au mildiou chez la
pomme de terre ..........................................................................................................190
VI.2.4 L’association maturité-résistance au mildiou chez la pomme de terre...............191
VI.2.5 Les bases moléculaires possibles des QTL de résistance au mildiou chez la
pomme de terre ..........................................................................................................192
VI.2.6 L’utilité des marqueurs communs entre les cartes d’espèces apparentées
proches ou éloignées..................................................................................................192
VI.3 La diversité de l’hôte : le champ des résistances possibles pour sélectionner les plus
durables .........................................................................................................................193
VI.3.1 Diversité structurale : organisation des QTL sur le génome et méthodes de
détection de QTL ........................................................................................................193
v
VI.3.2 Diversité allélique au locus : exploration de la biodiversité par l’étude de
différentes sources de résistance ...............................................................................196
VI.3.3 Exploitation de la diversité en sélection ............................................................199
VI.4 Des pistes pour prédire la durabilité des résistances...............................................203
VI.4.1 Du côté de la plante : le type de gène de résistance.........................................203
VI.4.2 Du côté du pathogène : le pouvoir adaptatif .....................................................204
VI.4.3 La lutte génétique chez la pomme de terre : les nouvelles directions ...............204
VI.5 L’environnement, le garant de la résistance ............................................................205
VI.5.1 L’environnement des gènes de résistance : les réseaux de gènes et
l’épigénétique .............................................................................................................205
VI.5.2 L’environnement de la plante : systèmes et techniques de culture pour une
meilleure gestion des résistances dans l’espace et dans le temps..............................206
VI.6 Vers des modèles de prédiction de la durabilité des résistances.............................207
vi
LISTES DES ABREVIATIONS ET ACRONYMES
ABC : Adénosine triphosphate-Binding Cassette
ACGMs : Amplified Consensus Gene Markers
ACP : Analyse en Composantes Principales
ADN : Acide DesoxyriboNucléique
AFLP : Amplified Fragment Length Polymorphism
AIC : Advanced Inter-Cross
ANCOVA : ANalysis of COVariance
ANOVA : ANalysis Of VAriance
AUDPCr : time-relative Area Under the Disease Progress Curve
BAC : Bacterial Artificial Chromosome
BC : Back-Cross
BIM : Bayesian Interval Mapping
BIOEXPLOIT: BIOdiversity EXPLOITation
BLAST : Basic Local Alignment Search Tool
BLAT : BLAST Like Alignment Tool
BLUP : Best Linear Unbiased Predictor
CAPS : Cleaved Amplified Polymorphic Sequence
CATS : Comparative Anchor Tagged Sequence
CBEL : Cellulose Binding Elicitor Lectin
CI : Confidence Interval
CIM : Composite Interval Mapping
CIP : Centro Internacional de la Papa
CISP : Conserved-Intron Scanning Primers
CM : Carré Moyen
COS : Conserved Ortholog Set
CTAB : Bromure de cétyltriméthylammonium
CWDE : Cell Wall Degrading Enzyme
DPI : Days Post-Inoculation
DRL: Defence-Related Locus
EDTA : Acide d'EthyleneDiaminetraAcetic
ER : Extreme Resistance
EST : Expressed Sequence Tag
FF : Foliage Field
FG : Foliage Greenhouse
GST : Glutathion S-Transferase
HCl : acide Chlorhydrique
HD : Haploïdes-Doublées
HR : Hypersensitive Response
HSP : Heat Shock Protein
IM : Interval Mapping
IND : INDucibility
INRA : Institut National de la Recherche Agronomique
LD : Linkage Desequilibrium
LIS : Legume Information System
LOD : Likelihood of the Odds Ratio
LT : Leaf Test
MABC : Marker-Assisted Back-Cross
MAGIC : Multi-Parent Advanced Generation Inter-Cross
MARS : Marker-Assisted Recurrent Selection
MgCl2 : Chlorure de Magnésium
MIM : Multiple Interval Mapping
MT : Maturity Test
vii
NaCl : Chlorure de sodium
NAM : Nested Association Mapping
NBS-LRR : Nucleotide Binding Site-Leucine Rich Repeat
NCBI : National Center for Biotechnology Information
NIL : Near-Isogenic-Line
ORF : Open Reading Frame
PAMP : Pathogen Associated-Molecular Pattern
PCA : Principal Component Analysis
PCR : Polymerase Chain Reaction
PH : Plant Height
PR : Pathogenesis-Related
PRR : Pattern Recognition Receptor
PV : Plant Vigour
PVY : Potato virus Y
QTL : Quantitative Trait Locus
REC : RECeptivity
RFLP : Restriction Fragment Length Polymorphism
RGA : Resistance Gene Analog
RGL: Resistance-Gene-Like
RIL : Recombinant-Inbred Line
ROS : Reactive Oxidative Species
SAM : Sélection Assistée par Marqueurs
SCAR : Sequence Characterized Amplified Region
SD : Standard Deviation
SGN : Solanum Genomics Network
SML : Statistical Machine Learning
SNP : Single Nucleotide Polymorphism
SP: Sélection Phénotypique
SSCP : Single-Strand Conformational Polymorphism
SSR : Simple Sequence Repeat
ST : Stem Test
STA : STAbility
STS : Sequence Tagged Site
TE : Tris-EDTA
TEV : Tobacco etch virus
TIGR : The Institute for Genomic Research
TMV : Tomato mosaic virus
TS : Tuber Slice
TSWV : Tomato spotted wilt virus
TYLC : Tomato yellow leaf curl
UHD : Ultra-High Density
UV : Ultra-Violet
WGS : Whole Genome Shotgun
WT : Whole Tuber
WUR : Wageningen University and Research center
viii
LISTE DES TABLEAUX
CHAPITRE I
Tableau I.1 Exemples de résistances polygéniques conférant des résistances complètes et

de résistances monogéniques conférant des résistances partielles
Tableau I.2 Exemples de résistances durables et contournées chez trois espèces de

Solanacées
Tableau I.3 Méthodes de détection de QTL et logiciels utilisés
Tableau I.4 Avantages et inconvénients des différents types de schémas de croisement pour
la détection de QTL et la sélection
Tableau I.5 Quelques « Success stories » de la SAM
Tableau I.6 Espèces et croisements des analyses QTL publiées pour la résistance aux
Phytophthora pour l’alignement des cartes de trois Solanacées : pomme de terre, piment et
tomate
CHAPITRE II
Tableau II.1 Tests de résistance au mildiou effectués sur les 6 populations de pomme de
terre
Tableau II.2 Liste des expérimentations intégrées dans la méta-analyse chez la pomme de
terre
CHAPITRE IV
Table IV.1 CAPS markers used for chromosomes IV and V
Table IV.2 Chromosome map compositions at the three population levels
Table IV.3 QTL detection results at the three level of analysis
CHAPITRE V
Table V.1 Initial available potato studies for the QTL meta-analysis for resistance to late
blight and maturity
Table V.2 QTL meta-analysis results
Table V.3 Detailed composition of the most consistent Meta-QTLs for late blight resistance
CHAPITRE VI
Tableau VI.1 Comparaison des méthodes d’analyse de QTL utilisées au cours de la thèse
ix
LISTE DES FIGURES
CHAPITRE I
Figure I.1 Les bases moléculaires possibles des QTL de résistance aux bioagresseurs
Figure I.2 Les 4 grandes classes de gènes majeurs de résistance chez les plantes
Figure I.3 Les méthodes pour détecter les « vrais » QTL
Figure I.4 Puissance de détection de QTL en fonction de la taille de la population et

l’héritabilité, selon nombre de QTL contrôlant le caractère
Figure I.5 Types de populations bi-parentales utilisées pour la détection de QTL
Figure I.6 Synthèse des propriétés des QTL à partir des résultats de 176 expérimentations
chez les plantes
Figure I.7 Schémas de croisements diallèle et factoriel
Figure I.8 Stratégies les plus couramment utilisées pour la détection de QTL selon le temps
de recherche à investir pour les appliquer et la résolution des QTL détectés
Figure I .9 Schéma de croisement d’une population MAGIC
Figure I.10 Vers le clonage de QTL
Figure I.11 Détection des eQTL, exemple pour la résistance polygénique à la rouille chez
l’orge
Figure I.12 Principe de sélection basée sur le back-cross assisté par marqueurs (MABC)
Figure I.13 Pyramidage de QTL en création variétale
Figure I.14 Exemple de sélection SAM pour le rendement du blé chez Limagrain
Figure I.15 Répartition des locus de résistance aux bioagresseurs chez la pomme de terre
Figure I.16 Organisation des gènes de résistance aux bioagresseurs chez les Solanacées
(tomate, piment, pomme de terre)
Figure I.17 Phylogénie des Solanacées
Figure I.18 Les réarrangements chromosomiques entre le piment et la tomate
Figure I.19 Arbre phylogénétique des organismes eucaryotes
Figure I.20 Arbre phylogénétique des Oomycètes
Figure I.21 Cycle biologique de P. infestans
Figure I.22 La série de mouvements migratoires qui ont probablement mené à la dispersion
planétaire de la souche US-1 de Phytophthora infestans
x
Figure I.23 Le dialogue moléculaire de l’interaction pomme de terre/Phytophthora infestans
Figure I.24 Organisation des locus de résistance aux Phytophthora sur le génome des
Solanacées (pomme de terre, tomate et piment)
Figure I.25 Mind-Map du sujet de thèse
CHAPITRE II
Figure II.1 Les 6 populations de pomme de terre utilisées pour la cartographie de QTL de
résistance à P. infestans.
Figure II.2 Généalogie des parents 96D9.13 et 96D.33 des populations 03D
Figure II.3 Test sur feuillage : exemples de courbes d’évolution de la surface foliaire
nécrosée pour des clones présentant différents niveaux de résistance/sensibilité au mildiou
Figure II.4 Sélection des SSR du génome de la pomme de terre
Figure II.5 Algorithme de la procédure de détection de QTL iQTLm
Figure II.6 Schéma de la procédure du logiciel de méta-analyse de QTL Meta-QTL
CHAPITRE IV
Figure IV.1 Crossing design of the 4 connected potato polulations used for the detection of
late blight resistance QTLs
Figure IV.2 Overall map composition at the three population levels
Figure IV.3 Alignment of the chromosome IV maps
Figure IV.4 Frequency distributions of the four traits used for QTL detection, and correlations
Figure IV.5 QTL mapping results at the three levels of the analysis in the four parental maps
Figure IV.5_Addendum QTL mapping results at the three levels of the analysis in the four
parental maps (after threshold recalculation at the ‘multi-population’ level)
CHAPITRE V
Figure V.1 Number of studies and QTL maps that were used in the meta-analysis, as
compared to the initial available studies
Figure V.2 Integrated map molecular description
Figure V.3 Meta-analysis procedure steps: example for chromosome IV
Figure V.4 Meta-analysis results for all 12 potato chromosomes
xi
CHAPITRE VI
Figure VI.1 L’exploration de la diversité des locus des résistances aux Phytophthora selon
deux dimensions
Figure VI.2 Fréquence des effets des QTL inclus dans la méta-analyse de QTL de
résistance au mildiou chez la pomme de terre
Figure VI.3 Distribution des sources de résistances partielles et majeures sur l’arbre
phylogénétique simplifié des espèces Solanum tubéreuses utilisées comme sources de
résistance au mildiou dans les études de cartographie de QTL et gènes majeurs
Figure VI.4 Arbre phylogénétique des Solanacées
xii
LISTE DES PHOTOS ET ENCARTS
CHAPITRE I
Photo I.1 Prise de vue d’Arabidopsis pour l’étude du développement de la plante avec la
caméra de Scanalyzer (technologie LemnaTec)
Photos I.2a et 2b Serre automatisée de plateforme de phénotypage de plants de maïs où

les plantes défilent sur un tapis roulant qui les mêne à la cellule de prise de vue équipée
d’une caméra à ondes multiples (technologie TraitMillTM)
Photos I.3 Feuilles infectées
Photo I.4 Mesure de la longueur de nécrose sur tige en conditions contrôlées pour
l’évaluation de la résistance polygénique aux Phytophthora.
Photos I.5 Symptômes du mildiou (P. infestans) sur tubercule, tige, feuille et plante entière
CHAPITRE II
Photo II.1 Photos des parents des populations 96D utilisés pour les croisements
Photo II.2 Photos des parents S. tuberosum x S. berthaultii (populations 03D) utilisés pour
les croisements
Photo II.3 Test sur tige : inoculation et mesure de la nécrose
Photo II.4 Test sur feuillage en plateforme
LISTE DES ENCARTS

CHAPITRE I
Encart 1 Rcg1, un gène sous-jacent à un QTL cloné appartient à la classe des NBS-LRR
xiii
LISTE DES ANNEXES
CHAPITRE II
ANNEXE II.1 Protocole de multiplication des souches de Phytophthora infestans sur milieu
artificiel
ANNEXE II.2 Lignes de commandes sous R des tests statistiques ANOVA et ANCOVA
ANNEXE II.3 Protocole d’extraction d’ADN à partir de feuilles de pomme de terre en micro-
tubes
ANNEXE II.4 Marqueurs développés et cartographiés pendant la thèse
ANNEXE II.5 Composition du milieu LB
ANNEXE II.6 Noms synonymes des marqueurs pour la méta-analyse
CHAPITRE IV
ANNEXE IV.1 Cartes parentales des populations 03D
Chapitre V
ANNEXE V.1 Integrated potato map marker composition
ANNEXE V.2 Functional integrated potato maps
ANNEXE V.3 Meta-QTL composition
xiv
INTRODUCTION GENERALE
Introduction générale
INTRODUCTION GENERALE
Depuis la domestication des plantes et jusqu’au XIXème siècle, l’homme a sélectionné les
espèces les plus aptes à résister naturellement aux bioagresseurs afin de garder un
rendement satisfaisant aux besoins locaux. Au lendemain des Guerres Mondiales du début
du XXème siècle, le principal objectif de sélection en agriculture des pays en plein
développement économique était de répondre à la demande croissante mondiale. Pour
démultiplier les niveaux de rendement, les pays développés ont eu recours à l’utilisation
massive des produits phytosanitaires, laissant de côté la sélection pour la résistance aux
bioagresseurs. L’agriculture locale a progressivement laissé place à l’agriculture moderne,
répondant aux demandes de plus en plus exigeantes des consommateurs et de l’industrie
qui sont essentiellement basées sur le rendement et la qualité. Cependant, depuis quelques
années, l’observation d’un déséquilibre des écosystèmes dans les milieux agraires et les
changements rapides du climat ont fait prendre conscience de la nocivité des produits
chimiques, dont les pesticides. On assiste actuellement à un retour aux premiers objectifs de
sélection et à la recherche de résistances efficaces et durables intrinsèques à la plante.
Malgré le recul assez faible dont nous disposons aujourd’hui pour prédire l’effet du temps sur
l’érosion des résistances, les quelques études qui ont été rapportées mènent à penser que la
durabilité des résistances serait favorisée par un nombre élevé de gènes, une résistance
partielle et quantitative et un spectre d’action large vis-à-vis de plusieurs souches du
pathogène. Les résistances polygéniques apparaissent comme le type de résistances qui
correspondent le mieux à ces caractéristiques.
Cependant, les résistances polygéniques, de nature complexe, sont difficiles à étudier et

leurs bases génétiques moléculaires sont encore mal connues. Pour arriver à mieux exploiter
ces résistances dans des programmes d’amélioration variétale, il apparaît nécessaire de
1-explorer les ressources génétiques pour connaître les sources de résistances naturelles
utilisables, et 2-déterminer le nombre, l’organisation et la nature moléculaire des gènes qui
les contrôlent. En parallèle, il est important de prendre en compte la variabilité et la fitness du
pathogène face à ces facteurs de résistance, seuls ou en combinaison, afin d’arriver à
mesurer la durabilité des gènes de résistance dans le cadre des processus évolutifs qui
impliquent à la fois l’hôte et le pathogène.
1
Introduction générale
Les travaux de la thèse présentés dans ce rapport ont été réalisés du côté de la plante, sur
le modèle d’étude Solanacées/Phytophthora. L’objectif de la thèse est d’établir
l’organisation structurale des locus de résistance à Phytophthora infestans sur le génome de
la pomme de terre. Cela implique de participer à l’exploration de nouvelles sources de
résistance chez des espèces sauvages apparentées à la pomme de terre et suggère l’étude
des relations de synténie avec les locus de résistance aux Phytophthora identifiés chez
d’autres Solanacées.
La thèse a été effectuée dans le cadre du projet européen BioExploit (FP6) dont l’objectif est
de mieux exploiter la biodiversité naturelle pour la résistance aux bioagresseurs. La thèse a
été menée au sein de deux équipes de l’INRA dont la thématique de recherche porte sur la
compréhension des bases génétiques et moléculaires des résistances polygéniques aux
Phytophthora chez les Solanacées, à l’unité de Génétique et d’Amélioration des Fruits et
Légumes de l’INRA d’Avignon et à l’unité d’Amélioration des Plantes et Biotechnologies
Végétales de l’INRA de Ploudaniel ; l’équipe de Ploudaniel se concentre en particulier sur les
bases génétiques de la résistance partielle à P. infestans chez la pomme de terre.
Ce manuscrit est organisé en six chapitres.

Le chapitre I est une synthèse bibliographique qui présente les résistances polygéniques,
leurs natures possibles, les méthodes utilisées pour leur évaluation et leur exploitation en
amélioration variétale, et les outils de comparaison de génomes, afin de situer le contexte de
recherche du modèle d’étude utilisé, le couple Solanacées/Phytophthora.
Le chapitre II récapitule les matériels et méthodes utilisés au cours de la thèse qui sont
ensuite détaillés dans les chapitres de résultats.
Les chapitres III et IV présentent les résultats de cartographie de locus de résistance partielle
polygénique à P. infestans chez la pomme de terre selon deux méthodes de détection. Le
chapitre V présente les résultats de la méta-analyse intra-spécifique des locus de résistance
chez la pomme de terre (génome entier).
Les résultats obtenus sont récapitulés et discutés dans le chapitre VI qui propose aussi des
pistes de recherches futures.
2
CHAPITRE I
SYNTHESE BIBLIOGRAPHIQUE
Synthèse bibliographique
I CHAPITRE I : SYNTHESE BIBLIOGRAPHIQUE
L’observation chez certains pathosystèmes du contournement rapide des résistances

monogéniques, contrôlées par un seul gène majeur, après leur déploiement dans les
cultures, a provoqué un regain d’attention vis-à-vis des résistances polygéniques, contrôlées
par plusieurs gènes. Cependant, la complexité inhérente aux résistances polygéniques rend
leur étude délicate et de nombreux moyens ont été investis ces trente dernières années pour
arriver à mieux comprendre leurs bases génétiques et moléculaires.
Dans ce chapitre, nous tentons dans une première partie de comprendre ce que sont les
résistances polygéniques et en quoi elles seraient durables en rapportant différentes
hypothèses sur leurs bases moléculaires proposées dans la littérature. Pour aider à bien
décrire les locus qui contrôlent les résistances polygéniques et pour mieux les exploiter en
création variétale, une deuxième partie est consacrée aux méthodes qui permettent de les
localiser avec fiabilité sur les cartes génétiques et d’évaluer leurs effets avec précision. La
troisième partie présente la sélection pour les résistances polygéniques et plus précisément
la sélection assistée par marqueurs. Un autre moyen de compréhension des résistances
polygéniques est d’arriver à retracer leur évolution dans l’histoire évolutive des espèces, et
pour cela, il est intéressant d’étudier l’organisation structurale des locus qui les contrôlent au
niveau du génome de l’espèce et à travers les génomes d’espèces apparentées avec la
génomique comparative, ce qui fait l’objet de la quatrième partie. Enfin, la cinquième partie
présente le modèle d’étude qui a été utilisé dans le cadre la thèse pour tenter de répondre à
un certain nombre de ces questions ; il s’agit du couple Solanacées/Phytophthora et en
particulier du pathosystème pomme de terre/P. infestans.
3
I.1 Les résistances polygéniques
I.1.1 Que sont les résistances polygéniques ?
La résistance polygénique est, par définition, une résistance contrôlée par plusieurs gènes.
Elle est souvent caractérisée par comparaison avec la résistance monogénique, contrôlée
par un seul gène. Ces deux types de résistance font régulièrement l’objet d’une dualité qui
résulte des antonymes utilisés pour les caractériser, selon le critère de comparaison. Par
exemple, on trouve des oppositions entre :
-« gènes majeurs » versus « gènes mineurs », pour décrire en génétique les bases de ces
résistances et de leurs effets ;
-réponse « complète » versus « incomplète / partielle », si l’on s’intéresse, au niveau du
phénotype de la plante, au degré d’expression de la résistance ;
-résistance « verticale » versus « horizontale » ou bien « qualitative » versus « quantitative »,
lorsque l’on fait référence en statistiques à la distribution de la fréquence des plantes
sensibles et résistantes en ségrégation dans une population ;
-résistance « race-spécifique » versus « à large spectre », pour définir en épidémiologie
l’étendue de la gamme de races des agents pathogènes vis-à-vis desquels la résistance est
efficace.
Ces caractéristiques peuvent en fait se combiner indépendamment du type de contrôle
génétique de la résistance, qu’il soit monogénique ou polygénique. Il existe ainsi un
continuum de résistances dont les nombreuses configurations possibles résultent de
plusieurs facteurs : 1- la cartographie des gènes/locus sur des cartes génétiques qui permet
de les dénombrer (1 gène, quelques gènes ou de nombreux gènes), 2- le choix des parents
pour le croisement d’étude qui détermine le nombre de gènes qui ségrègent et qui contrôlent
la résistance observée dans la population, 3- les gènes partenaires ou les interactions
épistatiques entre les locus responsables, 4- l’évaluation phénotypique utilisée selon qu’elle
classe les individus en résistants ou sensibles, ou qu’elle mesure le caractère
quantitativement, 5- l’environnement comprenant le climat, les conditions contrôlées
appliquées, les races de pathogène utilisées pour les tests de résistance et 6- le stade de
développement de la plante, ces trois derniers facteurs pouvant influencer le niveau
d’expression et donc la détection du ou des locus.
Des exemples de résistances monogéniques conférant une résistance partielle sont celles
contrôlées par XA21D chez le riz pour la résistance à Xanthomonas oryzae pv oryzae et RB
chez la pomme de terre pour la résistance à Phytophthora infestans. Des exemples de
résistances polygéniques totales sont la résistance au potyvirus Potato virus Y chez le
4
piment (Caranta et al. 1997) avec la détection de QTL isolat-spécifiques et non-spécifiques,

et la résistance à la pyriculariose chez le riz (Wang et al. 1994) (Tableau I.1).
Tableau I.1 Exemples de résistances polygéniques conférant des résistances complètes (a)
et de résistances monogéniques conférant des résistances partielles (b)
(a)
Gènes ou Espèce Pathogène Caractéristiques de la résistance Référence
QTL
5 locus riz Pyricularia oryzae Des sous-groupes d’individus de la Wang et al.

population d’étude ont été utilisés pour 1994
déterminer les facteurs de résistance
complète d’une part, et partielle d’autre
part. Pour la résistance complète, 5
locus avec interactions épistatiques ont
été détectés. Les individus résistants
ont un spectre d’action large, vis-à-vis
de 5 isolats différents. Le QTL
présentant l’effet le plus fort explique
25% de la variation pour la résistance
complète.
2
pvr2 +Pvr6 piment Potato Virus Y 5 QTL sont impliqués dans la Caranta et
(PVY) résistance complète à l’isolat de PVY al. 1997
To72. Parmi eux, certains QTL sont
isolat-spécifiques et d’autres non-
spécifiques. Ils expliquent jusqu’à 59%
de la variabilité observée.
(b)
Gène Espèce Pathogène Caractéristiques du gène Référence
Xa21D riz Xanthomonas XA21D code pour une protéine dont la Andaya et
oryzae pv oryzae séquence prédite contient un peptide Ronald
(membre (bactérie) signal et un domaine LRR ; 2003
de la reconnaissance spécifique ; hypothèse
famille du d’une autre molécule partenaire qui
gène complémenterait partiellement l’absence
Xa21) du domaine kinase présent chez la
protéine Xa21 et activant ainsi une seule
des 2 voies de signalisation menant à la
résistance totale.
RB pomme Phytophthora RB appartient à la classe des NBS- Bhaskar et
de terre infestans LRR ; spectre large ; retard dans al. 2008
(oomycète) l’apparition des symptômes ; rôle du
gène partenaire Sgt1 dans la variation
de la résistance ; Sgt1 est connu pour
être impliqué dans les résistances
médiées par les gènes de résistance
spécifiques et complètes de type NBS-
LRR et Pto-kinase.
Cependant, les configurations de résistances les plus souvent décrites sont les résistances
monogéniques/totales/qualitatives qui sont souvent race-spécifiques et les résistances
polygéniques/partielles/quantitatives contrôlées par des QTL (Quantitative Trait Locus) qui
5
sont souvent à large spectre. Dans ce rapport, nous considèrerons les résistances
polygéniques comme toutes les formes de résistances contrôlées par plusieurs locus, définis
comme QTL. Les résistances monogéniques désigneront quant à elles toutes les résistances
qui ne sont contrôlées que par un seul gène, appelé gène majeur, qui confère une résistance
qualitative et totale.
I.1.2 La durabilité potentielle des résistances polygéniques
Selon Johnson (1979, 1981), une résistance est durable si elle est efficace pendant une
longue durée, sur de grandes surfaces de culture et dans des conditions favorables au
développement du bioagresseur. On parle de contournement lorsque de nouveaux variants
virulents ont été sélectionnés par le gène de résistance, se sont développés et provoquent
des dommages importants à l’échelle d’une région, d’un pays ou au-delà, rendant ainsi la
résistance du gène inefficace. La majorité des cas de contournement de résistance
rapportés concernent les résistances monogéniques. Ces contournements peuvent avoir lieu
quelques années seulement après le déploiement des gènes de résistance dans les
cultures, 5 à 7 ans par exemple pour les gènes majeurs de résistance à Phytophthora
infestans chez la pomme de terre (Tableau I.2).
6
Tableau I.2 Exemples de résistances durables et contournées chez trois espèces de

Solanacées (informations communiquées par André Moretti et René Damidaux pour la tomate, Alain Palloix
pour le piment, Jean-Eric Chauvin pour la pomme de terre)
1
Espèce Agent pathogène* Gène de Statut de la résistance
résistance
piment potyvirus (V) Pvr4 durable (toujours utilisé)
1
potyvirus (V) pvr2 durable mais perd de son efficacité
localement (toujours utilisé)
2
potyvirus (V) pvr2 contourné par TEV
1
tomato mosaic virus (V) L durable (toujours utilisé)
2
pepper veinal mottle virus (V) L contourné
3
pepper veinal mottle virus (V) L durable (toujours utilisé)
tomato spottle wild virus (V) Tsw contourné
Xanthomonas campestris pv. Bs1, Bs2, Bs3 contournés
vesicatoria (B)
Meloidogyne spp. (N) N durable (toujours utilisé)
pomme virus Y(V) Ny contourné
de terre virus Y, virus A (V) Rysto durable
virus Y (V) Ryadg durable
3 4
virus X (V) Nb, Nx contournés par les souches X et X
virus X (V) Rxadg, Rxacl durables
virus S (V) Nsadg durable
virus A (V) Na durable
Globodera rostochiensis (N) H1 durable
Globodera pallida (N) Gpa2 contourné mais encore localement efficace
suivant les populations du parasite
Phytophthora infestans (O) R1-R3-R4-R6- contournés
R7-R10-R11
Phytophthora infestans (O) R2-R5-R8-R9 localement contournés mais pouvant
encore apporter un avantage dans
certaines conditions de culture
Phytophthora infestans (O) Rpi-blb1, Rpi- débuts de contournement
blb3
Synchytrium endobioticum (C) P1 à P9 contournés (certains gènes continuent à
apporter un avantage localement)
tomate tomato mottle virus (V) Tm-1 contourné
tomato spotted wilt virus(V) Sw-5 durable (très utilisé)
Macrosiphum euphorbiae (I), Meu1/Mi-1 contourné (toujours utilisé)
Meloidogyne incognita (N),
aleurodes
Cladosporium fulvum (C) Cf-2, Cf-4, Cf-5, contourné (plusieurs gènes encore utilisés
Cf-9 en combinaison)
Fusarium oxysporum I-2, I-3 durable (I-3 très utilisé)
lycopersici (C)
Pseudomonas (B) Pto durable (très utilisé)
Verticillium dahliae (C) Ve1, Ve2 durable (très utilisé)
Fusarium oxysporum f.s. Frl durable (très utilisé)
radicis lycopersici (C)
Stemphylium (C) Sm durable
Phytophthora infestans (O) Ph-1, Ph-2, Ph- contournés (Ph-2 encore utilisé et efficace
3 en combinaison avec certaines techniques
culturales)
Pyrenochaeta lycopersici (C) pyl contourné, récessif, peu utilisé
*Le type de pathogène est indiqué entre parenthèses : I pour insecte, C pour champignon, N pour nématode, O
pour oomycète, B pour bactérie, V pour virus
1
Une résistance est considérée ici comme durable si des infections n’ont jamais ou très rarement été observées
(dans le temps et l’espace) et si le gène de résistance est toujours largement utilisé en création variétale
7
La durabilité des résistances est liée à plusieurs facteurs qui dépendent à la fois de la plante
et du pathogène. Du côté de la plante, la durabilité dépend :
-du type de réponse de défense, c’est-à-dire si les symptômes sont bien visibles, si la
réponse s’exprime de manière qualitative ou quantitative, si elle est partielle ou complète et
dans ce dernier cas, si elle est hyper-sensible nécrotique locale (HR pour Hypersensitive
Response) ou d’extrême résistance (ER) quand aucun symptôme n’est observé suite à
l’attaque du pathogène;
-du spectre d’action de la résistance (large ou étroit) ;
-du type de facteurs de résistance en présence (gènes majeurs ou QTL) et s’ils sont
combinés ;
-du déterminisme des gènes de résistance (dominance ou récessivité) ;
-du niveau de la pression de sélection exercée par les gènes sur le pathogène ;
-de la répartition des gènes dans l’espace de culture.
Du côté du pathogène, la durabilité dépend :
-du coût de fitness que doit subir le pathogène pour contourner la résistance
(Parlevliet 2002) ;
-du ‘potentiel évolutif’ du pathogène, c’est-à-dire sa capacité à évoluer et à se diversifier
rapidement suite à des mutations ou recombinaisons (McDonald et Linde 2002), il dépend
donc notamment de son mode de reproduction, sexuée ou asexuée ;
-de la gamme d’hôtes du pathogène, large ou étroite;
-du type d’infection du pathogène, sur tissu vivant (biotrophe), ou sur tissu mort
(nécrotrophe), ou les deux indifféremment (facultatif) ;
Ainsi, les résistances vis-à-vis des pathogènes à gamme d’hôtes étroite, souvent biotrophes
ou hémi-biotrophes sont généralement plus durables si elles sont partielles (Jonhson 2000).
Dans le cas des maladies causées par les champignons biotrophes, les résistances sont
d’autant moins durables qu’elles sont race-spécifiques, et s’expriment sous la forme d’une
HR. Dans ce cas, la rapidité de contournement est due conjointement à la capacité du
pathogène à se diversifier (mutation ou recombinaison) et à la forte pression de sélection
spécifique du gène de résistance qui s’exerce sur le pathogène. Bien qu’également
contournés, les gènes de résistance aux virus sont globalement plus durables que ceux qui
contrôlent les résistances vis-à-vis des autres organismes pathogènes (Garcia-Arenal et
McDonald 2003).
Il existe quelques cas de résistances monogéniques encore jamais contournées comme
celles qui contrôlent la rouille noire (gène Sr2) et la rouille brune (gène Lr34) chez le blé, le
virus PVY (Potato virus Y) chez le piment (gènes Pvr4 et pvr22), l’oïdium chez l’orge (gène
mlo) et le nématode à kyste Globodera rostochiensis chez la pomme de terre (gène H1).
8
Cependant, l’observation de la performance de cultivars exprimant différents types de

résistances a permis d’avancer l’hypothèse que les résistances polygéniques/quantitatives/à
large spectre seraient plus durables que les résistances monogéniques/qualitatives/race-
spécifiques (Parlevliet 2002). Pour certains pathosystèmes, en particulier pour les maladies
causées par les pathogènes nécrotrophes ou hémi-biotrophes, la résistance polygénique,
quantitative, est la seule forme de résistance efficace. Ainsi pour le pathosystème piment/
Phytophthora capsici, la seule résistance connue et exploitée dans les programmes de
sélection est polygénique. Le paradigme qui réside derrière ces observations est que les
effets individuels des locus contrôlant les résistances polygéniques sont relativement faibles
par rapport à ceux des gènes majeurs des résistances monogéniques, et la pression de
sélection de nouveaux variants virulents est moins forte. De plus, si on suppose qu’une
résistance résulte d’une somme d’interactions gène-pour-gène, pour surmonter les
résistances polygéniques, le pathogène doit combiner par recombinaison ou par mutation
toutes les virulences correspondant aux gènes de résistance, ce qui diminue beaucoup la
probabilité du contournement (Lindhout 2002). Ce raisonnement est d’ailleurs applicable
pour les gènes pyramidés. Cependant, un cas d’anéantissement de résistance polygénique,
décrit comme un contournement, a déjà été observé chez l’hévéa lors d’une expérience au
laboratoire (Le Guen et al. 2007). Au cours de cette étude, des souches du champignon
Microcyclus ulei, peu agressives à très agressives, avec des niveaux de sporulation
différents, ont été utilisées pour la cartographie de QTL dans une population d’hévéa. Avec
une souche très agressive, tous les individus de la population se sont montrés très
sensibles. La durabilité des résistances polygéniques n’est donc pas systématique pour tous
les pathosystèmes et leur évaluation doit être effectuée au cas par cas avec des études à
grande échelle dans le temps et dans l’espace.
L’étude de différentes stratégies de gestion des résistances a montré l’avantage de la
combinaison des deux types de contrôles génétiques par des gènes majeurs et des QTL au
sein d’une même plante. Cette stratégie procurerait l’efficacité des résistances complètes
conférées par les gènes majeurs et, dans le cas où les gènes majeurs seraient contournés,
les QTL prendraient le relais et assureraient la pérennité de la résistance. D’après les
résultats obtenus au laboratoire pour la résistance à la rouille chez l’orge (Castro et al.
2003), il apparait que cumul des deux types de résistance renforcerait significativement la
durabilité de la résistance de la plante. Chez le piment, l’association de QTL à effets mineurs
avec le gène récessif pvr23 de résistance vis-à-vis du virus PVY permet de réduire la
fréquence de contournement de pvr23, comparativement au cas où seul ce gène est présent
(Palloix et al. 2009). La présence de QTL dans le fond génétique diminuerait la pression de
sélection sur les variants virulents et éviterait l’émergence de ces derniers dans la population
virale. Dans le cas de la résistance à la pyriculariose (Magnaporthe grisea) et d’une
9
bactériose (Xanthomonas oryzae pv. oryzae) chez le riz, les programmes de sélection sont
déjà basés sur la combinaison des deux types de résistances (Poland et al. 2009). Chez la
pomme de terre, d’anciennes variétés au bon niveau de résistance partielle comme ‘Maritta’
et la nouvelle variété ‘Coquine’ combinent des gènes majeurs de résistance avec des QTL
(communication J.-E. Chauvin).
A l’heure où le déploiement des gènes majeurs s’accélère par la diffusion large et rapide des
semences à travers le monde, où les mouvements de populations participent à la
dissémination des pathogènes d’un continent à l’autre, où les restrictions de produits
chimiques deviennent drastiques pour préserver l’environnement, les résistances durables
sont de plus en plus recherchées. Il apparaît donc aujourd’hui nécessaire de mieux
comprendre les mécanismes mis en œuvre par les résistances polygéniques et, en
particulier, de déterminer les facteurs qui en sont à l’origine, leur exploitation dans les
programmes de sélection en sera d’autant plus efficace.
10
I.1.3 Les bases moléculaires possibles des résistances polygéniques
Alors que la bibliographie rapporte une multitude d’études sur le clonage de gènes majeurs
et sur les interactions moléculaires plante-pathogène des résistances monogéniques, très
peu de données existent sur les bases moléculaires des résistances polygéniques. Les
résultats rapportés dans la littérature, dont les quelques cas de clonage de QTL, donnent
lieu à différentes hypothèses (Figure I.1), proposées ci-après.
Gènes de
reconnaissance
spécifique NBS-
LRR
Gènes liés au
développement
de la plante Gènes de
LOD score
défense
?
Gènes
impliqués dans
la transduction Autre?
du signal
Distance génétique (cM)
Figure I.1 Les bases moléculaires possibles des QTL de résistance aux bioagresseurs
a- Les gènes des résistances polygéniques codent pour les protéines qui
interagissent étroitement avec les effecteurs : NBS-LRR et facteurs d’initiation de la
traduction.
Les gènes majeurs des résistances monogéniques clonés ont été classés en 4 grandes
classes d’après la présence de domaines moléculaires particuliers (Figure I.2). La plus
grande classe contient les gènes aux motifs NBS-LRR (Nucleotide Binding Site-Leucine Rich
Repeat), impliqués dans la reconnaissance des effecteurs des agents pathogènes ou ayant
des fonctions liées et qui sont souvent à l’origine du déclenchement de la réponse
hypersensible (HR pour Hypersensitive Response). Les gènes majeurs des autres classes
ont des motifs kinase, LRR et LRR-kinase associés.
11
N STK C 1 Pto
N LRR STK C 2
N LRR C 3 Cf- genes, Ve
N NB LRR C
Cluster sur T6
Mi, Prf, I-2, Sw-5,

N CC NB LRR C 4 Tm-2, Tm-2², Hero
Compartiment
extra-cellulaire N TIR NB LRR C Bs4
Cytoplasme
TIR Toll IL 1 receptor
NB LRR STK
CC Leucine-zipper = coiled-coil
Leucine Domaine Serine
Nucleotide Rich Motif hydrophobe
Trans- Threonine
Binding Repeat Membranaire Kinase Peptide signal
Site
Figure I.2 Les 4 grandes classes de gènes majeurs de résistance chez les plantes
(d’après la diapositive de V. Lefebvre, présentation BioExploit SummerSchool le 20/06/2008)
Les classes ont été constituées en fonction de la présence ou l’absence de domaines particuliers (CC, NBS,
LRR, TIR ou kinase) positionnés à l’extrémité N ou C-terminal de la protéine codée. Des exemples de ces gènes
clonés chez la tomate sont indiqués à droite de la figure. Les gènes Cf de résistance au champignon
Cladosporium fulvum et Mi de résistance aux nématodes, pucerons et aleurodes colocalisent sur le chromosome
T6 de la tomate.
Des colocalisations entre gènes majeurs et QTL ont été observées chez différentes espèces
comme le riz, le maïs et la pomme de terre (Wang et al. 1994 ; Xiao et al. 2007 ; Gebhardt et
Valkonen 2001). Les séquences analogues à des gènes majeurs (RGA pour Resistance
Gene Analogs), cartographiées par NBS-profiling ou RGA-PCR colocalisent aussi avec des
QTL chez de nombreuses espèces dont le piment (Pflieger et al. 1999), le Prunus (Decroocq
et al. 2005) et le pommier (Calenge et al. 2005b). De plus, comme pour les gènes majeurs,
certains QTL sont isolat- ou race-spécifiques, par exemple chez le piment (Caranta et al.
1997), l’orge (Parlevliet 1978 ; Marcel et al. 2007), le melon (Perchepied et al. 2005) et le
pommier (Calenge et al. 2004).
Ces observations suggèrent que les gènes sous-jacents aux QTL auraient des
caractéristiques communes avec les gènes majeurs, que ce soit au niveau de leur nature
moléculaire ou de leur fonction. Cette hypothèse est confirmée par la caractérisation
moléculaire d’un QTL de résistance polygénique à l’anthracnose chez le maïs dont le gène
sous-jacent, Rcg1, appartient à la classe des NBS-LRR (Broglie et al. 2008) (Encart 1). De
même, un variant allélique (pvr23) du gène majeur récessif pvr21 a été détecté comme un
QTL (Caranta et al. 1997 ; Ruffel et al. 2002). L’allèle récessif pvr23 explique une part
12
importante de la variabilité phénotypique (jusqu’à 62%) et code, comme pvr21, pour un

facteur d’initiation de la traduction (eIF4E). Une mutation chez l’allèle de résistance ne
permet plus l’interaction avec la protéine virale (VPg) et empêche la multiplication du virus
dans la plante.
Encart 1 Rcg1, un gène sous-jacent à un QTL cloné appartient à la classe des NBS-LRR
(Broglie et al. USA Pioneer patent)
Clonage positionnel d’un QTL de résistance à l’anthracnose du maïs
L’anthracnose du maïs, causée par le champignon pathogène Colletotrichum graminicola, est

l’une des plus importantes maladies du maïs dans le monde. En utilisant des données de
phénotypage et de génotypage d’une grande population de cartographie, ainsi que les données
de bases publiques et privées de cartes génétiques et physiques, la région du QTL a pu être
restreinte à 2 BAC. En utilisant des sondes « overgo » dérivées des séquences de ces BAC, un
gène candidat, Rcg1, présentant des homologies avec des gènes de résistance chez le riz, a été
trouvé. La validation de ce gène a été réalisée par une stratégie « knockout ». (Wolters et al.
2006). Ce gène code pour une protéine de type NBS-LRR. Sa fonction exacte n’a pas été
rapportée (Broglie et al. 2008).
Ces observations abondent dans le sens d’une proposition suggérée par Niederhauser
inspirée des travaux de Flor (1971) sur les interactions spécifiques gène-pour-gène (Turner
2008). Selon cette proposition, chaque gène majeur de résistance spécifique monogénique
confère à la plante la capacité à reconnaître un effecteur du pathogène libéré dans les
cellules pendant l’invasion et à répondre rapidement à l’infection en développant des
mécanismes de défense spécifiquement adaptés ou généraux. Lorsque de nouvelles races
de pathogènes apparaissent, suite à des variations génétiques qui suppriment cet effecteur
du répertoire du pathogène, le rôle du gène majeur correspondant, qui servait de sentinelle
d’alerte pour initier la réponse HR, est ainsi neutralisé. Cependant, d’autres formes de
défense, moins rapides et moins ciblées peuvent prendre le relais, notamment dans le cas
d’une moins bonne affinité entre l’effecteur du pathogène et la protéine de reconnaissance
de la plante, constituant ainsi la résistance partielle. La réponse spécifique HR serait donc
une forme très accélérée des réactions de défense non-spécifiques et universelles chez les
plantes.
b- Les gènes des résistances polygéniques sont impliqués dans les voies de
signalisation.
Les gènes impliqués dans les voies métaboliques des phyto-hormones sont souvent des
gènes impliqués dans les mécanismes de défense en aval de la reconnaissance du
pathogène. Un gène sous-jacent à un QTL de résistance polygénique à Magnaporthe grisea
et Xanthomonas oryzae pv. oryzae chez le riz est un gène qui possède un domaine WRKY
13
et qui code pour un facteur de transcription impliqué dans les voies de signalisation régulées
par l’acide salicylique et l’acide jasmonique (Qiu et al. 2007).
c- Les gènes des résistances polygéniques sont impliqués dans d’autres mécanismes
de défense de la plante.
De nombreux cas de gènes de défense PR (Pathogenesis-Related) colocalisent avec des
QTL (Xu et al. 2007 ; Pflieger et al. 2001). En particulier, des membres de la famille des
glutathion S-transferases (GST), au rôle protecteur des cellules végétales pendant le
dialogue moléculaire avec le pathogène, colocalisent avec des QTL de résistance chez le riz
(Dean et al. 2005). Des gènes candidats positionnels de QTL de résistance à Puccinia
hordei chez l’orge sont des gènes de défense identifiés comme étant des peroxydases, une
superoxide dismutase et une thaumatine impliquées dans les mécanismes de défense de la
plante (Marcel et al. 2007).
Le gène Lr34, sous-jacent à un QTL de résistance oligogénique à la rouille du blé a été cloné
et caractérisé comme étant un transporteur ABC (adénosine triphosphate-binding cassette)
dont la fonction reste encore à déterminer. Son homologue le plus proche chez Arabidopsis
serait impliqué dans la translocation dans l’apoplaste de composés toxiques dérivant des
glucosinolates (Krattinger et al. 2009).
d- Les gènes des résistances polygéniques sont liés au stade de développement de la

plante.
Des QTL de résistances polygéniques peuvent être liés au stade de développement de la
plante. Cela suggère une expression différentielle dans le temps des gènes sous-jacents aux
QTL et donc sur une action de régulation, ce qui ne présuppose pas l’implication de gènes
de type NBS-LRR, connus pour être davantage impliqués dans la reconnaissance spécifique
du pathogène. Dans le cas de la résistance à la rouille jaune chez le blé, des QTL différents
été détectés aux stades jeune et adulte (Mallard et al. 2005 ; Uauy et al. 2005). La résistance
à haute température à la rouille jaune du blé au stade adulte est polygénique et la plus
grande part de la variation observée est expliquée par un QTL dont la présence dans les
lignées isogéniques permet d’augmenter le rendement de 15% (Uauy et al. 2005). Le gène
sous-jacent à ce QTL, Yr36, code pour une protéine comportant un domaine kinase et un
domaine START de liaison aux lipides (Fu et al. 2009). Sa fonction précise est encore
inconnue. Chez le tabac, les QTL de résistance à Phytophthora nicotianae sont détectés au
stade de floraison (Hugot et al. 2004).
Chez la pomme de terre, la résistance polygénique à Phytophthora infestans est très
souvent associée à la maturité de la plante, les génotypes les plus tardifs étant très souvent
les plus résistants. Au niveau génétique, on observe plusieurs colocalisations de QTL de
14
maturité avec des QTL ou gènes majeurs de résistance à P. infestans, en particulier au

niveau d’un cluster de gènes du chromosome V. Des études supplémentaires sont
nécessaires pour déterminer les relations entre les gènes responsables de ces deux
caractères (Visker et al. 2003 ; Bormann et al. 2004 ; Bradshaw et al. 2004 ; Visker et al.
2005).
e- Les résistances polygéniques sont contrôlées par des gènes à la nature

moléculaire encore inconnue
Parmi les QTL de résistance à la pyriculariose du riz clonés, le locus récessif pi21 n’a
aucune homologie avec un gène majeur de résistance ni même avec un gène de défense
connu (Fukuoka et Okuno 2001). De même, un autre QTL, pi34, cartographié dans un
segment de 65kb n’a pas d’homologie avec des gènes de défense connus (Zenbayashi-
Sawata et al. 2007).
Quelques hypothèses sur la nature des gènes responsables des résistances polygéniques
ont donc pu être confirmées par le clonage effectif de QTL. Ces premiers résultats montrent
que les gènes sous-jacents aux QTL des résistances polygéniques peuvent être les mêmes
que ceux contrôlant les résistances monogéniques mais laissent également supposer que
d’autres types de déterminants génétiques puissent contrôler les résistances polygéniques.
Pour continuer à avancer dans la compréhension des bases moléculaires des résistances
polygéniques et pour faciliter leur exploitation en création variétale, il est nécessaire d’utiliser
des méthodes fiables et précises de détection des locus qui les contrôlent.
I.2 Comment détecter les « vrais » QTL ?
Les caractères polygéniques s’expriment très généralement sous une forme quantitative
dans une population en ségrégation, les locus responsables étant ainsi définis comme des
QTL (Quantitative Trait Locus). La détection de tous les QTL contrôlant un caractère
polygénique dépend de la fiabilité et de la précision des différentes étapes qui aboutissent à
leur identification. Ces étapes vont du phénotypage des plantes à la localisation des QTL sur
le génome, en passant par la mise en place des schémas de croisements et des outils
statistiques de détection de QTL. Les choix effectués à ces différentes étapes doivent être
optimaux pour expliquer de la manière la plus complète possible la variabilité génétique
responsable de la variabilité phénotypique observée. L’ensemble de ces étapes est
présentée sur la Figure I.3.
15
1-Evaluation phénotypique Le phénotypage des individus de

la population d’étude est
obtenir un moyen d’évaluation fiable, complet, déterminant pour obtenir une
reproductible et facile à mettre en oeuvre héritabilité forte et stable,
Dispositif expérimental Mesure du caractère quelque soit l’environnement. En
analyse de liaison, le facteur
répétitions dissection en composantes simples limitant est la variabilité allélique.
schéma/design témoins
(espace, temps) (dans le temps, selon l’organe ou les tissus etc.) Il faut opter pour des plans de
Explication fiable et complète de la variation génétique responsable croisement qui optimisent la
de la variation phénotypique observée (forte héritabilité) puissance de détection de QTL,
réduisent le risque de détecter de
ANALYSE de LIAISON ANALYSE d’ASSOCIATION faux-positifs et maximisent le
polymorphisme. En analyse
2- Schémas de croisement 2- Population naturelle d’association, la contrainte
maximiser le taux de polymorphisme population non structurée, fort majeure est de minimiser la
déséquilibre de liaison structuration de la population.
populations bi-parentales croisements connectés Les méthodes de détection de
QTL mises au point en analyse
Pseudo-F1 Plan diallèle Plan factoriel de liaison sont variées. Leur
(parents hétérozygotes) choix dépend beaucoup du type
F2 BC RIL HD de croisement adopté, du
(lignées parentales) dispositif expérimental, de la
3- Méthodes de détection des QTL densité de marqueurs dont on
choix de la méthode la plus fiable et la mieux adaptée au dispose et de la précision de
schéma de croisement/stratégie de cartographie détection de QTL que l’on
souhaite obtenir. Certains points
ATTENTION
ANOVA IM CIM MIM analyse conjointe génétique d’association sont à considérer avec attention
Interactions avec Distorsion lors de l’interprétation des
Analyse en pedigree Epistasie
environnement et ségrégation des résultats dont les interactions
Meta-analyse fond génétique marqueurs épistatiques. Si l’ensemble de
ces conditions sont respectées,
on peut avoir confiance dans les
QTL détectés et avoir une idée
-cartographie des « vrais » QTL précise de leurs effets. Les QTL
-réduction de l’intervalle de confiance aux effets les plus forts, peuvent
alors faire l’objet d’analyses
Approche gènes candidats à partir des bases de données disponibles approfondies, notamment le
clonage du ou des gènes sous-
Clonage positionnel : densification en marqueurs de la zone des QTL (bases de séquences, synténie), analyses d’haplotypes jacents.
Figure I.3 Les méthodes pour détecter les « vrais » QTL
16
I.2.1 L’évaluation phénotypique des caractères quantitatifs
I.2.1.1 La mesure précise du caractère
La fiabilité de la détection de QTL est tout d’abord conditionnée par une évaluation
phénotypique précise du caractère. Pour certains caractères quantitatifs tels que le
rendement, l’évaluation peut se faire avec des outils de mesure relativement simples à
utiliser et précis (balance pour mesurer le poids par exemple). Cependant, pour la majorité
des caractères, comme la résistance aux maladies ou le développement racinaire, les
observations sont souvent délicates à effectuer, surtout pour des évaluations au cours du
temps (surface des nécroses ou densité de racines par exemple). Pour simplifier la mesure
on a recours à des classifications semi-quantitatives, beaucoup moins précises que des
valeurs exactes.
De nouvelles technologies d’analyse d’images, non-destructrices, ont été mises au point
pour faciliter le phénotypage et augmenter la précision de l’évaluation. Il s’agit de machines
perfectionnées comme Scanalyzer 3-D (LemnaTec) ou TraitmillTM (Reuzeau et al. 2006) qui
utilisent différentes longueurs d’ondes (proche infrarouge par exemple) et photographient les
plantes quotidiennement. Chaque image est analysée instantanément et renvoie une valeur
correspondant à la mesure du caractère prédéfini. De plus, la machine Scanalyzer 3-D est
installée dans une serre équipée d’un système de logistique automatisée où les plantes sont
déplacées régulièrement par des robots et photographiées par des caméras détectrices de
mouvements. Ce système permet non seulement d’homogénéiser les conditions de mesure
(comme éliminer le biais dû au notateur, aux effets d’emplacement de la plante dans le
dispositif comme les bordures, la compétition avec les autres plantes), mais aussi de noter
un plus grand nombre de plantes (Photos I.1 à I.3).
Photo I.1 Prise de vue d’Arabidopsis pour l’étude du développement de la plante avec la
caméra de Scanalyzer (technologie LemnaTec)
17
2a 2b
Photos I.2a et 2b Serre automatisée de plateforme de phénotypage de plants de maïs (2a)
où les plantes défilent sur un tapis roulant qui les mêne à la cellule de prise de vue équipée
d’une caméra à ondes multiples (2b) (technologie TraitMillTM)
Photos I.3 Feuilles infectées. A gauche : photo classique ; à droite : photo après analyse d’image
Scanalyzer (technologie LemnaTec)
I.2.1.2 La mesure complète du caractère par sa décomposition en

composantes élémentaires
Pour que la variabilité observée reflète le plus possible la variabilité génétique, l’évaluation
doit être complète et basée sur des variables héritables. Pour cela, on a souvent recours à la
décomposition du caractère d’étude en plusieurs composantes élémentaires, peu corrélées
et facilement mesurables en conditions contrôlées. Pour la résistance aux maladies,
plusieurs niveaux de décomposition peuvent être effectuées : selon l’organe infecté et selon
le stade du processus infectieux. Cette décomposition a montré son efficacité pour l’étude de
la résistance polygénique à Phytophthora capsici chez le piment basée sur la mesure de la
longueur de nécrose le long de la tige (Lefebvre et Palloix 1996, Photo I.4) ainsi qu’à la
rouille des céréales et du peuplier, où la résistance a été subdivisée en composantes
épidémiologiques comme le taux de sporulation ou la période de latence (Parlevliet et
Ommeren 1975 ; Dowkiw et al. 2003).
Photo I.4 Mesure de la longueur de nécrose sur tige en conditions

contrôlées pour l’évaluation de la résistance polygénique aux Phytophthora.
Ce type de mesure permet de décomposer le caractère quantitatif de la résistance en
plusieurs variables élémentaires selon la cinétique d’évolution de la nécrose sur la tige, ici
sur piment (Lefebvre et Palloix 1996).
18
I.2.1.3 Des populations de grandes tailles avec répétitions
Plus la taille de la population est importante, plus la puissance de détection des QTL à effets
faibles est grande et plus l’estimation de l’effet est précise (Beavis 1998 ; Darvasi et al. 1993,
Figure I.4). A contrario, pour les populations de petites tailles, l’effet d’échantillonnage
induirait la détection de « faux » QTL (Bernardo 2004 ; Holland 2007). De plus,
l’augmentation du nombre de répétitions dans différents environnements et au sein de
chaque test permet de rendre plus fiable l’estimation de l’héritabilité d’un caractère
polygénique.
Ainsi, les populations de grandes tailles et la répétition des tests sont des paramètres
importants à considérer dans la mise en place des études de caractères polygéniques pour
permettre la détection fiable et la plus complète possible des QTL.
Figure I.4 Puissance de détection de QTL en fonction de la taille de la population et

l’héritabilité, selon nombre de QTL contrôlant le caractère (d’après Beavis 1998).
19
I.2.2 La cartographie de QTL
Par la cartographie de QTL, on cherche à savoir si la variation génétique de marqueurs liés

(ou haplotypes) est significativement associée à la variation phénotypique des individus
d’une population et dans quelle mesure cette liaison a lieu (effet du QTL).
Il existe deux méthodes de cartographie de QTL:
- la cartographie par liaison, qui se base sur des populations de cartographie issues de
croisements entre parents connus ;
- la cartographie par association, qui se base sur une population non structurée d’individus
représentatifs de la diversité existante pour l’espèce d’étude.
I.2.2.1 La cartographie de QTL par analyse de liaison : utilisation de

populations artificielles
Les méthodes de cartographie de QTL en schéma de populations bi-parentales
La cartographie de QTL par analyse de liaison requiert :

-une descendance en ségrégation pour le caractère d’étude (une centaine d’individus
minimum);
-une carte génétique assez dense de cette même population (1 marqueur tous les 10 cM
généralement mais ce taux peut être plus lâche, Darvasi et al. 1993).
Différents types de populations et de schémas de croisements bi-parentaux, c’est-à-dire

impliquant uniquement deux parents, sont utilisés. Les parents sont souvent non apparentés
et présentent de grandes différences phénotypiques pour le caractère d’étude pour
maximiser le polymorphisme des marqueurs. Chez les espèces autogames ou autogames
facultatives, des croisements sont réalisés entre parents homozygotes (lignées), ils sont
appelés « inbreds ». Différents types de croisements sont effectués sur les descendants, soit
avec l’un des deux parents (rétrocroisement ou back-cross, BC) ou par autofécondations
successives des descendants. On obtient alors des populations de cartographie BC, Fi (i
pour le numéro de la génération), RIL (Recombinant-Inbred Line). Pour obtenir plus
rapidement des individus homozygotes, des techniques d’haplo-diploïdisation sont utilisées,
donnant lieu à des populations haploïdes-doublées (HD). Chez les espèces strictement
allogames ou les ligneuses pour lesquelles les cycles de génération sont très longs, les
populations de cartographie sont issues de la première génération de croisement de deux
génotypes (ou clones) hétérozygotes (Figure I.5). Pour ces croisements particuliers, appelés
« outbreds», les cartes génétiques sont généralement construites en suivant la stratégie du
20
pseudo-testcross (Grattapaglia et Sederoff 1994). Cette stratégie repose sur le fait que des
marqueurs hétérozygotes chez un parent et absents (allèle nul) chez l’autre parent ségrégent
selon le rapport 1:1 (présence : absence de la bande sur le gel) dans la population pseudo-
F1 en suivant la configuration du testcross (croisement d’une plante hétérozygote avec une
plante homozygote au locus étudié). Les cartes génétiques sont alors construites
indépendamment chez chacun des deux parents, chaque carte étant composée des
marqueurs hétérozygotes du parent correspondant.
Figure I.5 Types de populations bi-parentales utilisées pour la détection de QTL (d’après
Collard et al. 2005)
Le phénotypage est réalisé sur les clones des individus génotypés ou bien sur les familles
obtenues après autofécondation des individus génotypés et qui représentent, en moyenne, la
valeur de l’individu autofécondé (en cas d’additivité seulement).
Il existe plusieurs méthodes statistiques de détection de QTL, la plus ancienne et la plus

simple étant la régression linéaire (marqueur par marqueur). D’autres méthodes statistiques
plus sophistiquées sont l’IM (Interval Mapping, Lander et Botstein 1989), la CIM (Composite
Interval Mapping, Zeng 1994), la BIM (Bayesian Interval Mapping, Sen et Churchill 2001) et
la MIM (Multiple Interval Mapping, Jansen 1993) (Tableau I.3).
21
Tableau I.3 Méthodes de détection de QTL et logiciels utilisés (d’après Collard et al. 2005).
Les méthodes Simple Marker Analysis, IM et CIM sont encore les plus couramment utilisées.
Méthode Description de la méthode Logiciel utilisé

statistique
Simple Cette méthode inclut le test-t, analyse de variance Tout logiciel statistique
Marker (ANOVA) et la régression linéaire. La position des (R, SAS)
Analysis marqueurs n’est pas nécessaire. QGene (Nelson 1997)
MapManager QTX (Manly
et al. 2001_n’est plus diffusé)
IM Plus puissante que la Simple Marker Analysis, car, sur la MapMaker/QTL (Lincoln
base d’une carte génétique, l’IM tient compte des et al. 1993b)
(Interval intervalles entre marqueurs générant ainsi un profil de LOD QGene (Nelson 1997)
Mapping) (Log of the Odds Ratio) par groupe de liaison. Le test QTL Cartographer
statistique correspondant se base sur le maximum de (Basten et al.1994, 1997)
vraisemblance (Lander et Botstein, 1989). Le seuil de
détection du QTL est arbitraire (LOD>2 ou LOD>3) ou
calculé après 1000 permutations.
CIM Des marqueurs du fond génétique associés à des QTL à QTL Cartographer
effet forts détectés lors d’une première analyse sont (Basten et al. 1994, 1997)
(Composite intégrés comme cofacteurs dans l’analyse IM (Jansen, MapManager QTX (Manly
Interval 1993; Jansen & Stam, 1994; Zeng, 1993, 1994). On et al. 2001_n’est plus diffusé)
Mapping) complète la détection avec des QTL à effets plus faibles. PLABQTL (Utz et
Melchinger 1996)
MIM Cette méthode utilise des intervalles de marqueurs QGene (Nelson 1997)
multiples pour adapter les QTL putatifs au modèle de QTL Cartographer
(Multiple cartographie des QTL. La MIM intègre les interactions (Basten et al. 1994, 1997)
Interval épistatiques (Kao et al. 1999) cf Encart 2
Mapping)
BIM La méthode bayésienne est une méthode générale qui tient QGene (Nelson 1997)
compte d’informations données a priori provenant R/qtlbim (Yi et al. 2005,
(Bayesian généralement des résultats obtenus lors d’études 2007; Yandell et al. 2007)
Interval préalables. Ces informations sont ensuite ajustées avec
Mapping) l’analyse des données de l’étude en cours pour donner une
meilleure estimation du modèle.
SML Les données sont divisées en un set de « training » et un Pas de logiciel disponible
set de « testing ». Le premier set sert d’induction du
(Statistical modèle (création), le deuxième set permet de valider le
Machine modèle (Bedo et al. 2008).
Learning)
La méthode Statistical Machine Learning (SML) est une méthode récente qui estime la
performance générale d’un QTL en divisant les données en un set de « training » et un set
de « testing ». Le premier set sert d’induction du modèle (création), le deuxième set permet
de valider le modèle ainsi créé (Bedo et al. 2008). Cette méthode repose sur la contribution
de chaque marqueur à la performance du modèle, celle-ci étant déterminée au cours d’une
procédure d’élimination progressive des marqueurs avec le set « testing ». Cette méthode
permet de réduire le risque de détecter des faux-positifs. La position des marqueurs sur la
carte génétique n’est pas requise, ce qui rend cette méthode applicable à la cartographie
d’association (cf § I.2.2.2).
22
Les limites de la cartographie de QTL détectés en populations bi-parentales
D’une population bi-parentale à l’autre, il a été observé que les QTL d’un même caractère ne
sont pas toujours détectés aux mêmes locus (Beavis et al. 1998). Cela peut s’expliquer tout
d’abord par l’absence de contraste allélique au locus dans une population donnée qui existe
par ailleurs dans d’autres populations, permettant ainsi la détection du QTL correspondant.
D’autres raisons sont l’effet d’échantillonnage de populations à taille limitée, mais aussi la
trop faible densité de marqueurs, l’hétérogénéité des allèles aux locus, leur polymorphisme
réduit à cause du faible nombre de générations et donc de méioses, l’influence de
l’environnement et le phénomène d’épistasie qui, selon les allèles en présence dans le fond
génétique, peut masquer ou mettre en valeur des QTL (Kroymann et Mitchell-Olds 2005 ;
Holland 2007). Pour l’étude de la quantité d’huile dans la graine et le rendement du grain de
maïs, des analyses récentes sur de grandes populations ont révélé des architectures
génétiques beaucoup plus complexes que celles décrites avec des populations de taille
modeste (Laurie et al. 2004 ; Schon et al. 2004). De plus, l’analyse d’une population bi-
parentale révèle la ségrégation d’un nombre très réduit d’allèles au QTL (2 dans le cas d’une
espèce diploïde), ce qui limite le champ d’investigation de la variabilité du caractère. Enfin, le
nombre de méioses intervenues pour engendrer les populations bi-parentales étudiées est
faible (peu d’études vont au-delà de la 3ème génération) et de longs segments haplotypiques
ségrégent ensemble, ce qui génère souvent des intervalles de confiance de QTL de 10 à 20
cM (Darvasi et al. 1993).
L’effet d’un QTL (R²) est la part de la variation phénotypique expliquée par la variation
génotypique au locus. Quels que soient l’espèce et le caractère étudiés, on détecte très
souvent, dans les populations bi-parentales, un nombre limité de QTL à effet fort, un nombre
relativement plus important de QTL à effet modéré et un large cortège de QTL à effet faible
(Lefebvre et Chèvre 1995 ; Salvi et Tuberosa 2005). Bost et al. (2001) démontrent, en
s’appuyant sur des simulations, que cette distribution en L est due au déséquilibre de liaison,
aux effets de l’environnement et à la taille de la population d’étude. Kearsey et Farquhar
(1998) ont dressé un bilan des QTL détectés chez les plantes à partir de 176
expérimentations. Ce bilan montre également que plus le nombre de QTL détectés est
important, mieux la variance phénotypique totale est expliquée et plus les effets individuels
sont faibles (Figure I.6). La part de variation résiduelle non expliquée par les QTL détectés
peut s’expliquer par la présence de QTL à effets faibles qui n’ont pas pu être détectés au
seuil choisi (erreur de type II = non-détection de vrais positifs) mais aussi par les
phénomènes d’épistasie entre locus (Holland 2007). En revanche, la distorsion de
marqueurs ou les données manquantes peuvent biaiser la détection de QTL et faire
apparaître de faux-positifs (erreurs de type I = détection de QTL à tort, Bernardo 2004).
23
Ces limites observées chez les populations bi-parentales ont motivé l’intérêt pour la mise en
place de méthodes statistiques de compilation de données ou basées sur des schémas de
croisements plus sophistiqués.
Figure I.6 Synthèse des propriétés des QTL à partir des résultats de 176 expérimentations
chez les plantes (d'après Kearsey et Farquhar 1998)
(a) Distribution du nombre de QTL détectés;

(b) Proportion de la variation phénotypique totale (Vp) expliquée,
(c) Relations entre le nombre de QTL et la proportion de Vp expliquée;
(d) Variance expliquée par les QTL individuels;
(e) Proportions des QTL additifs (A), dominants (D) ou superdominants (OD)
24
La compilation de données QTL : méta-analyse de populations bi-parentales et analyse

conjointe en schéma de populations connectées
Le champ d’inférence des QTL détectables peut être élargi en compilant les données de QTL
issues de différentes études de populations indépendantes en schéma de croisement multi-
parental (méta-analyse) ou connectées par des parents communs en schéma de croisement
diallèle ou factoriel (analyse conjointe).
La méta-analyse est la compilation statistique de nombreuses données indépendantes se
rapportant à un même sujet. L’objectif de la méta-analyse de QTL est de déterminer si
plusieurs QTL cartographiés dans la même région sur deux cartes indépendantes sont les
mêmes (on appelle alors ce locus « méta-QTL ») ou s’ils correspondent à des locus
différents. La méta-analyse de QTL a été notamment implémentée dans les
logiciels Biomercator (Arcade et al. 2004) et MetaQTL (Veyrieras et al. 2007). La méthode
implémentée dans Biomercator se base sur le critère de classification Akaike modifié qui
permet de choisir le modèle le plus probable entre un méta-QTL à 1 QTL, 2 QTL, 3 QTL etc.
(Goffinet et Gerber 2000). Avec cette méthode, il n’est pas possible de modéliser plus de 4
méta-QTL par chromosome. La méthode implémentée dans MetaQTL améliore celle de
Biomercator en intégrant une approche particulière de mélange de gaussiennes avec
variances connues. Le nombre optimal de méta-QTL correspondant à la distribution des QTL
est déterminé à l’aide de critères usuels de choix de modèle fondé sur une vraisemblance
pénalisée (comme AIC ; Veyrieras et al. 2007). La première étape de la méta-analyse de
QTL est la projection par homothétie des QTL des différentes analyses sur une même carte
de référence. Dans Biomercator, la carte de référence utilisée est une carte génétique dense
construite avec les données de génotypage d’une population de cartographie disponible pour
l’espèce considérée. Les QTL issus des autres cartes sont alors projetés sur cette carte de
référence grâce aux marqueurs communs. Dans MetaQTL, la carte de référence est une
carte consensus construite à partir de l’ensemble des positions des marqueurs des cartes de
QTL intégrées dans la méta-analyse. La carte consensus obtenue se base sur les
marqueurs communs qui existent entre les différentes cartes. Elle requiert l’établissement
d’un chemin de connexion ininterrompu entre les cartes, passant par les marqueurs
communs. Tous les marqueurs des cartes intégrées dans l’analyse sont donc positionnés sur
cette carte consensus. Leurs positions sont calculées à partir de leurs positions des cartes
d’origine avec la méthode des moindres carrés pondérés. Les QTL des différentes études
sont ensuite projetés par homothétie sur cette carte consensus.
La méta-analyse a par exemple été utilisée pour étudier l’architecture génétique de la date
de floraison chez le maïs (Chardon et al. 2004 ; Veyrieras et al. 2007) et la résistance à
Magnaporthe grisea chez le riz (Ballini et al. 2008). L’inconvénient de cette méthode est
25
qu’elle se base sur des données qui sont déjà le produit d’analyses de détection de QTL et
non sur les données brutes de génotypage et phénotypage. Le corollaire est que les QTL
sont considérés comme indépendants les uns des autres alors que des relations de parenté
ou d’autres points communs entre les différentes études pourraient augmenter la puissance
de l’analyse. Une autre conséquence est que les effets d’épistasie ne sont pas pris en
compte.
L’analyse conjointe des données brutes (génotypage et phénotypage) de multi-populations

connectées par des parents communs (schémas diallèles et factoriels, Figure I.7) permet
d’exploiter complètement les informations génétiques en tenant compte à la fois des liens
d’apparentement des génotypes parentaux et des marqueurs communs (Blanc et al. 2006).
Ce type d’analyse incorpore de manière explicite la variabilité génétique dans le modèle et
permet d’identifier les allèles spécifiques de chaque parent, leurs effets individuels et de
tester à plus grande échelle les effets d’épistasie des QTL entre eux et avec le fond
génétique. Le logiciel MC-QTL (Jourjon et al. 2005) a été mis au moins pour la détection de
QTL en schéma connecté pour les populations « inbreds » et récemment pour les
populations « outbreds ». Les analyses conjointes peuvent aussi prendre en compte les
pédigrées des lignées parentales (Bink et al. 2002) ou, s’ils ne sont pas disponibles,
modéliser les liens d’apparentement avec les données de marqueurs du fond génétique
(Crépieux et al. 2005), permettant ainsi de mieux estimer les effets des allèles aux QTL.
Plan de croisement diallèle Plan de croisement factoriel

♂ ♂
♀ G1 G2 G3 ♀ G4 G5 G6
G1 G1
G2 G2
G3 G3
Figure I.7 Schémas de croisements diallèle et factoriel
Dans un plan de croisements diallèle complet, toutes les combinaisons de croisements sont réalisées, les
croisements réciproques compris.
Dans un plan de croisements factoriel, tous les mâles sont croisés avec toutes les femelles mais il n’y a pas de
croisements réciproques.
26
I.2.2.2 La cartographie de QTL par analyse d’association : utilisation de

populations naturelles
Le principe de la cartographie de QTL par analyse d’association repose sur la recherche

d’une association statistique entre le polymorphisme allélique et la variation phénotypique au
sein d’une population de plantes non apparentées et aux différentes origines. Parmi les
populations utilisées, on trouve les collections de centres de ressources génétiques, les
lignées utilisées en sélection ou des populations mutagénisées comme pour le TILLING. En
effet, même si le premier objectif des travaux de TILLING n’est pas de faire des analyses
d’association, on peut observer l’effet de la variation allélique à un locus sur la variation
phénotypique et déceler ainsi d’éventuelles associations. Les populations naturelles sont
issues de multiples générations qui se sont produites entre l’époque de leur plus proche
ancêtre commun et l’époque actuelle. Ainsi, de nombreuses recombinaisons et mutations ont
eu lieu, générant un polymorphisme allélique au sein de blocs de génomes restés communs
entre les différentes plantes. Pour que la détection de QTL soit efficace et fiable, il faut que la
densité de marqueurs, et que le déséquilibre de liaison (LD pour Linkage Desequilibrium)
entre les marqueurs et la région du génome étudiée soient forts et que la population naturelle
ne soit pas structurée pour éviter de fausses associations génotype-caractère (faux positifs).
La significativité de l’association est basée sur un rapport de probabilités (Pritchard et al.
2000). Cette méthode a par exemple été explorée chez la pomme de terre pour la résistance
à P. infestans et aux nématodes (Gebhardt et al. 2004; Achenbach et al. 2009).
Une méthode récente consiste à identifier les gènes d’intérêt par l’observation de signatures
de sélection. La théorie sous-jacente est que les locus qui ont été les cibles de la sélection
(domestication et amélioration) présentent une faible diversité nucléotidique et un LD fort.
Cette méthode ne peut cependant s’appliquer qu’à certaines espèces comme le maïs dont
l’histoire démographique est bien connue et peut être prise en compte. De plus, les épisodes
de sélection doivent avoir eu lieu dans un passé suffisamment lointain pour que les
changements génétiques ou génomiques aient eu le temps de se faire (Takeda et Matsuoka
2008).
Une autre méthode permet de s’affranchir des biais de structuration en analysant les sous-
groupes de manière indépendante, puis en compilant l’ensemble des résultats en incorporant
les structures d’apparentement dans l’analyse (Yu et al. 2006). Une étude a étendu cette
approche à différents sets expérimentaux et constitue une approche par modèles mélangés
(mixed-model) selon laquelle les effets de structuration (pédigrées) mais aussi les effets de
l’environnement ont été conjointement modélisés (Malosetti et al. 2007).
27
L’ensemble des stratégies les plus couramment utilisées pour la détection de QTL sont
présentées selon le temps de recherche à investir pour les appliquer et la résolution des QTL
détectés Figure I.8 (Yu et Buckler 2006). Leur comparaison selon leurs avantages et leurs
inconvénients est présentée Tableau I.4.
Figure I.8 Stratégies les plus couramment utilisées pour la détection de QTL selon le temps
de recherche à investir pour les appliquer et la résolution des QTL détectés (d’après Yu et
Buckler 2006).
Tableau I.4 Avantages et inconvénients des différents types de schémas de croisement pour
la détection de QTL et la sélection (d’après Janninck et al. 2008 ; Cavanagh et al. 2008 ; Yu et al. 2008)
Méthode de liaison association

détection de QTL
Schéma de croisement Bi-parental Multi-parental Diallèle MAGIC Nested Population

Association naturelle
Nombre d’allèles faible fort fort fort fort fort
Puissance de détection faible à faible à fort fort fort fort

des QTL intermédiaire intermédiaire
Potentiel pour la faible faible intermédiaire intermédiaire fort fort

cartographie fine de
QTL
Epistasie QTL/QTL intermédiaire intermédiaire fort fort fort pas

d’épistasie
Interaction QTL/fond détectée
génétique faible faible fort fort fort
Temps nécessaire à long long long long long court

l’étude
Utilisation en sélection faible intermédiaire fort fort fort fort
28
I.2.2.3 Combiner le meilleur des approches QTL et génétique d’association
Des populations issues de croisements complexes ont été créées pour la cartographie de
QTL afin d’augmenter le nombre de recombinaisons et la variabilité aux locus, comme des
populations avancées de RIL, dites AIC (Advanced Inter-Cross) ou MAGIC (Multi-Parent
Advanced Generation Inter-Cross) qui résultent de plusieurs cycles d’intercroisements avant
la série d’autofécondations qui fixent les génotypes (Darvasi et Soller 1995 ; Cavanagh et al.
2008, Figure I.9). Un nouveau type de population, la NAM (Nested Association Mapping), fait
intervenir un très grand nombre de lignées, dites fondatrices, qui sont croisées avec une
même lignée parentale (Yu et al. 2008). Une NAM de 5000 RIL chez le maïs a été produite
en croisant 25 parents avec un parent commun, chaque descendance fournissant 200 RIL
(source : http://www.panzea.org/info/RIL_phenotyping_press_rel.html). Ainsi, un grand
nombre d’allèles sont incorporés dans le pool de gènes de départ. Ces populations
permettent l’utilisation des méthodes de liaison et d’association.
Figure I .9 Schéma de croisement d’une population MAGIC (d’après Cavanagh et al. 2008)
29
I.2.3 Vers l’identification des gènes et des changements nucléotidiques

responsables du caractère quantitatif
Pour mieux comprendre les caractères complexes, il est nécessaire d’identifier les gènes
sous-jacents aux QTL, l’objectif ultime étant de déterminer précisément les variations
alléliques et mutations nucléotidiques responsables de la variation du caractère observée
(Fridman et al. 2004 ; Salvi et Tuberosa 2005).
Pour isoler le QTL, deux approches peuvent être employées : l’approche ‘gènes candidats’
avec la détermination des gènes pouvant être sous-jacents au QTL à partir des données
moléculaires disponibles, ou l’approche par clonage positionnel (Figure I.10). Pour cette
deuxième approche, il est tout d’abord nécessaire de cartographier finement le QTL. La
réduction de l’intervalle de confiance passe par la densification de la région du QTL en
marqueurs génétiques et par la constitution de populations de lignées quasiment
isogéniques pour la région du QTL (NIL pour Near-Isogenic-Line). La mendélisation du QTL
permet ainsi de gommer l’effet du fond génétique (Brouwer et St. Clair 2004; Szalma et al.
2007).
Figure I.10 Vers le clonage de QTL (d’après Salvi et tuberosa 2005)

Abbréviations : BAC : Bacterial Artificial Chromosome ; GS : Genomic Sequence ; LD : Linkage Desequilibrium ;
MM : Molecular Markers ; NIL : Near Isogenic Line; Ph : Phénotyping; Prb: Probing with tagging agent
(transposon); Str: Structure of a population; Sy: Synteny. Reverse Genetics comprend les strategies par
transposon et T-tagging, TILLING, RNAi
30
L’élargissement des ressources génomiques et des technologies de biologie moléculaire

(microarrays de transcriptomes), exploitables chez plusieurs espèces grâce à la synténie,
aide de plus en plus à l’identification de gènes candidats et à la cartographie fine des QTLs.
En particulier, la technologie des microarrays qui permet de mesurer les niveaux de
transcrits dans des populations de cartographie est à la base de la cartographie de QTL
d’expression (eQTLs). Les eQTLs ont en effet été montrés comme étant fortement
héritables. La cartographie des eQTL est donc un moyen qui peut permettre de restreindre le
nombre de gènes candidats sous-jacents aux QTL de résistance détectés classiquement
(Kliebenstein 2009). Dans un premier temps, les cis-eQTL, eQTL dont les positions
correspondent à celles des QTL phénotypiques détectés pour le caractère mesuré,
permettent de définir une première liste de gènes candidats sous-jacents aux QTL déjà
cartographiés. Dans un second temps, les trans-eQTL, QTL dont les positions sur le génome
sont différentes de celles des QTL phénotypiques, désignent des locus dont le
polymorphisme influence les variations observées au niveau de la quantité de transcrits des
cis-eQTL et au niveau du phénotype général de la plante (Figure I.11). Des premières études
d’analyse de QTL d’expression pour la résistance aux maladies menées chez le blé pour la
résistance à la rouille jaune (Coram et al. 2008) et chez l’orge pour la résistance à la rouille
de la tige (Druka et al. 2008) ont montré que non seulement cette méthode fournit une
source importante de nouveaux marqueurs génétiques pour la cartographie fine des QTL,
mais s’avère particulièrement efficace pour déterminer de manière précise les gènes
candidats sous-jacents aux QTL et impliqués dans les réseaux de gènes qui contrôlent les
résistances polygéniques.
cis-eQTL chromosome
trans-eQTL chromosome
Figure I.11 Détection des eQTL : exemple pour la résistance polygénique à la rouille chez
l’orge
Les eQTL cartographiés au même locus que les QTL cartographiés avec les méthodes classiques de
phénotypage sont les cis-eQTL, elles diffèrent des positions des trans-eQTL.
Source : http://www.scri.ac.uk/research/genetics/GenomeBiology/eQTL
31
La localisation précise, voire même la caractérisation moléculaire des gènes sous-jacents

aux QTL contrôlant de manière significative les caractères d’intérêt est très utile en
amélioration des plantes pour mettre au point des marqueurs qui vont permettre de suivre
leur introgression dans des lignées élites au travers des différents croisements.
I.3 La sélection assistée par marqueurs des caractères polygéniques
La sélection assistée par marqueurs (SAM) est une méthode qui utilise les données
moléculaires pour introgresser des QTL d’intérêt dans des génotypes élites. Elle s’utilise en
général en combinaison avec la sélection phénotypique classique. Il n’y aurait pas de valeur
minimum d’effet de QTL pour utiliser la SAM, certaines entreprises privées appliquent la
SAM à des QTL qui expliquent moins de 10% de la variation phénotypique (Hospital 2008).
L’intérêt porté à la SAM a démarré très vite après la publication de l’analyse QTL de
Paterson et al. (1988), et le nombre de publications sur la SAM a augmenté régulièrement
jusqu’à aujourd’hui.
I.3.1 Le principe de la SAM et méthodes utilisées
La SAM se base sur le déséquilibre de liaison entre les marqueurs et les QTL à introgresser.
Plusieurs méthodes sont employées en SAM. Dans le cas du back-cross assisté par
marqueurs (MABC, Figure I.12), un QTL d’un parent donneur est introgressé chez un parent
receveur qui est une variété élite. Les marqueurs permettent de contrôler à la fois la
présence du QTL cible au travers des rétrocroisements répétés avec le parent receveur et la
reconstitution du fond génétique du parent receveur avec des marqueurs du fond génétique.
Une autre méthode consiste à cribler des populations de type F2, F3, RIL, HD etc., issues du
croisement de parents élites, avec des marqueurs liés aux QTL d’intérêt (population
screening). Pour le pyramidage de QTL, deux lignées parentales (ou plus) sont croisées,
chaque lignée comprenant un ou plusieurs QTL d’intérêt, et seuls les descendants
comprenant le maximum de QTL cibles sont sélectionnés (Figure I.13). Ce procédé peut être
recommencé pendant plusieurs cycles avec à chaque fois de nouveaux donneurs. Un
exemple d’application efficace de MABC pour le pyramidage de plusieurs QTL est celui qui
concerne la résistance à P. capsici chez le piment (Thabuis et al. 2004b). Des schémas de
sélection plus complexes comprennent ceux basés sur la sélection récurrente (MARS pour
Marker-Assisted Recurrent Selection) où plusieurs cycles de sélections sont effectués sur
des croisements randomisés avec des marqueurs, et sur la sélection basée sur un index qui
combine les scores moléculaires et phénotypiques (Charmet et al. 1999).
32
Figure I.12 Principe de sélection basée sur le back-cross assisté par marqueurs (MABC)
(d’après Collard et al. 2005)
Un parent sensible (S) est croisé avec un parent résistant (R) et la plante F1 est autofécondée pour produire une
population F2. Un marqueur robuste a été mis au point pour un QTL majeur contrôlant la résistance à une
maladie (bande sur le gel désignée par la flèche). Le sélectionneur crible alors la population F2 avec ce marqueur
et ne sélectionne que les génotypes présentant la bande cible (individus avec les flèches verticales vers le bas).
75% des plantes peuvent être éliminées après un cycle de sélection en MABC, ce qui fait gagner un temps
considérable étant donné les quelques milliers de génotypes F2 à trier au départ.
Figure I.13 Pyramidage de QTL en création variétale (d’après Takeda et Matsuoka 2008)
Le pyramidage de QTL comprend l’introduction de plusieurs caractères d’intérêt issus d’une gamme de variétés
différentes dans une même variété élite que l’on cherche à améliorer. La position précise des QTL a été réalisée
au préalable en utilisant des populations RIL ou des recombinants F2.
33
I.3.2 L’efficacité de la SAM et le bénéfice apporté à la sélection phénotypique

classique
La SAM s’est montrée efficace à de nombreuses reprises. Chez le pois, la résistance à la

sécheresse a pu ainsi être améliorée de 11% (Schneider et al. 1997). Chez la même espèce,
des marqueurs SCAR liés à un QTL de résistance à Xanthomonas campestris pv. phaseoli
expliquant jusqu’à 62% de la variation phénotypique ont été identifiés dans une population et
ont été efficacement transférés dans une autre population par la SAM (Yu et al. 2000).
Cependant, le succès de transfert diminue si les sources de résistance sont trop éloignées.
Pour le pyramidage assisté par marqueurs de QTL de rendement chez le riz, un QTL du
nombre de grains et un QTL de hauteur de plante ont été introgressés séparément dans le
même fond génétique. Des plantes présentant les deux types de caractères améliorés ont
ensuite été croisées pour donner des plantes au rendement globalement plus élevé que les
variétés existantes (Ashikari et al. 2005). D’autres exemples d’ « histoires à succès de la
SAM » sont présentés dans le Tableau I.5.
Tableau I.5 Quelques « Success stories » de la SAM

(source : hospital.free.fr/fred/work//hdr/oral/sam.ppt)
2 3
Espèce Caractère/objectif Type de Sélection Nombre de Succès référence
1
de sélection population/schéma locus
introgressés
Augmenter la
BC+HD, introgression Toojinda et
Orge résistance à la M+P 2 QTL oui
de gènes al. 1998
rouille
oui pour un
Augmenter la qualité HD, screening de Han et al.
Orge M+P 2 QTL QTL
du malt populations 1997
seulement
Augmenter le HD, screening de beaucoup de Zhu et al.
Orge M oui
rendement populations QTL 1999
Augmenter la
profondeur des oui pour un
HD, introgression et 4 fois 1 QTL Shen et al.
Riz racines pour la M+P QTL
autofécondation introgressé 2001
résistance à la seulement
sécheresse
Augmenter la
Introgression et Ahmadi et
Riz résistance au yellow M 2 QTL oui
autofécondation al. 2001
mottle virus
Augmenter la
Introgression et Ribaut et
Maïs résistance à la M 5 QTL oui
autofécondation al. 2002
sécheresse
Augmenter la
NIL, introgression et 5 QTL sur 4 Lawson et
Tomate résistance à M oui
pyramidage de gènes chromosomes al 1997
différentes maladies
Augmenter la qualité
Lecomte et
Tomate organoleptique chez MABC M 5 QTL oui
al. 2004
la tomate
Augmenter la
Thabuis et
Piment résistance à HD+BC M 4 QTL oui
al. 2004
Phytophthora capsici
1
BC : Back-Cross, HD : Haploïde doublé, NIL : Near-Isogenic Lines
2
M: selection par marqueurs, P: selection phénotypique
3
on considère que la sélection a réussi lorsque l’introgression du QTL a eu lieu et a permis une augmentation
significative du caractère ciblé sans nuire à d’autres caractères d’intérêt
34
La SAM permet d’éviter le fardeau génétique où des QTL indésirables sont physiquement
liés aux QTL d’intérêt (surtout valable dans le cas d’introgessions à partir d’espèces
sauvages). Chez la pomme de terre, comme chez la tomate, l’association de la résistance
polygénique à P. infestans avec des caractères de développement de la plante, notamment
la maturité tardive, est souvent rapportée comme très difficile à rompre en raison de la liaison
physique très étroite, voire la pléiotropie des gènes contrôlant ces deux caractères (Van Eck
and Jacobsen 1996 ; Collins et al. 1999 ; Visker et al. 2003, 2005 ; Brouwer et al. 2004 ;
Brouwer et St Clair 2004 ; Bormann et al. 2004 ; Bradshaw et al. 2004). L’association
indésirable de la résistance récessive à l’insecte Nasonovia ribisnigri de la laitue sauvage
Lactuca virosa avec diminution de la qualité de la laitue a pu être abolie avec la SAM lors de
son introgression avec l’aide de marqueurs flanquant le locus de résistance (Jansen 1996).
Par rapport à la sélection uniquement basée sur l’évaluation phénotypique (SP), la SAM
apporte un gain génétique par unité de temps en permettant de sélectionner les plantes à un
stade précoce de développement ou en raccourcissant le temps d’intervalle entre deux
générations. La SAM apporte aussi un gain génétique par unité de coût dans les cas où le
phénotypage est destructeur ou nécessite de grandes surfaces de test. La comparaison
entre la SAM et la SP en serre a montré que la SAM permettait de diminuer du tiers le coût
de la sélection en serre (Yu et al. 2000). La SAM est aussi la seule méthode qui permette de
sélectionner des combinaisons épistatiques favorables connues, comme cela a été démontré
pour l’amélioration de la résistance au Yellow mottle virus (YMV) chez le riz (Ahmadi et al.
2001) et pour la résistance à Phytophthora capsici chez le piment (Thabuis et al. 2004).
L’efficacité relative (ER) de la SAM par rapport à la SP augmente si l’héritabilité du caractère
baisse et si la part de la variance expliquée par les marqueurs augmente. La SP et surtout la
SAM, sont moins efficaces si les QTL sont en répulsion plutôt qu’en couplage. Aussi, l’ER de
la SAM diminue si le caractère est contrôlé par de nombreux QTL, et en particulier si son
héritabilité est faible. Cependant la SAM est moins affectée si la majorité de la variabilité est
expliquée par un nombre limité de QTL. Globalement, il a été montré que la SAM n’a un réel
avantage sur la SP que si le coût de phénotypage est plus élevé que celui du génotypage et
si la variance expliquée par les marqueurs est forte, comparée à celle de l’héritabilité. Enfin,
il a été montré que la SAM est plus efficace à court terme et moins à long terme car elle
sélectionne trop les QTL à effet fort et pas assez les QTL à effet faible (Hospital et al. 1997).
La SAM est aujourd’hui utilisée en routine dans des entreprises de sélection comme
Limagrain. L’exemple de la sélection pour le rendement du blé est présenté Figure I.14
(Poupard 2008).
35
800 F1106 F2
ning
Sélection
phénotypique
1-
ree
Cr
majoritaire
oi
c
2- S
se
m
en
n
lectio
t
3- Sé
7- Fingerprinting MARS
4- MA
BC
6-
5-
Fix
Pu
atio
ret
é
n
Sélection de plus
en plus drastique
avec marqueurs
3 plantes pour l’inscription moléculaires
Figure I.14 Exemple de sélection SAM pour le rendement du blé chez Limagrain
(d’après l’exposé de B. Poupard, ‘Sélection assistée par marqueurs, l’expérience de Limagrain sur le blé’,
Journées Amélioration des Plantes du CIRAD, 3-4/12/2008, Montpellier)
1- Croisement : 3 schémas de SAM principalement utilisés (SSD, HD et pedigree) intégrés dans un schéma
global de sélection récurrente assistée par marqueurs (MARS)
2- Screening : Sélection massive sur des critères de bases (architecture de la plante, résistance, qualité) avec
des marqueurs-types. Les marqueurs sont des marqueurs génétiques du domaine public le plus souvent
(publications dans des journaux spécialisés).
A cette étape, un grain de chaque génotype est divisé en deux : un morceau pour l’extraction d’ADN afin de
réaliser le marquage moléculaire et un morceau mis à germer afin de réaliser le phénotypage sur la même plante
3- Sélection des meilleures plantes correspondant aux critères pré-définis
4-MABC (Marker-Assisted Back-Cross) introgression des caractères d’intérêt dans des lignées élites par back-
cross assisté par marqueurs. Pour cela, on utilise un marqueur du gène d’intérêt et un set de marqueurs du fond
génétique pour retrouver le fonds génétique de la lignée élite.
5- Pureté : vérifier que la population est stable génétiquement
6- Fixation : comparer et contrôler le niveau de fixation du lot. Pour cela, on utilise un set de marqueurs et on
regarde si une ségrégation a lieu dans la famille.
7- Fingerprinting: « profil génétique » des variétés. On compare le profil d’une lignée sur la base de profils
connus. On intègre le fonds génétique comme cofacteur dans l’analyse pour détecter les QTL
Plusieurs facteurs, cependant, peuvent faire considérablement diminuer les effets bénéfiques
de la SAM. Il s’agit surtout des cas où les interactions épistatiques sont fortes, où les QTL
sont très influencés par l’environnement et le fond génétique, ce qui fait que les effets des
QTL sont très instables. De plus, le matériel utilisé choisi pour la SAM n’est pas toujours
adapté. Le matériel optimal serait une grande population avec un seul réplicat par génotype
alors que les sélectionneurs utilisent généralement des petites populations issues de
plusieurs croisements (Hospital 2008). Une solution pour augmenter la taille de la population
36
serait alors d’incorporer les informations de pédigrées dans des populations déjà existantes
et ne pas créer de nouveaux croisements (Crépieux et al. 2004, cf § I.2.2.1).
Nous avons vu l’importance d’arriver à localiser précisément, à évaluer au plus juste ainsi
qu’à déterminer la nature et la fonction des facteurs génétiques qui contrôlent les résistances
polygéniques. Pour compléter leur étude et mieux cerner ces résistances, il est nécessaire
d’étudier également le contexte génétique de ces locus, c’est-à-dire leur organisation et leur
évolution à l’échelle du génome d’une espèce et entre espèces apparentées.
37
I.4 L’organisation structurale des locus de résistance chez les plantes et

génomique comparative
I.4.1 Les clusters de gènes de résistance au sein du génome et évolution
L’organisation en clusters de gènes appartenant à des familles multigéniques, ou bien à

multiples copies présentant des domaines moléculaires semblables (ou RGA), est
caractéristique des gènes majeurs de résistance aux pathogènes chez les plantes. Il peut
alors s’agir soit d’une série allélique, soit d’un cluster de différents gènes. Un exemple de
série allélique est celui du locus L de résistance à Melampsora lini chez le lin qui contient au
moins 13 allèles fonctionnels. En revanche, pour le même pathosystème, il existe aussi des
clusters de différents gènes, comme dans le cas du locus M qui contient au moins 7 gènes
de résistance différents étroitement liés (Islam et Shepherd 1991). Il en est de même pour
les gènes Dm de résistance à Bremia lactucae chez la laitue (McHale et al. 2009). Il existe
également des clusters de gènes de résistance vis-à-vis de pathogènes différents. Chez la
pomme de terre, le cluster de gènes du chromosome V contient des gènes de résistance au
virus X, aux nématodes à kystes et à Phytophthora infestans (Gebhardt et Valkonen 2001,
Figure I.15). La plupart des clusters de gènes majeurs de résistance contiennent des gènes
de type NBS-LRR. Les clusters peuvent aussi contenir de nombreux homologues et des
pseudogènes (Pan et al. 2000).
38
Figure I.15 Répartition des locus de résistance aux bioagresseurs chez la pomme de terre
(d’après Gebhardt et Valkonen 2001)
Les 12 groupes de liaison correspondant aux 12 chromosomes de la pomme de terre sont présentés
schématiquement. Les marqueurs-ancres avec la tomate sont indiqués à gauche des chromosomes. Les gènes
majeurs et QTL de résistance vis-à-vis différents pathogènes de la pomme de terre (en police pleine) ou de la
tomate, du tabac ou du piment (police ombrée) sont notés à des positions approximatives, relativement aux
marqueurs-ancres. Différentes couleurs désignent le type de pathogène : vert pour les gènes de résistance aux
champignons et oomycètes, rouge pour les gènes de résistance aux nématodes et pucerons, bleu pour les gènes
de résistance au virus. Les régions des QTL de résistance à P. infestans et E. carotovora ssp. atroseptica sont
marquées par des rectangles verts et violets respectivement. Les locus cartographiés avec des marqueurs RGA
(Resistance Gene Analog, locus St et RGL) de pomme de terre sont en rose à droite des chromosomes. Les
locus détectés avec des marqueurs PR (Pathogenesis-related) et de défense de pomme de terre et de tabac
(locus Nt) sont en bleu. Les lettres entre parenthèses indiquent que le même marqueur a permis d’identifié plus
d’un locus.
39
Les clusters de gènes majeurs de résistance sont considérés comme des réservoirs d’allèles
aux diverses spécificités de résistance (Michelmore and Meyers 1998). Les recombinaisons
entre allèles constituent le mécanisme le plus courant de diversification. La comparaison des
séquences des allèles du locus L chez le lin indique que leur évolution résulte d’une
accumulation de mutations ponctuelles et de recombinaisons intergéniques. Les vitesses
d’évolution des gènes majeurs de résistance peuvent aussi varier au sein d’un cluster
comme cela a été montré pour l’un des 3 clusters majeurs de résistance de la laitue (Kuang
et al. 2004) ont analysé finement les séquences des gènes RGC2 et ont montré qu’ils
présentaient des profils hétérogènes d’évolution : les régions codantes pour le motif LRR des
RGC2 de type I ont évolué rapidement à travers des échanges de séquences fréquents entre
paralogues, alors que les RGC2 de type II ont évolué lentement, maintenant des relations
étroites de type allèles/orthologues entre les différents génotypes de Lactuca spp. étudiés.
Le même type de mécanisme a été observé pour le locus R1 contrôlant la résistance à P.
infestans chez la pomme de terre (Kuang et al. 2005). Les éléments transposables sont
également à l’origine de l’évolution des gènes de résistance et sont présents dans les
clusters. Onze familles différentes d’éléments transposables ont été identifiées dans le
cluster Xa21 du riz (Song et al. 1997). L’excision ou l’insertion de ces éléments peuvent être
à l’origine de l’insertion ou de la délétion d’acides aminés. De plus, les transposons peuvent
affecter les éléments de régulation de l’expression des gènes (Michelmore and Meyers
1998).
Comme on l’a vu dans le paragraphe I.1.3, plusieurs cas de colocalisations de gènes
majeurs et de QTL au sein de la même espèce ont été rapportés. La méta-analyse est de
plus en plus utilisée pour identifier ces hotspots de résistance (cf § I.2.2.1).
40
I.4.2 La comparaison de la distribution des locus de résistance entre génomes de

différentes espèces
I.4.2.1 La génomique comparative : principe, outils et limites
La génomique comparative est la science qui étudie les relations entre génomes de
différentes espèces. En tant que telle, la génomique comparative fait partie des recherches
fondamentales effectuées sur la compréhension de l’évolution des génomes mais est aussi
utilisée comme un moyen de compréhension du contrôle des caractères étudiés.
I.4.2.1.1 La biologie moléculaire : transfert de marqueurs entre les cartes

génétiques d’espèces différentes
Une façon de comparer les génomes est de comparer la position des marqueurs communs
de leurs cartes génétiques. Dans les années 1990, les sondes RFLP ont été développées et
ont constitué de très bons marqueurs-ancres entre espèces de Solanacées (Tanksley et al.
1992 ; Prince et al. 1993 ; Fulton et al. 2002), de Poacées (Van Deynze et al. 1998) et de
Crucifères (Lagercrantz et Lydiate 1996). L’orthologie et la colinéarité (conservation de
l’ordre des gènes) entre les génomes des Poacées ont été révélées par la cartographie de
sondes RFLP interspécifiques entre le blé, l’orge, le seigle, le sorgho et le maïs mais
également avec le riz, montrant ainsi un haut niveau de conservation entre de grands
segments chromosomiques de ces différents génomes (Keller et Feuillet 2000). De plus, la
cartographie fine du gène Ph1 qui contrôle l’appariement des chromosomes homéologues au
sein du génome polyploïde du blé a pu être réalisée grâce au transfert de sondes RFLP de
riz (Foote et al. 1997). De même, la macrosynténie des régions des gènes de floraison entre
Arabidopsis et plusieurs espèces de Crucifères a été précisée avec la cartographie de
sondes RFLP communes, mettant également en évidence des ruptures de colinéarités au
niveau microsynténique (Osborn et al. 1997 ; Axelsson et al. 2001; Kole et al. 2001; Griffiths
et al. 2006).
Grâce à la mise en ligne de bases de données de séquences génomiques et d’EST
(Expressed Sequence Tag) d’un nombre croissant d’espèces et aux outils bioinformatiques
d’alignement de séquences, une nouvelle génération de marqueurs-ancres interspécifiques,
les COS (Conserved Ortholog Set), ont été développés à partir des séquences orthologues
uniques ou à faible nombre de copies, bien conservées entre espèces. Les amorces des
marqueurs sont dessinées dans des régions conservées des exons et amplifient les régions
introniques, connues comme étant souvent polymorphes, ce qui augmente le potentiel de
cartographie du locus dans l’espèce d’étude. Ce type de travail a été conduit dans plusieurs
41
familles de plantes dont les séquences ont été comparées à la séquence d’Arabidopsis
entièrement disponible depuis 2000. Chez les Solanacées, Fulton et al. (2002) ont comparé
le génome d’Arabidopsis et 130 000 EST de tomate et ont ainsi défini un set de 1 025
marqueurs conservés COSI. Wu et al. (2006) ont étendu ce travail à la pomme de terre, le
piment et le café, mettant ainsi en évidence 2 869 orthologues putatifs simple copie COSII
(source : http://ww.sgn.cornell.edu/markers/cosii_markers.pl). Chez les Brassicacées,
Fourmann et al. (2002) ont développé un set de 32 ACGMs (Amplified Consensus Gene
Markers) qui amplifient par PCR les séquences de gènes d’Arabidopsis thaliana et Brassica
napus. Chez les monocotylédones, Lohithaswa et al. (2007) ont aligné les séquences EST
des genres Allium et Musa avec ceux du genre Oryza et ont dessiné des amorces
candidates conservées Allium-Oryza et Musa-Oryza encadrant les introns (CISP pour
Conserved-intron Scanning Primers, Feltus et al. 2006;
http://www.plantgenome.uga.edu/CISP), démarquant 106 et 157 locus uniques-ancres entre
Allium-Oryza et Musa-Oryza respectivement. Ces sets de marqueurs ont notamment des
applications en systématique et phylogénie. Fredslund et al. (2006) ont automatisé la
recherche de marqueurs-ancres potentiels CATS (Comparative Anchor Tagged Sequence ;
Choi et al. 2006) grâce à la mise au point d’un programme bioinformatique qui combine les
séquences EST et les données de séquences génomiques de plusieurs espèces. Ainsi, une
base de près de 459 locus-ancres potentiels entre plus de 18 000 espèces de légumineuses
a été établie et, chez les Poacées une base de 1 335 locus-ancres a aussi été mise au point.
Les séquences des marqueurs COS peuvent être utilisées i-en tant que sondes RFLP chez
des espèces proches de celles dont ils sont issus, ii- directement pour amplifier l’ADN des
espèces d’études avec leurs amorces en s’assurant que le produit d’amplification correspond
bien à la séquence attendue, ou bien iii- leurs séquences peuvent être comparées aux
séquences EST d’autres espèces d’étude dessiner les amorces spécifiques aux séquences
orthologues correspondantes. Ces marqueurs COS servent aux études de génomique
comparative, de systématique, de phylogénie et d’évolution des gènes.
Les marqueurs microsatellites géniques ou EST-SSR, identifiés dans les séquences
codantes d’EST, sont également de bons marqueurs d’orthologues et sont reconnus comme
étant efficacement transférables entre espèces, éloignées ou proches comme chez les
Prunus, les Poacées (La Rota et al. 2005 ; Varshney et al. 2005 ; Asp et al. 2007), les
Vitacées et les Légumineuses (revue par Varshney et al. 2005a). Les EST-SSR, développés
à partir d’unigènes ou des bases d’EST non redondantes, sont faciles d’utilisation et peu
coûteux. Ils constituent une bonne alternative aux marqueurs RFLP, en particulier pour les
espèces difficiles à manipuler en biologie moléculaire ou pour lesquelles le développement
de marqueurs-ancres est peu avancé comme pour les espèces des genres Citrus et
Poncirus (Chen et al. 2008). Cependant, les SSR géniques ne représentant que 2 à 6% des
42
unigènes examinés, il est nécessaire de disposer de suffisamment de données EST pour les
espèces étudiées. Les EST-SSR développés chez les Poacées s’avèrent efficaces en
génomique comparative chez le blé, le seigle et le riz puisqu’il a été montré que plus de 85%
des séquences analysées à l’issue du transfert étaient bien orthologues (équivalence de
positions et identité de séquences, Yu et al. 2004 ; Varshney et al. 2005b). Certains EST-
SSR de Monocotylédones présentent un fort taux d’homologie avec les Dicotylédones
(Arabidopsis et Medicago) et peuvent donc être facilement transférés entre ces espèces
(Varshney et al. 2005). De même, des EST-SSR de coton présentent de fortes homologies
avec Arabidopsis (Qureschi et al. 2004). Selon les familles et l’éloignement des espèces, le
taux de transférabilité (taux de réussite d’amplification par PCR par rapport au nombre de
couples d’amorces testées) est variable : jusqu’à 71% chez les Poacées et jusqu’à 96% chez
les espèces de Medicago (revue par Varshney et al. 2005a). La bonne transférabilité des
EST-SSR est particulièrement intéressante pour les génomes qui sont naturellement pauvres
en SSR, relativement aux autres espèces végétales, comme cela est le cas des espèces du
genre Coffea (Hendre et al. 2008). Yu et al. (2004) ont montré que le taux de transférabilité
des EST-SSR augmentait en dessinant les amorces spécifiques à une espèce puis en les
adaptant chez d’autres espèces, plutôt qu’en dessinant des amorces consensus à partir de
l’alignement de séquences de plusieurs espèces.
Une limite des marqueurs EST-SSR est qu’ils sont dessinés dans des régions conservées et
leur taux de polymorphisme est donc plus faible entre espèces étroitement apparentées
qu’entre espèces éloignées. Cela réduit donc les possibilités d’analyses de cartographie
comparée entre espèces proches. De plus, il a été remarqué que les EST-SSR étaient plus
souvent multi-locus que les SSR génomiques, ce qui peut perturber les analyses de
colinéarité (Saha et al. 2004).
43
I.4.2.1.2 La bioinformatique : bases de données, séquençage et programmes

d’alignement de séquences
Séquençage et analyse des données
Deux méthodes de séquençage des génomes sont utilisées : le séquençage BAC à BAC et
le séquençage par ShotGun. L’approche de séquençage BAC-à-BAC consiste à construire
d’abord une carte physique grossière du génome entier avant de séquencer l’ADN
proprement dit. La construction de la carte physique nécessite le découpage des
chromosomes, leur insertion dans des BAC (Bacterial Artificial Chromosome) et la
détermination de leur ordre. Le séquençage de BAC est ensuite effectué et les séquences
sont traitées par des logiciels comme ceux du package Phred - Phrap (source :
http://www.phrap.com) qui recherche les parties communes aux différents fragments pour
effectuer leur assemblage en contigs. Cette méthode est par exemple utilisée pour le
séquençage des génomes de la tomate et de la pomme de terre pour lesquelles une
sélection des BAC a été faite au préalable pour ne séquencer que le génome
« utile » (essentiellement les régions codantes) : cette sélection a été basée sur la proportion
estimée de la quantité de séquences codantes chez la tomate (240 Mb de régions
euchromatiques riches en gènes) et avec une série de marqueurs-ancres chez la pomme de
terre (Datema et al. 2008).
La méthode WGS (Whole Genome Shotgun) reconstitue la séquence des chromosomes de
l’organisme étudié par séquençage direct et lecture aléatoires des séquences du génome
entier. Les algorithmes d’assemblage des séquences se basent sur les informations de
marqueurs des cartes génétiques et physiques pour repérer les parties chevauchantes. Le
résultat de l’assemblage, un ensemble de « supercontigs », est une reconstruction
consensuelle de la séquence d’origine.
La gestion des bases de données
On assiste ces dernières années à une explosion de la quantité d’information de séquences

d’espèces végétales multiples (nucléotidiques et protéiques), disponibles dans les bases de
données publiques comme EMBL (source : http://www.ebi.ac.uk/embl/index.html), TIGR
(source : http://www.tigr.org/), SGN (source : http://sgn.cornell.edu/) ou NCBI (source :
www.ncbi.nlm.nih.gov). Ainsi, la base Gramene intègre les données du maïs et du riz (Ware
et al. 2003). Une base de données appelée Legume Information System (LIS) permet de
comparer les données entre espèces de Fabacées (Gonzales et al. 2005). Le réseau UK
Crop Plant Bioinformatics Network (UK CropNet, http://ukcrop.net/) développe, gère et
44
distribue les informations génomiques de plusieurs espèces de plantes cultivées

(Arabidopsis, orge, Brassica, graminées fourragères, millet) spécifiquement pour la
cartographie comparative.
Outils d’alignement des séquences
Le Basic Local Alignment Search Tool (BLAST) est un algorithme développé par Altschul et
al. (1990) au National Center for Biotechnology Information (NCBI). En libre accès, et utilisé
en routine pour l’alignement de séquences nucléotidiques (BLASTN) ou protéiques
(BLASTP), ce programme cherche les régions de similarité locale entre les séquences et
calcule le niveau de similitude significatif entre les séquences d’entrée ou entre une
séquence de départ et celles des banques de données disponibles en ligne (GenBank de
NCBI ou SwissProt). La procédure BLAST est utilisée pour trouver des relations
fonctionnelles ou évolutives entre les séquences et peut aider à identifier les membres d'une
même famille de gènes. Un programme équivalent, BLAT (BLAST Like Alignment Tool),
permet de comparer extrêmement rapidement des séquences nucléotidiques à un génome
entier, cependant, l’analyse est plus grossière et peut générer des erreurs. BLASTZ est une
version de BLAST particulièrement adaptée à la comparaison multiple des séquences de
grands génomes ou de chromosomes. Avec les nouvelles ressources génomiques, il est
désormais possible de comparer les séquences génomiques de plus de deux espèces avec
des alignements multiples associés à des tests statistiques successifs et des affinements
itératifs, comme cela a été appliqué chez l’Homme et la souris (Schwartz et al. 2003).
Une liste très complète des programmes informatiques utilisables en génomique comparative
est disponible sur le site canadien Bioinformatics Links Directory (source :
http://bioinformatics.ca/links_directory/?subcategory_id=124).
I.4.2.1.3 Les limites de la génomique comparative
Distinguer les paralogues des orthologues
Chez les plantes, il est difficile de distinguer les paralogues des orthologues chez des
espèces divergentes car la plupart des plantes sont des paléopolyploïdes et des évènements
importants de duplications ont eu lieu au cours de l’évolution (Ku et al. 2000 ; Fulton et al.
2002 ; Blanc et Wolfe 2004). Il est aussi difficile de savoir si les variations nucléotidiques sont
responsables du polymorphisme neutre ou à l’origine d’une divergence évolutive entre
espèces. Pour éviter de sélectionner à tort des séquences appartenant à des familles multi-
45
géniques ou des paralogues, Fulton et al. (2002) ont considéré qu’une séquence EST unique
de tomate était orthologue si i- elle correspondait à un seul BAC d’Arabidopsis avec une
valeur ≤ E-15 et ii- il existait une différence de 10 entre les scores attendus pour les deux
premières séquences données par le logiciel d’alignement tBLASTX.
Les ruptures de micro-colinéarité
Dans les zones de colinéarités observées à l’échelle macroscopique (bras chromosomique

ou des milliers de paires de bases), des microarrangements peuvent se produire et il est
préférable de se baser sur plusieurs espèces modèles pour transférer des données
moléculaires d’une espèce à une autre, et en particulier des espèces proches de celle
étudiée (Keller et Feuillet 2000). Ainsi, si les données d’Arabidopsis peuvent parfois servir
pour l’identification de gènes d’intérêt chez les Poacées (Tikhonov et al. 1999), il a été
montré que des micro-arrangements ont eu lieu entre les monocotylédones et les
dicotylédones depuis leur divergence (Van Dodeweerd et al. 1999). Pour avancer plus
efficacement dans l’isolement de gènes d’intérêt chez une espèce de Poacée, il vaut mieux
se référer à une espèce modèle de cette famille, telle que le riz.
Le clonage positionnel des gènes contrôlant la tolérance à l’aluminium chez le seigle a été
entrepris en exploitant les relations de synténie entre le riz et le seigle. Le clonage du gène
Alt3 chez le seigle a été initié en utilisant les marqueurs moléculaires flanquant ce gène chez
plusieurs céréales. Deux marqueurs PCR de riz, flanquant le gène Alt3, ont été utilisés pour
le criblage d’une population de seigle en ségrégation pour la tolérance à l’aluminium. Des
marqueurs additionnels ont confirmé l’excellente micro-colinéarité fonctionnelle entre le riz et
le seigle à ce locus. La séquence de seigle suspectée contenir le gène candidat
correspondant à Alt3 a été identifiée. Cependant à ce niveau, les séquences du riz et du
seigle sont trop divergentes, la micro-colinéarité a donc été rompue (Miftahudin et al. 2005).
I.4.2.2 Les colinéarités fonctionnelles pour la résistance aux bioagresseurs :

état d’avancement
L’absence, comme la présence de colinéarités fonctionnelles ont été observées chez

différentes espèces
Comme cela a été montré chez les céréales et les crucifères, la synténie des locus majeurs
de résistance aux maladies entre génomes d’espèces proches est assez peu respectée,
(Gale et Devos 1998 ; Paterson et al. 2000). Plusieurs RGA et gènes de résistance ne sont
en effet pas conservés entre le riz, l’orge et le millet (Leister et al. 1998). Une rupture de
46
colinéarité a aussi été révélée au niveau du locus Lr1 entre le blé et le riz (Gallego et al.
1998) et au niveau du locus Rpg1 entre l’orge et le riz. Dans ce dernier cas, des marqueurs
de riz ont été transférés pour saturer la région de Rpg1 de l’orge et ont été cartographiés
dans une région chromosomique différente de celle attendue d’après les relations de
synténie connues. Une région de 10-15kb, comprenant Rpg1 a donc été déplacée dans une
région non-orthologue. Cela suggère que même dans des régions où la colinéarité a été
mise en évidence par de la cartographie haute résolution, des micro-réarrangements
peuvent se produire.
Parallèlement, il existe de nombreux exemples où la colinéarité, et même la micro-colinéarité
entre locus de résistance est conservée, qu’elle concerne le même pathogène ou des
pathogènes différents. En ce qui concerne la colinéarité des locus de résistance vis-à-vis du
même pathogène, des cas de micro-colinéarités fonctionnelles ont pu être observées chez
les Monocotylédones. Asnaghi et al. (2000) ont utilisé la synténie existant entre le sorgho et
la canne à sucre et les données de séquences disponibles chez le sorgho pour réaliser la
cartographie fine du gène majeur de résistance à la rouille chez la canne à sucre. Chez les
Dicotylédones, les homologues du gène RPM1 d’Arabidopsis de résistance à la bactérie
Pseudomonas syringae en position colinéaire chez le pois, le haricot et le soja sont
fonctionnels et actifs (Dangl et al. 1992). Chez les Cucurbitacées en particulier, les analyses
de séquences entre le concombre (Cucumis sativus L.) et le melon (C. melo L.) ont révélé
trois régions codantes putatives conservées dans la région du gène eIF4E dans les mêmes
orientations, tailles et nombres d’exons. Elles codent respectivement pour une protéine
hypothétique, une exonucléase et le facteur d’initiation de la traduction eIF4E. Les positions
relatives de ces gènes orthologues sont les mêmes ; seuls un rétrotransposon et une
protéine hypothétique supplémentaires ont été identifiés chez le concombre (Meyer et al.
2008). Des homologues de gènes de résistance chez des espèces apparentées peuvent
aussi conférer la résistance vis-à-vis de différents types de pathogènes. Ainsi, les gènes Rpi-
vnt de résistance à Phytophthora infestans chez une espèce apparentée à la pomme de
terre sont des homologues du gène Tm-22 en position colinéaire chez la tomate qui confère
la résistance au TMV (Foster et al. 2009 ; Pel et al. 2009).
Colinéarité fonctionnelle des locus de résistance chez les Solanacées
Chez les Solanacées, plusieurs études se sont focalisées sur l’organisation des locus de
résistance sur les génomes de la pomme de terre, la tomate et le piment. On observe ainsi
une bonne conservation de la position des locus majeurs de résistance à différents
bioagresseurs au niveau macroscopique (Leister et al. 1996 ; Pan et al. 2000 ; Grube et al.
2000). Grube et al. (2000) ont dénombré 12 clusters de gènes colinéaires chez au moins
47
deux espèces (Figure I.16). Au total, 5 clusters sont synténiques entre les 3 espèces et se
trouvent sur les chromosomes T3, T4, T9 et T11 de la tomate. Par exemple, l’extrémité
distale du bras long du chromosome T11 de la tomate comprend un cluster de gènes de
résistance codant pour la résistance au champignon Fusarium oxysporum, à Stemphylium
spp. et au virus Tomato yellow leaf curl (TYLC). Cette région est colinéaire à l’extrémité du
chromosome 11 de la pomme de terre qui comprend des gènes majeurs de résistance à
Phytophthora infestans (R3, R6, R7) et au virus de la mosaïque du tabac chez le piment (L).
Un gène de résistance à Phytophthora capsici (phyt3) a été cartographié dans la région
colinéaire chez le piment (Grube et al. 2000). Cette colinéarité interspécifique a été
efficacement exploitée pour cloner le gène R3 chez la pomme de terre à partir des
informations de séquences du locus I2 chez la tomate (Huang et al. 2005).
Figure I.16 Organisation des gènes de résistance aux bioagresseurs chez les Solanacées
(tomate, piment, pomme de terre) (d’après Grube et al. 2000)
Les génomes de la tomate, pomme de terre et piment sont représentés par des cercles concentriques de
l’extérieur vers l’intérieur. Les inversions entre les 3 génomes sont indiquées par des flèches au sein des régions
concernées de la pomme de terre et du piment. Les rayons délimitent les chromosomes, les lignés pointillées
marquent les ruptures de colinéarités entre régions chromosomiques. Les 5 translocations entre les génomes du
piment et de la tomate coupent les chromosomes P3, P5, P9, P11 et P12 en deux parties, chaque moitié étant
synténique à un chromosome différent de tomate. Les gènes de résistance et QTL sont indiqués. Les
homologues de gènes de résistance sont indiqués avec la lettre H suivi par le nom du gène. Les barres le long
des chromosomes marquent les régions chromosomiques associées à un gène ou un groupe de gènes s’ils ne
sont pas précisément localisés. Les noms des gènes qui n’ont pas été inclus dans l’analyse à cause de leur
position imprécise sont soulignés. Les formes ovales regroupent les clusters de gènes inter ou intra-spécifiques
(≤15 cM) identifié dans l’analyse. Les échelles des génomes ne sont pas respectées.
48
A l’inverse, si on s’intéresse à la position des locus conférant la résistance au même

pathogène, la synténie est très peu respectée entre les trois espèces. Par exemple, les locus
Tsw du piment et Sw-5 de la tomate qui contrôlent la résistance au Tomato spotted wilt virus
(TSWV) ne se cartographient pas dans des régions synténiques (Jahn et al. 2000). Il en est
de même pour les locus qui contrôlent la résistance au mosaic virus (TMV) chez la tomate
(Tm-1 et Tm-2), le tabac (N) et le piment (L). En cartographiant les homologues du gène N
du tabac chez le piment et la tomate, aucune correspondance entre les différents locus n’a
non plus été trouvée (Grube et al 2000). Néanmoins, la position d’un homologue du gène N
du tabac chez le piment correspond aux positions des locus de résistance aux potyvirus Ry,
à Meloidogyne (Rmci) et à Synchytrium (Sen1) et aux homologues de N cartographiés chez
la pomme de terre. De même, on ne trouve pas de colocalisation entre les locus de
résistance aux nématodes si l’on distingue les genres Globodera (nématodes à kystes) et
Meloidogyne (nématodes à galles). Cependant, si on examine les locus de résistance aux
nématodes de manière globale, les locus Gpa2 de résistance à Globodera pallida et MfaXIIspl
de résistance à Meloidogyne fallax du chromosome XII de la pomme de terre se positionnent
dans une région synténique aux locus Mi de la tomate et Me du piment qui confèrent tous les
deux la résistance aux Meloidogyne spp. (Djian-Caporalino et al. 2001).
Il existe aussi clairement des cas de conservation fonctionnelle de locus de résistance au
même pathogène. Par exemple, les deux QTL de résistance à Leveilulla taurica
cartographiés sur les chromosomes P6 et P9 du piment sont en position colinéaire avec les
QTL de tomate sur les chromosomes T6 et T12 (Lefebvre et al. 2003). De même, le gène
pot-1 de la tomate, conférant la résistance au PVY et au Tobacco etch virus (TEV), a été
identifié dans une région colinéaire à celle du piment contenant le locus pvr2 de résistance
aux potyvirus (Parrella et al. 2002) et leur clonage a montré qu’ils correspondaient au même
gène (Ruffel 2004 ; Ruffel et al. 2005). Aussi, les QTL de résistance aux Phytophthora ont
été cartographiés dans des positions colinéaires chez le piment (chromosome P5), la tomate
(chromosome T4) et la pomme de terre (chromosome IV) (Pflieger et al. 2001, Thabuis et al.
2003).
Pour savoir si les colocalisations observées sont fortuites ou si elles résultent d’un processus
évolutif d’arrangement génomique, plusieurs méthodes ont été utilisées. Grube et al (2000)
ont découpé les 12 chromosomes en 5 portions de 15 à 20 cM et ont considéré que chaque
gène majeur ou cluster était indépendant et occupait une seule position sur le génome d’une
espèce. Néanmoins les résultats obtenus avec ce modèle ne sont pas significatifs et des
problèmes liés à la précision des données de départ et du paramétrage du modèle sont
invoqués. Dans le cas des colocalisations entre QTL et gènes majeurs ou de colocalisations
49
entre QTL, la méta-analyse peut être utilisée entre espèces à condition de disposer de
suffisamment de marqueurs-ancres entre les cartes génétiques.
Utilisation de la colinéarité existante pour le clonage de gènes de résistance
L’une des applications majeures de la cartographie comparée est de faciliter le clonage de

gènes d’intérêt (Gale et Devos 1998 ; Paterson et al. 2000). La procédure souvent adoptée
est d’utiliser les informations de séquences disponibles chez une espèce
phylogénétiquement proche de l’espèce d’étude et de rechercher les relations d’orthologie
qui pourraient exister par le transfert de marqueurs liés au(x) gène(s) d’intérêt. Lorsque la
colinéarité entre une zone génomique de l’espèce modèle et la zone orthologue comprenant
le locus-cible de l’espèce d’étude est établie, des marqueurs sont sélectionnés
spécifiquement dans la zone colinéaire de l’espèce modèle pour être ajoutés dans la région
cible. Chez les Solanacées, cette stratégie est particulièrement bien illustrée par les travaux
de Huang et al. (2005) qui ont utilisé les informations génomiques de la région du gène I2 de
la tomate pour isoler le gène R3a qui confère la résistance spécifique à Phytophthora
infestans chez la pomme de terre. R3a est un membre du cluster de gènes R3 sur le
chromosome XI, colinéaire au cluster I2 sur le chromosome T11 chez la tomate qui confère
la résistance à la race 2 de Fusarium oxysporum f. sp. lycopsersici. Pour préciser les
relations de colinéarité entre ces régions, 7 marqueurs de tomate ont été ajoutés dans la
zone du cluster R3. L’ordre des 7 marqueurs est remarquablement bien conservé entre la
tomate et la pomme de terre. Des analogues de I2 ont été cartographiés chez la pomme de
terre et correspondent à une sous-partie du cluster I2 de la tomate, mettant en évidence
l’orthologie entre la région de R3a et celle de I2 (appelée cluster SL8D). Des gènes
candidats de R3a ont ensuite été identifiés avec une approche RGA ciblée (Resistance Gene
Analogue). Selon cette méthode, des amorces consensus des motifs LRR conservés du
sous-cluster SL8D ont été dessinées et ont servi, avec les marqueurs de R3a, à cribler la
banque BAC de pomme de terre. Les BAC sélectionnés ont été séquencés et annotés.
Quatre RGA de I2 avec des ORFs complets étaient des candidats potentiels de R3a. Pour
déterminer lequel pouvait être R3a, leurs fonctions ont été évaluées par transformation in
situ. Seul un candidat était capable de rendre résistant le génotype sensible transformé, ce
candidat a donc été désigné comme étant le gène R3a.
50
I.5 Le modèle d’étude : la résistance polygénique des Solanacées aux

Phytophthora
I.5.1 Les Solanacées
La famille des Solanacées est composée de 96 genres avec plus de 2300 espèces (D’Arcy
1991), majoritairement originaires d’Amérique du Sud et Centrale. Les Solanacées
comprennent notamment les genres Solanum et Capsicum. Le genre Solanum compte plus
de 1500 espèces dont la tomate (Solanum lycopersicum L.) et la pomme de terre (Solanum
tuberosum L.). Le genre Capsicum compte entre 25 et 30 espèces connues dont 5 ont été
domestiquées. Capsicum annuum L. est l’espèce cultivée la plus répandue. Les Solanacées
ont une grande importance économique. La tomate, la pomme de terre, le piment et
l’aubergine sont très cultivées pour l’alimentation humaine et l’industrie. Le tabac (Nicotiana
tabacum) et des espèces ornementales comme les pétunias (Petunia ssp) font aussi partie
des Solanacées (Figure I.17).
Nicotianoideae
Petunia axillaris
Chr. Taille
100 Ploï
Ploïdie
Nicotiana tabacum Nb. génome
68 Solanoideae Mb / 1C
Physalis alkekengi
46 Capsicum baccatum 12 2n 2700-3400
Cyphomandra betacea
43 85
Solanum melongena 12 2n 1100
98
98
Solanum candidum
99
Solanum stramonifolium
Solanum tuberosum 12 4n 840

98
Solanum lycopersicum 12 2n 950
Figure I.17 Phylogénie des Solanacées (d’après Bohs and Olmstead 1997)
Le nombre chromosomique de base, le niveau de ploïdie et la taille estimée des génomes sont indiqués à droite
de l’arbre phylogénétique des Solanacées. La tomate et la pomme de terre appartiennent au même
embranchement taxonomique. Elles font partie des Solanum. Les Solanum sont phylogénétiquement éloignées
du genre Capsicum auquel appartient le piment. Mb : méga bases (millions de paires de bases ; 1C : génome
haploïde).
51
Les espèces de Solanacées étudiées en génétique présentent le même nombre

chromosomique de base (x=12). La comparaison de leur génome a montré que la tomate et
la pomme de terre, très proches phylogénétiquement, ne diffèrent que par 5 inversions
paracentriques (Tanksley et al. 1992). Le piment et l’aubergine, plus éloignés, ont subi des
réarrangements plus importants (Livingstone et al. 1999 ; Lefebvre et al. 2002 ; Doganlar et
al. 2002a) (Figure I.18). La comparaison des génomes a non seulement apporté des
informations sur l’évolution des espèces mais a également facilité les études comparatives
des caractères qualitatifs et quantitatifs, en particulier ceux impliqués dans la domestication.
Figure I.18 Les réarrangements chromosomiques entre le piment et la tomate (d’après

Livingstone et al. 1999)
Comparaison de la structure des génomes du piment et de la tomate. Les chromosomes de piment (P) sont en
noir tandis que les chromosomes de tomate (T) sont en blanc. Seules les régions des cartes génétiques
comportant des marqueurs communs cartographiés chez les deux espèces sont présentées. Les marqueurs
communs sont liés par des lignes continues. Les lignes pointillées connectent les marqueurs qui ne se
cartographient pas dans les régions synténiques ou les marqueurs dont la position est incertaine (LOD<2) ou qui
ont été cartographiés dans des populations différentes. Les centromères de la tomate sont indiqués par des
zones ombrées sur les chromosomes. Les régions où les recombinaisons sont absentes chez le piment sont
indiquées par des barres blanches sur les chromosomes et sont supposées correspondre aux centromères. Les
positions des groupes de liaison A et B du piment sont indiqués par des barres à côté des chromosomes T8 et T3
de la tomate.
52
I.5.2 Les Phytophthora : oomycètes phytopathogènes
I.5.2.1 Les oomycètes ne sont pas des champignons
Les oomycètes appartiennent au règne des Chromistes, ils sont phylogénétiquement

proches des algues brunes Hétérokontes et des Diatomées (Kamoun et al. 1999, Figure
I.19). Jusqu’à la fin du XXème siècle, les oomycètes responsables des maladies dans les
cultures étaient pourtant considérés comme des champignons, ce qui a limité l’efficacité de
la lutte contre ces microorganismes pathogènes. Les oomycètes et les champignons
partagent en effet de nombreuses caractéristiques : croissance par des hyphes filamenteux,
nutrition par absorption et reproduction par des spores. Cependant, il a été démontré que les
oomycètes sont phylogénétiquement éloignés des champignons (Hardham et Takemoto
2006 ; Tyler 2007) : les parois cellulaires sont majoritairement composées de glucanes β 1-6
et β 1-3 (alors que la chitine compose majoritairement les parois cellulaire des eumycètes),
les zoospores sont biflagellés, le stade végétatif est diploïde, la biologie de la reproduction
est différente (Erwin et Ribeiro 1996). Les preuves de génétiques moléculaires ont confirmé
ces différences. Les oomycètes seraient issus d’un organisme photosynthétique qui aurait
été intégré par un organisme eucaryote primitif non-photosynthétique et qui aurait ensuite
perdu le plastide de la photosynthèse au cours de l’évolution (Cavalier-Smith 2002). Cette
hypothèse est soutenue par Tyler et al (2006) qui ont trouvé 855 gènes chez Phytophthora
sojae et Phytophthora ramorum provenant d’un ancêtre photosynthétique du type algue
rouge ou cyanobactérie. Les oomycètes montrent aussi des caractéristiques communes
avec d’autres protistes, êtres vivants primitifs comme les protozoaires. Par exemple, le motif
protéique RxLR-dEER est similaire à l’élément d’export PEXEL chez le Plasmodium
(Rehmany et al. 2005). Ce motif est caractéristique des protéines pathogéniques qui sont
libérées dans le cytoplasme de la cellule hôte (Whisson et al. 2007). Le motif RxLR a été
retrouvé dans plus de 300 gènes chez P. sojae et chez P. ramorum (Tyler et al. 2006).
Figure I.19 Arbre phylogénétique des organismes

eucaryotes (d’après Kamoun et al. 1999)
53
I.5.2.2 La large gamme d’hôtes des oomycètes
Il existe environ 600 espèces d’oomycètes. Certains genres d’oomycètes sont des parasites
des dicotylédones qui provoquent des pourrissements des tissus végétaux (Figure I.20). Ils
comprennent des biotrophes obligatoires (ex. Bremia lactucae, Hyaloperonospora parasitica,
Plasmopara viticola, Albugo spp.), des hémi-biotrophes (ex. Phytophthora infestans,
Phytophthora sojae) et des nécrotrophes (Phytophthora cinnamomi, Pythium spp.) (Hardham
2007).
Figure I.20 Arbre phylogénétique des Oomycètes (d’après Kamoun 2001)
Les genres les plus importants sont représentés. Aphanomyces, Pythium, Plasmopara, Phytophthora et
Peronospora sont les genres phytopathogènes. Le genre Bremia appartient aux Peronosporales, comme le genre
Peronospora.
Le genre Phytophthora appartient à la famille des Pythiacées et comprend plus de 80

espèces (Cooke et al. 2000). Les Phytophthora sont responsables des maladies de plantes
qui causent les plus gros dégâts dans les cultures à travers le monde (Sasabe et al. 2000).
Ils affectent une large gamme de plantes cultivées ainsi que des espèces forestières. Sur 50
espèces de Phytophthora étudiées, 32 ont des spectres d’hôtes larges et 18 n’ont qu’un seul
hôte. Par exemple, P. cinnamomi infecte plus de 900 espèces alors que P. infestans
n’infecte que quelques espèces de Solanum (Brasier 1992 ; Grunwald et Flier 2005).
54
I.5.3 Le mildiou causé par Phytophthora infestans : l’une des maladies majeures
de la pomme de terre
I.5.3.1 Les pertes dues au mildiou
L’infection de la pomme de terre par P. infestans provoque des zones de nécroses sur
différents organes (le tubercule, la tige ou les feuilles), entraînant souvent la mort de la
plante (Photos I.5). L’épidémie la plus connue de mildiou dans les cultures de pomme de
terre a eu lieu en Irlande en 1845, provoquant la famine et un million de morts. Aujourd’hui
encore, les coûts humains engendrés par cette maladie peuvent être énormes : les ravages
des cultures peuvent mener les agriculteurs au chômage (Fry and Goodwin 1997) ; les coûts
monétaires des traitements (principalement les fongicides) et ceux dus à la perte de
rendement sont estimés à plus de 4 milliards de dollars par an dans le monde, la moitié de
ces coûts étant circonscrits à l’Europe (Endure News n°1, janvier 2009).
a b c d
Photos I.5 Symptômes du mildiou (P. infestans) sur tubercule (a), tige (b), feuille (c) et
plante entière (d)
Sources : http://commons.wikimedia.org/ ; www.infonet-biovision.org; www.apsnet.org
I.5.3.2 Le cycle biologique de P. infestans
Phytophthora infestans est un oomycète hétérothallique, pathogène hémi-biotrophe quasi-

obligatoire. Son cycle biologique est composé d’une phase asexuée et d’une phase sexuée
(Figure I.21). Pour que la reproduction sexuée ait lieu, les deux types sexuels A1 et A2
doivent être en présence. La détection de l’autre type sexuel se fait par un dialogue
hormonal entre les deux hyphes mycéliens. Suite à la fertilisation, une oospore est produite.
L’oospore constitue le stade de survie du pathogène et la source de variation des
populations de P. infestans. Les oospores de P. infestans peuvent survivre plusieurs années
dans le sol (Mayton et al. 2000 ; Turkensteen et al. 2000), à conditions que les températures
restent relativement basses (Fay and Fry 1997).
55
sporangium
zoospores
sporangium
sporulation
sur jeune tube germinatif
plant au
oospore printemps
sporulation
sur les feuilles
oogonium
antheridium
reproduction
séxuée
plante infectée
a
Figure I.21 Cycle biologique

b de P. infestans
(a) Le cycle de P. infestans
comprend deux phases. La phase
asexuée est la phase de
multiplication, développement et
infection du pathogène. La phase
séxuée a lieu quand les deux types
sexuels A1 et A2 sont en présence
dans le milieu, elle est la source de
variation génétique. Le résultat de la
fécondation est une oospore, forme
de conservation du pathogène dans
le sol ou les tissus morts des
végétaux. Lorsque les conditions
sont favorables, les oospores
germent et donnent des
sporangiophores comprenant les
zoospores biflagellés, forme de
dissémination du pathogène. Si le
climat est humide et que la
c température avoisine les 10-15°C,
les zoospores sont libérés dans le milieu et sont disséminés par l’eau libre ruisselante ou le
vent. Lorsqu’ils atteignent les tissus végétaux, un tube germinatif se forme et s’infiltre entre
les cellules de l’épiderme. (b) L’appressorium permet d’exercer une pression sur la paroi
des tissus et de forcer l’intrusion du pathogène. (c) Les hyphes se développent alors dans
l’espace apoplastique et franchissent les parois jusqu’à atteindre la membrane plasmique
des cellules végétales où le dialogue moléculaire avec la plante a lieur au travers de
l’haustorium. Si les conditions sont toujours favorables, le pathogène sporule, donnant ainsi
de nouveaux sporangiophores et la croissance est exponentielle. PW : paroi cellulaire, H :
haustorium du pathogène, K : cellule du mésophylle végétal
Sources : (a) Schumann 1991 ; (b) Judelson et Blanco 2005 ; (c) Hardam 2008
56
I.5.3.3 La migration de P. infestans d’Amérique Centrale à travers le monde
Jusqu’au début du XXème siècle, P. infestans était considéré comme un organisme asexué
car seul le type sexuel A1 était connu. Des prélèvements systématiques dans différents pays
d’Europe, d’Asie, d’Amérique du Sud et du Nord montraient en effet que les populations
étaient globalement similaires, appartenant majoritairement à une seule lignée clonale US-1
de type sexuel A1 (les lignées clonales étant définies sur la base de profils de séquences
nucléotidiques répétées). La présence de cette lignée dans plusieurs régions du monde peut
s’expliquer par le fait que P. infestans peut survivre dans les tubercules infectés qui sont
exportés à l’international sous forme de plants. Selon une hypothèse, cette lignée originaire
des Etats-Unis aurait été dispersée d’abord en Europe suite à son exportation, puis dans le
reste du monde (Figure I.22).
Etape n°1 Etape n°2 Etape n° 3

Du Mexique aux Etats-Unis Des Etats-Unis en Europe Dispersion depuis l’Europe
1842 ou 1843 1844 ou 1845 début 1846
Figure I.22 La série de mouvements migratoires qui ont probablement mené à la dispersion
planétaire de la souche US-1 de Phytophthora infestans (d’après Goodwin 1997).
Dans les années 1950, le type A2 a été trouvé dans la vallée de Toluca au Mexique où il
coexistait en proportions équivalentes avec le type A1 (Goodwin et al. 1992). Il a été observé
que les virulences des populations de cette vallée étaient beaucoup plus diversifiées que
dans les populations d’autres régions du monde (Niederhauser et Mills 1953). Ce sont ces
observations qui ont suggéré l’hypothèse que le centre d’origine de P. infestans est
précisément la vallée Toluca au Mexique, mais la région des Andes est également
soupçonnée. Le type A2 a été détecté en Europe pour la première fois en 1981, en Suisse
(Hohl and Iselin 1984). La migration a probablement eu lieu lors d’une importation importante
de tubercules de pomme de terre depuis le Mexique durant l’hiver 1976/1977. La nouvelle
population de P. infestans transportée dans les tubercules infectés a rapidement remplacé
les populations existantes en Europe de l’Ouest, puis des autres continents, sauf l’Australie
57
et certaines régions d’Afrique. La souche dominante aux Etats-Unis depuis 1994 est la lignée
US-8 de type sexuel A2, l’une des plus complexes parmi celles détectées aux USA ; elle est
aussi la plus agressive (Kato et al. 1997 ; Lambert et Currier 1997). Maintenant que les deux
types sexuels sont en présence dans les régions d’Europe du Nord, on observe une
augmentation de la sévérité de l’épidémie, associée à une différence de structure de la
population. Dans ces régions, les épidémies ont d’ailleurs lieu plus tôt en saison qu’autrefois
(Andersson et al. 1998 ; Flier et al. 2007).
Il semblerait que les nouvelles souches de P. infestans aient un type de pathogénicité
différent qui leur permette également d’infecter des hôtes jusqu’ici inconnus comme le
Pétunia et la Douce-Amère (Solanum dulcamara) (Lee et al. 2002). Cette variation dans la
gamme d’hôtes s’observe également à travers la spécialisation récente de certaines souches
de P. infestans à la tomate (revu par Fry 2008).
58
I.5.3.4 La lutte contre P. infestans
L’utilisation des fongicides dans les pays développés producteurs de pomme de terre incite à
maintenir les cultivars sensibles sur le marché. Cependant, le coût des fongicides est
particulièrement élevé (~400$/ha, Fry 2008) et leur efficacité n’est pas durable. En effet,
seulement trois ans après la mise sur le marché du fongicide Metalaxyl à fonction
systémique en 1977, des souches résistantes de P. infestans sont apparues aux Pays-Bas
et en Irlande (Turner 2008). De plus pour des raisons écologiques et environnementales,
certains pesticides sont progressivement interdits par l’Union Européenne, ce qui incite à
concentrer les recherches sur d’autres formes de lutte. Le moyen de contrôle du mildiou le
plus efficace à l’heure actuelle est la lutte intégrée, par l’utilisation combinée d’une série de
tactiques comme la sélection de tubercules sains pour la plantation, l’élimination
systématique des sources de pathogènes sur le lieu de culture, l’application raisonnée de
fongicides en accord avec les alertes sanitaires et l’utilisation de cultivars résistants (réseau
de recherche européen ENDURE, FP6, 2007-2010, http://www.endure-
network.eu/diversifying_crop_protection/latest_news/potato_late_blight_a_4_billion_problem)
Le fait que la pomme de terre cultivée soit tétraploïde et hétérozygote rend néanmoins
difficile la création rapide de nouveaux clones résistants par sélection classique et il faut en
moyenne 10 à 15 ans pour créer une nouvelle variété de pomme de terre. De plus, le cadre
du marché de la pomme de terre est très contraint par les demandes des consommateurs et
de la législation, et les améliorations sont très lentes à voir le jour. Les deux cultivars les plus
cultivés au monde, ‘Russet Bank’ et ‘Bintje’, ont d’ailleurs près de 100 ans, et sont sensibles
à P. infestans.
Les résistances monogéniques
L’amélioration génétique de la pomme de terre pour lutter contre P. infestans a été initiée au
milieu du XIXème siècle avec le développement de la « résistance au champ » (résistance
polygénique quantitative), qui s’est montrée en partie efficace (Wastie 1991). Puis, la
découverte des gènes majeurs de résistance race-spécifique a eu un grand succès,
détournant l’attention des sélectionneurs de la résistance quantitative vers les résistances
qualitatives. Onze gènes (R1 à R11) de Solanum demissum conférant la réponse HR de la
plante et très efficaces au champ ont été largement déployés dans les cultures d’Europe.
Cependant, des souches qui réussissent à contourner la résistance ont été rapidement
sélectionnées (Malcomson 1969 ; Wastie 1991). Pour y faire face, la stratégie du pyramidage
de gènes majeurs a été appliquée. Le cultivar Pentland Dell en Ecosse, par exemple,
contient les gènes majeurs R1, R2 et R3 et résiste à la race 4 de P. infestans qui contourne
59
R4. La production de Pentland Dell a démarré en 1963 et est devenu très populaire dès
1968. Cependant, depuis cette date, des cas de contournement sur ce cultivar ont été
rapportés avec un impact de maladie très important en Angleterre et au Pays de Galles. Les
populations contournantes étaient compatibles avec R1, R2 et R3 mais aussi avec les gènes
R5 à R11 encore relativement peu déployés dans les cultures (Malcomson 1969). La
plasticité du génome de P. infestans vis-à-vis des gènes majeurs est bien décrite (Goodwin
et al. 1992) et de nombreux cas de contournement ont été observés très peu de temps après
le déploiement des gènes majeurs dans les cultures (5 à 7 ans).
Certains gènes majeurs sont cependant efficaces vis-à-vis de nombreuses souches testées
et seraient des candidats prometteurs pour une résistance durable. C’est par exemple le cas
de Rpi-blb1 (ou RB) du chromosome VIII, issu de S. bulbocastanum (Song et al. 2003 ; Van
der Vossen et al. 2003), efficace dans la vallée de Toluca au Mexique pendant plusieurs
années consécutive (Fry 2008), ou Rpi-blb2 qui confère aussi la résistance envers de
nombreuses souches de P. infestans (Bhaskar et al. 2008). Avec le clonage du gène
d’avirulence Avr3a et la découverte de nombreux autres effecteurs potentiels dans la
séquence génomique de P. infestans, il est possible d’utiliser les séquences ainsi isolées
pour cribler à grande échelle des séries de Solanum spp. et détecter rapidement ainsi
d’autres gènes majeurs potentiels (Hein et al. 2007).
L’accélération des découvertes de nouveaux gènes majeurs soulève la question de la
manière la plus efficace et durable de les déployer. Une alternative au pyramidage est la
culture de multilignées (chaque lignée de la parcelle diffère par la présence d’un gène majeur
différent). Néanmoins, le succès de cette stratégie dépend beaucoup des objectifs de
production (multiplication de semences, pomme de terre de consommation ou d’industrie) et
du coût de fitness du pathogène en présence (Fry 2008).
Changement de cap : lutte intégrée avec la revalorisation des anciennes variétés et

nouvelles créations présentant des résistances polygéniques partielles
Il y a de grandes différences dans l’emploi des cultivars résistants en Europe. Ils sont peu
utilisés en Europe de l’Ouest où la lutte contre le mildiou est majoritairement menée par
l’application répétée de fongicides et où le rendement et la qualité ont été prioritaires dans
les programmes de sélection par rapport à la résistance aux maladies. En revanche, les
cultivars résistants et notamment à résistance partielle sont plus répandus dans les cultures
de pomme de terre de l’Europe de l’Est où, en combinaison avec les techniques culturales,
ils constituent le moyen de lutte le plus efficace devant les produits phytosanitaires souvent
trop chers (Fry 2008). L’agriculture biologique, en forte augmentation dans les pays
développés, est aussi très demandeuse de variétés résistantes.
60
Les anciens cultivars comme Möwe et Roode Industrie font partie des variétés qui présentent
une résistance partielle d’assez haut niveau (Corbière et al. 2002). Parmi 22 cultivars
dépourvus de gènes majeurs introduits sur le marché entre 1900 et 1954, ceux qui
présentent les niveaux de résistance au champ les plus forts sont Robijn, Populair,
Pimpernel, Libertas et Surprise. Ces cultivars sont étroitement apparentés et il est probable
que ce soient les mêmes lots de gènes qui leur confèrent la résistance. De plus, leurs
niveaux actuels sont équivalents à ceux enregistrés depuis 1929, ce qui suggère que la
résistance polygénique concernée est durable (Colon et al. 1995). La variété Maritta qui
cumule la résistance polygénique partielle et des gènes majeurs présente également un
niveau intéressant de résistance (Rousselle et Robert 1997). Il en est de même pour la
variété Coquine, nouvellement créée, qui a été inscrite au catalogue en 2008. Sa résistance
provient d’une population obtenue en croisant plusieurs espèces sauvages apparentées à la
pomme de terre et comprenant à la fois des gènes majeurs d’hypersensibilité et des gènes
de résistance partielle (population A, CIP, Centro Internacional de la Papa, Pérou). Alors que
la plupart des génotypes partiellement résistant au mildiou sont tardifs, la variété Coquine
présente l’originalité très recherchée par les producteurs de pomme de terre d’être précoce à
demi-précoce (J.E. Chauvin, https://www.rennes.inra.fr/pomme_de_terre_2008).
I.5.4 Les interactions Phytophthora/plante
I.5.4.1 Du côté de Phytophthora : les PAMPs et effecteurs
Les champignons et les oomycètes phytopathogènes produisent des effecteurs (facteurs de

virulence) et des PAMP (Pathogen Associated-Molecular Pattern). Les effecteurs, reconnus
spécifiquement par la plante lors d’une interaction gène-pour-gène, sont appelées protéines
d’avirulence AVR. Ce sont des facteurs d’adaptation du pathogène qui manipulent les
mécanismes de défense de la plante. Les PAMPs ont un rôle majeur dans la pathogénicité et
déclenchent le système immunitaire non-spécifique de la plante (Tör 2008, Figure I.23).
61
Suppression des défenses

-modifient des protéines de l’hôte
Effecteurs -interfèrent dans les voies de signalisation
Inhibiteurs d’enzymes -évitent d’être détectés
Protéines riches en cystéine PRR -empêchent le dépôt de callose
Élicitine INF1 -imitent les protéines de l’hôte
Effecteurs cytoplasmiques PRR -inhibent les activités enzymatiques
RXLR signalisation
PRR ROS
AVR
récepteur
PRR
PAMPs interaction Activation des défenses
β-glucane PRR
CBEL -activation des voies de signalisation
PRR -burst oxidatif
synthèse et accumulation -influx d’ions
de composés -altérations de la membrane
PRR antimicrobiens
-réponse hypersensible
-modification protéique
PRR
-production d’éliciteurs endogènes
amplification du signal
Pathogène Cellule végétale
Figure I.23 Le dialogue moléculaire de l’interaction pomme de terre/Phytophthora infestans

(d’après Tör 2008)
Les molécules PAMP (Pathogen-associated molecular pattern) et effecteurs aident le pathogène à s’adapter. Les
oomycètes comme Phytophthora infestans, Bremia lactucae, Albugo candida et Hyaloperonospora arabidopsis
signalent leur présence avec les PAMP tels que le β-glucane ou protéine élicitrice CBEL (cellulose binding elicitor
lectin) qui contient deux domaines de liaison à la cellulose et permet au pathogène de s’accrocher à la cellule
hôte. La reconnaissance de ces PAMP par des récepteurs de surface (ou PRR pour Pattern Recognition
Receptor) active une cascade de signalisation menant à la réponse immunitaire qui comprend la réaction
oxidative avec la production d’espèces oxidatives (ROS : reactive oxidative species). Ces pathogènes ont aussi
des molécules effectrices comme les inhibiteurs d’enzyme, les petites protéines riches en cystéine et les
effecteurs cytoplasmiques RxLR qui passent dans l’apoplaste ou le cytoplasme de la cellule végétale. Ces
effecteurs sont souvent des facteurs de virulence qui ont la capacité de supprimer la réponse immunitaire en
modifiant les protéines de l’hôte, en interférant avec les voies de signalisation et en inhibant les activités
enzymatiques de l’hôte. De même que pour les PAMP, ces effecteurs (protéines AVR) peuvent être reconnus
directement ou indirectement par les récepteurs de l’hôte de type RLK/RLP à la surface de la cellule ou par les
récepteurs de type NBS-LRR transmembranaires ou dans le cytoplasme. La reconnaissance des protéines AVR
déclenche la réponse de défense dont les voies de signalisation, la production de ROS, l’altération de la
membrane plasmique avec des dommages irréversibles, des modifications de protéines, la réaction
hypersensible (nécrose des cellules) et la production d’éliciteurs endogènes. Cette défense locale est ensuite
amplifiée par des voies de signalisation et transduction secondaires. Des composés anti-microbiens sont
synthétisés dans les cellules où a eu lieu l’intrusion mais aussi dans les cellules avoisinantes et s’accumulent
autour du point d’infection du pathogène.
RLK : receptor-like kinase; RLP : receptor-like protein; NB-LRR : nucleotide binding site-leucine rich repeat
proteins
Lors de l’infection, les hyphes de Phytophthora s’infiltrent dans l’espace intercellulaire des
tissus végétaux et forment les haustoria. L’haustorium est une structure nourricière qui
pénètre la paroi végétale sans traverser la membrane cellulaire (Kamoun 2006). Des
effecteurs sont sécrétés dans l’apoplaste où se trouvent des molécules cibles et récepteurs
de surface. D’autres effecteurs, sans doute exprimés dans l’haustorium, ont pour cibles des
récepteurs cytoplasmiques de la plante (Catanzariti et al. 2006). Les effecteurs
apoplastiques peuvent être des enzymes inhibitrices (inhibitrices de glucanases) ou de
62
petites protéines riches en cystéine (élicitine INF1). Les effecteurs cytoplasmiques sont des
protéines d’avirulence RxLR (acides aminés R=Arg, L=Leu), identifiées par le séquençage
de 5 gènes Avr (Avr1b-1, ATR13 et ATR1NdWs, Avr3a et Avr3b) chez P. sojae,
Hyaloperonospora arabidopsis et P. infestans (Shan et al. 2004 ; Allen et al. 2004 ; Rehmany
et al. 2005, Armstrong et al. 2005; Jiang et al. 2006). Ce motif est apparenté à un motif de
transport protéique que l’on trouve dans les protéines de virulence du pathogène de la
malaria, Plasmodium falciparum (Hiller et al. 2006 ; Bhattacharjee et al. 2006). Ce motif n’a
pas été trouvé dans les protéines AVR de la rouille du lin et semble être spécifique des
oomycètes (Dodds et al. 20046; Catanzariti et al. 2006). Le mode de transmission des
protéines d’avirulence entre l’espace extracellulaire et le cytoplasme de l’hôte n’est pas
encore clair (Ellis et al. 2006 ; Kamoun 2006). Certaines comparaisons avec d’autres
pathosystèmes évoquent la possibilité d’une reconnaissance par des récepteurs
d’endocytose de la cellule végétale qui permettrait ainsi l’entrée de la protéine Avr dans le
cytoplasme (Tör 2008).
I.5.4.2 Du côté de la plante : les récepteurs de reconnaissance des effecteurs
Pour la reconnaissance des molécules des pathogènes, les plantes présentent des
récepteurs extra- et intracellulaires. Les récepteurs extracellulaires sont appelés PRR
(Pattern Recognition Receptors) et jouent un rôle prépondérant dans la connexion de la paroi
cellulaire, la membrane plasmique et le cytosquelette ainsi que dans la transmission des
signaux externes (Tör 2008). Les récepteurs intracellulaires assurent la reconnaissance des
molécules des pathogènes dans le cytoplasme de la cellule végétale via les protéines NBS-
LRR. Plusieurs membres de ces R-protéines conférant la résistance aux oomycètes ont été
clonés comme les gènes RPP et RAC d’Arabidopsis qui confèrent la résistance à H.
arabidopsis et A. candida (Tör et al. 1994, 2003 ; Holub 2001 ; Borhan et al. 2004), les gènes
des clusters DM3 et RGC2 de la laitue qui confèrent la résistance à B. lactucae (Shen et al.
2002 ; Wroblewski et al. 2007), R1, R2, R2-like, Rpi-blb3, Rpi-abpt et R3a chez la pomme de
terre qui confèrent la résistance à P. infestans (Ballvora et al. 2002 ; Huang et al. 2005 ;
Lokossou et al. sous presse). Leur mode d’activation de la réponse immunitaire est en cours
d’étude. Des découvertes récentes ont montré que la majorité des R-protéines ont
également un signal nucléaire (Meyers et al. 2003). Par exemple, la protéine MLA de l’orge,
N du tabac et RPS4 d’Arabidopsis sont transportées dans le noyau et activent l’expression
de défense via le facteur de transcription au domaine WRKY (Dangl 2007; Shen et Schulze-
Lefert 2007 ; Shen et al. 2007).
63
I.5.4.3 Attaque, contre-attaque : le dialogue moléculaire de l’interaction
Les Phytophthora disposent, comme les champignons, des enzymes de dégradation des
parois cellulaires (CWDE pour Cell Wall Degrading Enzyme). La plante sécrète également
des CWDE contre le Phytophthora. En réponse, les Phytophthora sécrètent des inhibiteurs
de CWDE (ex EPI1 de P. infestans qui inhibe la protéase P69 de tomate, Tian et al. 2004,
2005) et des protéines telles que GIP1 de P. sojae qui inhibent les glucanases végétales
(Rose et al. 2002). La reconnaissance des molécules PAMP et des effecteurs active la
cascade de signaux et le réseau d’acteurs de la défense comme les facteurs de transcription
et les kinases (Tör 2008). Les changements physiologiques caractéristiques de la défense
des plantes se manifestent : influx d’ions, épaississement des parois cellulaires autour du
point d’infection, formation de ROS comme NO, H2O2 qui ralentissent le développement du
pathogène, synthèse de phytoalexines et de protéines PR et production d’acide salicylique
(Hardham et al. 2007). Chez P. infestans, les séquences dérivées d’enzymes dégradant les
ROS (catalases, peroxydase) ont été identifiées (Latijnhouwers et al. 2003).
I.5.5 Les colocalisations des locus de résistance aux Phytophthora
Les analyses de QTL pour la résistance aux Phytophthora ont été essentiellement
rapportées chez la pomme de terre vis-à-vis de P. infestans avec 19 études publiées, chez le
piment vis-à-vis de P. capsici avec 7 études publiées, et moins fréquemment chez la tomate
vis-à-vis de P. infestans avec 2 études publiées sur des populations issues du même
croisement de départ (Tableau I.6).
64
Tableau I.6 Espèces et croisements des analyses QTL publiées pour la résistance aux
Phytophthora pour l’alignement des cartes de trois Solanacées: (a) pomme de terre, (b)
piment et (c) tomate
(a)
Croisements pomme de terre* Référence
H82.368/3 x H80.696/4 (S. tuberosum x S.spegazzinii) Leonards-Schippers et
al. 1994
S. tuberosum 12601ab1 x S. tuberosum Stirling Meyer et al. 1998
G87D2.4.1 ([DH FloraxS. kurtzianum)x S. vernei]x (S. tuberosum x S. tarijense)x Collins et al. 1999
I88.55.6 ((S. tuberosum x S. stenotomum) x S. tuberosum x S. stenotomum)
H80.577/1 x H80.576/16 (pedigrées inconnus); G87D2.4.1[(DH Oberhagemann et al.
Flora x PI 458.388) x (DH Dani x PI 230.468)] x I88.55.6 {[DH (Belle de Fontenay x 1999
Kathadin) x PI 238.141]x [DH Jose x (PI 195.304 x WRF 380)]} espèces appartenant au
pédigrées des parents :
S. kurtzianum, S. vernei, S. tuberosum, S. tarijense, S. stenotomum
(S. tuberosum USW2230 x S. berthaultii PI473331) x S. tuberosum HH1-9 Ewing et al. 2000
J101K6 (S. bulbocastanum x S. tuberosum)] x S. tuberosum Atlantic Naess et al. 2000
S. microdontum MCD167 x S. tuberosum SH 82-44-111; Sandbrink et al. 2000
S. microdontum MCD167x S. tuberosum SH 77-114-2988;
S. microdontum MCD167 x S. tuberosum SH 82-59-223;
S. microdontum MCD178 x SH 82-44-111;
S. microdontum MCD178 x SH 77-114-2988;
S. microdontum MCD178 x SH 82-59-223
S. phureja CHS-625 x S. tuberosum PS-3 Ghislain et al. 2001
USW5337.3 (S. phurejax S. tuberosum) x USW5337.3 (S. vernei × S. tuberosum) Visker et al. 2003
S. tuberosum Leylax S. tuberosum Escort; Bormann et al. 2004
S. tuberosum Leylax S. tuberosum Nikita
S. tuberosum 12601ab1x S. tuberosum Stirling Bradshaw et al. 2004
(S. phureja x S. stenotomum BD142-1) x (S. phureja x S. senotomum BD172-1) Costanzo et al. 2005
MP1-8(S. paucissectum PI473489-1 x S.chromatophilum PI310991-1) x Villamon et al. 2005
S.chromatophilum PI310991-1
S. tuberosum SH82-44-111 x CE51 (S. phureja x (S. vernei x S. tuberosum)) ; Visker et al. 2005
S. tuberosum DH84-19-1659 x I88.55.6 ((S. tuberosum x S. stenotomum) x S.
tuberosum x S. stenotomum))
S. tuberosum PDH247 x S. phureja DB226) x S. phureja DB226 Bradshaw et al. 2006b
BD142-1(S. phureja x S. stenotomum) x BD172-1 (S. phureja x S. stenotomum) Simko et al. 2006
S.tuberosum 89-0-08-21 x S.vernei 3504; Sorensen et al. 2006
S.tuberosum 90-HAE-42 x S.vernei 3504
DG 83-1520 (P1)xDG 84-195 (P2) espèces appartenant aux pédigrées des parents : S. Sliwka et al. 2007
tuberosum, S. chacoense, S. verrucosum, S. microdontum, S. gourlayi, S. yougasense
S. tuberosum CasparH3x S. sparsipilum PI310984; Danan et al. soumis
S. tuberosum RosaH1x S. spegazzinii PI208876
* Tous les croisements utilisés pour les analyses QTL sont des pseudo-F1
(b)
Croisements piment* Référence
Capsicum annuum H3 x Capsicum annuum Vania (HD) Thabuis et al. 2003
Capsicum annuum Perennial x Capsicum annuum Yolo Wonder (HD) Lefebvre et Palloix
Capsicum annuum Yolo Wonder x Capsicum annuum Criollo de Morelos 334 (F2) 1996
Capsicum annuum PSP-11 × Capsicum annuum PI201234 (RIL: F7) Ogundiwin et al. 2005
Capsicum annuum Joe E. Parker x Capsicum annuum Criollo de Morelos 334 (F2)
Capsicum annuum CM334 x Capsicum annuum NuMex Joe E. Parker (F1) Sugita et al. 2006
Capsicum annuum Yolo Wonder x Capsicum annuum Criollo de Morelos 334 (F5) Bonnet et al. 2007
Capsicum annuum Manganji x Capsicum annuum Criollo de Morelos 334 (HD) Minamiyama et al.
2007
Capsicum annuum Criollo de Morelos 334 x Capsicum annuum Chilsungcho (F2) Kim et al. 2008
*HD: population haploïde doublée, Fi : ième génération d’autofécondation à partir d’individus F1
(c)
Croisements tomate* Référence
L. esculentum NC 84173 x L. hirsutum LA2099 (BC) Brouwer et al. 2004
L. esculentum NC 84173 x L. hirsutum LA2099 (NIL) Brouwer et St Clair
2004
*BC: back-cross avec L. esculentum NC 84173 ; NIL : Near-Isogenic Lines issues de 4 back-cross sucessifs avec
L. esculentum
65
De même, la cartographie de gènes majeurs a principalement été rapportée chez la pomme

de terre avec 23 gènes majeurs répartis sur plusieurs chromosomes, notamment dans des
clusters de résistance aux bioagresseurs. Chez la tomate, 4 gènes majeurs ont été rapportés
dans la littérature (Ph-1, Ph-2, Ph-3, Ph-5), il en existe d’autres connus des sélectionneurs
mais non publiés (Foolad 2007). Aucun gène majeur de résistance à P. capsici chez le
piment n’a été décrit.
L’analyse détaillée des marqueurs communs aux différentes cartes et appartenant aux
intervalles de confiance des QTL ou liés aux gènes majeurs a permis de mettre en évidence
de nombreuses colocalisations possibles entre les locus des 3 espèces de Solanacées. Ces
colocalisations sont présentées au niveau macrosynténique (échelle peu résolutive) Figure
I.24. Cette figure tient compte de l’ensemble des publications citées plus haut et confirme
des colocalisations déjà décrites (Grube et al. 2000 ; Pflieger et al. 2001 ; Thabuis et al.
2003). L’ajout de marqueurs communs dans les régions colinéaires les plus riches en locus
de résistance aux Phytophthora est toujours en cours au laboratoire GAFL INRA Avignon et
devrait permettre d’augmenter la résolution de la comparaison.
Figure I.24 Organisation des locus de résistance aux Phytophthora sur le génome des
Solanacées (pomme de terre, tomate et piment)
Les groupes de liaisons synténiques des trois espèces sont représentés schématiquement avec une couleur
différente: vert pour la pomme de terre (K), rouge pour la tomate (T) et orange pour le piment (P). La longueur
totale de chaque chromosome est indiquée à leur extrémité Sud. La valeur indiquée est une moyenne des
longueurs rapportées dans différentes cartes utilisées pour l’analyse. Une échelle repère de 20 cM est indiquée.
Les noms des marqueurs susceptibles de faciliter l’ancrage des cartes au sein de chaque espèce et entre les
espèces sont notés à gauches des chromosomes. Leurs positions, lorsqu’elles ont indiquées, sont notées à droite
des chromosomes. Leur valeurs sont les moyennes arithmétiques des cartes où les marqueurs ont été
cartographiés, ou sont les positions réelles de la carte d’origine s’il n’y en a qu’une. Certains marqueurs ont des
positions incertaines ou contradictoires et, dans ce cas, ils sont positionnés relativement les uns par rapport aux
autres sans que leur position soit précisée. Les marqueurs entre parenthèse ont des positions très incertaines.
Les régions de QTL sont indiquées par des rectangles de la même couleur que celle de l’espèce. Leurs
intervalles de confiances sont approximatifs et se basent sur leurs positions relatives aux marqueurs ancres les
plus proches. Les références bibliographiques des cartes de QTL inclues dans l’analyse sont indiquées au niveau
des QTL. Les gènes majeurs ou clusters de gènes majeurs sont représentés par la lettre ‘R’ dans des cercles
bleus. Leur nom est précisé dans chaque cas. Pour les groupes synténiques des chromosomes 7 et 8 de la
tomate et de la pomme de terre, trop peu de marqueurs communs étaient disponibles pour pouvoir ancrer les
cartes des régions synténiques de piment correspondantes.
Cette figure est une vue simplifiée de l’organisation comparée des locus de résistance aux Phytophthora chez 3
espèces de Solanacées ; elle vise à mettre en évidence d’éventuelles colinéarités entre locus mais de précise
pas les réarrangements génomiques tels que décrits dans Livingstone et al. (1999).
66
0
20
GP298
CP11
TG70
TG29
TG24
K1
65
50
33
124
Oberhagemann et al. 1999
TG179
TG333
TG343
TG224
TG273
TG70
TG24
TG301
T1
82
67
63
41
22
126
103
lb1c; Brouwer et al. 2004 lb1b; Brouwer et al. 2004 lb1a; Brouwer et al. 2004
(TG16)
P1
86
TG29 35
Pc1.2 Pc1.1; Bonnet et al. 2007
Phyto1.1; Thabuis et al. 2004
Phyto-F Phyto-E Phyto-D; Ogundiwin et al. 2005

67
0
20
TG167
CD35
GP26
GP321a
SK2
GP1 (c)
TG48
TG50
CT75
TG31
K2
102
99
90
85
79
77
65
61
50
49
37
Leonards-Schippers et al. 1994 Oberhagemann et al. 1999 Oberhagemann et al. 1999

Collins et al. 1999 Collins et al. 1999 Collins et al. 1999
Simko et al. 2006
TG250
TG167
TG48
CT75
TG145
TG31
(TG312)
T2
1
63
49
44
20
57
lb2b lb2a; Brouwer et al. 2004

TG312
CD35
(TG31)
CT116
P2
81
30
195
150

68
20
GP250
TG13B
TG449B
0 TG244
TG134
TG42
TG74
GP1a
TG56
K3
110
77
70
61
59
52
50
47
44
101
Leonards-Schippers et al. 1994 Leonards-Schippers et al. 1994
Oberhagemann et al. 1999 Ewing et al. 2000
Sliwka et al. 2007 Ghislain et al. 2001
Costanzo et al. 2005
Sliwka et al.2007
Collins et al. 1999
Bormann et al. 2004
Leonards-Schippers et al. 1994
TG244
TG42
TG542
TG56
(TG74)
(TG359)
T3
5
67
39
150
lb3; Brouwer et al. 2004
TG057
TG591
(TG74)
CT63
CD8
(TG359)
(TG134)
P3
75
30
15
270
TG152 240
195
rec3.1; Thabuis et al. 2003
ind3.1; Thabuis et al. 2003

Pp_3.1; Bonnet et al. 2007
69
0
20
(TG15) CD64a TG399
P5
TG153 0
TG60 90
TG419 TG351 CT80 84
TG358 80
TG363 CT155 TG329 75
TG586 42
TG123 30
TG413 TG483 26
TG211 15
TG215 TG314 TG609 10
TG69a TG238 119

CT80a TG23 110
Phyto5.2; Thabuis et al. 2003 Phyto5.1;Thabuis et al. 2003
Pc_5.2; Bonnet et al. 2007 Pc_5.1; Bonnet et al. 2007
Phyto-P; Ogundiwin et al. 2005
Quirin et al. 2005
R
Phyto-U; Ogundiwin et al. 2005
Phyt-1; Sugita et al. 2006

R
TG65
TG339
TG123
K4
87
CT173 76
TG345 71
TG427 55
TG623 50
TG272 49
STM3023 45
TG652 41
MBF 34
T0635 27
TG483 22
TG15 16
59
Sandbrink et al. 2000 Bradshaw et al. 2004

Leonards-Schipper et al. 1994 Meyer et al. 1998
Collins et al. 1999
Leonards-Schipper et al. 1994
Sliwka et al. 2007
Cluster de gènes majeurs de type NBS-LRR :
(TG65)
TG413B
TG498
TG163
CT173
TG345
TG427
TG652
TG609
TG182
TG339
TG15
T4
0
72
59
46
31
22
16
10
lb4; Brouwer et al. 2004,

R2, R2-like, Rpi-blb3, Rpi-abpt, Rpi-mcd/Rpi-mcd1, Rpi-demf
Brouwer et StClair 2004

(TG65)
P4
TG132 0
86
sta23.4.1, rri.4.1; Thabuis et al. 2003, 2004

Pc_4a.2; Bonnet et al. 2007
70
0
20
TG619
CT101
TG379
(TG36)
(TG432)
P11
Phyto11.1;Thabuis et al. 2003 Pc_11a.1; Bonnet et al. 2007

Phyto-T; Ogundiwin et al. 2005
Pp_11a.1; Bonnet et al. 2007

TG598
TG23
TG358
TG379
TG363
TG619
CT101
TG432
CD31A
K5
TG413 56
TG185 53
TG69 50
38
28
27
24
R
147
23
18
Sandbrink et al. 2000 Bradshaw et al. 2004 Leonards-Schippers et al. 1994

Collins et al. 1999
Costanzo et al. 2005 Ghislain et al. 2001
Oberhagemann et al. 1999 Bormann et al. 2004
Sliwka et al. 2007
Sliwka et al.2007
Visker et al. 2003,2005
TG413
TG598
TG23
CT101
T5
0
TG69 70
TG183 63
TG358 53
CT93 33
15
80
59
1 gène majeur de type NBS-LRR : R1

lb5b; Brouwer et al. 2004 lb5a; Brouwer et al. 2004
Brouwer et St Clair, 2004 Brouwer et St Clair, 2004
CD64a TG399
(TG358) TG419
(TG15) TG363
TG215
P5
TG153 0
TG60 90
TG351 CT80 84
TG358 80
CT155 TG329 75
TG586 42
TG123 30
TG413 TG483 26
TG211 15
TG314 TG609 10
TG69a TG238 119

CT80a TG23 110
Phyto5.2; Thabuis et al. 2003 Phyto5.1;Thabuis et al. 2003

Pc_5.2; Bonnet et al. 2007 Pc_5.1; Bonnet et al. 2007
Phyto-P; Ogundiwin et al. 2005
Quirin et al. 2005
Kim et al. 2008 Phyto-U; Ogundiwin et al. 2005

71
0
20
WUN1
GP79
K6
TG25 51
TG118 50
CD67 48
44
16
129
TG193 101
R

Collins et al. 1999
Oberhagemann et al. 1999 Simko et al. 2006
Collins et al. 1999
Simko et al. 2006
R
R
(CT146)
(TG25)
T6
TG118 8
(TG232) CT216 0
TG221 70
TG314 68
TG99 59
TG279 52
TG253 35
CT108 21
TG578 60

Frary et al. 1998
Smart et al. 2007
1 gène majeur chez la tomate

(CT146)
(TG25)
(TG232)
(TG253)
P6
86
Phyto6.2; Thabuis et al. 2003 Phyto6.1; Thabuis et al. 2003

Phyto-L; Ogundiwin et al. 2005 Pc_6.1; Bonnet et al. 2007
Kim et al. 2008
1 gène majeur chez la pomme de terre de type NBS-LRR : Rpi-blb2
72
Collins et al. 1999

K8 T8
K7 T7 TG309 0
lb7a; Brouwer et al. 2004

TG499 4 TG499 0

TG438 14 TG72 15

TG438 13
Ghislain et al. 2001

R
TG216 19 TG16 24
CT84 TG572 21
Collins et al. 1999

TG216 23
TG128 24
CT43 25 TG572 32
TG61 28
TG330 45
TG170 41
lb7b; Brouwer et al. 2004

TG128 43
Naess et al. 2001 Bormann et al. 2004

Collins et al. 1999 Collins et al. 1999
R
Simko et al. 2006 Simko et al. 2006

Ghislain et al. 2001 Ewing et al. 2000
TG64 55 CT148 59
Frary et al. 1998

wx 64
TG61 62

70 CT52 67
CT68 74
Sorensen et al. 2006

TG117A 78
Bormann et al. 2004

TG72 79
TG349 81
TG16A 82
CT68 84
CT148
CT68
86
88
R
TG330 89
Pas de marqueur 0
0 commun avec le piment
Pas de marqueur
commun avec le piment
20 119
20
1 gène majeur chez la pomme de terre (Rpi1) Cluster de gènes majeurs de type NBS-LRR :
R 1 gène majeur chez la tomate (Ph-1, position incertaine). R Rpi-blb1/RB, Rpi-pta1, Rpi-plt1, Rpi-sto1
73
K9 T9 P9

TG254 0

CT143 11
Sorensen et al. 2006
Pp_9.1, Pp_9.2; Bonnet et al. 2007

Bormann et al. 2004
CT32 18
Collins et al. 1999

(TG568)
Phyto-Q; Ogundiwin et al. 2005

TG254B 29 TG35 30 (TG568)
TG10 37
CP20 40
CT143 44

TG8 55
TG591 63
TG35 74
R
CT220 74
R
TG8 87
CT220 94
R
0
20 2 locus de gènes majeur chez la pomme de terre :

130 R Rpi-vnt1.1/Rpi-vnt1.2/Rpi-vnt1.3 (NBS-LRR), Rpi-Phu1 et Rpi-mcq1
1 gène majeur chez la tomate (Ph-3, position incertaine).
74
lb10; Brouwer et al. 2004

K10 T10 P10
TG271 0
TG303 3
(TG122)
TG560 10 (TG122)
(CT154)
Sandbrink et al. 2000

TG285 15
(TG420)
Simko et al. 2006

CT20 31
Pp_10a.1, Pp_10a.2; Bonnet et al. 2007

TG303 39
TG122 40
TG560 44
Sliwka et al. 2007

Simjo et al. 2006
TG229 46
GP35a 51
Villamon et al.

CT11 54
CT214 56 (CT154)
TG280 57
R
Sliwka et al. 2007

TG63
CD32 65 R TG63 66 R
TG422 66
CP49a 70
TG185 72
TG420 80
Phytu10.1; Thabuis et al. 2003

96
0
(TG420)
20 120
2 locus proches de gènes majeurs chez la pomme de terre : Rber et Rpi-ber

R 1gène majeur chez la tomate : Ph-2
75
0
20
CT168 CT194
R
GP171(b) TG400
TG393
TG384
TG105a TG497
TG651
TG26
TG36
TG47 TG46
TG57
CT182
TG154-2
TG30CT107C
76
K11
50
48
44
42
41
40
39
31
28
25
24
22
18
R
R
Collins et al. 1999 Bormann et al. 2004

Villamon et al.
Bormann et al. 2004 Collins et al. 1999
Ghislain et al. 2001
Collins et al. 1999
2 locus de gènes majeurs :

TG393
TG26
TG105
TG36
TG30
TG546
TG400
TG147
CT182
CD17
TG194
TG497
CT107c
0
44
78
55
47
21
T11

R3, R3a ( NBS-LRR), R3b, R6, R7, R10, R11 et Rpi_Stirling
lb11; Brouwer et St Clair 2004

(TG47)
TG619
TG379
CT101
(TG36)
(TG46)
(TG384)
P11
Phyto11a.2; Thabuis et al. 2003 Phyto11a.1; Thabuis et al. 2003

Phyt-3; Sugita et al. 2006 Phyto-T; Ogundiwin et al. 2005
Pp_11a.1; Bonnet et al. 2007

76
0
20
TG360
CT201
TG618
TG68 TG180
TG296 CT79
97
TG473 93
TG28 77
TG581 63
58
54
53
49
GP122 40
GP229 36
59
K12
Collins et al. 1999 Collins et al. 1999

Bormann et al. 2004
Villamon et al. Ghislain et al. 2001
Bormann et al. 2004
(TG367)
TG68 9
TG180 0
T12
TG473 85
TG296 64
TG111 44
TG360 38
CT79 16

TG28
CT138
TG124
TG497
TG194
(TG367)
0
P12
45
120
105
165
Phytu12.1; Thabuis et al. 2003

Phytu12.2; Thabuis et al. 2003 Phytu12.2; Thabuis et al. 2003
77
Conclusion
Les recherches de ces dernières années ont permis de progresser dans la compréhension
des bases moléculaires des résistances polygéniques et sur les interactions moléculaires
entre l’hôte et le pathogène. Du côté de la plante, les recherches avancent simultanément
sur deux fronts : l’organisation structurale des locus sur le génome et les gènes sous-jacents
aux locus. Après la vague des études de détection de QTL avec des méthodes de plus en
plus élaborées, sur des schémas de croisements simples à complexes, impliquant des
génotypes aux différents niveaux d’apparentement, on assiste aujourd’hui à une nouvelle
vague de recherches, celle de la synthèse de toutes les données ainsi produites, via la méta-
analyse. Les locus aux origines nombreuses et diverses et/ou présentant les effets les plus
forts sur la résistance observée ainsi mis en évidence sont sélectionnés pour une analyse et
une caractérisation approfondie des gènes sous-jacents. De plus, les réseaux de gènes qui
interagissent pour conférer la résistance commencent à être démentelés.
Ces deux types de recherches sont étroitement liés à l’exploration de la diversité, que ce soit
au sein d’une même espèce ou à travers plusieurs espèces proches, voire éloignées. La
génomique comparative apparaît alors comme un outil très utile de mise en relation des
données entre espèces. Elle permet notamment de mettre en évidence les locus en position
colinéaire et conférant la résistance au même pathogène ou à des pathogènes différents.
Lorsqu’il s’agit du même pathogène, on peut supposer que ces gènes confèrent une
résistance durable. L’hypothèse sous-jacente est que ces locus, conservés chez des
espèces qui ont divergé à cause de multiples évènements de réarrangements et mutations
conduisant à la spéciation, auraient un caractère propre et une fonction particulière qui
confèreraient un avantage sélectif à la plante. En parallèle, on peut imaginer que ce type de
locus ciblerait une fonction essentielle du pathogène, quelque soit la souche, donc peut
soumis à des variations de séquence, ce qui rend l’action du gène de résistance durable. Ce
raisonnement explique pourquoi il parait nécessaire de se concentrer en priorité sur les locus
de résistance à large spectre pour une même famille de pathogènes et conservés entre
espèces pour explorer les raisons possibles de la durabilité des résistances.
A une époque où il faut palier aux contournements incessants des résistances
monogéniques déployées et à la suppression progressive des produits phytosanitaires, ces
différentes recherches (cartographie des locus, nature moléculaire des gènes, diversité
allélique) fournissent des sources d’informations importantes qui servent aux sélectionneurs
à mettre au point de nouvelles variétés aux résistances efficaces et durables.
A travers la thèse, différentes questions parmi celles qui sont soulevées sur les résistances
polygéniques ont été explorées en prenant comme modèle la résistance aux Phytophthora
chez les Solanacées et plus particulièrement le pathosystème P. infestans/pomme de terre.
78
Ainsi, le chapitre III présente les résultats d’une analyse QTL classique sur schéma de
population bi-parentale de deux populations indépendantes de pomme de terre, faisant
intervenir deux nouvelles sources de résistances polygéniques à P. infestans, S. sparsipilum
et S. spegazzinii. Le chapitre IV rapporte les premiers résultats d’une analyse conjointe de
QTL en schéma factoriel, basée sur l’étude de 4 populations connectées de pomme de terre
dont les sources de résistance sont issues de S. berthaultii. Ces deux premiers chapitres
participent donc à l’exploration des espèces apparentées à la pomme de terre pour la
recherche de la résistance polygénique à P. infestans. Ces travaux s’ajoutent à 18 autres
études publiées qui font intervenir 13 autres espèces apparentées. L’ensemble de ces
résultats sont analysés simultanément dans une méta-analyse présentée dans le chapitre V.
La stratégie adoptée et les méthodes utilisées pendant la thèse sont schématisées dans un
diagramme en « mind-map » (Figure I.25).
79
En quoi les résistances polygéniques seraient-elles durables? Question de recherche générale
Hypothèse
les locus colinéaires conférant la résistance au même pathogène dérivent d’un gène ancêtre commun
encore fonctionnel aujourd’hui sous diverses formes homologues qui sont donc durables Hypothèse
Modèle
d’étude :
Solanacées/
Comment s’organisent les locus de Phytophthora
résistance sur les génomes des Solanacées?
Analyse de l’organisation intra-spécifique Analyse de la colinéarité inter-spécifique

pomme de terre pomme de terre-tomate-piment Stratégie
Génome Région
entier génomique comparative avec le d’étude :
3 analyses de QTL IV-T4-P5
développement de marqueurs communs
2 populations 4 populations 19 études 10 études indépendantes :
bi-parentales
indépendantes connectées indépendantes 6 pomme de terre Méthodologie
1 source de 13 sources de 2 tomate
2 sources de 2 piment
résistance* résistance* résistance*
13 sources de résistance*
CIM classique
+
CIM classique méta-analyse méta-analyse
CIM analyse intra-spécifique inter-spécifique
conjointe
Chapitre III Chapitre IV Chapitre V Chapitre VI
Figure I.25 Mind-Map du sujet de thèse

La question de recherche (en vert), l’hypothèse de recherchée (en jaune) et la stratégie (en bleue), les modèles d’étude utilisés (en rose) et les méthodes adoptées (en blanc)
ont été organisés selon 4 chapitres présentés dans ce rapport.
* les sources de résistance correspondent à des clones d’accessions d’espèces apparentées à la pomme de terre cultivée S. tuberosum. Les clones S. tuberosum utilisés dans
les croisements peuvent également être porteurs de locus de résistance
80
CHAPITRE II
MATERIELS ET METHODES
Matériels et méthodes
II CHAPITRE II : MATERIELS ET METHODES
Ce chapitre présente les matériels et méthodes utilisés pour effectuer l’ensemble des
travaux décrits dans les 4 chapitres de résultats qui suivent. Chaque chapitre de résultats
faisant l’objet d’une publication en cours de préparation, les matériels et méthodes les
concernant sont rappelés spécifiquement au sein de chaque chapitre.
II.1 Matériel végétal : populations de pomme de terre
II.1.1 Présentation générale des populations
Six populations interspécifiques de pomme de terre en ségrégation pour la résistance à

Phytophthora infestans ont été utilisées pour la cartographie de QTL : les 2 populations
96D31 et 96D32 sont issues de croisements réalisés en 1996 et les 4 populations 03D36,
03D39, 3D41 et 03D42 sont issus de croisements réalisés en 2003. Ces 6 populations sont
diploïdes (2n=2x=24), indiqué dans leur nom par la lettre « D ». Elles sont la première
génération du croisement de deux clones hétérozygotes diploïdes. Les espèces sauvages
apparentées à la pomme de terre, utilisées comme sources de résistance à P. infestans,
sont naturellement diploïdes. L’espèce cultivée Solanum tuberosum, utilisée comme clone
femelle, est tétraploïde (2n=4x=48). Les clones de cette espèce utilisés dans les croisements
ont été rendus diploïdes par haplodiploïdisation de variétés tétraploïdes par parthénogénèse
induite via Solanum phureja, espèce non compatible.
Les croisements et le phénotypage pour la résistance au mildiou ont été réalisés à l’INRA de
Ploudaniel ; les clones y sont multipliés et certains d’entre eux sont conservés in vitro.
Les deux populations, 96D31 et 96D32, sont des populations de cartographie

indépendantes. Elles ont été originellement produites pour l’étude de la résistance au
nématode à kyste Globodera pallida (Caromel et al. 2003, 2005) et ségrègent aussi pour la
résistance à P. infestans. Les quatre populations, 03D36, 03D39, 03D41 et 03D42, sont des
populations connectées par quatre parents communs et produites spécifiquement pour la
cartographie de QTL de résistance à P. infestans (Figure II.1).
Les cartes génétiques des 8 clones parentaux ont été construites à l’INRA d’Avignon : les
cartes des parents des populations 96D ont été initiées par B. Caromel (Caromel 2004 ;
Caromel et al. 2003, 2005) et densifiées en marqueurs au cours de la thèse, et celles des
parents des 03D ont été nouvellement construites dans le cadre de la thèse.
81
CASP SPL ROSA SPG

S. tuberosum x S. sparsipilum S. tuberosum x S. spegazziniii
Caspar H3 (2x) spl88S.329.18 (2x) Rosa H1 (2x) spg88S.334.19 (2x)
96D31 96D32
96 clones 116 clones
D9.13
BF 03D36
96 clones S. tuberosum x S. berthaultii
S. tuberosum 96D9.13 (2x)
BF15H1 (2x)
03D41 368 03D39

92 clones clones 88 clones

D9.33
03D42 SiH
S. tuberosum x S. berthaultii 92 clones
96D9.33 (2x) S. tuberosum
Sirtema H20 (2x)
♂
D9.13 D9.33
♀
BF 03D36 03D41
SiH 03D39 03D42

Plan factoriel complet
Figure II.1 Les 6 populations de pomme de terre utilisées pour la cartographie de QTL de
résistance à P. infestans.
Les clones parentaux sont encadrés et les populations encerclées. Les parents résistants sont dans les cadres
au trait épais ; ils ont été utilisés comme géniteurs mâles dans les croisements. Les populations de cartographie
96D31 et 96D32 sont indépendantes. Les populations 03D (03D36, 03D39, 03D41 et 03D42) sont connectées
par des parents communs, issu d’un plan factoriel complet. Tous les individus sont diploïdes hétérozygotes.
Le nombre de clones ayant servi à la construction des cartes par population est indiqué dans les cercles. Pour les
populations 03D, le nombre de clones cumulés pour la construction des cartes des parents communs à deux
populations-sœurs est indiqué dans les triangles à chaque coin du carré. Le nombre de clones total des 4
populations 03D confondues est indiqué au centre du carré.
82
II.1.2 Les 2 populations de cartographie 96D31 et 96D32
La population 96D31 est issue du croisement entre Caspar H3 (appelé CASP) et

spl88S.329.18 (code de l’accession d’origine à Sturgeon Bay_Wisconsin, USA : PI 310984,
appelé SPL). CASP est un clone dihaploïde de la variété hollandaise Caspar (inscrite en
1984) de l’espèce cultivée S. tuberosum et sensible à P. infestans. SPL est un clone de
l’espèce sauvage diploïde S. sparsipilum, espèce originaire de la région de la Bolivie et du
Pérou. SPL est partiellement résistant à P. infestans (Photos II.1).
Les tests de résistance à P. infestans sur tige et sur feuillage ont été réalisés sur 93 et 96
clones, respectivement. Les cartes génétiques parentales ont été construites essentiellement
à partir de marqueurs AFLP (Caromel et al. 2005 ; Caromel 2004). Les marqueurs AFLP
communs avec la carte UHD de la pomme de terre (Isidore et al. 2003 ;
http://www.plantbreeding.wur.nl/potatomap/) et quelques marqueurs SSR, CAPS et SCAR
issus de la littérature ont permis d’assigner 12 groupes de liaison sur les 13 trouvés chez
CASP et 12 groupes de liaisons sur les 15 trouvés chez SPL aux 12 chromosomes de la
pomme de terre. Au début de la thèse, les cartes de CASP et SPL couvraient une distance
totale de 1 049 cM et 967 cM, respectivement (Caromel 2004).
La population 96D32 est issue du croisement entre Rosa H1 (appelé ROSA) et

spg88S.334.19 (code de l’accession d’origine à Sturgeon Bay_Wisconsin,USA : PI 208876 ;
appelé SPG). ROSA est un clone dihaploïde de la variété Rosa de l’espèce cultivée S.
tuberosum et sensible à P. infestans. SPG est un clone de l’espèce sauvage diploïde S.
spegazziniii, originaire d’Argentine et partiellement résistant à P. infestans (Photos II.1).
Les tests de résistance à P. infestans sur tige et sur feuillage ont été réalisés sur 116 et 114
clones, respectivement. Les cartes génétiques parentales ont été construites à partir de
marqueurs AFLP, mais aussi de marqueurs RFLP issus de tomate, ce qui a permis leur
ancrage à la carte génétique de la tomate (Caromel et al. 2003 ; Caromel 2004). Leurs 12
groupes de liaison ont pu être assignés aux 12 chromosomes de la pomme de terre. Au
début de la thèse, les cartes de ROSA et SPG couvraient une distance totale de 1 144 cM et
862 cM, respectivement (Caromel 2004).
Pour la détection de QTL, une carte trame de chaque parent a été construite à partir des
marqueurs le plus informatifs (présentant le moins de données manquantes) et espacés de 5
à 10 cM (Caromel 2004).
83
(a) (b)
(c) (d)
Photo II.1 Photos des parents des populations 96D utilisés pour les croisements
(a) S. tuberosum Caspar H3
(b) S. sparsipilum PI 310984
(c) S. tuberosum Rosa H1
(d) S. spegazziniii PI 208876
84
II.1.3 Les 4 nouvelles populations 03D : 03D36, 03D39, 03D41, 03D42
Les quatre populations 03D connectées par quatre parents communs ont été créées selon
un plan factoriel complet (Figure II.1). Les deux clones parentaux résistants sont les clones
diploïdes hybrides plein-frères 96D9.13 (appelé D9.13, Photo II.2a) et 96D9.33 (appelé
D9.33, Photo II.2b), issus du croisement S. tuberosum Maritta H1 x S. berthaultii
ber88S.282.36 (code Sturgeon Bay _Wisconsin,USA : 265857) (Figure II.2). Maritta H1 est
un clone dihaploïde du cultivar Maritta qui comprendrait des gènes majeurs et des QTL de
résistance à P. infestans (Rousselle et Robert 1997). S. berthaultii est une espèce sauvage
apparentée à la pomme de terre cultivée et originaire de Bolivie. Les clones 96D9.13 et
96D9.33 ont été tous les deux croisés avec les clones cultivés dihaploïdes sensibles S.
tuberosum BF15 H1 (appelé BF) et Sirtema H20 (appelé SiH), générant ainsi 4 populations
ségrégeant pour la résistance à P. infestans (Figure II.1). BF15 H1 est un clone issu de la
variété INRA BF15, hybride ‘Belle de Fontenay’ x ‘Flava’, inscrite en 1947, décrite comme
sensible au mildiou. Sirtema H20 est un clone issu de la variété hollandaise Sirtema inscrite
en 1952 et qui présente une résistance des tubercules modérée (http://www.europotato.org).
Les populations 03D comprennent entre 89 et 119 clones ; entre 88 et 92 clones ont été
génotypés et utilisés pour la détection de QTL (Figure II.1).
(a) (b)
Photo II.2 Photos des parents S. tuberosum x S. berthaultii (populations 03D) utilisés pour
les croisements
(a) 96D9.13
(b) 96D9.33
85
S. tuberosum Maritta H1 (2x) x S. berthaultii ber88S.282.36 (2x)
96D9
sélection des individus les plus résistants
96D9.13 96D9.33
Figure II.2 Généalogie des parents 96D9.13 et 96D.33 des populations 03D
Le clone S. berthaultii ber88S.282.36 est issu d’une espèce sauvage apparentée à la pomme de terre et résistant
au mildiou.
II.1.4 Témoins pomme de terre
Pour les tests de résistance à P. infestans sur tige et feuillage, 3 variétés commerciales de
S. tuberosum ont été utilisées comme témoins : ‘Bintje’, ‘Möwe’ et ‘Robijn’. Non dotés de
gènes majeurs de résistance, ils présentent différents niveaux de maturité et différents
niveaux de résistance au mildiou: Bintje, demi-précoce, est très sensible tandis que Möwe et
Robijn, tardives, présentent une résistance partielle.
Pour le test de résistance sur feuillage, la gamme d’hôtes différentiels r0 (aucun gène
majeur) et R1 à R11 (avec les gènes majeurs de résistances R1 à R11; Colon et al. 2004) a
été ajoutée pour caractériser les virulences de l’isolat de P. infestans à l’origine de l’infection.
Ces hôtes différentiels sont utilisés partout en Europe dans le cadre du réseau Euroblight
(http://www.euroblight.net/EuroBlight.asp).
II.2 Souches de Phytophthora infestans
Pour le test sur tige, la souche P. infestans NII72.10, a été utilisée. Cette souche a été isolée
sur la variété S. tuberosum ‘Naturella’, porteuse du gène R2, à Ploudaniel (France). La
souche NII72.10 est de type sexuel A1 et comporte les gènes de virulence 1, 2, 4, 10 et 11.
Elle est maintenue in vitro en boites de Pétri sur un milieu gélosé à base de petits pois (Glais
et Corbière 2005, Annexe II.1) sur lequel elle est repiquée tous les mois. Dix jours avant le
test, le mycélium a été repiqué sur milieu frais.
Pour le test sur feuillage, l’inoculation s’est faite de façon naturelle avec les souches du
pathogène présentes aux environs de la plate-forme expérimentale de l’INRA de Ploudaniel.
Les hôtes différentiels placés dans l’essai ont permis de caractériser l’inoculum comme étant
un complexe de races présentant différentes virulences : 1, 2, 3, 4, 6, 7, 10 et 11 les années
86
où les populations 96D ont été testées et 1, 2, 4, 10 et 11 les années où les populations 03D
ont été testées.
Les dates des tests de résistance des 6 populations sont détaillées dans le Tableau II.1.
Tableau II.1 Tests de résistance au mildiou effectués sur les 6 populations de pomme de
terre
Pour les tests sur tige, les dates indiquées sont les dates d’inoculation des plantes. Pour les tests sur feuillage,
une seule saison de test est possible par an, elle a lieu au printemps ; l’année où s’est déroulée le test est
indiquée. Les populations 03D39 et 03D42 ont été testées en 3 et 2 fois respectivement avec le test sur tige, les
populations 03D36 et 03D41 ont été testées en deux fois avec le test sur feuillage.
Population 96D31 96D32 03D36 03D39 03D41 03D42

11/05/2006
27/12/2006 11/05/2006
Test tige 25/11/2004 10/03/2004 17/02/2006 06/04/2006
12/04/2007 12/04/2007
Test 2006 2006

2005 2004 2007 2007
feuillage 2007 2007
II.3 Tests de résistance à P. infestans chez la pomme de terre
II.3.1 Test sur tige en serre
Le test sur tige a été effectué en serre en conditions contrôlées. Six plantes par clone ont été
testées aux températures jour/nuit de 20°C/15°C. Le s plantes étaient maintenues en pots de
0,5 L. Trois semaines environ après plantation, et avant la floraison, l’apex des plantes a été
coupé transversalement et une pastille de mycélium de P. infestans a été déposée sur la
section fraîche de la tige. La pastille a ensuite été recouverte d’une feuille d’aluminium de 1
cm de côté jusqu’à la première notation pour maintenir une hygrométrie suffisante autour de
la pastille afin de favoriser l’entrée du pathogène dans la tige. Puis, la longueur de la nécrose
a été mesurée tous les 7 jours environ au millimètre près pendant 35 jours (Photos II.3).
Photo II.3 Test sur tige : inoculation et mesure de la nécrose

Les apex de plantes d’environ 3 semaines (30 cm de haut et avant floraison) sont coupés transversalement. Une
pastille de milieu artificiel contenant le mycélium de P. infestans est déposé directement sur la coupe fraîche de la
tige restante. La tige coupée est recouverte d’une feuille d’aluminium pour maintenir une bonne hygrométrie
durant les premiers jours de l’infection. La nécrose est mesurée pour la première fois 4 à 5 jours après
l’inoculation puis toutes les semaines pendant 5 semaines.
87
Au total, 13 composantes de la résistance sur tige ont été analysées et sont de deux types :
- les valeurs brutes de longueur de nécrose à chaque date de mesure (Ldpi, dpi pour « days
post inoculation ») ;
- les variables calculées.
Les variables calculées comprennent :
(i) les vitesses de progression de la nécrose Sdpi à chaque date de mesure selon la
formule Sdpi=[L(dpi') – L(dpi)]/ti'-ti (en mm.j-1) avec ti and ti' le nombre de jours après
inoculation à deux dates consécutives de mesure ; la vitesse calculée à la première date de
mesure est appelée REC pour Réceptivité car en tant que vitesse initiale, elle permet
d’évaluer la capacité de la plante à être infectée ;
(ii) deux autres variables IND et STA, avec IND= (Sdpi'-Sdpi)/ ti'-ti (en mm.j-2) et STA
la moyenne des 3 dernières vitesses calculées (en mm.j-1) ; IND correspond à une
accélération ou une décélération et représente la rapidité avec laquelle la plante déclenche
ses mécanismes de défense et STA correspond à la vitesse moyenne finale et représente la
capacité de la plante à maintenir sa résistance au cours du temps.
II.3.2 Test sur feuillage en plate-forme
Les plantes de 4 semaines ont été plantées dans des pots de 5 L (50% de tourbe, 35% de
sable et 15% d’écorces de pin) et placées sur une plate-forme en ciment (Photo II.4).
Photo II.4 Test sur feuillage en plateforme
Des plantes ‘Bintje’ alternent avec les clones testés sur toute la plateforme pour assurer une répartition
homogène du mildiou. La résistance est évaluée en mesurant le pourcentage de surface foliaire nécrosée.
88
L’essai a été découpé en bloc, chaque bloc comprenant une plante par clone. La plate-forme
étant un espace limité, le nombre de blocs dépendait du nombre de clones testés (4 blocs
pour les populations 96D et 2 blocs pour les populations 03D). Les plantes ont été soumises
aux aléas climatiques et l’infection a été naturelle, se faisant avec l’inoculum présent dans
les environs de l’essai au moment du test. Les hôtes différentiels r0 et R1 à R11 ont été
inclus pour déterminer les virulences de l’inoculum. Pour assurer une inoculation homogène
sur l’ensemble de la plate-forme, les témoins sensibles Bintje ont été placés régulièrement,
en alternance avec les clones testés. Ploudaniel se situant dans une zone correspondant à
un climat océanique humide particulièrement favorable au développement du mildiou, les
plantes ont été arrosées dès que nécessaire pour maintenir une humidité ambiante forte afin
de maintenir l’infection et la dispersion de P. infestans. La notation des symptômes sur le
feuillage a eu lieu une fois par semaine pendant 5 semaines environ. Elle a commencé
lorsque les premières nécroses sur feuillage sont apparues sur les témoins Bintje et s’est
terminée lors de la sénescence de toutes les plantes. Les notations se sont faites à l’œil et
correspondent au pourcentage de la surface foliaire nécrosée sur l’ensemble de la surface
du feuillage de la plante (James 1971).
Deux variables de la résistance du feuillage ont été analysées :

- AUDPCr (time-relative Area Under the Disease Progress Curve)
AUDPCr=Σ[(yi+ yi')/2]*[(ti’-ti)]/(100*Ttot),
où yi and yi' sont les pourcentages de destruction du feuillage aux dates consécutives ti and ti'
respectivement, et Ttot le temps total de végétation des plantes lors de l’essai (il sert ici à
rapporter l’infection des plantes au même référentiel de temps car la durée de végétation ou
le type de maturité sont variables d’une plante à l’autre dans la population) ;
- la vitesse de propagation du pathogène, qui correspond à la pente de la droite de
régression de la surface foliaire détruite en fonction du temps après la transformation
logistique log(y/1-y) où y est le pourcentage de surface de feuillage nécrosé (Figure II.3).
89
α α α
100
(% de la surface nécrosée)
Destruction du feuillage 80
60
40
AUDPC
20
0
0 20 40 60 80 100
Jours après plantation
clone sensible
clone à sensibilité intermédiaire
clone à résistance partielle
régression linéaire des courbes d'évolution de la destruction du feuillage
Figure II.3 Test sur feuillage : exemples de courbes d’évolution de la surface foliaire
nécrosée pour des clones présentant différents niveaux de résistance/sensibilité au mildiou
Deux variables ont été utilisées pour la détection de QTL :
-AUDPCr (Area Under the Disease Progress Curve) est l’aire sous les courbes d’évolution de la destruction du
feuillage divisée par le nombre de jours de végétation de la plante
-α est la pente de la droite de régression linéaire de l’évolution de la surface foliaire nécrosée ; les valeurs
utilisées sont les valeurs
90
II.4 Analyses statistiques
-comparaison des valeurs parentales

Pour comparer les valeurs des clones parentaux, le test non paramétrique de Mann-Whitney
(P-value<0,05) a été utilisé. Un utilitaire sous Excel téléchargé sur le site Anastats
(www.anastats.fr) a été utilisé.
Les autres analyses statistiques ont été réalisées avec le module RGUI (R Graphical User
Interface) du logiciel R version 2.4.0 (R Development Core Team 2005). Les lignes de
commande des tests statistiques utilisés sont données en Annexe II.2.
-médianes des clones

Pour chaque variable, les médianes des clones ont été calculées et représentées sur des
histogrammes de fréquences où ont ensuite été positionnées les médianes des parents et la
moyenne des médianes des clones testés de la population.
-ajustement des valeurs sur l’effet test

Pour les populations qui ont été testées en plusieurs fois (en 2 ou 3 tests différents), si
l’interaction « clone*test » n’était pas significative pour la variable considérée, les valeurs des
clones ont été ajustées sur l’effet test, suite à l’ANOVA à deux facteurs selon le modèle :
Yij = µ + Gi + Testj + εij
où Yij est la valeur phénotypique de la plante du clone i dans le test j, µ est la moyenne
générale phénotypique de toutes les plantes considérées, Gi est l’effet génotypique du clone
i, Testj est l’effet du test et εij est la résiduelle.
Les valeurs ajustées moyennes pour chaque clone ont été automatiquement calculées par la
méthode des moindres carrés à l’issue de l’ANOVA.
Les variables pour lesquelles l’interaction « clone*test » était significative ont été exclues des
analyses.
-analyse de covariance (ANCOVA) pour le test sur feuillage

Afin de tenir compte de la répartition hétérogène de P. infestans sur la plate-forme, les
valeurs des témoins Bintje adjacents aux clones testés ont été utilisées comme covariables
dans l’ANCOVA à deux facteurs selon le modèle :
Yij = µ + Gi + Covariatej + Gi*Covariatej + εij
91
où Yij est la valeur phénotypique de la plante du clone i, µ est la moyenne générale

phénotypique de toutes les plantes de l’essai, Gi est l’effet génotypique du clone i, Covariatej
est la valeur phénotypique de la plante Bintje j adjacente à la plante du clone i et εij est la
résiduelle.
Les valeurs ajustées ont ensuite été extraites pour chaque plante. C’est sur ce jeu de valeurs
qu’ont été réalisées les différentes analyses statistiques dont le calcul des médianes des
clones.
-normalité des résidus

La normalité de la distribution des résidus a été vérifiée avec le test de Shapiro et Wilk (P-
value<0,0.5).
-calcul de l’héritabilité des variables

Pour chaque variable, une ANOVA sur le facteur « clone » a été utilisée pour estimer les
variances génétique (σ²g) et environnementale (σ²e). L’héritabilité au sens large h²BS qui
représente la part de la variance génétique de la variance phénotypique a été calculée selon
la formule :
h²BS= σ²g/[σ²g+( σ²e/n)],
où σ²g=CMclone-CMr/n (CM=Carré Moyen donné à l’issue de l’ANOVA pour le facteur clone

et r= résiduelle), σ²e=CMr et ‘n’ est le nombre de répétitions par clone disposés dans l’essai.
-test de corrélation
Pour savoir si certaines variables de la résistance étaient significativement corrélées au sein
d’une population, le test de Pearson a été utilisé (P-value<0,0.5).
-choix de variables non redondantes pour la détection de QTL

Pour choisir les variables les plus représentatives de la variabilité du caractère qui ont été
utilisées pour la détection de QTL, une Analyse en Composantes Principales (ACP) a été
réalisée. Les variables qui expliquaient le mieux les deux axes principaux, qui avaient une
forte héritabilité et qui étaient peu corrélées, ont été sélectionnées.
92
II.5 Marquage moléculaire
II.5.1 Extraction d’ADN de pomme de terre
Les extractions d’ADN ont été réalisées en micro-tubes à partir des échantillons de feuilles
prélevées sur les plantes à Ploudaniel et envoyées sous papier humide par colis express à
Avignon. Le protocole d’extraction est détaillé en Annexe II.3.
II.5.2 Marqueurs génétiques
Les marqueurs utilisés au cours de la thèse sont des marqueurs CAPS et SSR issus de la
bibliographie (Annexe II.4).
Les marqueurs SSR ont été sélectionnés préférentiellement dans les régions des locus de
résistance à P. infestans (Figure II.4). Le génotypage des populations a été réalisé par 3
laboratoires :
-la plate-forme de génotypage haut-débit de Clermont-Ferrand dans le cadre du projet
JoinPot (financement INRA-DGAP) avec 90 SSR répartis sur le génome pour les 6
populations ;
-le laboratoire de biologie moléculaire APBV de Ploudaniel avec des SSR du chromosome X
pour les populations 96D ;
-le laboratoire de biologie moléculaire du GAFL d’Avignon avec des SSR du chromosome
VIII sur les populations 96D.
De nouveaux marqueurs CAPS de pomme de terre et de piment ont été développés à partir
de séquences de tomate de la base SGN (http://www.sgn.cornell.edu/). La définition des
amorces des nouveaux marqueurs (Primer3, http://frodo.wi.mit.edu/, Rozen et Skaletsky
2000) a été réalisée soit directement sur les séquences à transférer, soit sur les séquences
EST de la pomme de terre homologues (BLASTn des séquences de SGN, Altschul et al.
1990) obtenues après alignement avec les séquences d’origine (Multalin,
http://bioinfo.genotoul.fr/multalin/multalin.html, Corpet 1988). La définition d’amorces a été
faite de façon à obtenir une température d’hybridation optimale de 60°C, un pourcentage de
Guanine-Cytosine de 50%, 20 bases de longueur et pour obtenir des tailles de fragments
entre 300 et 850 pb.
93
Figure II.4 Sélection

I II III IV V VI des SSR du génome
4 STM3016 de la pomme de terre
14 STi026 Les SSR de la
17 STM1053 STM1008
22 STi043 21 STM3160 bibliographie choisis pour
15/28 STM3011 STM1025 26 STM5140 25 STi006 être génotypés sur les 6
33 STi055 (SSR555) (STM1050b)
STM1020a 28 populations de pomme de
33 STM0038 34 SSR450 36 STi049 39 STM0001
38 STM1029 35 STM1058 37 STM1050b terre sont positionnés
40 STM0019
49 STi029 43 STi050 40 STM3023 selon l'ordre décrit dans la
45 STM1020ehi
57 STM1069 41 STM0020 52 STM1031 bibliographie (Milbourne et
63 STM2030 63 STM2022 58 STi060 61 STi001 56 STi016 al. 1998; Feingold et al.
62 STPOAc58 STi015
66 STM1049 69 STM1045a 70 STi059 2005; Frary et al. 2005).
(SSR86)
74 STM1008a 71 STM5156 Leurs positions sont
(STM1050b) 76 STM1100
(STM1102) 76 STi012 indiquées à droite des
84 STM1064 84 STi004 chromosomes
(STM2020) 86 STi024 STi020 schématisés de 100 cM
99 STi009 100 de long en moyenne. Les
marqueurs entre
parenthèses sont les
marqueurs pour lesquels
VII VIII IX X XI XII la localisation sur le
chromosome est
7 STM0028 0 STM2012 incertaine. Tous les SSR
13 STM3009 ont été génotypés sur la
21 STM1052 (SSR4) plate-forme de Clermont-
22 STM1102cde (STM1097)
33 STM1009 32 STi018 Ferrand sauf les
24 STM1051
34 STM2013 30 33 marqueurs STM1057d,
(SSR1) STM3012 STM5130 40 STM0003
STM1009acd STM1001, STM0024,
42 STM0031 38 STM0051 35 41 STM0014eg
STM0014abd 50 STM1021 STM0037 (STI054) STi027 et STWAX-2 qui
(STM1016) 36 44 STI051
43 STM1004 60 STM1040 38
STM5109
STI028 STM0007 ont été génotypés à
STI033 (STi057)
STM1104 65 STM1106 44 STM2005 50 STM1045a Avignon et STM1040,
47 STM0052 73 STM0030
STM1105
77 STM1057d (STM1008a) 69 STi023 54 STM0025 57
STM2028
STI023 et STM0051 qui
(STM1050b) 79 STM3015 ont été génotypés à
(STM1052) 80 STM1001 (STM1097) Ploudaniel. Les SSR ont
été choisis sur tout le
82 STM1024 (STM1056a)
83 STM0024 génome en privilégiant les
84 régions des locus de
STi027
86 STi044 résistance à P. infestans
106 STWAX-2 indiqués en bleu sur la
figure (cercle : gène
majeur, barre : région de
Cluster de QTL Gène majeur QTL)
94
II.5.3 Amplification des fragments d’ADN par PCR
II.5.3.1 Développement de nouveaux marqueurs : mise au point de la température

d’hybridation et de la concentration en chlorure de magnésium
Pour déterminer les conditions de PCR optimales, les échantillons d’ADN des 8 parents ont
été testés avec des températures d’hybridation d’un gradient de températures comprises
entre 50 et 65°C et deux concentrations différentes en MgCl2 (concentrations finales à 2 et 4
mM).
II.5.3.2 Mix et programmes PCR des marqueurs CAPS et SSR
Aux laboratoires d’Avignon et de Ploudaniel, l’amplification par PCR a été faite sur 20 ng
d’ADN dans une solution contenant 0.03 U de Taq polymerase (GoTaq Promega), 1X de
tampon de la Taq (stock 10X : 50mM KCl, 10mM Tris-HCl_pH 9.0, 1.5mM MgCl2 et 0.1%
Triton® X-100 dilué au 1:10ème), 1,5 ou 3,5 mM de MgCl2 (selon la condition optimale), 0,15
mM de dNTP, 0,3 µM d’amorce F et R et de l’eau stérile en quantité suffisante pour obtenir
un volume final de 17µl. Le mix est préparé dans un micro-tube placé dans la glace lors de
sa préparation pour minimiser les amplifications non spécifiques.
Les produits PCR ont été amplifiés comme suit : dénaturation initiale de 5 min à 95°C, puis
30 cycles comprenant une première étape à 95°C pend ant 30 sec, une deuxième étape à la
température d’hybridation pendant 45 sec et une troisième étape à 72°C pendant 1 min, et
enfin, une étape d’élongation finale à 72°C pendant 10 min.
Les mix et programmes PCR des marqueurs SSR de la plate-forme de Clermont-Ferrand

sont spécifiques et utilisés en interne.
II.5.4 Traitement des produits PCR après amplification
II.5.4.1 Marqueurs CAPS : polymorphisme de taille après digestion

enzymatique
Pour les marqueurs CAPS, les enzymes de restriction citées dans la littérature ont d’abord
été testées sur les ADN parentaux. Si aucun polymorphisme de taille de bande
n’apparaissait sur le gel à 1%, et si l’amplification donnait un seul fragment de même taille
chez les deux parents, les fragments ont été envoyés pour séquençage afin de rechercher
un site de restriction qui différencie les parents.
95
II.5.4.1.1 Isolement des fragments
Pour les marqueurs de pomme de terre destinés à être cartographiés sur les 6 populations,
les fragments d’amplification par PCR ont été directement envoyés à séquencer à la société
« Genome Express » (Meylan, France), sans traitement préalable. Les séquençages ont été
réalisés dans les deux sens, l’un avec l’amorce F et l’autre avec l’amorce R, afin d’obtenir
une séquence aussi complète que possible.
Pour les marqueurs destinés à être transférés d’une espèce à une autre, les fragments
amplifiés ont d’abord été clonés. Pour cela, ils ont été ligués dans un vecteur pGem avec le
kit pGem-T® vector easy (Promega). Ces vecteurs ont ensuite été introduits dans les
bactéries E. coli H5α compétentes. Les bactéries transformées ont été étalées sur milieu LB
(Luria-Bertani, Annexe II.5) sélectif avec de l’ampicilline (75µg/ml) et incubées une nuit à
37°C. Les bactéries dont le vecteur n’avait pas int égré l’insert étaient de couleur bleue à
cause de l’interaction entre l’IPTG et le X-Gal du milieu de culture. Seules les colonies
blanches ont été repiquées sur de nouvelles boites et mises à pousser. L’amplification des
inserts a ensuite été réalisée avec les amorces SP6 (5' ATT TAG GTG ACA CTA TAG 3') et
T7 (5' TAA TAC GAC TCA CTA TAG GG 3') spécifiques du vecteur pGem. Les produits
d’amplification qui avaient la taille attendue sur gel d’agarose à 1% ont été séquencés. Entre
4 et 6 clones par génotype ont été envoyés à séquencer pour assurer la détermination d’une
séquence fiable par parent.
II.5.4.1.2 Recherche d’enzyme de restriction
Les séquences obtenues ont été lues par le logiciel Finch TV qui affiche le chromatogramme
de la séquence et permet d’en vérifier la qualité. Les séquences de bonne qualité
(présentant des pics clairement distincts les uns des autres) ont été alignées à l’aide du
logiciel Multalin pour déceler les sites de mutation. L’outil CAPS Designer du site SGN
propose une liste d’enzymes de restriction possibles en donnant les tailles de bandes
attendues suite à la digestion par chacune d’entre elles. Les enzymes ont été choisies en
fonction de la fiabilité accordée au site de mutation d’après le chromatogramme, de la taille
des fragments attendus après digestion (>250 pb et séparés d’au moins 50pb pour être
visibles et bien séparés sur gel d’agarose à 3%) et du coût de l’enzyme. Les conditions de
digestion indiquées sur la notice de l’enzyme ont été suivies.
96
II.5.4.1.3 Migration des produits digérés
Les produits d’amplification digérés ont été déposés sur un gel d’agarose à 3% avec un
marqueur de taille 1kb (Promega). Le gel a ensuite été mis à tremper dans une solution de
Bromure d’Ethidium puis soumis aux UV pour révéler l’ADN.
II.5.4.2 Marqueurs SSR : polymorphisme de taille des fragments amplifiés
Aux laboratoires d’Avignon et Ploudaniel, le même protocole a été utilisé pour la migration
des produits d’amplification des marqueurs SSR. Les échantillons ont été dénaturés avant
d’être déposés sur un gel d’acrylamide vertical à 5% en conditions dénaturantes. Après
environ 2 heures de migration, le gel a été mis à tremper dans différentes solutions : fixation
à l’éthanol 10% pendant 5 min, oxydation à l’acide nitrique 1% pendant 3 min, coloration au
nitrate d’argent (1 g/L) pendant 15 min à l’obscurité, révélation à la lumière dans une solution
de carbonate de sodium (30 g/L) contenant du formaldéhyde (540 µl/L) et arrêt de la réaction
dans une solution d’acide acétique à 10%. Chaque bain a été suivi d’un rinçage à l’eau
permutée.
Sur la plate-forme de génotypage de Clermont-Ferrand, le séquenceur ABI3130XL (Applied

Biosystems) à capillaires été utilisé pour génotyper les produits d’amplification marqués au
fluorochrome FAM (fluorescence bleue) ou VIC (fluorescence verte). La fluorescence était
obtenue par marquage direct des amorces ou par l’hybridation de l’amorce R à une
séquence additionnelle marquée (queue M13). Le protocole du fabriquant du séquenceur a
été suivi.
II.6 Génotypage des marqueurs chez la pomme de terre
La pomme de terre étant une espèce hétérozygote, les cartes génétiques ont été construites
par parent en se basant sur la ségrégation des marqueurs dans la descendance de première
génération de croisement selon la stratégie du double pseudo-testcross (Grattapaglia et
Sederoff 1994). Cette stratégie repose sur le fait que des marqueurs hétérozygotes chez un
parent (présence d’une bande polymorphe sur le gel) et absents chez l’autre parent
(absence de bande) ségrégent selon le rapport 1:1 dans la population de première
génération de croisement, dite ‘pseudo-F1’. Pour chaque marqueur, on se trouve donc dans
la configuration du testcross, c’est-à-dire du croisement d’une plante hétérozygote avec une
plante homozygote au locus étudié. Les cartes génétiques sont alors construites
97
indépendamment chez chacun des deux parents, chaque carte étant composée des
marqueurs hétérozygotes du parent correspondant. Cependant, il faut tenir compte de la
phase du marqueur qui peut-être opposée selon l’origine de l’allèle, hérité de l’un des
grands-parents. Ainsi chaque marqueur a été entré sous les deux phases possibles : la
phase « normale » correspondant au codage en ‘0’/’1’ tel qu’il a été obtenu par la lecture du
gel (‘0’ pour absence de la bande et ‘1’ pour présence de la bande sur le gel), et la phase
« miroir » où les ‘0’ de la phase normale sont remplacés par des ’1’ et réciproquement.
Pour s’assurer du polymorphisme du marqueur avant d’effectuer le génotypage sur la
population entière, le marqueur a été testé sur un échantillon de la descendance comprenant
14 individus choisis au hasard. Dans la plupart des cas, une seule bande par marqueur était
polymorphe et n’était donc cartographiée que chez l’un des deux parents. Quelques fois,
deux bandes, issues de chaque parent, étaient polymorphes et différenciables sur le gel. Le
marqueur pouvait être alors cartographié chez les deux parents simultanément, permettant
ainsi l’ancrage des deux cartes parentales. La ségrégation attendue pour tous les marqueurs
utilisés était de type 1 : 1. L’égalité des fréquences des deux allèles a été vérifiée par un test
de Chi-deux.
II.7 Construction des cartes génétiques
-construction de nouvelles cartes génétiques pour les parents des populations 03D
La construction des cartes génétiques des parents des populations 03D a été faite avec le
logiciel Carthagene version 1.0 (de Givry et al. 2005). Les données de génotypage ont été
déclarées comme étant issues d’une population « f2 back-cross ». Pour cumuler les données
de génotypage des deux populations demi-sœurs pour la carte du parent commun, la
commande « dsmergen » a été utilisée.
Les groupes de liaison ont ensuite été constitués en utilisant la commande « group » avec un
LOD seuil minimal de 3.0 et une distance seuil maximale entre deux marqueurs de 30 cM.
Les marqueurs de chaque groupe de liaison ont ensuite été ordonnés par des analyses
multi-points (commandes « mfmapd » et « annealing») qui donnent les ordres des
marqueurs les plus probables. L’ordre auquel était associée la p-value la plus petite était
choisi préférentiellement. Les taux de recombinaison ont été convertis en unité centimorgan
(Haldane).
Les marqueurs placés à des positions inattendues par rapport à celles de la bibliographie ont
été revus plus attentivement : les gels ont été relus par une tierce personne ou bien, en cas
d’un grand nombre de données manquantes ou d’ambigüité, le génotypage a été refait. Les
marqueurs aux positions inattendues et présentant un biais significatif d’après le test de Chi-
deux ont été supprimés.
98
-ajout de marqueurs aux cartes des parents des populations 96D

Pour l’ajout de marqueurs de la littérature aux cartes trame des parents des populations 96D,
la commande « try » de MAPMAKER/EXP V3.0 (Lander et al. 1987) a été utilisée. En cas de
doute sur la position du nouveau marqueur, la commande « compare » a été utilisée sur un
sous-ensemble de marqueurs aux alentours de la position estimée du nouveau marqueur. Si
l’ajout du marqueur provoque une augmentation exagérée de la taille du chromosome, les
données de génotypage du nouveau marqueur sont revues afin de déceler les doubles
recombinaisons douteuses.
-construction des cartes consensus

Pour réaliser l’analyse conjointe de QTL des populations connectées 03D et pour faire les
méta-analyses (cf § II.8), les cartes consensus ont été construites avec la commande
ConsMap du logiciel MetaQTL (Veyrieras et al. 2007). Les données d’entrée sont les noms
et positions des marqueurs des cartes parentales à intégrer. Pour que la carte consensus
d’un chromosome puisse être construite, il faut que toutes les cartes d’entrée soient
connectées entre elles par au moins 2 marqueurs communs pour créer un chemin de
connexion ininterrompu entre toutes les cartes. Lorsque la connexion existe, il faut ensuite
s’assurer qu’il n’y ait pas d’inversion de marqueurs communs entre les cartes. Quand cela
était le cas, les marqueurs provoquant les inversions qui avaient la plus forte occurrence ont
été supprimés chez une seule des deux cartes.
Les cartes génétiques ont été représentées avec le logiciel MapChart (version 2.1, Voorrips
2002).
II.8 Détection de QTL
Les valeurs utilisées pour la détection de QTL étaient les médianes des valeurs des
répétitions de chaque génotype (ou clone). En effet, le nombre de répétitions par génotype
ne dépassant jamais 6 plantes, la médiane est la valeur qui permet de représenter le mieux
la valeur du génotype car elle tient beaucoup moins compte des valeurs extrêmes que la
moyenne.
La détection de QTL a été réalisée avec deux logiciels, QTLCartographer (Basten et al.
1994, 1997 ; chapitre III) pour la méthode CIM (Composite Interval Mapping, Zeng 1993), et
MCQTL (Jourjon et al. 2005 ; chapitre IV) pour la méthode iQTLm (Charcosset et al. 2001).
La méthode iQTLm est une méthode de cartographie de QTL itérative qui procède
chromosome par chromosome. Elle est composée de 2 étapes (Figure II.5).
99
Figure II.5 Algorithme de la procédure de détection de QTL iQTLm (Charcosset et al. 2001,
d’après le manuel d’utilisation MCQTL)
100
Dans les deux cas, la méthode employée intégrait la variabilité des locus les plus fortement
associés à la variabilité du caractère par la prise en compte de cofacteurs du fond génétique.
Le seuil de détection d’un QTL significatif a été calculé pour chaque variable et obtenu après
un test de 1000 permutations. Un risque d’erreur de type I à 10% pour les populations 96D
du chapitre III et 5% pour les populations 03D du chapitre IV ont été choisies : l’analyse pour
des populations 96D a été réalisée dans l’objectif général de comparer les QTL à ceux
rapportés dans la bibliographie dans l’optique de faire un inventaire des QTL de résistance
au mildiou chez la pomme de terre ; en ce qui concerne l’analyse des populations 03D,
l’objectif était de tirer parti du dispositif en populations connectées et de sélectionner les QTL
les plus fiables. La fenêtre d’analyse le long d’un chromosome était de 10 cM et 4 cM pour
les populations 96D et 03D, respectivement, avec une vitesse de progression de 2 cM. La
position d’un QTL a été estimée d’après la position de la valeur maximale de LOD
(LODmax). L’intervalle de confiance associée correspondait à la projection de la courbe de
LOD sur l’axe des abscisses (longueur du chromosome) pour une valeur égale à LODmax-1
(Lander et Botstein 1989). L’effet individuel de chaque QTL sur la variabilité phénotypique
(R²) a été donné par le modèle.
Pour les variables où un seul QTL a été détecté, la valeur du R² global correspondait à la
valeur du R² individuel du QTL. Pour les variables où plusieurs QTL ont été détectés, les R²
globaux ont été calculés avec une ANOVA à plusieurs dimensions, chaque facteur étant le
marqueur le plus fortement associé au QTL détecté pour la variable en question. Avec
MCQTL, la valeur du R² global était directement donnée à la fin de l’analyse.
Pour les populations 96D, les interactions digéniques entre tous les couples de marqueurs
ont été testées par ANOVA à deux dimensions et avec interaction (programme créé avec le
logiciel R). En fonction du nombre de tests effectués, un seuil de significativité de P<10-5 a
été utilisé. Les interactions épistatiques significatives ont été validées en comparant le
nombre de clones de chaque classe génotypique au nombre attendu (test χ², P<0.05). Dans
le cas de l’absence de biais, l’homogénéité des variances entre les classes a été vérifiée
(test de Bartlett, P<0.05).
II.9 Méta-analyse
Pour la méta-analyse sur les 12 chromosomes de la pomme de terre, le logiciel MetaQTL a

été utilisé (Veyrieras et al. 2007). La procédure de méta-analyse s’est effectuée en trois
étapes : 1- la construction d’une carte consensus pour chaque chromosome, 2- la projection
des QTL sur la carte consensus, et 3- la classification et regroupement des QTL en méta-
QTL. Plusieurs types de données doivent être fournis en entrée du logiciel (Figure II.6) :
101
-les données de cartographie des marqueurs pour chaque carte (numéro du chromosome,
nom du marqueur, position) :
-les données de QTL de chaque carte (numéro du chromosome, nom du QTL, position,
caractère utilisé pour la détection du QTL, intervalle de confiance et valeur du R² individuel
du QTL)
-les données des expérimentations d’où sont tirées les données de cartographie et de QTL
-les synonymes de noms des marqueurs (qui peuvent varier légèrement d’une carte à une
autre)
-l’ontologie des caractères, c’est-à-dire les affiliations qui peuvent exister entre différentes
variables utilisées pour la détection de QTL et qui se rapportent au même type de caractère.
Ajouter un maximum de data

cartes de références CARTES QTL
pour augmenter les fichiers « .map » fichiers « .qtl »
connexions
experiments.txt 7 caractères
Recensement de 458 sur feuillage, tige, tubercule,
noms de marqueurs mrkDico.txt ontology.txt feuilles détachées, racines
synonymes + maturité (pomme de terre)
Construction carte consensus
pour 1 chromosome
Projection des QTL
1 couleur de QTL
=1 caractère
Classification et regroupement
des QTL en méta-QTL
1
méta-QTL
Figure II.6 Schéma de la procédure du logiciel de méta-analyse de QTL Meta-QTL

(Veyrieras et al. 2007)
Plusieurs types de données sont fournies en entrée du logiciel dans un grand dossier appelé « Data » : des
données de cartographie, des données de QTL, des expérimentations d’origine ainsi que les synonymes de noms
de marqueurs et la liste des caractères affiliés. L’ensemble de ces données est compilée en code JAVA et
donne lieu à des fichiers XML. La carte consensus d’un chromosome est générée s’il existe au moins deux
marqueurs communs entre chaque carte de proche en proche, créant ainsi un chemin de connexions
ininterrompu entre les cartes. Puis la projection homothétique des QTL sur la carte consensus permet une
classification selon différents modèles statistiques. Les classements qui sont les plus probables sont retenus et
les groupes de QTL ainsi constitués résultent en la formation d’un méta-QTL.
102
Les études bibliographiques ou les données des bases en ligne qui ont été intégrées dans la
méta-analyse réalisée pendant la thèse sont listées dans le Tableau II.2.
Les noms synonymes des marqueurs trouvés dans les différentes cartes sont fournis en
Annexe II.6.
103
Tableau II.2 Liste des expérimentations intégrées dans la méta-analyse chez la pomme de terre (continue sur la page suivante)
1
nom de la carte unité type de nom du croisement taille de la population de référence
2
population cartographie
Bormann04 Kos BC1 LeylaNikitaEscort 179 Bormann et al. 2004
Chen01 Kos BC1 K31 120 Chen et al. 2001
Collins99_G87 Kos BC1 GDE 113 Collins et al. 1999
Collins99_I88 Kos BC1 GDE 113 Collins et al. 1999
Costanzo05 Kos BC1 BD410 132 Costanzo et al. 2005
Danan08_CASP Kos BC1 96D31 97 Danan et al., in prep (chapitre IV)
Danan08_ROSA Kos BC1 96D32 123 Danan et al., in prep (chapitre IV)
Danan08_SPG Kos BC1 96D32 123 Danan et al., in prep (chapitre IV)
Danan08_SPL Kos BC1 96D31 97 Danan et al., in prep (chapitre IV)
Danan09_BF Hal BC1 03D36;03D41 188 Danan et al., in prep (chapitre V)
Danan09_Cons03D Hal BC1 03D36;03D39;03D41;03D42 368 Danan et al., in prep (chapitre V)
Danan09_D9_13 Hal BC1 03D36;03D39 184 Danan et al., in prep (chapitre V)
Danan09_D9_33 Hal BC1 03D41;03D42 184 Danan et al., in prep (chapitre V)
Danan09_SH20 Hal BC1 03D39;03D42 180 Danan et al., in prep (chapitre V)
Ewing00_ber_BCT Kos BC1 BCT 150 Ewing et al. 2000
Feingold_05 Kos BC1 BCB;BCT 150 Feingold et al. 2005
Ghislain01_dih-tbr Kos BC1 PD 92 Ghislain et al. 2001
Ghislain01_phu Kos BC1 PD 92 Ghislain et al. 2001
Leonards94_P40 Kos BC1 P49xP40 197 Leonards-Schippers et al. 1994
Leonards94_P49 Kos BC1 P49xP40 197 Leonards-Schippers et al. 1994
Milbourne98_Germicopa Kos BC1 MPI 67 Milbourne et al. 1998
Milbourne98_MPI Kos BC1 MPI 67 Milbourne et al. 1998
Naess00_J101 Kos BC1 1K6 64 Naess et al. 2000
Ober99_K31 Kos BC1 K31 113 Oberhagemann et al. 1999
Park05_Rpi_blb3 Kos BC1 Blb00-20 40 Park et al. 2005
PGI_Kit Kos BC1 PGI 92 Ghislain et al. 2009
PoMaMo_BC9162 Kos BC1 BC916.2 67 PoMaMo (GABI database)*
PoMaMo_F1840 Kos BC1 P18xP40 100 PoMaMo (GABI database)*
Sandbrink00_MCD167 Kos BC1 89-13;89-14;89-15 163 Sandbrink et al. 2000
Simko06_BD410 Kos BC1 BD410 132 Simko et al. 2006
104
Tableau II.2 Liste des expérimentations intégrées dans la méta-analyse chez la pomme de terre (fin)
1
nom de la carte unité type de nom du croisement taille de la population de référence
2
population cartographie
Sliwka07_P1 Kos BC1 98-21 156 Sliwka et al. 2007
Sliwka07_P2 Kos BC1 98-21 156 Sliwka et al. 2007
Sorensen06_3504HGG Hal BC1 HGG 85 Sorensen et al. 2006
Sorensen06_3504HGIHJS Hal BC1 HGIHJS 125 Sorensen et al. 2006
Tanksley92_N263 Kos BC1 N263 155 Tanksley et al. 1992
Villamon05_MP1_8 Kos BC1 PCC1 194 Villamon et al. 2005
Yamanaka05 Kos BC1 61.26x194.30 152 Yamanaka et al. 2005
*http://gabi.rzpd.de/projects/Pomamo/
1 Hal : Haldane, Kos : Kosambi
2 BC : back-cross, Fi : ième génération d’autofécondation après la génération F1
105
CHAPITRE III
DETECTION DE QTL DANS LES DEUX

POPULATIONS 96D INDEPENDANTES
Détection de QTL chez les populations 96D
III CHAPITRE III : DETECTION DE QTL DE RESISTANCE AU MILDIOU DANS LES

POPULATIONS 96D31 ET 96D32 AVEC LES TESTS SUR TIGE ET SUR FEUILLAGE
Ce chapitre a fait l’objet d’une publication dans le journal Theoretical and Applied Genetics ;
elle est présentée ci-après dans la forme sous laquelle elle a été publiée.
III.1 Introduction du chapitre
III.1.1 La lutte génétique vis-à-vis du mildiou chez la pomme de terre
Le mildiou est tristement célèbre pour les ravages qu’il occasionne dans les cultures de
pomme de terre. Les coûts financiers mais aussi sociétaux sont importants car de nombreux
producteurs font faillite suite aux épidémies. Lors des grandes épidémies de mildiou des
années 1840, notamment en Irlande, plus d’un million de personnes sont mortes de faim et
de malnutrition. Depuis lors, le mildiou est une menace omniprésente. Dans les années
1920, des espèces sauvages apparentées à la pomme de terre cultivées présentant des
gènes majeurs très efficaces vis-à-vis du mildiou ont été découvertes, notamment l’espèce
mexicaine Solanum demissum avec 11 gènes majeurs races-spécifiques R1 à R11. La
création variétale s’est alors principalement consacrée à l’introgression de ces gènes dans
des variétés élites de pomme de terre cultivées Solanum tuberosum. Cependant, après des
débuts très prometteurs, les sélectionneurs ont été rapidement confrontés à la forte aptitude
du pathogène à se diversifier. P. infestans en effet capable de s’adapter rapidement à la
pression des gènes de résistance spécifique de l’hôte. Le contournement des gènes majeurs
moins de 7 ans après leur déploiement dans les cultures (notamment les gènes R1, R3, R4,
R6, R7, R10 et R11) a remis en question la durabilité de ce type de résistance. Cette
défaillance pousse dès 1950 les producteurs à investir massivement dans les produits
phytosanitaires et notamment les fongicides. Comme on pensait alors que les Phytophthora
étaient des champignons, aucun produit chimique n’était réellement adapté à la lutte contre
cet oomycète à moins d’épandre de très grandes quantités de fongicides qui finissent par
être nocifs pour le pathogène mais également pour l’environnement. En 1977 le Metalaxyl, à
action systémique, est apparu comme l’Arme efficace. Cependant, trois ans après sa sortie
sur le marché, de nouvelles races résistantes apparaissent en Europe. Il devient alors
indispensable et urgent de trouver d’autres moyens de lutte. Depuis la fin du XXème siècle,
on assiste à l’adoption progressive de la lutte intégrée. La lutte intégrée n’est autre que la
modernisation d’un mode de culture basé sur la combinaison de techniques culturales
prophylactiques, l’application raisonnée de pesticides et l’utilisation de cultivars aux
106
résistances partielles. Ces résistances étaient en effet déjà utilisées avant la découverte des
gènes majeurs puis délaissées, surtout dans les pays développés qui avaient les moyens
financiers d’investir dans la lutte chimique et qui devaient répondre aux demandes
pressantes du marché. On assiste donc aujourd’hui à la revalorisation de ces résistances qui
sont utilisées de plus en plus de manière couplée avec des gènes majeurs au sein d’un
même cultivar.
III.1.2 Exploration des résistances polygéniques à P. infestans
Pour être plus à même de pouvoir exploiter efficacement les résistances polygéniques qui
existent dans la biodiversité de la pomme de terre, les espèces sauvages de Solanum
tubéreuses originaires d’Amérique centrale et du Sud ont été évaluées en masse pour la
résistance partielle (par exemple à travers les travaux de L. Colon et M. F. Tazelaar,
Wageningen, Pays-Bas). Les espèces les plus intéressantes sont progressivement intégrées
dans les programmes de création variétale. En particulier, le centre INRA APBV de
Ploudaniel introduit depuis 1982 dans son matériel de recherche des accessions en
provenance du CIP (Centre International de la Pomme de terre) au Pérou et d’autres centres
de ressources génétiques comme celui de Sturgeon Bay aux Etats-Unis (Wisconsin). La
« population A » du CIP est du matériel spécifiquement choisi pour la résistance au mildiou
qui contient à la fois des gènes majeurs de résistance mais aussi des résistances
polygéniques partielles. Le succès de ce matériel auprès des producteurs et sélectionneurs
de pomme de terre a encouragé la création d’une deuxième génération de clones en 1990, à
partir d’une sélection de ceux de la population A, pour former la « population B » qui ne
contient que des résistances polygéniques. La sélection des clones a porté aussi
spécifiquement sur les espèces Solanum des Andes qui auraient évolué indépendamment
de P. infestans et qui ne présentent pas de gènes majeurs (comme les sous-espèces de S.
andigena) (source : http://www.cipotato.org/potato/pests_diseases/late_blight/control.asp).
Le centre de ressources génétiques de Sturgeon Bay aux Etats-Unis, créé en 1948, compte
aujourd’hui des milliers d’accessions issues de 150 espèces de Solanum apparentées à la
pomme de terre (www.madison.com, 2/12/2008).
Pour explorer les résistances polygéniques à P. infestans et pour mieux comprendre

l’architecture génétique qui contrôle ces résistances, une partie de la communauté
scientifique s’est investie dans des programmes de recherches basés sur des analyses de
QTL dans différents croisements.
Dans l’objectif de participer à ces recherches, ce chapitre présente les résultats de la
cartographie de QTL dans deux populations de pomme de terre faisant intervenir une
107
espèce sauvage résistante au mildiou : S. sparsipilum pour la population 96D31 et S.

spegazzinii pour la population 96D32. Ces clones présentent un bon niveau de résistance
partielle au champ et sont d’autant plus intéressants à étudier qu’ils sont également
résistants aux nématodes à kystes.
III.1.3 Les modes d’évaluation de la résistance polygénique vis-à-vis du mildiou
Plusieurs types de tests ont été mis au point pour évaluer la résistance partielle au mildiou.
Le test le plus classique utilisé en routine pour évaluer la résistance globale de la plante en
conditions de culture est basé sur la mesure de la surface foliaire nécrosée au champ. Pour
mieux appréhender les différentes composantes de résistance sollicitées par la plante dans
le temps et au niveau de ses différents organes, d’autres tests s’effectuent en conditions
contrôlées sur les feuilles détachées et les tubercules. Aucune expérience évaluant la
résistance de la tige n’a été rapportée. Or, il semblerait que la tige ait un rôle majeur dans la
propagation de la maladie, 1- au niveau de la plante, des feuilles vers les tubercules, 2- au
niveau du champ, d’une plante à l’autre et 3- au cours du temps puisqu’elle sert
temporairement de refuge au pathogène lorsque les conditions climatiques ne sont pas
favorables à son développement. De plus, le test sur tige repose sur la décomposition du
processus infectieux au cours du temps en différents stades représentés par plusieurs
variables et se montre très efficace sur le pathosystème P. capsici/piment sur lequel il a été
mis au point (Lefebvre et Palloix 1996).
Un deuxième objectif de ce chapitre est par conséquent de déterminer la pertinence du test
sur tige en conditions contrôlées pour l’évaluation de la résistance polygénique au mildiou
chez la pomme de terre et d’apprécier sa capacité à disséquer la résistance complexe en
plusieurs composantes simples qui rendent compte le plus fidèlement possible de la
variabilité génétique responsable de la variabilité phénotypique observée.
Le test de résistance sur feuillage, effectué en extérieur sur les mêmes populations et proche
des tests classiques de résistance au champ, constitue ainsi un test référence auquel les
résultats obtenus avec le test tige peuvent être comparés.
III.1.4 La cartographie de QTL et les bases génétiques de la résistance

polygénique
Le troisième objectif de ce travail est de déterminer la position des locus responsables de la

résistance polygénique partielle au mildiou sur le génome de la pomme de terre et d’inscrire
les résultats obtenus dans l’ensemble des résultats déjà publiés sur la résistance
polygénique et sur la résistance monogénique. Les régions des cartes des populations
108
96D31 et 96D32 les plus fortement impliquées dans la résistance, en termes d’occurrence et
d’effets des QTL (R²), ont été densifiées en marqueurs de la littérature. L’ajout de ces
marqueurs-ancres nous a permis de comparer les positions des différents locus détectés
dans nos populations d’étude avec ceux déjà rapportés, notamment les gènes majeurs
détectés et/ou clonés chez d’autres sources, et de proposer ainsi des hypothèses sur la
nature des gènes sous-jacents à certains QTL.
III.2 Article publié
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
III.3 Synthèse du chapitre
Les résultats de l’analyse QTL chez les clones des deux espèces apparentées S.
sparsipilum et S. speggazzinii ont permis de montrer, (i) leur fort potentiel de résistance vis-
à-vis du mildiou, en particulier pour la composante « résistance sur tige », (ii) l’efficacité du
test tige pour l’évaluation de la résistance polygénique au mildiou chez la pomme de terre,
en complément d’autres méthodes classiquement utilisées, et (iii) l’importance des QTL des
chromosomes I, VIII and X conservés entre plusieurs parents. De plus, les marqueurs-
ancres de la bibliographie cartographiés dans ces régions montrent que ces QTL sont aussi
conservés à travers d’autres sources de résistance, ils constituent donc des cibles
intéressantes pour la création variétale.
Le QTL du chromosome X de S. speggazzinii qui explique la plus grande part de la

variabilité observée fait déjà l’objet d’études approfondies à l’INRA APBV de Ploudaniel afin
de mieux évaluer son spectre d’action au travers de tests effectués avec d’autres souches
de P. infestans. Les individus de la population 96D32 présentant les plus hauts niveaux de
résistance sont utilisés comme géniteurs dans de nouveaux rétrocroisements afin de revenir
au fond génétique de la pomme de terre cultivée S. tuberosum pour, in fine, proposer aux
sélectionneurs des géniteurs comportant le QTL pour les programmes d’amélioration
variétale.
Cependant, les tests réalisés dans le cadre de la thèse n’ont pas permis de mesurer la
maturité des plantes en même temps que leur résistance polygénique au mildiou. Or, étant
donné leur étroite association, il serait important de faire ces tests afin de savoir si les QTL
détectés et déclarés comme responsables de la résistance au mildiou ne sont pas des QTL
de maturité de la plante. De plus, comme les géniteurs les plus résistants sont généralement
les plus tardifs, la liaison physique des QTL de résistance avec des QTL de maturité
présente un inconvénient pour les producteurs de pomme de terre qui cherchent à raccourcir
le temps de culture.
Il est important de noter que cette analyse a été réalisée dans un objectif d’inventaire des
locus de résistance au mildiou chez la pomme de terre et un risque d’erreur de type-I de
10%, assez permissif a été utilisé pour la détection de QTL. La fiabilité à accorder à certains
QTL, notamment ceux à faible effet (R²=4-6%), doit donc rester relative.
Enfin, les pédigrées des parents S. tuberosum Caspar H3 et Rosa H1 est mal connue et il
est possible que les cultivars dont sont issus ces clones soient dotés de gènes majeurs. Or,
la présence de gènes majeurs dans le fond génétique peut en effet perturber la détection de
QTL et fausser leurs effets (Wang et al. 1994). Pour avoir des valeurs fiables et justes des
125
effets des QTL sélectionnés pour la création variétale, il serait nécessaire de déterminer
précisément si des gènes majeurs connus sont présents en testant les clones avec une
gamme de souches présentant chacune une virulence différente.
126
CHAPITRE IV
DETECTION DE QTL DANS LES QUATRE

POPULATIONS 03D CONNECTEES
Détection de QTL chez les populations connectées 03D
IV CHAPITRE IV : DETECTION DE QTL DE RESISTANCE A P. INFESTANS DANS DES

POPULATIONS CONNECTEES DE POMME DE TERRE IMPLIQUANT L’ESPECE
SAUVAGE SOLANUM BERTHAULTII
Les résultats de ce chapitre devraient faire l’objet d’une publication à soumettre. Sa version
la plus avancée est présentée en deuxième partie.
IV.1 Introduction du chapitre
IV.1.1 Une étude exploratoire à deux titres
Les travaux présentés dans ce chapitre constituent une étude exploratoire à deux titres : 1-
ils participent à l’exploration des sources de résistance partielles à P. infestans chez les
espèces apparentées à la pomme de terre et 2- ils consistent en une méthode d’analyse de
QTL en schéma de populations connectées encore jamais rapportée chez la pomme de
terre.
Deux clones présentant de hauts niveaux de résistance partielle au champ ont été détectés
dans la descendance d’un croisement entre un clone haplodiploïde du cultivar de pomme de
terre Maritta et un clone issu d’une accession de l’espèce sauvage apparentée S. berthaultii.
Pour identifier les locus responsables de ces résistances observées, une étude de
cartographie de QTL a été réalisée à partir d’un schéma factoriel impliquant les deux clones
résistants et deux clones haplodiploïdes issus des cultivars sensibles Sirtema et BF15.
L’analyse conjointe des données de génotypage et de phénotypage de populations
connectées est encore peu répandue. La littérature rapporte notamment quelques études de
ce type chez le maïs pour la date d’émission des soies (Rebaï et al. 1997 ; Blanc et al.
2006), chez Medicago truncatula pour la date de floraison (Pierre et al. 2008) et chez le blé
pour la résistance à la rouille jaune (Christiansen et al. 2006). Elle n’a, à notre connaissance,
encore jamais été rapportée chez la pomme de terre. Dans l’optique de faire de la méta-
analyse inter-spécifique entre la pomme de terre, la tomate et le piment dans la zone de
colinéarités qui comprend les QTL du chromosome IV de la pomme de terre, la région
concernée de ce chromosome a été densifiée en marqueurs.
127
IV.1.2 Les avantages de la méthode d’analyse conjointe en schéma multi-

population
L’intégration des données brutes de phénotypage et génotypage de descendances qui

partagent des origines parentales communes apportent plusieurs avantages par rapport à la
détection de QTL en schéma bi-parental classiquement rencontrée. Par la compilation des
données issues de plusieurs origines, on augmente la diversité allélique aux locus et par
conséquent la probabilité de détecter des QTL. De plus, l’élargissement du jeu de données
de départ réduit le biais d’échantillonnage inhérent aux petites populations et permet
d’accroître la puissance de détection des QTL, en particulier de ceux présentant des effets
relativement faibles. L’utilisation de plusieurs populations connectées issues de croisements
impliquant plus de deux parents différents permet de mesurer la congruence des QTL et
d’apprécier leur stabilité dans différents fonds génétiques. Ce schéma permet en théorie
d’étendre le champ des possibilités des interactions épistatiques et de mieux évaluer les
effets individuels des allèles des QTL en valeur propre, voire d’arriver à les classer du plus
faible au plus élevé pour les populations issues de croisements de lignées homozygotes.
Cette méthode est ainsi particulièrement adaptée aux programmes de création variétale qui
se basent sur plusieurs populations de petites tailles issues de croisements avec des parents
communs ou ayant des pédigrées semblables.
128
IV.2 Article en cours de préparation
Title
Detection of quantitative trait loci for late blight resistance in connected populations of potato
involving Solanum berthaultii
Authors
Sarah Danan1, Jean-Eric Chauvin2, Brigitte Mangin3, Charles Poncet4 and Véronique
Lefebvre1
1
INRA, UR 1052 GAFL Génétique et Amélioration des Fruits et Légumes, BP94, 84140
Montfavet, France
2
INRA, UMR 118 APBV Amélioration des Plantes et Biotechnologies Végétales, 29260
Ploudaniel, France
4
INRA, BIA, Chemin de Borde-Rouge-Auzeville, BP 52627, F-31326 Castanet-Tolosan cedex
France
3
INRA, UMR 1095 UBP Génétique Diversité et Ecophysiologie des Céréales, Plate-forme de
Génotypage à Haut Débit, 234 avenue du Brezet, 63100 Clermont Ferrand, France
Author for correspondence:

Véronique Lefebvre
Tel: +33 (0)4 32 72 28 06
Fax: +33 (0)4 32 72 27 02
E-mail: [email protected]
Key-words: Solanum tuberosum (potato), Solanum berthaultii, Phytophthora infestans,

multi-population QTL analysis, late blight resistance, factorial mating design
Abbreviations:
CAPS: Cleaved Amplified Polymorphic Sequence
DPI: Days Post-Inoculation
QTL: Quantitative Trait Locus
rAUDPC: time-relative Area Under the Disease Progress Curve
SD: Standard Deviation
SSR: Simple Sequence Repeat
CI: Confidence Interval
129
Introduction
Detection of quantitative trait loci (QTL) for agronomic traits has shown great interest in plant
genetics since the late 1980’s to unravel the genetic basis of polygenic characters and to
introgress them in elite lines through marker-assisted selection (MAS). Most of the studies
have performed QTL detection in simple cross design like biparental diploid mapping
populations. However, by studying the population deriving from a cross of two contrasting
homozygous lines, a maximum of two alleles at the QTLs can be investigated. As a
consequence, we get a very narrow sample of the genetic variability which actually exists in
the available species biodiversity. In addition, this kind of analysis does not represent the
actual working conditions of the breeders who routinely evaluate large number of populations
derived from multiple related crosses involving common genitors. Therefore, the analysis of
polygenic traits at a broader level by gathering the genetic information from different
populations is expected to be more profitable. One method is to perform a meta-analysis for
the trait of interest by compiling the QTL results of independent studies after their projection
of a consensus genetic map. Meta-analysis has already been successfully applied in species
for which multiple QTL mapping studies have been reported as for flowering time in maize
(Chardon et al. 2004) and more recently for late blight resistance in potato (Danan et al. in
prep.). However, without any connection between the different data sets, a great amount of
information is lost, and we cannot get any information about the effect of QTL alleles in
different genetic backgrounds and their possible epistatic relationships. An alternative
approach is the study of connected populations such as in the diallele or the factorial mating
design. These kinds of designs make it possible the detection of segregating alleles in all
populations simultaneously and the estimation of their individual effects. Also, epistatic
interactions between QTLs, and between QTLs and the different genetic backgrounds can be
detected (Blanc et al. 2006; Rebaï et al. 1997). QTL joint analyses on connected designs has
been used for silking date, grain moisture and grain yield in maize (Rebaï et al. 1997, Blanc
et al. 2006), for resistance to yellow rust in wheat (Christiansen et al. 2006) and for flowering
date in Medicago truncatula (Pierre et al. 2008).
In potato, many QTL mapping studies has been performed for disease resistance (reviewed
by Gebhardt and Valkonen 2001). The cultivated potato Solanum tuberosum is a tetraploid
heterozygous species, and to make genetic analyses easier, diploid mapping populations are
often produced by crossing dihaploid cultivars and diploid wild potato-related species. QTL
detection is thus performed in the first generation of crossing, named pseudo-F1 population
or outbred. With a maximum of 4 possible alleles at each locus, there is a higher probability
of polymorphism occurrence at a given locus than in inbred populations coming from the
130
cross of homozygous lines. By using connected cross designs in outbreds, coming from
distantly related parental clones, we expect to increase QTL power detection and to more
precisely investigate the QTL allelic diversity.
Potato late blight is a serious disease worldwide and as the monogenic deployed resistances
failed to be durable, the exploitation of wild polygenic resistances has received great
attention. Since the late 1990s, a rise in the number of publications has indeed been
observed for late blight resistance QTL studies in bi-parental populations. Several wild
species have been investigated for polygenic late blight resistance: they are mainly S.
phureja (Bradshaw et al. 2006), S. microdontum (Sandbrink et al. 2000), S. bulbocastanum
(Naess et al. 2000), S. chromatophilum (Villamon et al. 2005), S. vernei (Sorensen et al.
2006), S. spegazzinii (Leonards-Schippers et al. 1994, Danan et al. submitted) and S.
sparsipilum (Danan et al. submitted). QTL mapping has also been performed in S. berthaultii
species (a PI 473331-derived clone, Ewing et al. 2000), which is also known to confer
monogenic resistance mediated by Rber, Rpi-ber1 and Rpi-ber2 R-genes, mapped on
chromosome X (Ewing et al. 2000; Rauscher et al. 2006; Park et al. 2009).
In an attempt to promote the use of valuable exotic genes found in wild potato germplasm,
we present hereafter the mapping of resistance QTLs to late blight in a 2♀ x 2♂ factorial
mating design, consisting in four connected potato populations deriving from crosses
between S. tuberosum cultivars and S. berthaultii hybrids. It constitutes the first try of QTL
mapping in a connected multi-population design of potato. As a first step, the mating design
has been chosen to be relatively simple and we introduced only one wild potato related
species in order to test the feasibility of the joint analysis method. Also, we first focused the
QTL analysis on chromosome IV, known to carry resistance clusters for late blight resistance
(Danan et al., in prep). Consequently, chromosome IV was densified with markers, and
markers linked to other resistance hot-spots of the genome were selected in order to be able
to integrate them as cofactors in the analysis to better estimate the effect of chromosome IV
locus. QTL detection was performed at three population levels: the disconnected population
level, the half-sib population level and the multi-population level by joint analysis. Our aim
was to evaluate the stability of QTLs by increasing the size of data sets and by varying the
genetic backgrounds. Other objectives were to determine the most resistant and the most
susceptible alleles at each QTL and to test whether QTL x genetic background interactions
exist. The performance and relevancy of the cross design for QTL detection are discussed.
131
Materials and Methods
Plant material
A 2♀ x 2♂ factorial mating design of four connected diploid potato populations was used for
the detection of resistance QTLs to P. infestans (Figure IV.1).
D9.13
BF 03D36
96 clones S. tuberosum x S. berthaultii
S. tuberosum 96D9.13 (2x)
BF15H1 (2x)
188 184
03D41 368 03D39

92 clones clones 88 clones
184 180
D9.33
03D42 SiH
S. tuberosum x S. berthaultii 92 clones
96D9.33 (2x) S. tuberosum
Sirtema H20 (2x)
♂
D9.13 D9.33
♀
BF 03D36 03D41
SiH 03D39 03D42

Factorial mating design
Figure IV.1 Crossing design of the 4 connected potato polulations used for the detection of
late blight resistance QTLs
The four connected potato populations are shown. The numbers of clones are given at the 3 different levels of the
analysis: ‘intra-population’, ‘inter-population’ and ‘multi-population’ levels. Parental clones are framed, the
resistant parental clones are in bold-lined squares. The populations are in circles
The male parents 96D9.13 and 96D9.33, named hereafter D9.13 and D9.33, were used as
resistant genitors; they were full-sib pseudo-hybrids derived from a cross between a
dihaploid S. tuberosum ‘Maritta H1’ clone and a diploid S. berthaultii clone selected from the
PI 265857 accession of the Sturgeon Bay collection (Wisconsin, USA). The 4x Maritta
cultivar and the PI 265857 accession have been rated as being resistant under various
environments and over several years by the Potato Germplasm Introduction Station
(Wisconsin, USA). It has notably been reported that Maritta cultivar contained R-genes
132
(Rousselle et Robert 1997). The S. berthaultii accession is different from the one used in the
Ewing et al.’s study (2000). The female parents used in the four crosses were dihaploid S.
tuberosum clones BF15 H1 and Sirtema H20, named hereafter BF and SiH. They were
respectively derived from the tetraploid cultivars ‘BF15’ and ‘Sirtema’. While ‘BF15’ was
generally described to be susceptible to late blight on foliage and tubers, ‘Sirtema’ was
described to be susceptible on foliage and moderately to highly resistant on tubers
(http://www.europotato.org). The assessment of late blight resistance was achieved on 96,
88, 92 and 92 clones of the 03D36, 03D39, 03D41 and 03D42 populations respectively, thus
on a total of 368 clones. The 4x cultivar ‘Bintje’ was used as susceptible control.
Disease assessment
To assess late blight resistance, populations were submitted to independent tests on the
foliage and the stem, as described in Danan et al. (submitted). The outdoor foliage test was
performed outdoors under several controlled environmental parameters. Two foliage tests
were performed to assess all four populations, in May 2006 (part of 03D36 and 03D41
populations) and May 2007 (part of 03D36 and 03D41 populations, and the whole 03D39
and 03D42 populations). Two tubers per clone were used. Plants were naturally infected by a
local aerial isolate. Thanks to r0 and R1 to R11 differential hosts, the isolate was determined
as a mixture of complex races with the 1, 2, 3, 4, 6, 7, 10 and 11 virulence genes for both
years. One susceptible ‘Bintje’ plant was placed every two rows of tested clones throughout
the trial to ensure a homogeneous pathogen spread. Plants were regularly watered by
sprinklers to maintain a local humid climate in the experimental area.
Foliage scoring was done weekly on all the plants of the trial for 5 weeks. Scoring began as
soon as the first late blight spot was detected on ‘Bintje’ and ended when all the plants were
senescent. Disease scores corresponded to the proportion of infected leaves per plant,
according to James (1971). Values of rAUDPC (time-relative Area Under the Disease
Progress Curve) were calculated by applying the formula Σ[(yi+yi')/2]*[(ti’-ti)]/(100*Ttot), where
yi and yi' are the percentages of foliage destruction areas at the two consecutive scoring
dates ti and ti' respectively, and Ttot is the total vegetation time of the plant. The Speed of the
epidemics was equal to the slope of the regression line of the logarithmic transformed values
of foliage damage over time.
The indoor stem test was performed in greenhouse under controlled conditions with 20/15°C
day/night temperatures. Six tubers per clone were used. The four populations were assessed
independently for resistance. The 03D39 and 03D42 populations were split into 2 and 3 sub-
tests respectively. The P. infestans NII72.10 isolate collected on S. tuberosum ‘Naturella’ (R2
133
gene, Ploudaniel, France) was used to inoculate the stems of the 5 week-old plants, by
following the protocol set up in pepper (Lefebvre and Palloix 1996). The NII72.10 isolate was
of A1 mating type and of complex race (1, 2, 4, 10 and 11). Before inoculation, its mycelium
was grown on pea juice-based agar medium for 10 days (Glais and Corbière 2005).
The lengths of the stem necrosis were scored every week (at 5 to 9 day-intervals) over a
period of about 7 weeks. Two traits were considered for further QTL detection as they best
represented first and advanced stages of the plant-pathogen interaction: i- REC for
Receptivity, which is equal to the stem necrosis length measured for the first time (at about 4
to 7 dpi) divided by the number of days post-inoculation (dpi) and corresponds to the plant’s
capacity to be infected and ii- T4, which is the necrosis length measured for the fourth time
(at 24 to 27 dpi, depending on the test) and which appeared to be the stage that
discriminated the best the different clones of the populations.
Molecular data and parental map construction

Genomic DNA was obtained from the leaves of the four parental clones and the 368 clones
of the four populations using standard protocol derived from Doyle and Doyle (1990). The
parental maps were generated on the basis of 90 literature-derived SSR markers which were
selected on the whole genome and particularly on chromosome IV: ’STM’ markers
(Milbourne et al. 1998; Bryan et al. 2004), ’STi' markers (Feingold et al. 2005), ‘SSR’ markers
(Frary et al. 2005) and the STPoAC58 marker (Drouin et al. 1990). For chromosomes IV and
V, the literature-derived CAPS markers Pk and Agl (Chen et al. 2001), and the potato EST-
derived CAPS markers GP221 and TG60 were added (Table IV.1).
Table IV.1 CAPS markers used for chromosomes IV and V

Primer sequences, optimal annealing temperature, and restriction enzyme are given. GP221 and TG60 markers
were derived from EST-potato sequences after blasting tomato RFLP sequences of the SGN database. Pk and
AgI markers were developed by Chen et al. (2001)
marker Forward primer Reverse primer Ta* Restr. reference

enzyme
GP221 ATGCCTTTGCTGTTTGACCT AGCACCATTTAAGCCCTCCT 58 HincII SGN
TG60 TTTAAAAAGAAGAGTGGTTCAGCA TAGAAATGCGAGGGAGGTGT 60 MseI SGN
Pk TCACTGTATCCACAGACTATACC CACTCTCCCCACTTAACATAAC 55 RsaI Chen et al.
2001
AgI ACCAAGCTGTGGTTAACCAGAG GCAGTTGCGAATAACTGTGGCA 55 AluI Chen et al.
2001
*Ta: optimal annealing PCR temperature
SSR marker genotyping was performed by the INRA Clermont-Ferrand genotyping platform
(France). Fluorescently labelled primers 6-FAM or VIC fluorochromes and the annealing
temperatures given in literature were used. PCR products sizes were obtained by migration
with the ABI3130XL automatic DNA sequencer (Applied BioSystems). For CAPS markers,
134
PCR amplifications were performed with the optimal annealing temperatures found after
testing a 50°C-60°C gradient (30 cycles). PCR produ cts were digested by the corresponding
literature restriction enzymes or by enzymes found after searching for SNPs in the parental
PCR products sequences. CAPS digested products were revealed by ethidium bromide and
UVs after migration on a 3% agar gel.
Marker segregation was scored for every genotyped clone by noting the presence or
absence of the band (1/0 scoring). All marker genotyping entry was associated to the
complementary opposite marker phase. Independent maps were constructed for each parent
following the double pseudo-test-cross method (Grattapaglia and Sederoff 1994). Linkage
groups were assigned to the 12 potato chromosomes thanks to the literature SSR and CAPS
of known location.
All maps were constructed with the CARTHAGENE software (version 1.0, de Givry et al.
2005). Linkage groups were built with a minimum LOD threshold of 3.0 and a maximum
distance between markers of 30 cM (Haldane), by using the “group” command of the
software. Marker order and interval distances were computed with “mfmapd” command, and
the obtained map was checked with the “annealing”, “flip” and “polish” commands. The
obtained marker orders were validated by comparison with literature. Markers of unexpected
location were individually checked. If the number of missing data was superior to the half of
the number of population individuals or if the marker significantly deviated from the expected
1:1 ratio according to a Chi-square test (P=0.01), and if the genotyping repetition did not
improve the results, the marker was removed. Conversely, missing markers that were
expected to belong to the obtained linkage groups were added manually by successively
testing both phases of the markers. If the additional markers finally mapped at an expected
location, and if the final chromosome length did not exceed the expected maximum size for a
potato chromosome, the additional markers were integrated to the linkage group. For
chromosomes for which the genotypic data were available for only one representative
literature marker, a “false” closely linked marker was associated to the lone marker by adding
the same segregating data of the marker except for one data-point. False linkage groups of
0.1 cM long were thus generated, making possible the integration of the “true” marker in the
QTL detection analysis.
First, the 8 parental maps were individually constructed with the genotyping data within each
population; they were called ‘intra-population’ maps. Second, the 4 parental maps were
constructed by combining the genotyping data of their half-sib populations; they were called
“inter-population maps”. Non-segregating markers in a half-sib population were then
considered as missing data. The 4 ‘inter-population’ parental maps were constructed with a
135
total of 180 to 188 clones. The marker order of the ‘inter-population’ parental maps was
checked by comparison with the ‘intra-population’ parental maps and with the literature
orders. At this stage, the linkage group phases were arbitrary chosen and were the same for
all maps. Framework maps for each ‘inter-population’ parental maps were generated by
following 3 conditions: i- maximizing the number of markers common to 3 or 4 ‘inter-
population’ parental maps, ii- optimizing the regular distribution of markers along the linkage
group with an optimal marker interval of 5-10 cM, iii- removing close inverted markers to
keep conformity with the other parental maps and literature. Finally, a “consensus” map was
constructed with all 4 ‘inter-population’ framework maps, by using the 'ConsMap' command
of the MetaQTL software (Veyrieras et al. 2007).
Data analysis
Statistical analyses were performed using the general statistical software package RGUI
version 2.4.0 (R Development Core Team 2005).
-Data adjustment in space:
Concerning the foliage test, to take into account the possible heterogeneity of the pathogen
dispersal on the scored values, an analysis of covariance (ANCOVA) was performed for
rAUDPC and Speed with the values of the adjacent ‘Bintje’ plant taken as covariate,
according to the model Yij = µ + Gi + Covariatej + Gi*Covariatej + εij, where Yij is the
phenotypic value of the plant of the i clone close to the j ‘Bintje’ plant, µ is the general
phenotypic mean of all plants in the assay, Gi is the genotypic effect of the i clone, Covariatej
is the phenotypic value of the adjacent j ‘Bintje’ plant and εij is the residual effect. Adjusted-
fitted rAUDPC and Speed values of each scored plant based on the adjacent ‘Bintje’ value
were given in the ANCOVA result files and used for subsequent analyses.
-Data adjustment in time:
To be able to gather the values of all the clones of the same population that were tested in
different tests, clone values had to be adjusted by taking the test effect into account. This
was notably the case for the 03D39 and 03D42 populations for the stem test and the 03D36
and 03D41 populations for the foliage test. For the stem test, the raw data of the necrosis
lengths were used. For the foliage test, the rAUDPC and Speed ‘Bintje’-adjusted values were
used. Only the traits for which no clone*test significant interaction was detected through an
ANOVA analysis were selected for adjustment. Then, a 2-way ANOVA procedure was run on
the gathered data sets of the different tests comprising common controls, according to the
model: Yij = µ + Gi + Testj + εij, where Yij is the phenotypic value of the plant of the clone i
assessed in the test j, µ is the general phenotypic mean of all plants in the assay, Gi is the
genotypic effect of the i clone, Testj is the test effect of the j test and εij is the residual effect.
136
Averaged test-adjusted fitted values for each clone were given in the ANOVA results file and
used for subsequent analysis. In case of significant clone*test interaction, the concerned trait
was excluded from the QTL analysis.
For all traits chosen for QTL detection, the replicate median of each clone was calculated.
The median better represents the central tendency of a small number of observations than
the arithmetic mean and is less influenced by extreme values due to environmental factors.
The Mann-Whitney test was used to compare parental values (P-value<0.05). Within each
population, the Pearson correlation test was used for trait associations (P-value<0.05).
Broad-sense heritability was calculated for each trait after testing the “clone” effect by
analysis of variance (ANOVA) by applying the formula h²BS= σ²g/[σ²g+(σ²e/n)], where σ²g is
genetic variance, σ²e is environmental variance and n the number of replicates per clone (6
replicates for the stem test and 2 replicates for the foliage test). The normality of the trait
frequency distributions was checked with the Shapiro and Wilk test (P-value<0.05).
QTL mapping
The QTL detection was performed at three levels, which corresponded to the three map
construction levels: i- at the ‘intra-population’ level, i.e. in parental clones within each
populations, ii- at the “inter-population level”, i.e. in parental clones by combining the data of
both half-sib populations, ii- at the “multi-population level”, i.e. by combining datasets of the 4
populations, which corresponds to the joint QTL analysis.
The QTL detection was performed using the iterative QTL mapping method (iQTLm,
Charcosset et al. 2000) implemented in the MCQTL software (Jourjon et al. 2005). iQTLm is
an iterative QTL detection method aiming at automatically building a multi-QTL model. The
model uses a detection significant threshold to accept each QTL that is included in the
model. The detection thresholds were estimated at the genome-wide level by running 1,000-
permutation tests and choosing a type-I error of 5% for each trait. The iQTLm method was
preceded by a cofactor selection method. A forward stepwise analysis on markers was
performed using a permissive threshold (equal to 80% of the detection threshold). The
iQTLm analysis was performed with a window size of 4 cM and a walking step of 2 cM. For
multiple-population QTL mapping, the chosen model was “connected” to analyze all
population data as a uniform data set. In this case, the detection threshold was the mean of
the detection thresholds for the 4 'inter-population' QTL mapping, equal to 7.6. A LOD
decrease of 1 was chosen to define the LOD support interval around the location of the curve
peak. The graphic representation of the maps with the QTL confidence intervals was
generated with MapChart 2.1 (Voorrips 2002).
137
Results
Parental maps
Eight ‘intra-population’ parental maps, 4 ‘inter-population’ framework parental maps and one
‘consensus’ parental map were constructed (Figure IV.2, supplementary data, Annexe IV.1).
17.9%
42
20.6%
900 [2-10]
46
11
15.3% [3-8]
800 20.4%
33 11
[2-6] 11.9% 62
700 10 17.6% 38 [3-12]
14.4% 11
27 [2-10]
34 9
600 15.4% [2-5]
14.3% 16.9% [2-6]
38 13.3% 9
36 29
Total map length
[2-8] 9
500 [2-5] [2-6] 17
9
10 9 [2-4]
10.2%
29 13.1% 6
400
[2-4] 21
10 [2-7]
300 7
200
100
0
BF BF BF D9.13 D9.13 D9.13 SiH SiH SiH D9.33 D9.33 D9.33 Consensus
D36 D41 D36 D39 D39 D42 D41 D42
Figure IV.2 Overall map composition at the three population levels
The total lengths of each map (cM Haldane) are represented by vertical bars: bars in light grey are for the ‘intra-
population’ maps, bars in dark grey are for the ‘inter-population’ framework maps and the bar in black is for the
‘consensus’ map. The number of chromosomes, the range of marker number per chromosome, the total number
of markers and the percentage of the potato map genome coverage are given for each map at the top of the bars,
from the bottom to the top. Between 88 and 96 clones were genotyped for the ‘intra-population’ map construction,
the marker data of 180 to 188 clones were gathered for the construction of the ‘inter-population’ maps, the
‘consensus’ map was constructed on the basis of the marker position of the ‘inter-population’ framework maps.
The 8 ‘intra-population’ parental maps contained a total of 17 to 38 markers and were

composed of 6 to 10 linkage groups corresponding to potato chromosomes. Between 4 and
10 markers mapped on chromosome IV and between 2 and 7 markers mapped on the other
chromosomes. Chromosomes IV, V and VI were present in all maps. Chromosome lengths
varied between 0.1 cM and 171.9 cM, with an average of 49.7 cM (SD±44.8) per
chromosome. Chromosome IV ‘intra-population’ maps especially had an averaged length of
68 cM length (Table IV.2).
138
Table IV.2 Chromosome map compositions at the three population levels

map construction level intra-population inter-population Consensus
chromosome / parental map BF D36 BF D41 D9.13 D36 D9.13 D39 SH20 D39 SH20 D42 D9.33 D41 D9.33 D42 BF D9.13 SH20 D9.33
I No. Markers no map no map no map no map no map no map no map no map no map 2* no map no map no map
II No. Markers 7 4 3 2 3 4 2 no map 5 3 3 3 6
Map length (cM Haldane) 122.8 22.2 34 2.1 21.9 114.1 2.9 - 93.1 39.5 95.8 36.3 52.2
genome coverage (%) 38 16.3 16.3 16.3 0 54.8 16.3 - 26 26 42.9 26 26
III No. markers 5 2 2 4 2 no map 2 4 3 5 2 2 5
Map length 43.6 8.6 4.5 41.6 22.2 - 1.1 76.6 98.9 42.4 8.5 5.2 28
genome coverage (%) 1.2 0 1.2 1.2 1.2 - 1.2 1.2 1.1 1.1 1.1 1.1 1.1
IV No. markers 8 4 5 6 7 4 6 10 6 8 5 10 12
Map length 114.3 60 22.8 82.4 82 71.6 36.9 75.1 64.9 98.9 115.3 146 67.8
genome coverage (%) 66.3 69.9 34 73.2 40.1 40.1 34 37.1 69.9 73.2 40.7 73.2 73.2
V No. markers 3 2 5 2 3 2 2 2 2 5 2 3 6
Map length 21.5 29.4 51.9 26 73.6 62.8 143.9 25.9 24.6 41.7 67.9 139.4 122.8
genome coverage (%) 8.2 8.2 24.4 24.4 24.4 24.4 8.2 15.2 8.2 24.4 24.4 7 16.2
VI No. markers 2 2 2 2 2 2 3 2 2 3 2 3 4
Map length 24.4 34.1 12.6 7.7 53.8 89 40.9 7.2 29.1 78 66.9 37.2 80.7
genome coverage (%) 10.6 10.6 10.6 10.6 34.1 34.1 34.1 10.6 10.6 34.2 34.2 34.2 34.2
VII No. markers 6 4 5 3 2 no map 6 5 4 5 3 3 5
Map length 82.1 15.6 124.6 171.9 13.4 - 107.4 156.5 105.6 170.8 39.8 49.6 46.1
genome coverage (%) 44.6 2.9 54 54 54 - 54 54 44.7 49.9 49.9 41.9 49.9
VIII No. markers 3 3 3 2 no map no map 5 2 4 3 2 4 5
Map length 54.2 25.9 105.6 16.6 - - 134.8 2.2 67.6 64 0.1* 163.2 81.2
genome coverage (%) 6.6 1.2 1.2 1.2 - - 1.2 1.2 6.5 1.2 - 1.2 6.5
IX No. markers 2 4 3 3 no map 2 3 4 3 3 3 4 5
Map length 6.2 99.3 17.9 39.8 - 18.1 10.1 11.4 113.8 34.3 56.5 10.8 10
genome coverage (%) 6.2 5 6.2 5 - 6.2 6.2 6.2 - 6.1 1.2 6.1 6.1
X No. markers 2 2 3 no map no map no map no map no map 2 3 2 3 3
Map length 1.2 0.1 12.1 - - - - - 1.2 12.2 0.1* 160.4 12.2
genome coverage (%) 0 0 6.3 - - - - - - 6.3 - 6.3 6.3
XI No. markers no map 2 5 5 2 no map 5 5 3 5 3 5 6
Map length - 18.6 50.5 54.2 6.3 - 34.1 65.3 70 51.9 22.8 48.1 69.5
genome coverage (%) - 8.8 17.1 17.1 3.9 - 17.1 17.1 17.1 17.1 8.8 17.1 17.1
XII No. markers no map no map no map no map no map 3 no map 4 2 3 4 2 5
Map length - - - - - 41.4 - 165.6 0.1* 112.2 62.5 29 73.5
genome coverage (%) - - - - - 0 - 0 - 7.7 7.7 1.1 7.7
* “false map” of 0.1 cM length and of only two markers (see Materials and Methods)
139
The 4 ‘inter-population’ framework parental maps were composed of 9 to 11 chromosomes.

Four “false” linkage groups were created as described in the Materials and Methods section
for chromosomes I of D9.13, XII of BF, and chromosomes VIII and X of SiH. For these
chromosomes, the genotyping data was available for only one marker of the chromosome,
according to the literature. The ‘inter-population’ parental framework maps of BF, D9.13, SiH
and D9.33 were composed of 33, 46, 27 and 42 markers respectively, with 5 to 10 markers
per chromosome IV, and between 2 and 5 markers for the other chromosomes. For each
parental map, the averaged inter-marker distance was 19.4 (SD±10.5), 17.0 (SD±10.6), 20.2
(SD±10.5) and 20.5 (SD±16.9) cM, respectively. The SiH framework map was relatively poor
in markers with a large averaged inter-marker distance while the D9.13 framework map had
the highest total number of markers, and the D9.33 framework map showed the highest
density of markers for chromosomes II, III, VI, IX, and XII. Chromosome marker orders were
well-conserved across the four ‘inter-population’ framework maps, as illustrated on Figure
IV.3 for chromosome IV.
140
IV_BF
0.0 GP180BFm IV_D9.13 IV_SiH IV_D9.33 IV_Consensus
17.0 Th21BFm
0.0 M3016121 0.0 STM3016
0.0 M301625m Pk
1.5 Z1147_3m 0.7
1.2 Z1147_2m STM5140
48.0 SC91BFm 8.9 M5140180 6.8
49.1 HERGH4m 12.2 GP221
0.0 M3016121 15.0 Ti05521m
50.2 SC101_BF Z1465_BF 12.9 STI0055
3.6 Z1147_1m 19.9 TG20833m
50.8 Z1147_Bm M514074m 19.7 M5140177 17.8 TG208
6.7
51.5 M301625m 19.7 STM3023
10.5 GP22113m
30.9 M002030m 28.7 STM0020
52.1 M316004m 15.8 M3023196
53.8 SC100BF 33.6 CT194
54.9 SC93_BFm 41.3 Z1844_33 34.3 TG62
62.8 Z1144_BF 48.1 TG62_33m
65.0 M514089m M5140177
68.8 ASC84BFm 56.5 STI0001
47.1 M002023m
63.4 M3023196
67.8 STM5156
103.6 M0020170 77.6 M3023196
130.0 Ti001212
88.3 Ti001206
131.0 Ti00119m
134.0 TG22_BFm
98.9 M515670m
115.3 M0020150
146.0 M515670m
Figure IV.3 Alignment of the chromosome IV maps
‘inter-population’ framework maps of the chromosome IV of the 4 parents BF, D9.13, SiH and D9.33, as well as the ‘consensus’ map of chromosome IV are shown. The
literature marker names are given on the consensus chromosome map.
141
The ‘consensus’ map was composed of 11 chromosomes and 62 markers in total.

Chromosome IV map was especially composed of 12 markers and the other chromosomes
contained 3 to 5 markers. Between 40% (chr. III) and 100% (chr. VII, VIII and XI) of the
consensus map markers were shared by the four ‘inter-population’ framework parental maps.
By placing the two most distal markers of the ‘inter-population’ and “consensus” chromosome
maps onto the integrated potato map (based on 29 published maps; Danan et al. in prep),
they represented up to 73 % of the corresponding integrated potato chromosome map
(chromosomes IV of D9.13 in 03D39, of D9.13, D9.33 ‘inter-population’ maps and of the
“consensus” map, Table IV.2, Figure IV.3). Chromosome IV was the most complete, with a
quite densified region at the top of the chromosome, in the resistance hot-spot region for late
blight resistance. Conversely, chromosomes III, VIII, X and XII were poorly represented, and
chromosome I entirely lacked.
Trait description
Four traits were used for QTL detection: REC and T4 for the stem test, and rAUDPC and
Speed for the foliage test. Parental clones often displayed contrasting phenotypes for these
traits (Figure IV.4). The 4 chosen traits showed continuous frequency distributions with
normal to bimodal shapes (Figure IV.4). The broad-sense heritability values were calculated
within each independent test and were quite high, ranging from 31.4 to 92.0%. The highest
values were found for REC while the lowest ones were found for Speed; T4 and rAUDPC
had intermediate heritabilities. While the stem traits were not significantly correlated, the
foliage traits were significantly correlated in 03D39 and 03D41 (r=0.38 and r=0.73
respectively). The foliage traits were also significantly correlated to the stem traits in 03D39
(rAUDPC / T4, r=0.32), 03D36 (rAUDPC / REC, r=0.61), and 03D42 (Speed / T4, r=0.38).
142
03D36
10 14 18 0.1 0.2 0.3 0.4 0.5 1.0 1.5 2.0
M
BFb r=-0.02 r=0.61*
REC 0.13 REC r=0.02
0.30
0.04
D9.13a
Frequency
M 0.00
0.06
0.15
SH20b
0.12 D9.13a
0.16
0.00
M SH20b M
r=0.19 T4 BFb 15.2 T4
r=0.13 r=0.11
8.9 10.4
18
14.9
15
x D9.13a
7.0
10
14
D9.13a
5
10.8
10
0
r=0.15 r=0.32* rAUDPC rAUDPC r=0.04

0.5
0.4
x 0.40 M
0.4
SH20b
0.3
0.20
0.40
D9.13a BFb
0.3
D9.13a
0.2
0.28 0.28 0.40
0.2
0.1
The frequency distributions of the 4 traits used for QTL
r=0.15 r=0.08 r=0.38* D9.13a M
Speed detection are shown. The parental values and the mean of the
0.54
M Speed 0.74
0.74 clone medians (M) are placed on the histogrammes. Letters ‘a’
1.5
x SH20b
BFa
and ‘b’, next to the parental names, indicate whether they are
0.33 significantly different (different letters) or equivalent (same
0.50
1.0
D9.13a letter), according to the Mann-whitney non-parametric test (p-

0.54 value<0.05). Scatter-plot matrix give a representation of the
0.5
correlation between the traits. Correlation Pearson values are

given in the scatter-plot corner. A star (*) indicates whether the
correlation is significant (p-value<0.05).
0.05 0.15 0.25 0 5 10 15 0.2 0.3 0.4 0.5
03D39
Figure IV.4 Frequency distributions of the four traits used for QTL detection, and correlations (to be continued on next page)
143
03D41
0 5 10 15 0.0 0.2 0.4 0.5 1.0 1.5
REC REC r=0.002 r=-0.1 r=0.06
0.20
M
M BFa
0.08
0.09 0.13
Frequency
SH20b
0.10
0.12
D9.33a D9.33a
0.26 0.16
0.00
SH20b M
r=-0.11 T4 11.2 T4 r=0.009 r=0.06
15
10
8.6
x D9.33a
M D9.33a
8
7.3
8.0 9.8
10
6
BFb
4
5
17.0
2
0
r=0.05 r=0.1 rAUDPC rAUDPC r=0.73*
0.4
M SH20b
x 0.39 0.40
0.40
BFb
0.40
0.2
D9.33a D9.33a
0.33 0.33
M
0.30
0.26
0.0
SH20a D9.33a
r=-0.12 r=0.38* r=0.15
0.33
Speed 0.31 Speed
2.5
x D9.33a
0.31 M
0.49
1.5
BFb
M
0.50
1.06
0.5
0.05 0.15 0.25 2 4 6 8 10 0.30 0.40
03D42
Figure IV.4 Frequency distributions of the four traits used for QTL detection, and correlations (end)
144
QTL mapping
At the ‘intra-population’ level, 15 QTLs were detected in 9 different regions spread on 6
chromosomes (chr. III, IV, V, VIII, IX and XI). They were detected in both susceptible and
resistant parental maps of the 4 populations and with both stem and foliage traits (Table IV.3,
Figure IV.5). Their effects varied between 10.1% and 28.0% of the phenotypic variation, with
a mean effect of about 15%. The largest-effect QTL was detected on chromosome IX of the
parental clone D9.33 with REC (R²=28.0%). The most consistent QTL region was detected
on the top of chromosome V of BF and D9.33 with foliage and stem traits (T4, rAUDPC and
Speed). Common markers showed that this QTL region was different from the QTL detected
with Speed in SiH which mapped in a lower part of the chromosome. QTLs of chromosome V
explained between 10.1% and 18.8% of the phenotypic variation. On chromosome IV, QTLs
were detected in both parental clones D9.13 and SiH, with rAUDPC only. The confidence
intervals of chromosome IV QTLs overlapped and it was not possible to state whether the
QTLs detected in SiH in 03D39 and 03D42 were distinct or not. QTLs of chromosome IV
explained between 11.9% and 15.6% of the phenotypic variation. The other QTL regions
were detected on chromosomes III, VIII and XI in a single parental clone with effects ranging
between 10.1% and 16.4%.
At the ‘inter-population’ level, 4 QTLs mapped on 3 distinct genomic regions of chromosomes

IV and V. On chromosome IV, we differentiated two foliage trait-associated QTLs with
equivalent effects on the top of the D9.13 map, close to Pk and STM5140 (R²=13.4%), and
on the bottom of the chromosome of the SiH map, close to STM3023 (R²=14.4%). On
chromosome V, a single QTL region explaining between 9.6 and 16.5% of the foliage
variation was detected in BF only. By comparing with the ‘intra-population’ level, the QTL
confidence intervals at the ‘inter-population’ level were either reduced by almost 5-fold for the
QTL of the top of chromosome IV of D9.13, or remained unchanged on average for the QTLs
of the bottoms of chromosome IV of SiH and chromosome V of BF.
At the “multi-population” level, two distinct foliage trait-associated QTLs were detected on
chromosome V. One QTL, close to STi049 at the top of the chromosome, explained 11.9% of
rAUDPC variation. The other QTL, close to TG60 at the bottom of the chromosome
explained 7.4% of Speed variation. The confidence interval (CI) of the rAUDPC-associated
QTL was enlarged of almost 2-fold as compared with the ‘inter-population’ level and was
equivalent to the CI mean of the corresponding ‘intra-population’ QTLs. However, the CI of
the Speed-associated QTL was reduced by more than 2-fold as compared with the ‘intra-
population’ QTL CI of SiH.
145
Table IV.3 QTL detection results at the three level of analysis

QTL parental maps, QTL position and confidence intervals, percentage of variance explained by the QTLs (R²) and global R² values at the ‘intra-population, ‘inter-population’
and ‘multi-population’ analysis levels are detailed
Analysis level REC T4 rAUDPC Speed

Pop. level Map Chr Position [IC] (cM) locus Chr Position [IC] (cM) locus Chr Position [IC] (cM) locus Chr Position [IC] (cM) locus
R² (%) R² (%) R² (%) R² (%)
intra- BF 03D36 III 15.1 [2.3-28.6] 12.6 V 0 [0-6.4] 18.8
population V 17.4 [0.6-21.5] 10.9
global R² = 18.4%
BF 03D41 V 12 [0-27.7] 16.4 V 10 [0-24] 16.0
D9.13 03D36 XI 0 [0-10.4] 10.1
D9.13 03D39 IV 14.4 [0.8-53.4] 11.9 V 0 [0-16] 10.2
VIII 0 [0-12.5] 16.3 VIII 16.6 [9.4-16.6] 16.4
global R² = 21.9 % global R² = 18.4%
SiH 03D39 IV 13.1 [0-82] 13.0
SiH 03D42 IV 49.9 [27.7-69.2] 15.6 V 48 [19.4-62.8] 10.3
D9.33 03D41 V 0 [0-51.8] 13.1 V 0 [0-44.2] 14.5
D9.33 03D42 IX 10.1 [5.6-11.4] 28.0
inter- BF V 18 [8.8-24.6] 16.5 V 18 [6.0-24.6] 9.6
population D9.13 IV 5.6 [0-10.3] 13.4
SiH IV 71.4 [31.8-97.1] 14.4
multi-
population Consensus V 26 [3.0-35.7] 11.9 V 116 [100.4-123.0] 7.4
146
03D36 03D39 03D42 03D36 03D41 03D42 03D41 03D39 03D42 03D36
BF D9.13 SiH SiH BF BF SiH D9.33 D9.13 D9.33 D9.13
III IV IV IV V V V V VIII IX XI
T4 rAUDPC rAUDPC T4 rAUDPC rAUDPC Speed rAUDPC Speed rAUDPC Speed
12.6 11.9 13.0 10.1 18.8 16.4 16.0 13.1 14.5 16.3 Speed REC 10.1
0 STM3016 STi049 STM1105 STM1121 STM5130
STM3016 STM3160 STi049 28.0
Pk STM3160 16.4 STM1051 STi018
STM1020 STM5140 AgI
STi050 STM3023 rAUDPC STi057 11.4 STM0037
21.5 STM1024 16.6
STM5140 15.6 STi006
STi055
29.4 STi006
Speed
10.3
43.6 STM0020
SSR555
STM5109 50.5
STM0020 71.6
75 82.0
STM5156 82.4
STPoAc58 62.8
150
D9.13 SiH BF STi006 143.9
IV rAUDPC IV V rAUDPC Speed

0 13.4 16.5 9.6
STM3016 STi049
Pk
STM5140
GP221
STM3023 STM5140 rAUDPC
STi006 24.6
Only significant QTLs that
14.4
were detected at 5% type-I
STM0020 error LOD threshold are
STM3023
shown at the three
75
population levels of analysis.
STi001
A tick marks the LOD-peak
STM5156 98.9 of the QTL. QTL confidence
intervals are represented by
STM0020 115.3
vertical bars at the right-
Consensus hand side of the
150 V rAUDPC chromosomes. R²
0 STi049
11.9
percentage values are given
at the top of the QTL bars.
Markers are shown on the
left-hand side of the
chromosomes. Grey lines
STi006
make the connections
75 between common markers.
Speed
STM1020
7.4 Scales in cM (Haldane) are
shown on the left .
TG60
STPoAc58 122.8
150
Figure IV.5 QTL mapping results at the three levels of the analysis in the four parental maps
147
Discussion
To our knowledge, this study reports the results of the first QTL joint analysis in a connected
multi-population design in potato.
Map coverage
Markers were preferentially selected in literature QTL-rich regions for late blight resistance.
The analysis especially focused on chromosome IV by the addition of markers of the
resistance hot-spot regions, according to the meta-analysis results (Danan et al. in prep).
Whatever the map construction level, chromosome IV maps were thus the best covered with
markers (between 34 % and 73 % of the integrated potato chromosome IV). The 11 other
chromosomes, however, rather poorly represented potato integrated map (1 % to 54 % of the
integrated potato chromosomes). From an overall point of view, genetic maps (parental and
consensus maps) were generally incomplete as they covered between 10 and 21% of the
whole integrated potato map. Consequently, additional markers will be added to extend the
analysis at the whole genome to deliver a more complete QTL detection than the present
one.
Comparison of QTL detection results at the different analysis levels

At the ‘intra-population’ level, a total of 15 QTLs, corresponding to 9 different regions,
were detected with stem and foliage traits on 6 chromosomes across the four populations.
QTLs detected on chromosomes IV and V were consistent across two parental clones.
The lack of congruency of the other QTLs may be due their different genetic determinism for
resistance to late blight but also to the incomplete parental maps and to the effect of the
genetic backgrounds. As far as the map coverage is concerned, chromosome IV of D9.13 in
03D36 only covered 34% of chromosome IV consensus map of potato, missing the top and
the bottom of it, and no QTL was detected on this chromosome. Conversely, a QTL was
detected on chromosome IV of D9.13 in 03D39, which covered 73% of chromosome IV
consensus map. As far as the genetic background is concerned, we indeed observed that
one QTL was detected on chromosome V of SiH in 03D42, whereas no QTL was detected
on chromosome V of SiH in 03D39, while they have the same markers and identical
chromosome lengths. SiH allele might thus contrast with D9.33 allele in 03D42, while it would
not be the case with D9.13 allele in 03D39.
QTLs were detected in both resistant and susceptible clones. Concerning the resistant
parents, D9.13 and D9.33 are full-sibs but their different marker composition and different
sets of QTLs suggest that they probably did not inherited of the same set of alleles from their
148
common parents. Concerning the susceptible clones, the detection of QTLs in BF and SiH
suggest their contribution to disease resistance. This observation is in fact well-known by
breeders and has been frequently reported in literature (Lefebvre and Palloix 1996; Pilet et
al. 1998). While BF15 is often used as a susceptible control, the Sirtema cultivar was
reported to be moderately resistant on tubers, corroborating the detection of QTLs in SiH.
Also, it is known that the 4x Maritta cultivar presents R-genes and QTLs. The bimodal
frequency distribution of rAUDPC in 03D41 might thus be explained by the effect of a
possible R-gene present in the Marrita H1 dihaploid clone.
The ‘inter-population’ parental maps were generally larger in terms of total length and
genome coverage than the ‘Intra-population’ maps. However, we observed a reduction in the
number of QTLs. The 4 detected QTLs at the ‘Inter-population’ level on chromosomes IV and
V are indeed a subset of the QTLs detected the ‘Intra-population’ level, and they in fact
correspond to the 3 most consistent regions detected at the ‘Intra-population’ level. They had
equivalent effects as the corresponding ones at the ‘Intra-population’ level, which indicated
the stability of these QTLs, whatever the genetic background. Passing to the ‘Inter-
population’ level led to a gain in the confidence interval accuracy of almost 5-fold of the
conserved locus of the top of chromosome IV of D9.13 and SiH.
The lost of the other QTLs could be due to the poor potato genome coverage of some
parental maps. Consequently, le power of detection at the ‘inter-population’ level decreased
with the rise of missing data for certain regions. Also, by gathering the individuals of half-sib
populations, the effects of the QTLs which were detected specifically in a single parental map
were diluted.
At the ‘multi-population’ level, two QTLs on chromosome V were significantly detected. At

the top of the consensus chromosome V, the rAUDPC-associated QTL corresponds to the
QTLs detected in both BF and D9.33 at the ‘Intra-population’ level and in BF at the ‘Inter-
population’ level. The QTL at the bottom of the consensus chromosome V most likely
corresponds to the QTL detected in SiH of 03D42 at the ‘Intra-population’ level. The
detection of the bottom QTL of chromosome V is probably the result of the additional effects
of several undetected QTLs in different parental clones at the other analysis levels. Its
confidence interval reduction, as compared to the ‘intra-population’ level, has been observed
as in Blanc et al.’s study (2006). Both QTLs explain a lower part of the phenotypic variation
than the QTLs at the other levels, showing the improvement of the estimation of their effect
with a larger data set.
The QTLs of chromosome IV which seemed to be stable across populations were not
significantly detected any more. This reduction of the number of QTLs at the “Multi-
149
population” level is all the more astonishing as the consensus map is more dense and
complete with a noticeable gain in genome coverage. Consequently, this could indicate that
chromosome IV QTLs must be specific to both parental D9.13 and SiH clones and that they
have a small contribution to the variation over the four populations. This dilution of QTL
effects at the multi-population level had already been observed in a similar study in Medicago
(Pierre et al. 2008). Another explanation is that, at this ‘multi-population’ level, we chose a
too stringent LOD threshold, which was the mean of the thresholds of the 4 parental analysis
at the ‘inter-population’ level. Recalculating the threshold with the whole dataset of the 368
individuals would have probably resulted in a lower threshold, as observed in Rebaï et al.’s
study.
Comparison with reported late blight resistance QTLs

Thanks to anchor markers and by comparing to the meta-analysis results for late blight
resistance genetic control in potato (Danan et al. in prep, chapter V), all the detected QTLs at
all population levels belong to meta-QTLs except the QTL of chromosomes V of SiH which
colocalizes with a single reported QTL for field resistance in this region of a S. microdontum
clone (Sandbrink et al. 2000). In particular, the conserved locus of the top of chromosome IV,
between STM3016 and STM3023 is obviously in the well-known cluster of resistance genes,
which notably comprises 6 R-genes for late blight resistance (R2, R2-like, Rpi-blb3, Rpi-abpt,
Rpi-demf1, Rpi-mcd-mcd1; Sandbrink et al. 2000; Park et al. 2005 a, b; Hein et al. 2007; Tan
et al. 2008). Likewise, the locus of the top of the chromosome V corresponds to the cluster of
resistance genes comprising R1 for late blight resistance (Leonards-Schippers et al. 1992;
Ballvora et al. 2002). Also, this locus is well-known to be significantly involved in the genetic
control of maturity type. This locus was significantly detected with rAUDPC in BF which is
known to be a semi-late maturing cultivar. However, as no maturity data was available in our
study, we cannot determine whether this 03D locus of chromosome V is in fact a maturity-
associated locus or an independent late blight resistance locus.
Conclusion
As a first step of a premiere QTL detection analysis in a potato factorial design, this study
has been performed with partial maps. We demonstrated that at least two loci on
chromosomes IV and V were refined by climbing up in the population levels and increasing
the data set. To improve the analysis, maps should first be completed with additional
common markers. The 03D39 population is planned to be enlarged to refine the QTL of
chromosome IV of D9.13. To know whether the grand-parent S. berthaultii clone transmitted
the favorable effect detected in chromosome IV of D9.13, a pedigree search is necessary.
Advanced methods that integrate the pedigree information into the analysis (Bink et al. 2008)
150
or which models the possible relatedness between individuals with the Identical-by-descent-
based method (Crépieux et al. 2004) could be used to enhance the QTL analysis.
Acknowledgements
-Jean-Paul Dantec, Marie-Ange Dantec and François Monot for phenotyping
-Morgane Ardisson, Sophie Rolland, Sophie Ewert, Patrick Signoret, Nadia Lama, Anne
Blattes, technician team of Clermont-Ferrand genotyping center (Lydia Jaffrelo, Karine
Chevalier, Audrey Roudaire, Marie-Reine Perretan) for help in molecular genotyping
-Amidou N'Diaye, for genotyping advice and programming help for outbreds
-Charles-Eric Durel for joint analysis strategy advice
-Frederic Fabre for help/advice in statistical analysis
-Sylvain Jasson for MCQTL teaching and methodology support
-Thomas Schiex for CARTHAGENE teaching and advice
References
Les références citées dans ce chapitre sont listées à la fin du rapport.
151
Addendum
Après le dépôt du manuscrit, le calcul des seuils au niveau ‘multi-population’ a été recalculé
à partir des données des quatre populations. On obtient ainsi des valeurs seuils pour chaque
variable :
-REC : 7.3
-T4 : 6.5
-rAUDPC : 6.8
-Speed : 7.8
De nouvelles analyses ont mis en évidence la détection de nouveaux QTL comme indiqué
sur la figure suivante.
152
03D36 03D39 03D42 03D36 03D41 03D42 03D41 03D39 03D42 03D36
BF D9.13 SiH SiH BF BF SiH D9.33 D9.13 D9.33 D9.13
III IV IV IV V V V V VIII IX XI
T4 rAUDPC rAUDPC T4 rAUDPC rAUDPC Speed rAUDPC Speed rAUDPC Speed
12.6 11.9 13.0 STM3016 10.1 18.8 16.4 16.0 13.1 14.5 16.3 Speed REC 10.1
0 STi049 STM1105 STM1121 STM5130
STM3016 STM3160 STi049 28.0
Pk STM3160 16.4 STM1051 STi018
STM5140 AgI
STM1020 STi057 11.4 STM0037
STi050 STM3023 rAUDPC
21.5 STM1024 16.6
STM5140 15.6 STi006
STi055
29.4 STi006
Speed
10.3
43.6 STM0020
SSR555
STM5109 50.5
STM0020 71.6
75 82.0
STM5156 82.4
STPoAc58 62.8
150
D9.13 SiH BF STi006 143.9
IV rAUDPC IV V rAUDPC Speed

0 13.4 16.5 9.6
STM3016 STi049
Pk
STM5140
GP221
STM3023 STM5140 rAUDPC
14.4 STi006 24.6
STM0020
STM3023
75
STi001
STM5156 98.9
STM0020 115.3
Consensus Consensus
150 IV rAUDPC V rAUDPC
0 6.0 11.9
STM3016 Speed STi049
STM5140 6.3
GP221
19 STM3023
STM0020
37.5
57 STI0001
STM5156 67.8
STi006
75
Speed
7.4
STM1020
TG60
STPoAc58 122.8
150
Figure IV.5_Addendum QTL mapping results at the three levels of analysis (after threshold recalculation at the ‘multi-population’ level)
153
IV.3 Synthèse du chapitre
Cette première analyse de QTL de résistance à P. infestans en schéma multi-population

connecté est la première du genre réalisée chez la pomme de terre. Malgré des cartes
encore partielles, les résultats des analyses aux échelles « de populations connectées » ont
mis en valeur les QTL les plus stables au travers des différents fonds génétiques. Leurs
intervalles de confiance ont de plus été diminués à mesure que l’on augmentait dans les
échelons d’analyses. Les deux locus majeurs ont été détectés sur les chromosomes IV et V,
dans des régions bien connues pour conférer la résistance au mildiou.
Des études complémentaires doivent être réalisées sur les clones parentaux et sur leurs
pédigrées pour renseigner sur la présence de gènes majeurs dans le matériel étudié. De
plus, pour rendre plus puissante la détection de QTL, les cartes doivent être complétées
avec des marqueurs communs additionnels, surtout dans les régions significativement
impliquées dans la résistance chez un parent dans une population donnée et non détectées
chez le même parent dans la population demi-sœur.
154
CHAPITRE V
META-ANALYSE DE QTL
CHEZ LA POMME DE TERRE
Méta-analyse QTL pomme de terre
V CHAPITRE V : META-ANALYSE DE QTL CHEZ LA POMME DE TERRE :

ORGANISATION STRUCTURALE DES QTL DE RESISTANCE AU MILDIOU ET
COMPARAISON AVEC LES GENES MAJEURS ET LES QTL DE MATURITE
Les résultats de ce chapitre feront l’objet d’une publication en cours de préparation. Sa

version la plus avancée est présentée dans ce chapitre.
V.1 Introduction du chapitre
V.1.1 Nécessité de faire une synthèse des données de QTL chez la pomme de
terre
Les deux chapitres précédents ont fourni de nouveaux résultats concernant l’exploration des
résistances polygéniques au mildiou chez la pomme de terre. Pour cela, trois sources de
résistance (S. sparsilpilum, S. spegazzinii et S. berthaultii), deux méthodes d’évaluation de la
résistance (sur tige et sur feuillage) et deux stratégies de détection de QTL (en schéma
biparental et factoriel) ont été utilisées. Ces analyses contribuent au mouvement de
recherche exploratoire des résistances polygéniques au mildiou chez la pomme de terre qui
a démarré depuis les années 1990 (Leonard-Schippers et al. 1994) et sont représentatives
de la grande variété des études déjà réalisées.
Pour cartographier les QTL de résistance à P. infestans, plus de 13 espèces différentes
apparentées à la pomme de terre ont été étudiées en tant que sources de résistance. Au
moins cinq modes différents d’évaluation de la résistance, différentes souches de P.
infestans et quatre méthodes statistiques différentes ont été utilisées. De nombreuses
données de QTL ont ainsi été produites. En comparant les différentes cartes, on observe que
certaines régions du génome impliquées dans la résistance sont souvent détectées alors que
d’autres régions semblent plus spécifiques à certaines études. Aussi, grâce à la cartographie
de marqueurs communs, on se rend compte que certains QTL colocalisent avec des gènes
majeurs (dont les gènes clonés de type NBS-LRR) et se trouvent dans des zones riches en
séquences analogues de gènes de résistance. De plus, des QTL à effet fort colocalisent
avec des QTL impliqués dans le contrôle de la maturité de la plante, confirmant, au niveau
génétique, l’association indésirable observée au niveau phénotypique selon laquelle les
clones les plus résistants sont aussi les plus tardifs. Pour arriver à faire la part entre les QTL
communs entre les différentes études et les QTL spécifiques à certaines études, à
positionner plus précisément les QTL par rapport aux locus des résistances monogéniques
et pour arriver à mieux discerner les QTL liés à la maturité de ceux qui semblent en être
155
indépendants, la synthèse de ces données est nécessaire. La méta-analyse de QTL apparaît

alors comme étant la méthode la mieux adaptée pour réaliser cette synthèse de manière
complète et précise.
V.1.2 Les objectifs de la méta-analyse
Le but général de l’analyse présentée dans ce chapitre est d’arriver à obtenir une
représentation claire de l’organisation des locus de résistance sur le génome de la pomme
de terre et tenter de répondre aux différentes questions énoncées plus haut en termes de
relations entre les QTL de résistance et les gènes majeurs, d’une part et entre les QTL de
résistance et les QTL de maturité d’autre part.
Un autre objectif, plus appliqué, est de fournir une carte de référence de la pomme de terre
qui constituera une source de marqueurs riche et informative sur laquelle il sera possible de
se baser pour mieux sélectionner les marqueurs des régions d’intérêt avant de commencer
une nouvelle étude de cartographie de QTL chez la pomme de terre.
Remarque
Les données de QTL issues de l’analyse en schéma factoriel des populations connectées
03D n’ont pas été prises en compte dans cette méta-analyse car les dernières données de
génotypage des marqueurs SSR pour ces populations sont arrivées trop tardivement.
156
V.2 Article en cours de préparation
Title
Establishment of an integrated map and a QTL meta-analysis give insight into the genetic
architecture of potato late blight resistance and plant maturity traits
Authors
Sarah Danan1, Jean-Baptiste Veyrieras2 and Véronique Lefebvre1
1
INRA, UR 1052 GAFL Génétique et Amélioration des Fruits et Légumes, BP94, 84140
Montfavet, France
2
INRA, UMR 320 Génétique Végétale, Ferme du Moulon, 91190 Gif-sur-Yvette, France
Author for correspondence:

Véronique Lefebvre
Tel: +33 (0) 4 32 72 28 06
Fax: +33 (0) 4 32 72 27 02
Email: [email protected]
157
Abstract
Forty-three studies have been published on R-gene and QTL mapping in potato for late blight
resistance, some of them also reported maturity QTLs. To get insight into the genomic
organization of late blight resistance loci (QTL and major genes) as compared to the genomic
organization of maturity QTLs, a QTL meta-analysis has been performed. Nineteen QTL
publications for late blight resistance were considered, 7 of which reported maturity QTLs.
Based on these studies, a total of 21 QTL maps and 8 reference maps with anchor-markers
to improve map connections were integrated in the meta-analysis through a three-step
procedure: first, the construction of an integrated potato map, second, the projection of QTLs
onto the integrated map, and third, the QTL clustering into meta-QTLs. The QTL meta-
analysis on the whole potato genome reduced by almost 6-fold the initial number of late
blight QTLs by passing from 144 QTLs to 26 meta-QTLs, and almost 5-fold the number of
maturity QTLs by passing from 42 QTLs to 9 meta-QTLs. Late blight resistance meta-QTLs
were observed on every chromosome, ranging from 1 to 3 per chromosome. Maturity meta-
QTLs were only found on a few chromosomes, reaching up to 2 meta-QTLs per
chromosome. Hypothesis on the molecular basis of the late blight resistance QTLs are
proposed by comparing meta-QTL positions with the ones of R-gene and R-gene-like or
defence-related loci. Relationships between late blight and maturity traits are discussed on
the basis of their meta-QTL relative positions on the integrated potato map.
Key-words: potato (Solanum tuberosum), integrated map, meta-QTL, maturity, late blight
resistance, Phytophthora infestans
Abbreviations
QTL: Quantitative Trait Locus
RGL: Resistance-Gene-Like
DRL: Defence-Related Locus
UHD: Ultra-High Density
158
Introduction
The number of published QTL mapping studies in plants have been exponentially increasing
since the Eighties, reaching a total of about 23 000 papers in 2008 (source: Google Scholar).
For a few species only, this huge amount of QTL data have been recorded in databases (e.g.
Gramene for maize and rice) but as a general trend, they accumulate in bibliography, waiting
for the coming out of hot-spot regions that would be targets for QTL cloning or introgression
into breeding material. However many characters of interest are polygenic and to better
understand their genetic control, as well as to be able to efficiently use them in breeding
programs, it is necessary to merge all the available data to get a clear view of the QTL
distribution along the genome. This synthetic view can be achieved through QTL meta-
analysis which combines genetic mapping data together with QTL characteristics (location,
confidence interval, effect and trait used for QTL detection). The general principle of a meta-
analysis is to pool the results of several studies that address the same issue to improve the
estimate of targeted parameters. Meta-analysis was first used in social and medical
sciences, like epidemiology, and more recently in plant genetics to study the genetic
architecture of the flowering time, plant height and nitrogen mobilization in maize (Chardon et
al. 2004; Wang et al. 2006; Coque et al. 2008), the resistance to soybean cyst nematode
(Guo et al. 2006), the cotton fiber quality (Rong et al. 2007), the earliness traits in bread
wheat (Hanocq et al. 2007) and the rice blast resistance (Ballini et al. 2008). In all these
studies, the main question was to know if several QTLs that mapped in the same genomic
region were actually the same or not. Several statistical methods have been used. One of
them, implemented in the Biomercator software (Arcade et al. 2004) is to use the
transformed Akaike classification criterion to determine the best model between one QTL,
two QTLs, three QTLs etc. until the maximum number of QTLs mapped in the same region
(Goffinet and Gerber 2000). The method implemented in MetaQTL software (Veyrieras et al.
2007) offers a new clustering approach based on a Gaussian mixture model to decide how
many QTL underly the distribution of the observed QTL.
Potato late blight resistance is typically the case for which meta-analysis can be applied as
from 1994 and up to now, 19 studies have been published on QTL mapping on different
crosses and with different species, generating a lot of QTL data. This large amount of articles
reflects the interest of the potato scientific community towards polygenic partial resistance to
late blight. Late blight, caused by the oomycete Phytophthora infestans, is in fact one of the
most serious diseases in potato. With the rapid overcoming of almost all deployed R-genes in
the potato fields, polygenic resistance appears to be a good alternative to get a fairly efficient
and durable resistance to P. infestans. However, it has been observed that this kind of
159
resistance in potato is often associated to plant maturity, as most resistant plants are also the
ones that mature the latest. This is a handicap for breeders who aim to get early maturing
plants to shorten the time of tuber production.
Attempts to get a synthetic view of the loci controlling polygenic late blight resistance in
potato, with comparison of their locations with maturity QTLs, have been published (Simko
2002; Sliwka 2004). However, because of a lack of common markers, the comparison of
QTLs was achieved at a half-chromosome scale, or even at the whole chromosome level,
which makes the results of the compilation of the collected QTL data still imprecise. In
parallel, a functional map for pathogen resistance enriched with RGL (Resistance Gene-like)
genes and DRL (Defence-Related loci), SNP and InDels tightly linked or located within NBS-
LRR-like genes has been developed on the basis of two potato populations (BC9162 and
F1840; Gebhardt et al 1991; Leister et al. 1996; Trognitz et al. 2002; Rickert et al. 2003;
PoMaMo web site). This functional map also contains CAPS, SSR and RFLP literature-
derived markers which makes possible the comparison with some QTL maps. However, it
remains difficult to precisely infer this functional locus information to QTL mapping results as
QTLs often present large confidence intervals.
In order to more precisely compare QTL positions coming from different mapping studies,
and also to be able to reduce the confidence interval of overlapping QTL in hot-spot genomic
regions, the mapping of common markers between maps is crucial. Reference dense maps
constructed with transferable markers are privileged sources of common markers. A potato
UHD map containing 10,000 AFLP markers is available (Isidore et al. 2003). But the
anchorage of AFLP markers is restricted to closely-related species. In addition, as the
comparison is based on the comigration of the marker bands on the gel (Rouppe van der
Voort et al. 1997), the AFLP gels are required which does not make the comparison easy to
achieve. Other reference maps containing SSR and RFLP markers have been developed in
potato (SSR maps: Milbourne et al. 1998; Feingold et al. 2005; Ghislain et al. 2009; RFLP
map: Tanksley et al. 1992). These markers are well-defined by specific primers or a probe
sequence, which makes them easily transferable from one map to another, even between
distantly-related species; they are thus handy tools for map comparison.
As many as 29 potato complete or partial QTL maps are available. The best way to get a
reliable comparison of all of them is to construct a single reference map based on the
existing marker links that would integrate all marker data from all individual maps at once.
By observing the positions of QTLs controlling late blight resistance that come from different
mapping studies, we presume that some of them actually correspond to the same locus while
160
others are specific to each study. To determine the congruency or the independency of these
QTLs and, in an attempt to more globally compare late blight resistance QTLs with R-genes,
resistance-, defense-related loci and maturity QTLs, we performed a three-step meta-
analysis. First, we established an integrated potato map based on the compilation of 21 QTL
maps and 8 reference maps comprising common markers and specific markers tagging late
blight resistance R-genes, as well as RGL and DRL markers. Second, we projected the
individual QTLs onto the integrated map. Third, the late blight resistance QTLs and maturity
type QTLs were classified and clustered into meta-QTLs on the basis of their relative
positions on the integrated potato map.
161
Materials and Methods
Integrated potato map

The initial available map set comprised a total of 37 maps: 29 QTL maps from 19 studies
which performed QTL detection for late blight resistance and maturity type for 8 of them, and
8 independent reference maps without QTL which contained anchor-markers to improve map
connexions (Figure V.1, Table V.1). The construction of the integrated map was preformed
chromosome by chromosome. To be included into the integrated map construction, a
chromosome map of a study should comprise a minimum of 2 common markers with the
corresponding chromosome of another study to get in fine a continuous link of bridge-
markers across the different input chromosome maps. Some QTL maps which were poor in
common markers did not meet this requirement. As a matter of fact, a subset of 21 QTL
maps coming from 14 studies were finally included in the meta-analysis (Figure V.1). Among
them, some chromosome maps were missing, which forced to adapt the number of the input
maps to each chromosome. In case of marker pairwise inversions between two aligned
maps, only the marker that was present in a higher number of maps was manually removed
from one map in order to keep the more rarely encountered marker and to retain a maximum
number of common markers across maps. When inversions of entire chromosome occurred,
upside-down chromosomes were inverted, along with the positions and confidence intervals
of their QTLs.
19 studies
incl.7 maturity studies
29 QTL maps incl. 8 maturity maps
211 resistance QTLs and 64 maturity QTLs
META-ANALYSIS
14 studies incl. 4 maturity studies
21 QTL maps incl. 5 maturity maps

144 resistance QTLs and 42 maturity QTLs
+
8 reference maps
= 29 maps
for integrated potato map
Figure V.1 Number of studies and QTL maps that were used in the meta-analysis, as
compared to the initial available studies
Among the 19 initial available studies, 18 studies came from the literature and 1 study corresponded to an internal
work.
162
The integrated genetic map of potato was constructed with the ConsMap command of the
MetaQTL software version 1.0 (Veyrieras et al. 2007). The method implemented is based on
a Weighted Least Square (WLS) strategy, which made it possible to integrate all
chromosome maps in a single step. Marker names and positions were provided in the input
map files, along with a file specifying the synonymous names of the same markers across
different maps. The mapping units Haldane or Kosambi are specified and taken into account
for the consensus map construction.
Bibliographic review of late blight and maturity QTL mapping studies for meta-analysis
Nineteen QTL mapping studies for resistance to late blight and maturity were available: 18
studies, published between 1994 and 2007, which assessed polygenic late blight resistance,
8 of them also comprising maturity type QTL mapping, and one internal study on late blight
resistance (Danan et al. submitted).
All QTL studies could not be included in the meta-analysis because of a lack of common
markers. Consequently, a subset of 14 studies, were effectively included in meta-analysis, 4
of them also comprised maturity QTL data (Figure V.1, Table V.1). Nevertheless, these 14
studies well represented the initial 19 studies in terms of diversity of resistance and maturity
assessments, QTL detection methods and sources of resistance. Resistance tests were
based on the disease spread on foliage in the field (FF) or in the greenhouse (FG), the
sporulation or necrosis spots on in vitro detached leaflets or discs (LT), the necrosis
progression on stems (ST) and the disease damage on tuber slices (TS) or whole tubers (T%
or WT) in controlled conditions. Maturity type was evaluated on the basis of the number of
days before flowering or senescence (MT), plant height (PH) and plant vigour (PV). QTLs
were detected with different QTL statistical detection methods according to the number of
available markers, the size of the progeny and the frequency distribution profile of the raw or
transformed data (non-parametric statistical tests or ANOVA, Interval Mapping, Composite
Interval Mapping or Multiple QTL Mapping with permutation tests). Most of the P. infestans
isolates used for late blight resistance assessments were of A1 mating type and virulent
towards all 11 S. demissum R-genes. However, it was difficult to say whether some of the
isolates used in different studies were the same or not. QTL studies involved 13 different
potato related species in total. In most studies, the mapping populations were diploid,
deriving from a dihaploid S. tuberosum clone as the susceptible parent and a clone deriving
from a diploid potato related species as the resistant parent to late blight.
163
Table V.1 Initial available potato studies for the QTL meta-analysis for resistance to late blight and maturity
In table (a) are presented all available QTL mapping studies for late blight resistance and maturity type, table (b) lists the reference potato maps that were included in the meta-
analysis to improve map connections.
(a) QTL mapping studies (to be continued on next page)

Reference Cross Pop. No. of Resistance Maturity QTL
a b t c t d
size maps asses asses detection
e
method
Bormann et al. 2004 -S. tuberosum Leyla x S. tuberosum Escort 84 1 FF MT LR
-S. tuberosum Leyla x S. tuberosum Nikita 95 consensus
map
Bradshaw et al. 2004 -S. tuberosum 12601ab1 x S. tuberosum Stirling 200-226 Not FF, FG, T% MT, PH LR
included
Bradshaw et al. 2006 -HB193 = HB171 (S. tuberosum PDH247 x S. phureja DB226) 87-120 Not FF, FG, T% / IM
x S. phureja DB226 included
Collins et al. 1999 -GDE = G87D2.4.1[(DH Flora x PI 458.388) x (DH Dani x PI 113 2 (both FF, TS MT, PV LR
230468)] x I88.55.6 {[DH (Belle de Fontenay x Kathadin) x PI parents)
238141]x [DH Jose x (PI 195304 x WRF 380)]} †
Costanzo et al. 2005 -BD410 = BD142-1 (S. phureja x S. stenotomum) x BD172-1 132 1 (BD410) FF / IM
(S. phureja x S. stenotomum)
Danan et al. submitted -96D31 = S. tuberosum CasparH3 x S. sparsipilum PI 310984 93 4 (4 FF, ST / CIM
-96D32 = S. tuberosum RosaH1 x S. spegazzinii PI 208876 116 parents)
Ewing et al. 2000 -BCT = M200-30 (S. tuberosum USW2230 x S. berthaultii PI 146 1 (BCT) FF / LR
473331) x S.tuberosum HH1-9
Ghislain et al. 2001 -PD = S. phureja CHS-625 x S. tuberosum PS-3 92 2 (both FF / IM
parents)
Leonards-Schippers et -P49xP40 = H82.368/3 x H80.696/4 †† 197 2 (both LT / LR
al. 1994 parents)
Meyer et al. 1998 -S. tuberosum 12601ab1 x S. tuberosum Stirling 94 Not FF / LR
included
Naess et al. 2000 -1K6= J101K6 (S. bulbocastanum x S. tuberosum)] x S. tuberosum 64 1 (1K6) FG / LR
Atlantic
Oberhagemann et al. -K31=H80.577/1 x H80.576/16 ⁫ 113 1 (K31) LT MT, PV LR
1999 -GDE=G87D2.4.1[(DH Flora x PI 458.388) x (DH Dani x PI 109
230468)] x I88.55.6 {[DH (Belle de Fontenay x Kathadin) x PI
238141]x [DH Jose x (PI 195304 x WRF 380)]} †
164
(a) QTL mapping studies (end)
Reference Cross Pop. No. of Resistance Maturity QTL

a b t c t d
size maps asses asses detection
e
method
Sandbrink et al. 2000 -89-13 = S. microdontum MCD167 x S. tuberosum SH 82-44-111 67 1 FF / IM
-89-14 = S. microdontum MCD167 x S. tuberosum SH 77-114-2988 46 (MCD167)
-89-15 = S. microdontum MCD167 x S. tuberosum SH 82-59-223 47
Simko et al. 2006 - BD410 = BD142-1 (S. phureja x S. stenotomum) x BD172-1 (S. 125 1 (BD410) WT MT MQM
phureja x S. stenotomum)
Sliwka et al. 2007 -98-21 = DG 83-1520 (P1) x DG 84-195 (P2) ‡ 156 2 (both LT, TS MT LR
parents)
Sorensen et al. 2006 -HGG = S. tuberosum 89-0-08-21 x S. vernei 3504 70 1 (HGG) FF / MQM
-HGIHJS = S. tuberosum 90-HAE-42 x S. vernei 3504 107
Villamon et al. 2005 -PCC1 = MP1-8 (S. paucissectum PI 473489-1 x 184 1 (PCC1) FF, FG / CIM
S. chromatophilum PI 310991-1) x S. chromatophilum PI 310991-1
Visker et al. 2003 -CxE = USW5337.3 (S. phureja x S. tuberosum) x USW5337.3 (S. 67 Not FF MT MQM
vernei × S. tuberosum) included
Visker et al. 2005 -Progeny 5 SHxCE = S. tuberosum SH82-44-111 x CE51 (S. 227 Not FF MT IM
phureja x (S. vernei x S. tuberosum)) included
-Progeny 2 DHxI =S. tuberosum DH84-19-1659 x I88.55.6 ((S. 201
tuberosum x S. stenotomum) x S. tuberosum x S. stenotomum)
a
population size for QTL mapping; numbers could vary in case of different resistance tests
b
the maps of some studies could not be integrated in the meta-analysis because of a lack of common markers
c
Resistance assessment- FF: foliage test in field, FG: foliage test in glasshouse, T%: tuber test in percentage of the number of infected tubers, WT: whole tuber test by scoring
the tuber damage, TS: tuber slice test, LT: leaf test, ST: stem test
d
Maturity assessment: MT maturity trait, PH: plant height, PV: plant vigour; for maturity type, assessments were based on visual classification of senescence of the foliage,
using an ordinal scale ranging from 2 (late maturing) to 9 (early maturing)
d
LR: linear regression, IM: simple interval mapping, CIM: composite interval mapping, MQM: multiple mapping.
⁫ unknown pedigrees (Oberhagemann et al. 1999).
† G87D2.4.1 pedigree includes S. kurtzianum, S. vernei, S. tuberosum, and S. tarijense; I88.55.6 pedigree includes S. tuberosum and S. stenotomum (Oberhagemann et al.
1999).
†† Parental clones of the F1840 population include S. tuberosum and S. spegazzinii
‡ Parental clone pedigrees of 98-21 population include S. tuberosum, S. chacoense, S. verrucosum, S. microdontum, S. gourlayi, S. yougasense (Sliwka et al. 2007).
165
(b) Potato genetic maps used as reference maps
Reference Cross Pop. size No. of maps Kinds of markers

Gebhardt et al. 1991 -F1840 = H82.337/49 (P18) x H80.696/4 (P40) †† 100 1 (F1840) SSR, STS, RFLP, CAPS, BAC,
2
PoMaMo -BC916 = MPI= (H81.691/1 x H82.309/5) x pathogen resistance genes, DRL,
(http://www.gabipd.org/projects/Pomamo/) H82.309/5) RGL
Milbourne et al. 1998 -Germicopa = GDE = G87D2.4.1[(DH Flora x PI 91 2 (GDE, MPI) SSR, RFLP, AFLP, PCR-markers
458.388) x (DH Dani x PI 230468)] x I88.55.6 {[DH
(Belle de Fontenay x Kathadin) x PI 238141]x [DH
Jose x (PI 195304 x WRF 380)]} †
2
-MPI = BC916 = (H81.691/1 x H82.309/5) x 67
H82.309/5)
Tanksley et al. 1992 -BCB = N263 = M200-30 (S. tuberosum USW2230 150-155 1 (BCB, SSR, RFLP
Bonierbale et al. 1994 x S. berthaultii PI 473331) x S. berthaultii PI BCT)
Feingold et al. 2005 473331
SGN (http://www.sgn.cornell.edu) -N271=BCT= M200-30 (S. tuberosum USW2230 x 150
S. berthaultii PI 473331) x S.tuberosum HH1-9
Ghislain et al. 2009 Integated SSR map based on SSR positions across 92 1 (consensus SSR, RFLP
3 maps : BCT, PD , PCC1 map)
Yamanaka et al. 2005 S. tuberosum 86.61.26 x S. tuberosum 84.194.30 152 1 SSR, AFLP, CAPS
(population)
† G87D2.4.1 pedigree includes S. kurtzianum, S. vernei, S. tuberosum, and S. tarijense; I88.55.6 pedigree includes S. tuberosum and S. stenotomum (Oberhagemann et al.
1999).
†† Parental clones of the F1840 population include S. tuberosum and S. spegazzinii
166
QTL meta-analysis
QTL meta-analysis was performed with the QTLProj, QTLClust and QTLModel commands of
the MetaQTL software version 1.0 (Veyrieras et al. 2007). This commands corresponded
respectively to the homothetic projection of the individual QTLs onto the integrated map, the
clustering of the QTLs into the most probable sub-groups according to different statistical
models and the determination of the best clustering model on the basis of index criterions.
The general statistical procedure of the meta-analysis performed by the MetaQTL software
was to determine the best clustering model that most likely represented the input QTL
distribution along the integrated chromosome map. This method is based on a transformed
Akaike criterion that tests all possibilities between a locus comprising only one QTL, 2 QTLs,
3 QTLs etc. until the maximum number of QTL of the region. The QTLs that clustered
together according to the most probable model were clustered into the same synthetic QTL,
called meta-QTL.
The input QTL files provided different kinds of QTL data: the QTL position, the trait used for
the QTL detection, the size of the QTL mapping population used for QTL detection and the
confidence interval of each QTL and/or the individual R² value (at least one of them is
mandatory). If the confidence interval was not reported, it was calculated on the basis of the
population size and the individual QTL R² value. All traits were also listed in a specific file
where they were classified according to their relatedness. According to the hypothesis of the
statistical method implemented in the MetaQTL software, the input mapping studies were
independent from each other. Meta-analysis could only be performed in the genomic regions
where at least 2 QTLs overlapped. If QTLs were single in a genomic region, they were
excluded from the clustering step.
When QTL mapping studies that were repeated in time and space resulted in the mapping of
QTLs at exactly the same position for the same trait, only the QTL with the highest effect was
kept for meta-analysis to avoid QTL redundancy and the attribution of a too strong weight to
the QTL region, which would generate a bias in the data compilation.
In a first meta-analysis run, late blight resistance and maturity QTL data were declared to be
distinct and separated results for each trait were obtained simultaneously. Subsequently, in a
second run, all QTL data were considered altogether to be able to see whether maturity
QTLs could be clustered with late blight resistance QTLs into the same meta-QTLs or not.
For convenience, meta-QTLs of late blight resistance were called “Late_Blight meta-QTLs”
and meta-QTLs of maturity, vigour and plant height were called “Maturity meta-QTLs”.
167
Results
Integrated potato map

Thanks to the marker positions of 29 maps, a connection path from chromosome map to
chromosome map could be established that made it possible the construction of an
integrated map of each of all 12 potato chromosomes. The number of input maps varied
between 20 and 25 per chromosome (Figure V.2). The integrated potato map of all 12
chromosomes had a total length of 1,289 cM (Haldane) and was composed of a total of
2,132 markers (SSR, SSCP, CAPS, RFLP, AFLP, SNP, InDels and STS markers). Among
them, 510 markers were common between at least two maps, ranging between 29 and 59 by
chromosome, corresponding to 17% up to 30% of the total number of markers of each
chromosome. The name, position and occurrence of each marker are given in supplemental
material (Annexe V.1).
300
Number of markers
250 22
42
200
25 25 23
22 22
22 24
23 24
55 45 59
29 46 21 47
150 20 38
37 46
32
34
100
50
0
I II III IV V VI VII VIII IX X XI XII
125 102 111 87 148 129 70 119 130 96 76 97
chromosome number and length (cM)
Figure V.2 Integrated map molecular description.
Vertical bars indicate the total number of markers of each of the 12 integrated potato chromosome maps.
The proportion of common markers between at least two maps is represented by the black bars; their exact
number is indicated in the middle in white font. The number of maps used for the construction of the consensus
maps is indicated in bold at the top of the bars. The total length of the chromosome maps is indicated below the
chromosome number (in cM Haldane).
168
QTL input dataset for meta-analysis

On the basis of the 19 available QTL studies, a total of 211 late blight resistance QTLs and
64 maturity QTLs were collected. Because of a lack of common markers, some QTLs could
not be included in the meta-analysis which reduced the QTL set down to 144 late blight
resistance QTLs and to 42 maturity QTLs, which were collected from 14 studies only.
However, most of the excluded QTLs could be anchored thanks to at least one common
marker but their orientations and projected confidence intervals onto the integrated maps
were unknown. As far as the QTLs included in the meta-analysis are considered, late blight
and maturity QTLs spread on the 12 potato chromosomes. The numbers of the considered
QTLs per chromosome ranged between 6 and 21 for late blight resistance, and between 1
and 8 for maturity. For late blight resistance trait, R² values were available for 106 QTLs out
of the 144 input late blight resistance QTLs and ranged between 4 % (chromosome I, foliage
test, Danan et al. submitted; chromosomes V, IX, XI, XII, foliage test, Bormann et al. 2004)
and 63% (chromosome X, tuber test, Simko et al. 2006). 75% of the QTLs had relatively
small effects, ranging between 4% and 15%. Only 7% of them had larger effects, ranging
between 30% and 63%. For maturity trait, R² values were available for 20 QTLs out of the 42
input maturity QTLs and ranged between 4% (chromosomes IX and XII; Bormann et al.
2004) and 71% (chromosome V, Collins et al. 1999). 75% of the maturity QTL had R² values
ranging between 4% and 15%, 2 QTLs explained more than 30% of the phenotypic variation
(60% and 71% on chromosome V, Collins et al. 1999). Confidence intervals of the input late
blight resistance QTLs, ranged between 3 cM (chromosome XII, leaf disc test, Leonards-
Schippers et al. 1994) and 66 cM (chromosome VI, foliage test, Collins et al. 1999), with a
mean of 23 cM. Confidence intervals of maturity QTLs ranged between 4 cM (chromosome
XI, Collins et al. 1999) and 61 cM (chromosome VI, Collins et al. 1999), with a mean of 21
cM.
Meta-analysis
The QTL meta-analysis on the whole potato genome reduced by almost 6-fold the initial
number of late blight QTLs by passing from 144 QTLs to 26 meta-QTLs and almost 5-fold the
number of maturity QTLs by passing from 42 QTLs to 9 meta-QTLs. An example of the meta-
analysis steps from QTL projection on the integrated map to QTL clustering into meta-QTLs
is presented for chromosome IV (Figure V.3). A graphical overview of the Late_blight and
Maturity meta-QTLs is presented in Figure V.4. Late_Blight meta-QTLs spread on every
chromosome, with 1 to 3 meta-QTLs per chromosome. Maturity meta-QTLs spread on only 6
chromosomes, with 1 or 2 meta-QTLs per chromosome. All the other maturity QTLs that
were reported on the other 6 chromosomes were single in their region and no meta-QTL
could be obtained.
169
The integrated map of chromosome

Maturity IV is presented on the left of the
R-genes Meta-QTLs Late blight resistance individual QTLs
individual QTLs figure. All horizontal bars on the
chromosome represent marker
9 positions. The 46 markers that
occurred at least twice across the
6 9
22 maps are shown. Meta-QTLs
22 are vertical bars on the right-hand
10 1 side along the chromosome,
R2-like TG370 24
R2 Rpi-blb3 STM3160 Late_Blight meta-QTLs are in black
13 12 2
Rpi-mcd1/mcd TG339 and Maturity meta-QTLs are in
Rpi-abpt STM5140 20 31 grey. Individual projected QTLs are
Rpi-demf1 3 vertical colored bars, each color
corresponds to the trait that was
used to detect the QTL. The QTL
names are shown on the left-hand
side of the QTLs. The first name is
the name of the first author of the
publication from which the QTL
come from. ”PiIV ROSAL35” comes
from the QTL detection performed
in the 96D32 population (Danan et
al. submitted). Individual QTLs that
could not be included in the meta-
analysis because of a lack of
Leaf trait Stem trait Tuber trait Field trait anchor markers were positioned
thanks to one anchor marker in the
QTL confidence interval or around.
Individual QTLs that They are represented by black thin
5 cM were not included in bars on the right of the figure.
meta-analysis Individual QTL effects, when
87 cM resistance tests maturity tests
available, are given in percentage
leaf disc vigour 1 Bradshaw04_Stirling QTL, FF, FG by numbers on the top of the QTL
leaflet maturity anchor marker STM3160 bars. R-genes are positioned on
stem L35 the left-hand side of the
2 Meyer98_Stirling QTL, FF; chromosome. The stars located on
whole tuber anchor marker STM3016
the chromosome indicate DRL and
tuber slice 3 Ober99_GDE_4 QTL, FF; RGA locations. FF: Field Foliage
anchor marker MBF test, FG: Foliage test in the
field test
greenhouse
Figure V.3 Meta-analysis procedure steps: example for chromosome IV
170
I II III IV V VI
Integrated chromosomes are

presented. All horizontal bars on
87 cM
the chromosomes represent marker
positions. Only markers that
occurred at least 4 times across the
different maps are shown. Meta-
QTLs are vertical bars on the right-
102 cM
hand side along the chromosome,
Late_Blight meta-QTLs are in black
111 cM and Maturity meta-QTLs are in
grey. Total lengths of the
chromosomes are indicated at the
5 cM bottom of each chromosome (cM
125 cM 129 cM Haldane).
148 cM
Figure V.4 Meta-analysis results for all 12 potato chromosomes (to be continued on next page)
171
VII VIII IX X XI XII
70 cM
76 cM
96 cM
97 cM
5 cM 119 cM
130 cM
Figure V.4 Meta-analysis results for all 12 potato chromosomes (end)
172
The confidence intervals of Late_Blight meta-QTLs ranged between 0.54 cM (chromosome

III) to 69.52 (chromosome VI), with a mean of 11.77 cM (SD±15.49). The confidence intervals
of Maturity meta-QTLs ranged between 0.71 cM (chromosome V) to 40.58 cM (chromosome
VI), with a mean of 10.90 cM (SD±13.10). With respect to the length reduction of the
confidence intervals from the input QTL mean to the meta-QTL mean, the gain in accuracy
was equivalent for late blight resistance and maturity QTLs, as the confidence intervals were
reduced by about 1.9-fold.
QTLs for late blight resistance and for maturity that could not be included in the meta-
analysis but which could be anchored thanks to a common marker are shown in
supplemental data (Annexe V.2).
Late_Blight meta-QTLs overlapped with Maturity meta-QTLs on chromosomes V, VI, XI,

while there is no overlapping on chromosomes IV, VII and VIII. However, by running meta-
analysis with late blight resistance QTLs and maturity QTLs altogether under a single “super-
trait” (data not shown), we observed that individual input maturity QTLs were always
clustered with late blight resistance QTLs. At least one “super“ meta-QTL per chromosome
contained late blight resistance and maturity QTLs. In the other way round, at least one
“super” meta-QTL per chromosome was free of maturity QTL for all chromosomes, except
chromosomes IV, VIII and XI for which all “super “ meta-QTLs included at least one maturity
QTL.
Several Late_Blight meta-QTLs colocated with R-genes for late blight resistance. In total 23
R-genes were included in meta-QTL confidence intervals (Table V.2, supplemental data
Annexe V.2). Especially, meta-QTLs of chromosome IV mapped in the region of 6 R-genes
cluster for late blight resistance comprising NBS-LRR genes, in the STM3016-STM5140
marker interval (R2, R2-like, Rpi-blb3, Rpi-abpt, Rpi-demf1, Rpi-mcd and Rpi-mcd1). On
chromosome VI, the large upper meta-QTL covered the NBS-LRR Rpi-blb2 R-gene. The
upper meta-QTL of chromosome V exactly mapped at of the NBS-LRR R1 gene locus
(Ba12101 R1 BAC marker). Late_Blight meta-QTL of chromosome VIII included the RB gene
cluster comprising NBS-LRR genes (Rpi-blb1, Rpi-pta1, Rpi-plt1, Rpi-sto1, tagged by RB
marker, Millet &Bradeen, 2007, TAG). The bottom meta-QTL of chromosome X comprised
the Rpi-ber2 gene. Conversely, some Late_Blight meta-QTLs did not comprise previously
mapped R-genes. This was the case for the meta-QTL of chromosome VII and the Rpi1
locus, and for the meta-QTL of chromosome IX and the Rpi-vnt1, Rpi-phu1 and Rpi-
mcq1/moc1 loci. The upper meta-QTL of chromosome X seemed to be distinct from the
mapped R-genes of the region (Rber, Rpi-ber1). The 9 R-genes of chromosome XI (R5 to
R11, R3a and R3b) had uncertain positions on the integrated map because of a lack of
173
anchor markers. However, according to the flanked markers, they seemed to colocate with
the meta-QTL at the bottom of the chromosome (Annexe V.2, supplemental data).
In total, 125 resistance gene-like (RGL) or defense gene-like (DRL) sequences were counted
on the basis on the PoMaMo functional map. Almost half of them were located in Late_Blight
meta-QTL confidence intervals (Table V.2, Annexe V.2, supplemental data). By comparing
the number of DRLs and RGLs that belonged to the meta-QTLs to their expected number
(number of resistance-like loci divided by the number of meta-QTLs per chromosome), we
found a χ² value equal to 8.9x10-6, which demonstrated that the distribution of the DRLs and
RGLs was significantly biased (χ² values <0.05). This means that these loci did not colocate
with meta-QTLs by chance and that late blight resistance QTLs were distributed in the same
pattern as resistance-like loci.
174
Table V.2 QTL meta-analysis results
Chrom. No. late blight resistance No. No. R-genes colocalizing No. RGL, RGA, DRL No. maturity QTLs No. Maturity
QTLs included in meta- Late_Blight with Late_Blight meta- colocalizing with included in meta- meta-QTLs
analysis / No. collected QTLs meta-QTLs QTLs / No. collected R- Late_Blight meta-QTLs / analysis/No.
genes total no. in collected QTLs
chromosome
I 10/10 2 no mapped R-gene reported 4/14 3/3 0
II 6/7 3 no mapped R-gene reported 9/15 1/1 0
III 15/21 3 no mapped R-gene reported 2/7 3/4 0
IV 15/36* 2 6/6 2/11 4/4 2
V 21/44** 2 1/2 6/11 8/29*** 1
VI 9/12 2 1/1 13/13 5/5 2
VII 9/12 1 0/1 0/7 3/3 1
VIII 12/13 2 5/5 6/9 6/6 1
IX 9/13 1 0/4 2/12 1/1 0
X 15/18 2 1/3 1/10 1/1 0
XI 14/15 3 9/10 5/12 6/6 2
XII 10/10 3 no mapped R-gene reported 1/4 1/1 0
Total 144/211 26 23/32 51/125 42/64 9
*15 QTLs in Bradshaw et al.2004
**17 QTLs in Bradshaw et al. 2004
***18 QTLs in Bradshaw et al. 2004
175
Meta-QTLs were composed of a minimum of 2 QTLs up to 18 QTLs for late blight resistance
(chromosome V) and up to 8 QTLs for maturity (chromosome V) (Annexe V.3 supplemental
data). The most consistent Late-Blight meta-QTLs which contained the highest number of
individual QTLs with the largest effects in combination with the highest number of involved
tuber-bearing Solanum species were located on the upper parts of chromosomes IV, V and
the lower part of chromosomes VIII (Table V.3). Chromosome X also harboured interesting
loci to be pointed out with two meta-QTLs of 8 individual QTLs each, explaining up to 63% of
the phenotypic variation and only one maturity QTL was detected in the lower meta-QTL
region.
The meta-QTL of chromosome IX contained weaker effect QTLs than the ones detailed
before but this locus was consistent across 6 studies involving 6 wild species. Chromosome
IX especially displayed only one Late_Blight meta-QTL of less than 3 cM-confidence interval.
Finally, the upper meta-QTL of chromosome I was quite important as it comprised 8 different
QTLs but they mainly come from only two main studies and the origins of the QTLs were not
much diversified (CASP parent and K31 population; Danan et al. submitted; Oberhagemann
et al. 1999).
176
Table V.3 Detailed composition of the most consistent Meta-QTLs for late blight resistance
LB meta- LB meta- LB QTL R² Accuracy R-gene DRL and RGL Other LB traits used No. Maturity Mat QTL R²
1 2 3
QTL QTL range (%) gain colocation colocation QTLs in the for QTL species meta-QTL range (%)
4
composition region detection5 involved overlapping
V_LB_1 18 QTLs 4 (FF)-45 10-40 1 (R1) RGL47f2, 5 FF, TS, LT 12* 1 8-71 (and
(FF) down to 6 RGL122p13, (comprising 84% for a
RGL121o1, RGL 8 QTLs) non-included
†
P9e11, Lernalx , Pto- QTL)
like sequence, PRF
resistance gene-like
P4h6-b, Ssp72
†† †††
marker , P450
IV_LB_1 13 QTLs 6 (ST)-20 11-42 6 (R2, R2- RGL47f2, putative 4 FF, FG, 11** 0 no R²
(TS) down to 6 like, Rpi- DRL PC116, MBF° WT, TS, available for
blb3, Rpi- LT, ST 2 non-
abpt, Rpi- included
demf1, Rpi- QTLs
mcd /mcd1)
VIII_LB_2 10 QTLs 5 (FF)- 9-30 4 (RB/Rpi- Ppo RGL°°, 47f2 0 FF, FG, 7 *** 0 No
62(FG) down to 8 blb1, Rpi- RGL, osmotin-like PR ST additional
pta1, Rpi- genes (Osm-8, non-included
plt1, Rpi- RC5t7) individual
sto1) QTL
‘LB’ stands for late blight resistance, ‘Mat’ for maturity type
1 5
the traits used for detection are mentioned the parenthesis (cf )
2
Range of the confidence intervals of the input individual QTLs to the final meta-QTL confidence interval are given (in cM).
3
if the R-gene was cloned, the class of the resistance gene is given
4
number of QTLs that could not be included in the meta-analysis because of a lack of anchor markers but which could be positioned on the integrated map by one common
marker
5
Resistance tests : FF: foliage test in field, FG: foliage test in glasshouse, WT: whole tuber test by scoring the tuber damage, TS: tuber slice test, LT: leaf test, ST: stem test
†
L. esculentum ribonucelase which tags the potato resistance to nematodes
††
Ssp72 marker tags Gpa gene of resistance to the nematode G. pallida
†††
P450 sequence often maps close to NBS-LRR genes
°MBF: Mas Binding Factor marker is also an anchor m arker for Pin4A gene (auxin efflux transporter)
°° Ppo RGL: Polyphenol oxidase
*V_LB_1 species: S. chacoense, S. gourlayi, S. kurtzianum, S. microdontum, S. phureja, S. spegazzinii, S. stenotomum, S. tarijense, S. tuberosum, S. vernei, S. verrucosum,
S. yougasense
**IV_LB_1 species: S. chacoense, S. gourlayi, S. kurtzianum, S. microdontum, S. tarijense, S. tuberosum, S. spegazzinii, S. stenotomum, S. vernei, S. verrucosum, S.
yougasense, including S. tuberosum cv. Stirling
*** VIII_LB_2 species: S. bulbocastanum, S. kurtzianum, S. spegazzinii, S. stenotomum, S. tarijense, S. tuberosum, S. vernei
177
Discussion
A representative and valuable integrated potato map

The marker data of 29 published potato maps were merged into a single integrated map. By
giving the relative order of 2,132 literature markers and their consensus positions, this
synthetic map represents the original maps in a very comprehensive way. It thus constitutes
a valuable dense reference map for all future potato genetic studies, either as a source of
markers for regions of interest, or as an anchor reference map for particular independent
studies or novel ones. However, as the marker positions are not based on recombination
fraction but were statistically calculated according to common markers, this integrated map
should be preferentially used to compare relative orders between markers rather than to
search for absolute marker positions.
High heterogeneity of marker density along the chromosomes is observed: markers tend to
concentrate in the medium parts of the chromosomes and are fewer in the extremities. For
example, on chromosome VIII, 22 markers are spread on the top 71 cM while 168 markers
are spread on the next 27 cM. This phenomenon is representative of the overall tendency of
the marker distribution on the original maps. We can assume that some regions already
known to be involved in late blight resistance were mostly gathered in the centromeric
regions, and were densified with markers, leaving other regions empty or very scarcely
covered with markers. Also, since extreme markers at both ends of the chromosomes
generally come from only one or a few original maps, their positions could be biased due to
genotyping errors or skewed segregation.
Meta-analysis provides a clear picturing of the structural organization of late blight resistance
loci on the potato genome
The final synthetic potato map with meta-QTLs offers a clarified overview of the structural
organization of the loci of polygenic resistance to late blight in terms of number of QTLs and
lengths of confidence intervals: the number of input QTLs were reduced from 144 QTLs to 26
meta-QTLs and a gain in QTL accuracy was obtained with the reduction by 1.9-fold of the
initial mean of QTL confidence intervals. The accuracy of meta-QTLs increases with the
numbers of colocalizing QTLs and common markers in the region. Consequently, when
numerous QTL data are available, meta-analysis can help to rapidly refine the genomic
region of interest and to provide the closest flanking markers. However, to achieve the
cloning of the underlying gene(s), it is still necessary to validate the results and to fine-map
the target QTL in an actual progeny with classical methods (Hein et al. 2007).
Meta-analysis for late blight resistance in potato confirms the presence of the well-known
resistance gene clusters on chromosomes IV and V. Moreover, meta-analysis points out loci
178
which have been less thoroughly reported or discussed like the loci on chromosomes I, VIII,
IX and X.
Because all input QTL experiments are assumed to be independent from each other, it was
not possible to take into account the identity or relatedness between crosses used in different
studies as for GDE, BC9162(=MPI), BCT and BD410 populations, as well as for P40 which
was a parental clone used in two crosses. Nevertheless, QTL meta-analysis makes it
possible to rapidly compare their QTL mapping. For example, GDE population was used by
Collins et al. (1999) and Oberhagemann et al. (1999) and, while they used different kinds of
resistance tests and not exactly the same isolates, all the Oberhagemman et al.’s QTLs
belonged to the same meta-QTLs as Collins et al.’s QTLs. Likewise, Meyer et al.’s QTL of
‘Stirling’ chromosome IV (1998) was consistent with Bradshaw et al.’s QTL (2004) in the S.
tuberosum 12601ab1 x S. tuberosum Stirling progeny, although field tests were performed
with different isolate compositions. This shows the polyvalence and large spectrum of action
of those consistent QTLs. However, for BD410 population, Costanzo et al. (2005), who used
the US-8 isolate for field foliage test, and Simko et al. (2006), who used the same US-8
isolate but for tuber test, found completely different sets of QTLs, mapped on distinct
chromosomes. These latter results reinforced the observation of the tissue-specificity of
action of certain QTLs.
Polygenic late blight resistance and maturity relationships

The most famous late blight resistance/maturity type colocation is located on the upper part
of chromosome V. A consistent Maturity meta-QTL gathering all maturity QTLs reported for
this chromosome is indeed located close to a consistent Late_Blight meta-QTL in this region
and they only overlap by 0.03 cM. This confirms the narrow genetic linkage of the loci
controlling these traits in this region. This result corroborates both assumptions reported in
literature (Van Eck and Jacobsen 1996; Collins et al. 1999; Visker et al. 2003; Bradshaw et
al. 2004; Bormann et al. 2004; Simko et al. 2006; Sliwka et al. 2007). In fact, a pleïotropic
gene that would control both traits could be located in the 0.03 cM interval, and closely linked
independent genes could be located in the non-overlapping confidence intervals of the meta-
QTLs. In this case, the only way to decipher the actual relationships between maturity and
late blight resistance genetic factors is to isolate the responsible genes. Conversely, several
Late_Blight meta-QTLs do not coincide with maturity QTLs, as for chromosome VII, IX, X and
XII, as it had been demonstrated by previous studies (Bormann et al. 2004; Bradshaw et al.
2004; Visker et al. 2005; Simko et al. 2006). The clearest cases of distinct physical
independency could then become preferential targets to be introgressed in elite cultivars in
breeding programmes for late blight resistance.
179
Possible molecular basis of late blight resistance QTLs

Up to now, no late blight resistance QTL has been cloned. The Late_Blight meta-QTLs of
chromosomes IV, V, VIII and X comprise NBS-LRR R-gene loci (R1, R2 and RB clusters,
and Rpi-ber2, respectively). Late blight resistance locus of chromosome IV had particularly
been well-documented with the Stirling cultivar and Solanum microdontum cases of study
(Bradshaw et al. 2004; Hein et al. 2007; Tan et al. 2008). The different characterization of the
same genetic region as an R-gene or as a QTL was notably accounted for the phenotypic
scoring approach (Tan et al. 2008). In this case, to detect R-genes, a classified measuring
scale was used on a subset of the population individuals which harbored the most clear
resistance behavior at the most discriminating stage of the infection, whereas a quantitative
variable was used to detect QTLs on the whole progeny. Also, the allelic form of the R-gene
can determine the resistance response as qualitative or quantitative. RGLs have been
mapped in the confidence intervals of meta-QTLs of chromosomes II, III, IV, V, VI, VIII and XI
(Leister et al. 1996; Rickert et al. 2003). In addition DRLs were mapped in the confidence
intervals of Late-Blight meta-QTLs of chromosomes I, II, III, IV, VI, VIII, IX, X, XI, XII,
suggesting their possible role in the expression of the resistance. Genes involved in
phytohormone signaling pathways (ethylene, jasmonic acid) are also often reported as QTL
candidate genes in potato but also in other species (Ohme-Takagi and Shinshi 1995;
Pajerowska-Mukhtar et al. 2008). The χ²-test results confirms that DRL and RGL sequences,
and meta-QTLs do not colocate by chance and that genes underlying late blight resistance
QTLs are indeed of the same molecular nature as the already known resistance or defense-
like genes.
At last, the response can greatly vary according to the kind of P. infestans isolate and be the
expression of defeated R-genes (Stewart 2003; Solomon-Blackburn et al. 2007). Besides,
RB (Rpi-blb1) has been shown to confer a large-spectrum and rate-limiting resistance to P.
infestans as transformed plants showed a marked delay in both onset and development of
lesions (Song et al. 2003; van der Vossen et al. 2003). Bhaskar et al (2008) demonstrated
that the resistance control of RB was dependent on the quantity level of proteins encoded by
Sgt1 gene, which implies the influence of the genetic background on the major gene
efficiency. A parallel can be made with the fact that quantitative resistance is often controlled
by one or two large-effect QTLs in association with a few minor-effect QTLs which can
interact with the major QTLs (reviewed in Lefebvre and Chèvre 1995).
Colinearities of major potato Late-Blight meta-QTLs with Phytophthora resistance QTLs of

other Solanaceae
Colinearities with QTLs of resistance to P. infestans in tomato (wild species L. habrochaïtes
and L. pimpinellifolium) and with QTLs of resistance to P. capsici in pepper (cultivated
180
pepper species Capsicum annuum) were examined at a macroscopic scale thanks to

common RFLP markers in the QTL regions. The upper meta-QTL on chromosome I may be
colinear to the lb1b QTL of tomato (Brouwer et al. 2004) and to the Phyt-2 of pepper (Sugita
et al. 2006, TG29 marker). The most important meta-QTL of chromosome IV is colinear to
the lb4 QTL of tomato chromosome T4 and to a major QTL resistant to several P. capsici
races mapped on the colinear region of pepper chromosome P5 (Thabuis et al. 2003;
Ogundiwin et al. 2005; Sugita et al. 2006; Bonnet et al. 2007, TG123, TG609, TG483
markers). It is possible that the most important potato meta-QTL of chromosome V coincides
with QTLs of chromosome P5 but it is more difficult to align it to anyone of the lb5 QTLs of
tomato. Concerning chromosome VIII QTLs, the lower meta-QTL of potato seems to
correspond to the lb8a QTL of L. habrochaïtes (Brouwer and St Clair 2004, flanking marker
TG16 marker) and to a QTL detected in S. pimpinellifolium (Frary et al. 1998, TG261-CT68
interval) but no pepper QTL was detected on this chromosome. The potato meta-QTL of
chromosome IX might be colinear to the lb9a QTL of tomato chromosome T9 (loose flanking
marker CT143) but does not correspond to Ph-3 major gene (Chunwongse et al. 1998),
neither to any of the pepper QTLs of chromosome P9 (Bonnet et al. 2007; Ogundiwin et al.
2005). Chromosome X potato meta-QTLs do not correspond to the lb10 QTL of tomato but
may be colinear to one QTL of chromosome P10 in pepper (Lefebvre et al. 2002; Thabuis et
al. 2003; Bonnet et al. 2007; Barchi et al. 2007) and to the Ph-2 large-spectrum major gene
of L. pimpinellifolium (Moreau et al. 1998) (in this latter case, it is rather the lower meta-QTL
of chromosome X which would be concerned, according to CD5 and CT124 markers).
Despite these comparisons are still imprecise, they show that the number of functional
colinearities across Solanaceae for Phytophthora resistance is limited. At the same time,
they stress the importance of the functional colinearity involving the QTL regions of
chromosomes IV of potato and T4 of tomato, and the chromosome P5 of pepper already
(Pflieger et al. 2001; Thabuis et al. 2003).
Conclusion
Through this study, we demonstrated that, as soon as numerous QTL data are collected (at
least 2 QTLs from different studies mapped in the same region) and well-linked by common
genetic markers (2 by chromosome), meta-analysis becomes a powerful tool to give valuable
directions for future genetic research and breeding. QTL meta-analysis especially provides
interesting targets for candidate gene approach and for marker-assisted breeding. It is thus
worth enriching this meta-analysis with all new QTL detected with any trait. To improve this
approach and to get other facets of the loci description, it would be interesting to precisely
describe the kind P. infestans isolates used for resistance assessments and to include this
information in the meta-analysis in the same way of relatedness as it is done for the traits. It
181
would thus be possible to more accurately evaluate the action spectrum of meta-QTLs, which
is one of the characteristics which is thought to be linked with the durability of pathogen
resistance. At last, another improvement of the method would be to integrate the relatedness
between parental clones across the different experiments, along with their pedigree. In this
way, it would be possible to better determine which sources would be the donors of the
resistant alleles.
Acknowledgments
We gratefully thank the international research groups of Stefano Constanzo (USDA, USA),
Dan Milbourne (Teagasc, Ireland), Merideth Bonierbale (CIP, Peru), Herman van Eck (WUR,
The Netherlands) and Christiane Gebhardt (Max-Planck Institute, Germany) for their help in
collecting non-published QTL data information for the meta-analysis.
This work was financially supported by the European BIOEXPLOIT project FOOD CT2005-
513959. S. Danan received a PhD fellowship funded by the European BIOEXPLOIT project
FOOD CT 2005-513959.
References
Les références bibliographiques citées dans ce chapitre sont listées à la fin du rapport.
182
V.3 Synthèse du chapitre
La méta-analyse de QTL chez la pomme de terre pour la résistance au mildiou et pour la

maturité de la plante a permis de mettre en évidence les locus susceptibles de correspondre
aux mêmes gènes sous-jacents à travers différentes études indépendantes et de souligner la
position de locus originaux qui semblent être plus spécifiques de certaines études.
Ce travail a tout d’abord permis de valider l’efficacité de la méta-analyse par la confirmation
des observations déjà faites par simple comparaison des cartes via les marqueurs communs
telle que réalisée et illustrée dans le Chapitre I-Synthèse bibliographique de ce rapport.
De plus, la méta-analyse a permis de donner de nouveaux éléments de réponse concernant
les relations entre résistance polygénique et monogénique d’une part, et résistance
polygénique au mildiou et maturité d’autre part, en précisant les positions de leurs locus
correspondant sur une carte unique. La méta-analyse a montré que des régions riches en
QTL colocalisent parfaitement avec des gènes majeurs, comme pour le chromosome IV, ce
qui confirme l’hypothèse souvent énoncée selon laquelle certains gènes sous-jacents à des
QTL de résistance au mildiou chez la pomme de terre seraient de la même nature
moléculaire que les gènes majeurs, et en particulier de type NBS-LRR (classe à laquelle
appartiennent tous les gènes majeurs clonés pour la résistance au mildiou jusqu’à présent).
En ce qui concerne les relations entre les QTL de résistance et les QTL de maturité, la méta-
analyse n’a pas permis d’avancer dans leur caractérisation car même si la colocalisation des
QTLs de ces deux caractères semble claire pour certains locus où des méta-QTL de
résistance colocalisent avec des méta-QTL de maturité (chromosome V), il est encore très
difficile de déterminer si les gènes sous-jacents sont pléïotropes, ou bien indépendants mais
très étroitement liés physiquement. De plus, le nombre d’études qui ont évalué la maturité
simultanément à la résistance au mildiou est réduit, ce qui a pour conséquence de faire
apparaître de nombreux QTL solitaires dans plusieurs régions. L’analyse globale où tous les
QTL étaient compilés sans distinction du caractère a par ailleurs montré que ces QTL de
maturité solitaires se regroupaient souvent avec des QTL de résistance au mildiou. Mais il
parait difficile d’accorder beaucoup de confiance dans ces colocalisations si elles
n’impliquent qu’un seul QTL de maturité. Néanmoins, la mise en évidence du lien étroit entre
ces deux caractères pour certains locus et leur absence de liaison pour d’autres locus
permet de donner des pistes aux sélectionneurs qui recherchent des QTL indépendants de
la maturité pour raccourcir le temps de culture.
La méta-analyse a également permis de construire une carte intégrée de la pomme de terre
très complète qui peut désormais servir de source de marqueurs non seulement pour l’étude
de la résistance au mildiou chez la pomme de terre mais aussi pour l’étude d’autres
caractères chez cette espèce.
183
Enfin, cette analyse a montré l’importance de la description précise et complète du matériel

utilisé (végétal et pathogène), des résultats des analyses (position des QTL, effet du QTL,
intervalle de confiance etc.) et des marqueurs communs entre les cartes pour faciliter la
comparaison entre différentes analyses et donner plus de confiance aux conclusions de
cette comparaison.
184
CHAPITRE VI
DISCUSSION GENERALE
Discussion générale
VI CHAPITRE VI : DISCUSSION GENERALE
L’objectif principal de la thèse était d’apprécier la diversité structurale des locus de

résistance aux Phytophthora chez les Solanacées, et cela, selon deux dimensions : 1-la
dimension génomique par l’étude de la diversité de distribution des locus sur le génome, et
2-la dimension phylogénique par l’étude de la diversité des espèces aux locus. Ainsi, l’étude
de la diversité structurale de position des locus a été réalisée en prenant comme modèle le
pathosystème pomme de terre/P. infestans pour lequel nous disposons de beaucoup de
données de cartographie de locus de résistance à l’heure actuelle. Les travaux de la thèse
ont participé à l’exploration de nouvelles sources de résistance chez des espèces sauvages
en utilisant différentes méthodes de détection de QTL. Les données produites ont ensuite
été associées à celles de la littérature dans une méta-analyse globale. Une représentation
clarifiée de l’organisation des locus de résistance à P. infestans sur le génome de la pomme
de terre a été ainsi réalisée. En mettant en valeur la congruence de locus aux diverses
origines, il devient alors possible de mieux apprécier leur diversité allélique (Figure VI.1).
185
Les 12 chromosomes des

om e
sur le gén Diversité allélique trois Solanacées sont
tr ib u ti on schématisés par des barres
le - dis et spécifique
structura horizontales : en vert pour la
Diversité évolution pomme de terre, en rouge
pour la tomate et en jaune
Zone de colinéarité pour le piment. Les régions
fonctionnelle P5-T4-IV des QTL détectées chez le
P5 piment, la tomate et dans les
20 régions piment populations INRA de pomme
P12 de terre ont été positionnées
5 cartes de QTL
P7 P8 P9 P10 P11 sur les chromosomes par
P1 P2 P3 P4 P5 P6 des rectangles gris. Les
méta-QTL de la carte
T4 consensus de la pomme de
tomate
21 régions terre sont en noirs. Des
2 cartes de QTL T12
T9 T10T11
flèches verticales vers le bas
T7 T8 montrent l’appartenance des
T4 T5 T6
T1 T2 T3
QTL de pomme de terre aux
pomme de méta-QTL de la carte
QTL de la littérature consensus. Les gènes
provenant d'autres études terre
majeurs (ronds rouges) ont
été ajoutés sur la carte
consensus.
L’exploration de la diversité
30 QTL 96D 2 espèces des locus de résistance aux
12 régions + 1 LG Phytophthora a été effectuée
2 populations indépendantes selon deux dimensions : la
2 parents diversité de la position des
1 espèce locus sur le génome et la
15 QTL 03D diversité allélique à chaque
9 régions locus.
4 populations connectées
4 parents IV
13 espèces
144 QTL
26 méta-QTL
VIII IX X XI XII
IV V VI VII
21 cartes QTL QTL
12 locus/clusters de gènes I II III
carte consensus de la pomme de terre gène R
Figure VI.1 L’exploration de la diversité des locus des résistances aux Phytophthora selon deux dimensions
186
VI.1 Principaux résultats obtenus
VI.1.1 La cartographie de QTL dans des populations INRA selon différentes

méthodes d’analyse
La thèse présente les résultats de la cartographie de QTL de résistance au mildiou chez 6

populations de pomme de terre INRA. Celles-ci impliquent 3 sources de résistance qui sont
des espèces sauvages tubéreuses apparentées à la pomme de terre. Le test classique sur
feuillage et un nouveau test sur tige ont été effectués pour évaluer la résistance quantitative
à P. infestans. Dans les deux populations dérivant de S. sparsipilum et S. spegazzinii
(populations 96D31 et 96D32 respectivement), un total de 30 QTL ont été détectés,
correspondant à 13 régions génomiques distinctes, si on tient compte des relations de
colinéarité entre parents. Parmi elles, une région sur le chromosome X est particulièrement
bien conservée entre les différents parents et présente un effet fort pour la résistance sur
tige (chapitre III). Dans les quatre populations connectées dérivant de S. berthaultii
(populations 03D36, 03D39, 03D41, 03D42), l’analyse de QTL selon trois niveaux de
connexion entre les populations a permis de détecter un total de 15 QTL (9 régions
distinctes) chez les 4 parents au niveau ‘intra-population’, un sous-ensemble de 4 QTL (3
régions distinctes) au niveau ‘inter-population’ (données cumulées des populations demi-
sœurs), et 2 QTL au niveau ‘multi-population’ (données cumulées des 4 populations). Les
QTL les plus conservés entre parents et les plus stables à travers les différents niveaux
d’analyse ont été localisés sur les chromosomes IV et V, dans des régions riches en gènes
de résistance aux pathogènes (chapitre IV). L’analyse en schéma multi-population connecté
a permis de multiplier le nombre de données génotypiques et phénotypiques par deux puis
par 4, permettant ainsi de retreindre l’intervalle de confiance des QTL, et de mieux prendre
en compte la variabilité phénotypique due aux interactions QTL x fond génétique. Ces
analyses montrent également l’intérêt du test tige comme test quantitatif complémentaire aux
tests habituellement utilisés chez la pomme de terre, notamment le test sur feuillage. De
plus, ces résultats mettent en évidence la bonne compatibilité entre l’espèce cultivée S.
tuberosum et les espèces sauvages apparentées. Ces différents résultats contribuent à
faciliter l’exploitation des résistances partielles au mildiou chez la pomme de terre dans les
programmes d’amélioration variétale.
187
VI.1.2 La méta-analyse intra-spécifique chez la pomme de terre et espèces

apparentées (section Petota)
Les résultats des analyses QTL effectuées dans les populations INRA ont été compilés avec
ceux de 18 études publiées par une méta-analyse, sur le génome entier avec les populations
96D31 et 96D32 (chapitre V). Une carte intégrée de la pomme de terre pour les 12
chromosomes a été construite à partir des 2 132 marqueurs de 29 cartes génétiques de la
pomme de terre. Cette carte intégrée constitue donc l’une des cartes les plus denses jamais
construites chez la pomme de terre. Du fait qu’elle compte une majorité de marqueurs
facilement portables entre laboratoires (RFLP, SSR, STS), nous proposons qu’elle devienne
également une carte de référence. En effet, la carte UHD (Ultra Haute densité, Isidore et al.
2003 ; van Os et al. 2006) comprenant 10 000 marqueurs présente l’inconvénient de
compter surtout des marqueurs AFLP plus difficilement portables entre espèces.
Par la méta-analyse, 144 QTL cartographiés chez 13 espèces différentes apparentées à la
pomme de terre et chez la pomme de terre cultivée ont été regroupés en 26 méta-QTL
placés sur la carte consensus. Les méta-QTL des régions les plus riches en QTL présentent
des intervalles de confiance beaucoup plus petits que les QTL d’origine et des gènes
candidats pour ces méta-QTL ont été proposés. La méta-analyse des QTL de maturité de la
bibliographie a été réalisée simultanément pour mettre en évidence au niveau génétique
l’association indésirable observée au niveau phénotypique, les plantes les plus résistantes
étant souvent les plus tardives.
VI.2 Analyse critique des résultats obtenus
VI.2.1 La potentialité des espèces sauvages apparentées à la pomme de terre en

tant que sources de résistance à P. infestans
Les analyses QTL chez S. spegazzinii, S. sparsipilum et S. berthaultii avec les tests sur tige
et sur feuillage ont confirmé l’implication de régions déjà bien connues pour la résistance à
P. infestans et qui comprennent des clusters de gènes à différentes maladies comme ceux
des chromosomes IV (D9.13) et V (D9.33). Les résultats de ces analyses ont aussi mis en
évidence des régions inconnues ou moins fréquemment décrites comme celles des
chromosomes I (SPL et SPG), II (SPL), III (SPG), VIII (SPG et D9.13), IX (SPG et D9.33), X
(SPL et SPG) et XI (SPL et D9.13). Parmi elles, les régions du chromosome X de SPG et du
chromosome IX de D9.33 présentent les effets les plus forts, expliquant 29% et 28% de la
variabilité phénotypique avec les composantes du test tige L35 et REC, respectivement. Ces
188
valeurs sont relativement élevées par rapport aux effets des QTL habituellement décrits chez
la pomme de terre. En effet, sur les 106 QTL pour lesquels les valeurs de R² étaient
disponibles, 75% expliquent entre 4% et 15% de la variabilité phénotypique et seulement 7%
expliquent entre 30% et 63% de la variabilité observée (Figure VI.2). Les QTL aux effets les
plus forts ont été détectés chez les hybrides S. tuberosum x S. stenotomum (Collins et al.
1999), S. phureja x S. stenotomum (Simko et al. 2006), S. tuberosum x S. bulbocastanum
(Naess et al. 2000) et S. tuberosum x S. berthaultii (Ewing et al. 2000). Même si l’accession
S. berthaultii utilisée dans les croisements 03D est différente de celle de Ewing et al. (2000),
les résultats confirment le niveau relativement élevé de résistance partielle de cette espèce.
De plus, les clones des espèces S. spegazzinii et S. sparsipilum utilisés dans les
croisements 96D confèrent également un haut niveau de résistance aux nématodes à kystes
(Caromel et al. 2004, 2005). Elles constituent donc des sources intéressantes pour
l’introgression de résistances à des pathogènes majeurs dans l’espèce cultivée de pomme
de terre S. tuberosum.
40
30
Frequence
20
10
0
0 10 20 30 40 50 60
R² (%)
Figure VI.2 Fréquence des effets des QTL inclus dans la méta-analyse de QTL de
résistance au mildiou chez la pomme de terre
Les valeurs de R² étaient disponibles pour 106 QTL sur les 144 QTL intégrés dans l’analyse. Parmi ces QTL,
75% expliquent entre 4% et 15% de la variabilité phénotypique et seulement 7% expliquent entre 30% et 63% de
la variabilité observée.
189
VI.2.2 Les avantages des cultivars S. tuberosum
La ségrégation claire de la résistance dans les différentes descendances montre la bonne

aptitude à la combinaison de S. tuberosum avec les trois espèces sauvages étudiées et
suggère la facilité d’exploitation de ces espèces apparentées dans les programmes de
sélection. De plus, que ce soit dans les populations INRA ou dans celles décrites dans la
bibliographie, des QTL ont toujours été détectés chez le parent sensible S. tuberosum avec
des effets semblables à la majorité de ceux détectés chez les espèces sauvages résistantes
(R²= 4-19%). Une des explications possibles serait que ces cultivars tétraploïdes présentent
également des résistances partielles qui sont mieux détectées dans les descendances après
réduction de leur niveau de ploïdie de 4x à 2x. L’effet résistant de certains allèles, masqué
au niveau tétraploïde, pourrait être exacerbé au niveau diploïde, permettant la détection de
QTL par contraste avec l’allèle de sensibilité. Cependant, cela pose la question de la
pertinence de ce type d’étude s’il faut ensuite revenir au niveau tétraploïde pour la création
variétale. Ainsi, malgré la complexité des analyses génétiques au niveau tétraploïde,
certaines études effectuées sur des populations issues de croisements entre cultivars de S.
tuberosum non réduits montrent leur potentialité à apporter un haut niveau de résistance
partielle au mildiou (Bormann et al. 2004 ; Bradshaw et al. 2004, 2006). Ces cultivars sont en
fait souvent issus de backcross multiples impliquant originellement une espèce apparentée à
la pomme de terre, comme c’est le cas du cultivar S. tuberosum cv. ‘Stirling’ qui compte S.
demissum dans son pédigrée (Bradshaw et al. 2006). Une autre explication pour la
résistance observée chez les parents S. tuberosum diploïdes serait la présence de gènes
majeurs aux effets diminués. L’affaiblissement de leur efficacité peut être dû à des
fonctionnalités atténuées des protéines codées, ou bien aux interactions épistatiques
négatives avec d’autres gènes du fond génétique, ou encore à l’isolat utilisé dont les
combinaisons de virulences ne correspondent pas au spectre d’action des gènes.
VI.2.3 L’intérêt du test tige pour l’étude de la résistance quantitative au mildiou

chez la pomme de terre
Les résultats des analyses de QTL sur les populations de pomme de terre INRA montrent
l’importance du test tige pour l’étude de la résistance polygénique au mildiou chez la pomme
de terre. Ce test quantitatif en conditions contrôlées, mis au point sur le pathosystème
piment/P. capsici, décompose la résistance selon la cinétique de développement de la
nécrose sur la tige de l’apex vers les racines (Lefebvre et Palloix 1996). Son efficacité,
prouvée, est toujours exploitée chez le piment. Chez la pomme de terre cependant, la tige a
190
été peu étudiée pour la résistance au mildiou alors qu’elle semble jouer un rôle-clé à la fois
dans la progression de la maladie dans la plante, du feuillage vers les tubercules, et dans la
propagation de la maladie entre les plantes d’un même champ (Glendinning 1989 ; Dorrance
et Inglis 1997 ; Chauvin et Pellé, données non publiées). Les travaux de la thèse ont validé
et montré l’intérêt de ce test tige chez la pomme de terre par la mise en évidence de régions
du génome qui contrôlent aussi la résistance sur feuillage (colocalisations observées sur le
chromosome X de SPL par exemple), ainsi que de nombreuses autres régions spécialisées
dans la résistance de la tige et qui ont des effets plus forts que ceux observés pour la
résistance sur feuillage. En décomposant la résistance complexe en composantes
élémentaires organe-spécifiques, ce type de test peut être employé dans l’optique de
construire des génotypes associant la résistance de différents organes. Ainsi, la résistance
de la tige peut être combinée à la résistance sur feuillage et sur tubercules.
VI.2.4 L’association maturité-résistance au mildiou chez la pomme de terre
La bibliographie rapporte l’existence de liens étroits entre la maturité de la plante et la

résistance au mildiou : d’une part les observations au champ montrent que les plantes les
plus résistantes sont très généralement les plus tardives, et d’autre part, la cartographie de
QTL des deux caractères dans les mêmes descendances montre de nombreux cas de
colocalisations, la plus connue étant celle du chromosome V. Cette association est
problématique pour les sélectionneurs qui souhaitent au contraire obtenir des variétés
résistantes précoces pour raccourcir le temps de culture. Les dispositifs de tests utilisés
dans le cadre de la thèse n’ont pas permis d’étudier le contrôle de la maturité des plantes
simultanément à celui de la résistance au mildiou. Néanmoins, en comparant les positions
des QTL détectés dans le matériel INRA par rapport à celles des QTL décrits dans la
littérature grâce aux marqueurs communs et par la méta-analyse, il semblerait que les QTL
que nous avons détectés sur les chromosomes II, III, IV, VIII, X, XI et XII contrôleraient la
résistance au mildiou indépendamment du type de maturité de la plante (Bormann et al.
2004; Bradshaw et al. 2004; Visker et al. 2005; Simko et al. 2006). En revanche, les QTL
cartographiés dans la partie supérieure du chromosome V (SH20, BF, D9.33) peuvent être
liés à la maturité de la plante. Pour tester cette hypothèse, il serait nécessaire d’évaluer la
maturité des clones des populations 03D en simultané avec leur résistance afin de pouvoir
détecter les QTL avec les variables de résistance corrigées par les valeurs de maturité.
191
VI.2.5 Les bases moléculaires possibles des QTL de résistance au mildiou chez la
pomme de terre
Parmi les 26 méta-QTL obtenus avec la méta-analyse chez la pomme de terre, ceux qui sont
constitués du plus grand nombre de QTL sont situés dans les clusters de gènes majeurs de
résistance des chromosomes IV, V et VIII. Ce sont d’ailleurs dans ces régions qu’ont été
détectés les QTL les plus conservés au sein des parents des populations INRA. Il est donc
possible que des allèles de gènes majeurs de type NBS-LRR, connus pour leur implication
dans la reconnaissance du pathogène, soient sous-jacents aux QTL de ces régions. Aussi,
la comparaison des positions des méta-QTL à celles des gènes de défense et analogues de
gènes de résistance des cartes fonctionnelles de la base PoMaMo (Gebhardt et al 1991;
Leister et al. 1996; Trognitz et al. 2002; Rickert et al. 2003 ;
https://gabi.rzpd.de/projects/Pomamo/) a mis en évidence des colocalisations de méta-QTL
avec des gènes impliqués dans les mécanismes de défense comme une ribonucléase, un
transporteur d’auxine, une oxydase polyphénol, l’osmotine et une chitinase. Les protéines «
heat-shock » ou LEA (Late-embryogenesis abundant), connues pour intervenir lors de stress
abiotiques sont aussi souvent cartographiées dans les régions des méta-QTL.
VI.2.6 L’utilité des marqueurs communs entre les cartes d’espèces apparentées
proches ou éloignées
Les marqueurs les plus couramment utilisés pour ancrer les cartes génétiques sont les
RFLP, CAPS et SSR. Dans le cadre de la thèse, la présence de ces marqueurs était
primordiale pour pouvoir comparer les positions des QTL avec précision et fut indispensable
pour la réalisation de la méta-analyse de QTL au sein de la pomme de terre. Comme cela a
été observé au cours de la thèse, la facilité de transfert de marqueurs d’une espèce à l’autre
est dépendante du type de marqueur et de l’éloignement phylogénétique des espèces à
comparer. Les SSR et CAPS étaient facilement transférables au sein des Solanum (pomme
de terre, espèces sauvages apparentées à la pomme de terre et tomate), alors que les
RFLP, principalement issus de la bibliographie, permettaient l’ancrage des cartes des
espèces plus éloignées, entre Solanum et Capsicum (piment) (Livingstone et al. 1999).
La facilité de transfert des marqueurs entre la tomate et la pomme de terre est bien illustrée
dans la littérature : la cartographie fine puis le clonage du gène R3a de résistance à P.
infestans ont pu être réalisés grâce au transfert de marqueurs de tomate du locus I2 de
résistance à F. oxysporum f. sp. lycopersici (Huang et al. 2005). De la même manière, les
gènes majeurs de résistance à P. infestans de différentes accessions de S. venturii ont été
192
isolés suite à la densification de leur région en marqueurs issus de la région colinéaire chez
la tomate qui comprend le gène Tm22 de résistance au TMV (Foster et al. 2009).
VI.3 La diversité de l’hôte : le champ des résistances possibles pour

sélectionner les plus durables
VI.3.1 Diversité structurale : organisation des QTL sur le génome et méthodes de

détection de QTL
Dans le cadre de la thèse, la diversité de répartition des locus de résistance sur le génome a
été explorée à travers différentes méthodes d’analyses de QTL, dans des schémas de
croisements indépendants, connectés en plan factoriel, ou en méta-analyse. Chacune de
ces méthodes présente des avantages et des inconvénients, et fournit des informations
complémentaires par rapport autres. Ce sont en fait les objectifs de recherche et les moyens
disponibles qui permettent de déterminer la méthode à adopter (Tableau VI1).
193
Tableau VI.1 Comparaison des méthodes d’analyse de QTL utilisées au cours de la thèse
FG : fond génétique
(a) Avantages et inconvénients (ou contraintes) de chacune des méthodes
Avantages/inconvénients- Schéma biparental Schéma factoriel ou diallèle (populations connectées) Méta-analyse de QTL
contraintes (QTL Cartographer) (MC-QTL) (Méta-QTL)
-permet la cartographie fine de QTL -augmentation de la diversité allélique au locus par -répartition des QTL obtenus au laboratoire et
pour le clonage du gène sous-jacent l’intégration de parents aux origines parentales issus de la littérature sur une même carte
-test des interactions épistatiques différentes consensus (vue synoptique)
-tests des interactions épistatiques au sein de différents -classification des QTL grâce à des
FG probabilités associées à différents modèles
-évaluation précise de l’effet allélique tenant compte de -diminution de l’intervalle de confiance du
Avantages
différents FG méta-locus par rapport aux intervalles de
-mise en évidence des QTL les mieux conservés entre confiance des QTL d’origine et proposition de
géniteurs et les plus stables au travers des différents FG gènes candidats positionnels par alignement
(polymorphes) avec des cartes fonctionnelles ou avec les
-précision de la position des QTL, diminution de données de séquençage (si le génome est
l’intervalle de confiance séquencé)
-effet d’échantillonnage de population à -risque de dilution des QTL à effets faibles -nécessité d’avoir 2 marqueurs-ancres entre 2
effectif limité et détection de faux -nécessité d’avoir des marqueurs communs suffisants cartes génétiques au minimum
positifs (erreur de type I) entre les cartes parentales -nécessité d’avoir un nombre important de
-faible diversité allélique mesurée données de QTL (au moins 3 QTL
Inconvénients/contraintes -effet allélique biaisé si très influencé congruents)
par le FG -les données de chaque population sont
considérées comme indépendantes
-pas de traitement des données brutes de
génotypage
194
(b) classification des méthodes selon la question de recherche posée
La méthode est classée selon sa pertinence : de 1 (méthode la plus pertinente) à 3 (la moins pertinente).
FG : fond génétique
Question de recherche Schéma biparental Schéma factoriel ou diallèle (populations connectées) Méta-analyse de QTL
(QTL Cartographer) (MC-QTL) (Méta-QTL)
Comment s’organisent les 3 2 1

QTL sur le génome de une seule cartographie de QTL avec (plusieurs fonds génétiques pris en considération, méthode privilégiée car pas de limite du
l’espèce étudiée ? une population au nombre d’individus détection puissante et sélection des QTL les plus nombre d’études à compiler
restreint et risque de biais conservés entre parents et stables au travers des
d’échantillonnage avec erreur de type I différents FG
Quels sont les effets des 2 1 3

allèles aux QTL ? nombre limité d’allèles aux QTL effets des allèles aux QTL mieux évalués dans différents les effets ne sont pas recalculés après
FG compilation des données
Quelles sont les sources de 3 1 2

résistance qui apportent les un seul des 2 parents est la source de possibilité de remonter à la source de l’allèle à travers les la distinction entre allèles au locus n’est pas
allèles favorables aux effets résistance, comparaison limitée connections d’apparentement entre les parents choisis, réalisable, mais possibilité d’impliquer de
les plus forts ? d’autant plus puissant que le nombre de sources est nombreuses sources très variées dans la
important compilation des données
Quels sont les gènes sous- 1 1 3

jacents aux QTL ? schéma privilégié pour la cartographie les données de beaucoup d’individus peuvent être diminution de l’intervalle de confiance si
fine et clonage de gènes compilées pour favoriser le nombre de recombinants grande congruence de QTL dans la région
(mendélisation du QTL et analyse de dans les régions de gènes d’intérêt mais nécessité de revenir à la cartographie
recombinants) avec des données brutes de génotypage et
phénotypage, mendélisation du QTL et
analyse d’haplotypes
195
L’une des différences principales observées entre la détection de QTL en schéma biparental
simple et en schéma connecté est le nombre de QTL détectés. L’utilisation de parents plein-
frères en schéma connecté aurait du théoriquement augmenter la puissance de détection de
QTL en analyse conjointe au niveau ‘multi-population’, or, on observe moins de QTL
détectés chez les populations connectées. Deux raisons majeures peuvent l’expliquer : i- le
seuil choisi d’erreur de type-I, plus stringent dans le cas de l’analyse en schéma connecté
pour mieux cibler les QTL qui ont un rôle significatif dans l’expression de la résistance, et ii-
les cartes partielles des parents des populations 03D, qui n’ont pas permis de détecter
l’ensemble des régions susceptibles d’être liées à la résistance.
En ce qui concerne l’objectif principal de la thèse qui était d’obtenir une vision clarifiée de
l’organisation des QTL de résistance au mildiou chez la pomme de terre, la méta-analyse est
la méthode qui y répond le mieux. Elle permet en effet de déterminer, pour un locus donné,
le nombre d’espèces ayant permis de le détecter et d’apprécier ainsi sa conservation entre
espèces, sa stabilité à travers différents fonds génétiques et différents environnements. De
plus, la méta-analyse donne des informations sur la spécificité d’action de ces locus, non
seulement au sein de la plante en fonction du ou des organe(s) impliqué(s) dans la
résistance, mais aussi vis-à-vis du spectre des isolats de pathogènes qui peuvent présenter
une ou plusieurs virulences. La méta-analyse confirme les résultats obtenus avec les deux
autres analyses qui sont d’une part, que la résistance polygénique au mildiou est contrôlée
par de nombreux gènes qui se répartissent sur tout le génome de la pomme de terre (26
méta-QTL au total), et d’autre part, que certaines régions sont fortement impliquées dans la
résistance en termes d’occurrence et d’effets des QTL. Ces régions sont notamment celles
des chromosomes IV et V qui correspondent à des régions déjà connues pour la résistance
à d’autres pathogènes.
Enfin, une répartition claire des locus sur le génome de la pomme de terre facilite sa
comparaison à celles de la tomate et du piment. Ainsi, l’étude de la répartition des locus
intra-spécifique peut être étendue à celle de l’architecture du caractère chez des espèces
phylogénétiquement éloignées.
VI.3.2 Diversité allélique au locus : exploration de la biodiversité par l’étude de

différentes sources de résistance
Par « diversité allélique » est entendu l’éventail des espèces chez lesquelles des QTL ont
été détectés à un locus donné ; le nombre d’espèces différentes ne renseigne cependant
pas sur la diversité des allèles sous-jacents, il est possible qu’il n’y ait que deux allèles
196
différents à un QTL, les deux mêmes allèles pouvant être présents chez plusieurs espèces
apparentées.
Dans le cadre de la thèse, l’exploration de la diversité allélique pour la résistance au mildiou
s’est effectuée par la détection de QTL chez des accessions de trois espèces différentes
apparentées à la pomme de terre et par l’analyse simultanée de l’ensemble des données
rapportées dans la littérature. Ainsi, les données de QTL des deux nouvelles sources de
résistance S. sparsipilum et S. spegazzinii et de S. berthaultii ont été intégrées aux données
de QTL et gènes majeurs de 25 espèces de Solanum tubéreuses appartenant à la section
Petota et chez S. caripense, non-tubéreuse, qui appartient à la section Basarthrum. Pour
avoir une idée du champ d’investigation des études de résistance au mildiou menées jusqu’à
ce jour chez les espèces apparentées à la pomme de terre, l’ensemble des espèces
impliquées dans les analyses sont présentées sous la forme d’un arbre phylogénétique
simplifié qui structure la section Petota en 4 clades (Figure VI.3). Néanmoins, il est difficile
de bien apprécier l’étendue des recherches car la structuration de la section Petota est
encore mal définie au niveau taxonomique. En effet, la classification en séries initialement
introduite par Hawkes (1990) ne permet pas de délimiter clairement les différents groupes.
De plus, les outils moléculaires n’ont pas permis d’obtenir de valeurs de structuration fiables
(Jacobs et al. 2008). L’arbre phylogénétique en 4 clades correspondrait cependant à un
consensus des différents résultats de classification. Par le repérage des 26 espèces
impliquées dans les études de cartographie, il apparaît que les 4 clades ont été explorés par
l’étude d’au moins une espèce représentative. Lorsque l’on tient compte de la classification
plus fine, en séries, de Hawkes (1990), 10 séries sur 21 ont fait l’objet de cartographie de
locus de résistance au mildiou (Bulbocastana, Piurana, Tuberosa 1, 2 et 3, Demissa,
Yungasensia, Pinnatisecta qui sont des espèces diploïdes, et Longipedicellata et Tuberosa
cult. qui comprennent des espèces polyploïdes). Cela signifie qu’une grande part de la
diversité des espèces de la section Petota, correspondant à plus de la moitié d’après la
classification en série, reste encore à explorer.
197
Clade 2
S. bulbocastanum
S. paucissectum
Clade 3
S. mochiquense S. chromatophilum
S. stenotomum S. phureja
S. demissum
S. stoloniferum (=S. papita) S. polytrichon
S. verrucosum
S. venturii
S. berthaultii
Section Petota
Clade 4 S. kurtzianum
S. spegazzinii
S. vernei
S. neorossii
S. microdontum S. yungasense
S. chacoense
S. tarijense
S. gourlayi
S. sparsipilum
S. tuberosum espèce cultivée

R gene
Clade 1 S. stenophyllidium
S. pinnatisectum
QTL (=S. brachistotricum)
Section Basarthrum
S. caripense
Figure VI.3 Distribution des sources de résistances partielles et majeures sur l’arbre
phylogénétique simplifié des espèces Solanum tubéreuses utilisées comme sources de
résistance au mildiou dans les études de cartographie de QTL et gènes majeurs
Les espèces encadrées en rouge sont porteuses de gènes majeurs de résistance (R-genes) et les espèces
encadrées en bleu sont les espèces porteuses de QTL de résistance partielle (arbre phylogénique issu d’une
classification basée sur l’ADN chloroplastique d’après Spooner et Castillo 1997).
La section Petota, comme la section Lycopersicon qui comprend la tomate cultivée, sont en
fait des sous-groupes du grand clade «pomme de terre » qui lui-même est l’un des 11 à 15
clades (indéfini) du genre Solanum comprenant notamment l’aubergine (Solanum
melongena). Le piment qui appartient au genre Capsicum est en revanche
phylogénétiquement plus éloigné des trois Solanacées précédemment citées (Bohs et
Olmstead 1997, Figure VI.4).
198
Nicotianoideae
Petunia axillaris
Nicotiana tabacum
68 Solanoideae Physalis alkekengi
46 Capsicum baccatum
Cyphomandra betacea
43 85
Solanum melongena
98
98
Solanum candidum
99
Solanum stramonifolium
Solanum tuberosum
98
Solanum lycopersicum
Figure VI.4 Arbre phylogénétique des Solanacées (d’après Bohs et Olmstead 1997)
La thèse a donc permis d’évaluer l’étendue de l’exploration de la diversité des gènes de

résistance au mildiou chez les espèces apparentées à la pomme de terre sur l’ensemble du
génome. Cependant, pour la pomme de terre, les informations de pédigrées sont très
hétérogènes selon les cultivars et la taxonomie n’étant pas encore bien établie, il est assez
difficile de déterminer précisément les origines possibles des locus de résistance détectés.
VI.3.3 Exploitation de la diversité en sélection
VI.3.3.1 Les outils moléculaires : les marqueurs de la diversité allélique
Les SSR sont connus pour être hautement polymorphes et sont des marqueurs de premier
choix pour mesurer la variabilité allélique à un locus. Ces marqueurs sont très régulièrement
utilisés pour étudier la diversité d’espèces de Solanum (Moisan-Thiery et al. 2005 ; Ghislain
et al. 2009) et d’isolats de Phytophthora (Oliva et al. 2007). Néanmoins, leurs principaux
inconvénients sont leur praticité d’utilisation limitée et l’ambiguïté générée lorsque deux
allèles ont la même taille sur le gel.
Les marqueurs SNP (Single Nucleotide Polymorphism) en revanche, permettent de
démarquer la présence d’un allèle parmi d’autres qui se distinguent par une mutation
ponctuelle de nucléotides. La faible variabilité au locus est compensée par le cumul de
plusieurs SNP liés par déséquilibre de liaison et qui forment ainsi des haplotypes au fort
potentiel d’association à un phénotype particulier (Rafalski 2002). Les haplotypes de SNP
sont d’ailleurs aujourd’hui des outils moléculaires privilégiés en génétique d’association qui
se base sur des populations naturelles non-structurées. Malgré la complexité de la mise en
199
place de cette méthode chez les espèces hétérozygotes qui présentent différentes phases
alléliques aux marqueurs, la génétique d’association basée sur les SNP commence à être
explorée chez la pomme de terre (Simko et al. 2006).
VI.3.3.2 Les méthodes de sélection qui tiennent compte de la diversité
-Les sélections phénotypiques

Le maintien de la diversité dans les programmes de sélection peut être réalisé par
l’incorporation de variétés locales dans les croisements selon différents schémas de
sélection et notamment la sélection récurrente. Le principe de la sélection récurrente est de
conserver le plus longtemps possible un haut niveau de variabilité génétique au cours des
cycles successifs de sélection. Chez la pomme de terre, un programme de sélection
récurrente pour le pyramidage de gènes de résistance au mildiou, au nématode à kyste
Globodera pallida et au Potato virus Y (PVY) a récemment été publié (Bradshaw et al. 2009).
Les résistances polygéniques ont été préférentiellement choisies car, quand le programme a
commencé en 1991, les résistances monogéniques à ces pathogènes étaient déjà
contournées. Trois types de croisements de départ ont été réalisés en partant de 36 parents
conférant des résistances différentes (résistance au mildiou x résistance aux nématodes ;
résistance au mildiou x résistance au virus ; résistance aux nématodes x résistance au
virus). Quatre cycles de sélection ont été effectués en intercroisant à chaque fois les
descendants des croisements des cycles précédents. A chaque cycle, la sélection a porté
sur différents critères agronomiques et de qualité du tubercule, le dénominateur commun
ayant toujours été la résistance au mildiou et aux nématodes. Pour le 4ème cycle, de
nouvelles sources de résistance au mildiou ont été introduites. Malgré la sélection
systématique à chaque cycle pour les caractères purement agronomiques, ces derniers n’ont
pas été significativement améliorés alors que les niveaux de résistance au mildiou et aux
nématodes ont été augmentés. Ce programme a donc permis de montrer aux sélectionneurs
l’avantage de ce schéma de sélection récurrente phénotypique basé sur la sélection précoce
des résistances avec l’apport de nouveau matériel assez tardivement. Ce programme
permet également de raccourcir de moitié le nombre de cycles moyens habituellement
nécessaires pour créer une variété de pomme de terre (12 à 15 ans). En effet, la sélection
de la pomme de terre encore régulièrement appliquée aujourd’hui démarre sur une base très
large d’individus générés par plusieurs centaines de croisements (de 700 à 1000
croisements par an pour le comité de sélectionneurs ‘Bretagne Plants’ en France par
exemple). Ces croisements sont suivis de plusieurs cycles de sélection phénotypiques
classiques qui s’appliquent en premier lieu sur les caractères de forme du tubercule, de
concentration en glycoalcaloïdes (toxiques) et de qualité du tubercule pour l’industrie,
200
réservant la sélection pour les résistances aux pathogènes, quand elle a lieu, pour les tous
derniers cycles.
-La sélection assistée par marqueurs liés spécifiquement au locus d’intérêt

Même si la sélection phénotypique chez la pomme de terre est encore celle qui est la plus
largement utilisée actuellement, de nouvelles méthodes qui utilisent les marqueurs
moléculaires comme outils de sélection commencent à être mises en place. En ce qui
concerne les résistances aux maladies, la sélection assistée par marqueurs (SAM) est en
cours de développement pour les résistances au virus PVY et au nématode à kystes
Globodera pallida (Sylvie Marhadour, com. pers.). Dans le cadre de la thèse, les marqueurs
cartographiés dans les régions des QTL de résistance au mildiou des populations INRA
96D31 et 96D32 ont été diffusés au sein du contrat de branche de la pomme de terre CB31
(2005-2009, subventionné par le Ministère de l’Agriculture). Ce contrat qui impliquait des
sélectionneurs de pomme de terre avait pour objectif d’évaluer la faisabilité de la SAM chez
cette espèce en France. Les marqueurs qui ont été développés par différents laboratoires de
recherche pour la résistance aux principaux pathogènes et pour la teneur en glycoalcaloïdes
serviraient ainsi de sources de marqueurs utiles pour sélectionner les locus d’intérêt. Les
marqueurs PCR (SSR, CAPS) sont les plus utilisés. Les SNP sont également de plus en
plus utilisés en sélection pour leur efficacité dans la détection de l’allèle d’intérêt et pour leur
praticité d’utilisation pour le génotypage à haut débit. Chez la pomme de terre l’un des SNPs
liés à un QTL de résistance au nématode à kyste Globodera pallida sur le chromosome V
présente une haute valeur prédictive et constitue un outil de diagnostique puissant pour
sélectionner les génotypes résistants (Sattarzadeh et al. 2006).
-La sélection par marqueur sur le génome entier : la sélection génomique

Pour faciliter la sélection des caractères polygéniques, un nouveau type de sélection permet
de mesurer avec précision les effets de nombreux locus répartis sur tout le génome
(Meuwissen et al. 2001). La sélection génomique (Genomic Selection, GS) est basée sur la
procédure statistique de Lander et Thompson (1990) qui permet d’estimer simultanément les
effets de tous les marqueurs moléculaires du génome cartographiés dans la population
d’étude. La variance génétique totale du caractère est obtenue en additionnant les effets aux
marqueurs. La procédure-clé de la GS est le calcul de l’estimateur GEBV (genomic
estimated breeding value) d’une population-test composée des individus les plus informatifs
de la population d’amélioration et qui sont choisis pour être à la fois entièrement phénotypés
et génotypés. La valeur phénotypique des individus de la population d’amélioration qui n’ont
pas été phénotypés, mais dont les données génotypiques sont disponibles, pourra être
estimée directement grâce au GEBV. La GS suppose que la carte génétique de la population
201
soit dense en marqueurs pour ‘capturer’ un maximum de locus qui auraient un effet (même
faible) sur l’expression du caractère (Heffner et al. 2009). La GS offrirait un outil pour décider
du choix des parents les plus éloignés possibles au niveau phylogénétique et de sélectionner
les individus-frères de la population qui se démarquent le mieux, évitant ainsi les
dépressions de consanguinité. D’autres questions pratiques vont influencer le succès de
cette méthode : la précision de la sélection génomique dépend de l’architecture génétique du
caractère, du degré de déséquilibre de liaison de la population d’amélioration qui est aussi
fonction de la quantité de marqueurs moléculaires disponibles, ainsi que des méthodes
statistiques utilisées. La sélection génomique va aussi modifier le rôle du phénotypage, qui,
utilisé à l’origine comme moyen d’évaluation des génotypes, va devenir un outil de mise au
point d’un modèle statistique ou de prédiction des valeurs de sélection. Cette méthode serait
bien adaptée à la sélection pour la résistance partielle au mildiou chez la pomme de terre
car, en plus du raccourcissement du temps de sélection, cette méthode permet de réduire
des surfaces de tests phénotypiques qui mobilisent aujourd’hui jusqu’à 10 000 parcelles par
an (Comité Nord 2008, S. Marhadour, com. pers.).
202
VI.3.3.3 L’importance de la diversité dans les types variétaux
Une autre composante qui participe à la durabilité d’une résistance est le choix du type
variétal lui-même. Il a été argumenté à plusieurs reprises que les variétés les plus aptes à
fournir des résistances durables sont les multilignées ou mélanges variétaux (Boyd 2006).
Ce sont respectivement des mélanges de lignées ou variétés, identiques ou similaires au
niveau de leurs caractères agronomiques, et qui ne diffèrent que par la composition de leurs
gènes de résistance. Il a cependant été démontré mathématiquement et expérimentalement
que ces lignées perdent de leur efficacité si elles ne sont pas renouvelées régulièrement ou
si leur composition est stable pendant une longue période. En effet, comme pour le
pyramidage de gènes dans un même génotype, la présence prolongée du même mélange
variétal peut favoriser l’apparition de « super-races » de pathogènes qui ont eu le temps de
cumuler les virulences nécessaires au contournement (Mundt 2002). Le stock des gènes doit
donc être réinitialisé de façon régulière, si possible en privilégiant les gènes des variétés
locales. Avec la sélection participative (Ceccarelli et al. 2000), les producteurs locaux sont
étroitement associés à l’amélioration des espèces qu’ils cultivent en intégrant leurs variétés
locales dans les schémas classiques de sélection. Ce maintien des variétés locales participe
de ce fait à la conservation des ressources génétiques. Dans cette optique, le centre de
ressources génétique international de la pomme de terre au Pérou (CIP) favorise la culture
des variétés locales des Pays du Sud en les améliorant pour la résistance au mildiou par
croisement avec d’autres variétés environnantes (source : http://www.cipotato.org).
VI.4 Des pistes pour prédire la durabilité des résistances
VI.4.1 Du côté de la plante : le type de gène de résistance
Le clonage des gènes majeurs de résistances monogéniques durables a mis en évidence

des gènes qui sont actifs lors de la pénétration du pathogène dans la plante (mlo, Büschges
et al. 1997) ou qui appartiennent à la classe des NBS-LRR (Tm-22, Lanfermeijer et al. 2005).
Le clonage de quelques gènes sous-jacents à des QTL de résistance aux pathogènes a
montré qu’ils pouvaient être aussi des membres de la grande classe des gènes majeurs
NBS-LRR (Rcg1, Broglie et al. 2008), des kinases (Rpg1 et Yr36, Brueggman et al. 2002 ;
Fu et al. 2009), des facteurs de transcription de type WRKY (Qiu et al. 2009), une allene
oxide synthase (Pajerowska-Mukhtar et al. 2008) ou un transporteur (Lr34, Krattinger et al.
2009).
203
Les caractéristiques communes de ces gènes sont la résistance partielle qu’ils confèrent,
leur large spectre d’action et leur rôle-clef au sein d’un réseau de gènes. Leur action est
souvent en aval de la reconnaissance directe des effecteurs du pathogène, dans les voies
de transduction ou signalisation. D’autres séquençages de gènes reconnus comme durables
sont nécessaires pour confirmer ces observations et tenter de définir les critères de
prédiction de la durabilité d’un gène par rapport à sa nature moléculaire et/ou sa fonction.
VI.4.2 Du côté du pathogène : le pouvoir adaptatif
La durabilité d’une résistance est intimement liée à la capacité du pathogène à développer

des virulences pouvant contourner les gènes de résistance spécifique de l’hôte. Les
pathogènes qui maintiennent un taux élevé de variation génétique par un fort taux de
mutations ou dont le développement est un enchainement rapide de reproductions sexuées
favorisant les recombinaisons dans un court laps de temps sont ceux qui sont les plus aptes
à contourner les résistances race-spécifiques (McDonald et Linde 2002). L’autre paramètre à
prendre en compte est le coût de fitness associé à ces variations génétiques (van der Plank
1968) : si elles sont accompagnées d’une charge supplémentaire pour le pathogène,
nécessitant une consommation d’énergie accrue qui peut nuire à son développement et à sa
multiplication, ou si elles affectent les mécanismes nécessaires à l’infection de l’hôte, alors le
risque de contournement est beaucoup plus faible.
Ainsi, même si aujourd’hui le gène Rpg1 chez l’orge, conférant la résistance à Puccinia
graminis f.sp. tritici est contourné, la longue efficacité de ce gène très utilisé à travers le
monde a été expliquée par la concurrence de différents facteurs : ce gène ne conférait pas la
résistance complète, ce qui limite la pression de sélection de virulents chez le pathogène,
son efficacité était dépendante de l’action d’autres gènes qui interagissent avec Rpg1, et le
contournement de Rpg1 impliquait un coût de fitness important pour le pathogène
(Steffenson 1992). Un des enjeux actuels est d’arriver maintenant à prédire le coût de
l’adaptation des pathogènes aux gènes de l’hôte (Vera-Cruz et al. 2000 ; Leach et al. 2001 ;
Lecoq et al. 2004).
VI.4.3 La lutte génétique chez la pomme de terre : les nouvelles directions
Chez la pomme de terre, tous les gènes majeurs de résistance à P. infestans largement
déployés au début du XXème siècle sont aujourd’hui contournés. Les gènes de résistance
sont en effet exposés à une très grande faculté d’adaptation de P. infestans dont le pouvoir
évolutif est très fort, en particulier depuis que les deux types sexuels A1 et A2 sont présents
204
simultanément dans les régions de cultures de la pomme de terre. Pour remédier à ces
contournements rapides des résistances monogéniques, le pyramidage de gènes majeurs
peut être une solution (Tan 2008). Cependant, si cette stratégie est uniquement basée sur
les gènes majeurs, elle risque de favoriser le développement de « super-races »
contournantes. En revanche, le pyramidage de QTL, ou de QTL et de gènes majeurs parait
plus difficile à contourner. Cette approche a été expérimentée efficacement chez l’orge pour
la résistance à la rouille jaune (Castro et al. 2003) et chez le piment pour la résistance au
PVY (Palloix et al. 2009). Elle est aujourd’hui mise en place chez la pomme de terre avec la
création de nouvelles variétés comme ‘Coquine’ qui possède les deux types de résistance
(J.-E. Chauvin, com. pers). Cette association au sein d’un même génotype permet en effet
de cumuler les avantages des deux types de résistances : des effets très efficaces
spécifiques des gènes majeurs et le niveau de résistance partiel sous-jacent des QTL qui
assure une résistance générale et ‘sentinelle’ de la plante. De plus, en cas de suppression
de l’effet des gènes majeurs suite à l’apparition de nouvelles virulences dans le milieu, les
QTL pourraient prendre le relais et assureraient un niveau de résistance convenable qui
limiterait les dégâts de l’épidémie de mildiou.
VI.5 L’environnement, le garant de la résistance
VI.5.1 L’environnement des gènes de résistance : les réseaux de gènes et

l’épigénétique
La durabilité de la fonctionnalité d’un gène dépend étroitement de son environnement, à la

fois génétique et épigénétique. L’environnement génétique comprend les relations
épistatiques qui peuvent avoir lieu entre les gènes étudiés et les autres gènes du génome
par l’intermédiaire des interactions entre les protéines qu’ils expriment. Des protéines
comme les prions et les chaperones du type HSP (Heat Shock Protein) seraient plus enclins
que d’autres à interagir avec les gènes et leurs molécules exprimées. De plus, l’avènement
des microarrays montre que les gènes agissent au sein de réseaux qui sont à l’origine du
phénotype observé. Cela est particulièrement le cas pour les résistances complexes aux
pathogènes. De nouvelles stratégies comme la génomique génétique (‘genetical genomics’)
sont développées pour mieux comprendre ces interactions entre gènes impliqués dans le
contrôle des caractères polygéniques (Jansen et Nap 2001). Cette stratégie a pour objectif
de mettre en relation les profils d’expression et les profils de génotypage des individus d’une
population en ségrégation pour un caractère polygénique afin de faire de la cartographie de
‘eQTL’ et de dégager les réseaux de gènes et les voies métaboliques qui participent à
205
l’expression du phénotype observé (Kliebenstein 2009). De façon plus étendue, le protocole

MetaNetwork compile les données du métabolome, transcriptome et protéome aux données
génotypiques et phénotypiques classiques afin de faire la cartographie de QTL d’abondance
de métabolites et reconstituer les réseaux métaboliques associés (Fu et al. 2007).
L’épigénétique comprend l’ensemble des phénomènes qui ont lieu dans la cellule et qui
peuvent affecter l’expression du gène à différents niveaux :
-au niveau de la structure de l’ADN comme la méthylation, l’action des éléments
transposables (insertion, duplication de séquences) ;
-au niveau de la régulation de l’expression des gènes en aval de la séquence codante avec
les promoteurs, l’épissage alternatif, les interférences avec les ARN et microARN qui
peuvent être responsables de l’extinction de gènes (il a été montré que les microARN
pouvaient intervenir dans les réactions de défense de la plante ; Navarro et al. 2008) ;
-au niveau des régions non codantes de l’ADN comme les introns et l’hétérochromatine, aux
fonctions peu connues, qui peuvent jouer également un rôle dans l’expression des gènes.
VI.5.2 L’environnement de la plante : systèmes et techniques de culture pour une

meilleure gestion des résistances dans l’espace et dans le temps
La résistance à un pathogène peut demeurer efficace dans l’espace et dans le temps en

créant un milieu défavorable au développement et à la progression du pathogène (revue par
Finckh 2008).
Sur le plan spatial, une des stratégies est de reprendre le concept des mélanges variétaux
ou multilignées mais en ajoutant une configuration spatiale particulière avec plusieurs types
de plantes : espacement des rangées de plantes ayant un même niveau de sensibilité et
séparation avec des rangées de plantes différentes au niveau de leur architecture, comme
au niveau de leur sensibilité. Cette alternance génère des changements micro-climatiques
qui freinent le développement du pathogène dans l’espace. De plus, les infections différentes
selon les plantes favorisent les génotypes les plus résistants, ce qui, sur une large gamme
d’environnements, donne des rendements plus stables en moyenne par rapport aux
monocultures classiques. Comme pour les variétés en mélange, la diversité d’hôtes favorise
la diversité des pathogènes et augmente la chance de trouver des pathotypes avirulents sur
un génotype donné. Cela génère une résistance induite dans l’ensemble du système qui est
maintenue en alerte, prête à réagir rapidement en cas d’attaque de pathogène, selon le
processus de résistance systémique acquise (SAR, systemic acquired resistance).
Cependant cette technique ne se montre pas toujours efficace. Pour le mildiou de la pomme
de terre, les mélanges variétaux et plantations par alternance de rangées de variétés aux
206
niveaux de sensibilité différents n’ont eu qu’un très faible effet bénéfique, en particulier
lorsque les conditions climatiques sont favorables au pathogène (Garrett et Mundt 2000 ;
Andrivon et al. 2003 ; Philips et al. 2005, Pilet et al. 2006). Une des explications de cette
absence d’efficacité serait que la plupart des résistances race-spécifiques en Europe ont été
contournées et finalement, dans les systèmes de mélanges et d’alternance de variétés aux
résistances partielles de différents niveaux, les variétés sensibles sont certes moins
attaquées mais les variétés résistantes le sont en moyenne beaucoup plus par rapport aux
monocultures. L’efficacité des mélanges est néanmoins observable avec une alternance
spatiale de pomme de terre / plantes non-hôtes (Bouws et Finckh 2008).
Sur le plan temporel, une autre stratégie est l’alternance des cultures dans le temps avec la
rotation des cultures. Elle raccourcit le temps d’adaptation du pathogène à l’hôte et réduit la
formation d’inoculum spécialisé. Comme cela est pratiqué en agriculture biologique, le
contrôle des mauvaises herbes tient une place importante dans la gestion des résistances
car elles peuvent constituer des zones refuges du pathogène pendant les rotations.
Pour assister l’agriculteur dans la gestion des résistances pendant la période de culture, des
systèmes d’alertes et d’aides à la décision pour le semis, la récolte et l’application des
pesticides, ont été mis au point pour un grand nombre d’espèces cultivées et leurs maladies.
Chez la pomme de terre, il existe des systèmes de veille épidémique tels que SimCast,
BLITECAST, MILEOS ou TOMCAST qui conseillent les producteurs de pomme de terre des
zones tempérées dans leurs applications de fongicides vis-à-vis de P. infestans. Ce système
permet de mieux gérer la maladie et de réduire les coûts de pesticides. Le système SimCast
a été adapté aux régions tropicales de la vallée de Toluca au Mexique, centre d’origine de P.
infestans et de la pomme de terre, en tenant compte du lessivage des fongicides dü aux
fortes précipitations locales. Ce système intervient en complément de l’utilisation de variétés
locales naturellement résistantes, exposées à des populations de P. infestans sexuées et
aux races très diverses (Grünwald et al. 2002).
La stratégie qui consiste à associer la lutte génétique et la protection raisonnée tout en
maintenant une gestion suivie des résistances, serait la stratégie la plus efficace pour
augmenter la durabilité des résistances déployées dans les cultures.
VI.6 Vers des modèles de prédiction de la durabilité des résistances
D’après les observations effectuées dans différents pathosystèmes, les résistances les plus
durables vis-à-vis des pathogènes au spectre d’hôtes étroit seraient les résistances partielles
et additives polygéniques. Les résistances les plus durables aux pathogènes qui ont un large
spectre d’hôtes et au mode de nutrition et développement facultatif seraient les résistances
207
non-spécifiques, souvent polygéniques également (Parlevliet 2002). Ainsi les deux types
d’observations convergent en faveur de la durabilité des résistances polygéniques.
Avec ces observations et en tenant compte de ce qui a été dit dans les paragraphes
précédents, pour pouvoir prédire précisément la durabilité des résistances, les études de
modélisation ont porté sur la combinaison de gènes optimal associé au type de co-évolution
d’une part, et sur la meilleure association de gènes dans l’espace et dans le temps, d’autre
part (revu par Janzac 2008). Un des premiers prédicteurs qui a été proposé par McDonald et
Linde (2002) est basé sur le ‘potentiel évolutif’ du pathogène composé des paramètres de
taille de population, migration et système de reproduction du pathogène. Janzac et al. (2008)
ont proposé un autre prédicteur basé sur les facteurs d’avirulence chez les virus. Ce
nouveau prédicteur tient compte à la fois des évènements de mutations et /ou de
recombinaisons et sur la variation de fitness que cela engendre chez le pathogène. Une
contrainte de ce prédicteur est que l’on suppose posséder les séquences des gènes
d’avirulence du pathogène, ce qui n’est pas toujours le cas.
Les résultats de Palloix et al. (2009) montrent que le fonds génétique a une importance
majeure dans le conditionnement de la durabilité. L’intégration du fonds génétique dans les
études de modélisation devrait permettre d’en renforcer la valeur prédictive.
Pour le pathosystème pomme de terre/P. infestans, les gènes de virulences identifiés font
partie de la classe des RxLR (Birch et al. 2006). L’analyse de leur diversité est en cours et
réalisée en parallèle à celle qui est faite des gènes majeurs de résistance correspondants
chez la plante. Leurs analyses comparées devraient permettre à terme de voir se dessiner
des tendances évolutives que l’on pourrait rapprocher du niveau de durabilité potentielle des
gènes concernés. Leurs comparaisons avec les QTL donneraient également des indices sur
la durabilité des gènes sous-jacents.
208
CONCLUSION GENERALE
ET PERSPECTIVES
Conclusion-Perspectives
CONCLUSION GENERALE ET PERSPECTIVES
Les résistances aux Phytophthora chez les Solanacées s’observent sous les deux types
classiquement décrits : la résistance monogénique contrôlée par des gènes majeurs chez la
pomme de terre et la tomate, et la résistance polygénique contrôlée par des QTL chez les
trois espèces, ce type de résistance étant la seule connue pour la résistance à P. capsici
chez le piment. L’observation du contournement systématique des gènes majeurs de
résistance aux Phytophthora chez la pomme de terre et la tomate font apparaître les
résistances polygéniques comme l’alternative la plus prometteuse pour conférer une
résistance durable. L’enjeu actuel est de mieux caractériser ce type de résistance à la fois au
niveau structural (diversité allélique et organisation sur le génome) mais aussi au niveau
moléculaire (gènes sous-jacents aux QTL).
Les résultats obtenus dans le cadre de la thèse ont permis d’avancer dans la compréhension
des résistances polygéniques aux Phytophthora par différents moyens :
- par une évaluation précise des sources de résistances polygéniques étudiées dans la
biodiversité des espèces apparentées à la pomme de terre et la mise en évidence de la
potentialité des résistances de certaines d’entre elles ;
- par la clarification de la distribution des locus de résistance à P. infestans sur le génome de
la pomme de terre ;
- par la comparaison fine des locus de résistance d’une région synténique à l’échelle de la
famille des Solanacées (le piment, la tomate et la pomme de terre) ;
- en donnant des pistes sur la nature moléculaire des locus sous-jacents aux QTL de
résistance aux Phytophthora chez la pomme de terre.
La thèse a aussi permis de souligner les points qui nécessitent d’être étudiés de manière
approfondie pour pouvoir continuer à avancer dans la compréhension de ces résistances. Il
s’agit notamment de mieux caractériser le matériel d’étude, à savoir, le pédigrée et l’origine
des accessions ou cultivars utilisés dans les croisements, ainsi que les relations
phylogénétiques entre les espèces et isolats de Phytophthora utilisés lors des tests de
résistance. Ces informations donneraient en effet les moyens de mieux évaluer la résistance
des allèles et d’en caractériser le spectre d’action. De plus, les hypothèses sur la co-
évolution entre les espèces de Phytophthora et les Solanacées pourront ainsi être éclaircies.
Ainsi, une grande part des futures recherches va porter sur la continuation de l’étude de la
zone de colinéarité fonctionnelle de la zone synténique P5-T4-IV. En effet, le QTL Phy-P5
est en voie d’être cloné et, les gènes sous-jacents à ce QTL de résistance à Phytophthora
vont pouvoir être caractérisés. La séquence des gènes servira alors à rechercher les
209
Conclusion-Perspectives
homologues chez les autres Solanacées. Il sera alors possible de savoir précisément si les
gènes sous-jacents aux QTL en position colinéaire chez le piment, la pomme de terre et la
tomate dérivent d’un gène ancêtre commun, de plusieurs gènes ou s’ils n’ont aucun lien
d’apparentement phylogénétique. Simultanément, le locus identifié sur le chromosome IV de
la pomme de terre dans le matériel INRA va être davantage exploré par sa cartographie fine
grâce à l’ajout de marqueurs dans la région dérivés des données du séquençage du génome
de la pomme de terre en cours, tout en agrandissant la population 03D39. Il est aussi prévu
de mieux cerner le spectre d’action de ce locus par la réalisation de tests de résistance avec
différents isolats aux diverses virulences ayant servi à la détection de résistances
monogéniques et polygéniques dans d’autres matériels européens. L’effet de ce locus sera
également évalué après ajustement des valeurs de résistance avec celles de la maturité des
génotypes, mesurée simultanément. En particulier, un des moyens de savoir s’il existerait un
homologue de R2/Rpi-blb3 parmi les gènes sous-jacents au QTL détecté chez le parent
D9.13 serait de tester les génotypes résistants des descendances avec une construction de
souche de P. infestans comprenant le gène Avr2.
210
REFERENCES BIBLIOGRAPHIQUES
Références bibliographiques
A
Achenbach U, Paulo J, Ilarionova E, Lübeck J, Strahwald J, Tacke E, Hofferbert H-R, Gebhardt C (2009) Using
SNP markers to dissect linkage disequilibrium at a major quantitative trait locus for resistance to the potato
cyst nematode Globodera pallida on potato chromosome V. TAG Theoretical and Applied Genetics 118:619-
629
Ahmadi N, Albar L, Pressoir G, Pinel A, Fargette D, Ghesquière A (2001) Genetic basis and mapping of the
resistance to rice yellow mottle virus. III. Analysis of QTL efficiency in introgressed progenies confirmed the
hypothesis of complementary epistasis between two resistance QTLs. TAG Theoretical and Applied
Genetics 103:1084-1092
Allen RL, Bittner-Eddy PD, Grenville-Briggs LJ, Meitz JC, Rehmany AP, Rose LE, Beynon JL (2004) Host-
parasite coevolutionary conflict between Arabidopsis and downy mildew. Science 306:1957-1960
Altschul SF, Gish W, Miller W, Myers EW, Lipman DJ (1990) Basic local alignment search tool. Journal of
Molecular Biology 215: 403-410
Andersson B, Sandström M, Strömberg A (1998) Indications of soil borne inoculum of Phytophthora infestans.
Potato Research 41:305-310
Andrivon D, Lucas J-M, Ellisseche D (2003) Development of natural late blight epidemics in pure and mixed plots
of potato cultivars with different levels of partial resistance. Plant Pathology 52:586-594
Arcade A, Labourdette A, Falque M, Mangin B, Chardon F, Charcosset A, Joets J (2004) BioMercator: integrating
genetic maps and QTL towards discovery of candidate genes. Bioinformatics 20:2324 - 2326
Armstrong MR, Whisson SC, Pritchard L, Bos JIB, Venter E, Avrova AO, Rehmany AP, Bähme U, Brooks K,
Cherevach I, Hamlin N, White B, Fraser A, Lord A, Quail MA, Churcher C, Hall N, Berriman M, Huang S,
Kamoun S, Beynon JL, Birch PRJ (2005) An ancestral oomycete locus contains late blight avirulence gene
Avr3a, encoding a protein that is recognized in the host cytoplasm. PNAS Proceedings of the National
Academy of Sciences USA 102:7766-7771
Ashikari M, Sakakibara H, Lin S, Yamamoto T, Takashi T, Nishimura A, Angeles ER, Qian Q, Kitano H, Matsuoka
M (2005) Cytokinin oxidase regulates rice grain production. Science 309:741-745
Asnaghi C, Paulet F, Kaye C, Grivet L, Deu M, Glaszmann JC, D’Hont A (2000) Application of synteny across
Poaceae to determine the map location of a sugarcane rust resistance gene. TAG Theoretical and Applied
Genetics 101:962-969
Asp T, Frei U, Didion T, Nielsen K, Lübberstedt T (2007) Frequency, type, and distribution of EST-SSRs from
three genotypes of Lolium perenne, and their conservation across orthologous sequences of Festuca
arundinacea, Brachypodium distachyon, and Oryza sativa. BMC Plant Biology 7:36
Axelsson T, Shavorskaya O, Lagercrantz U (2001) Multiple flowering time QTLs within several Brassica species
could be the result of duplicated copies of one ancestral gene. Genome 44:856-864
Ayme V, Souche S, Caranta C, Jacquemond M, Chadoeuf J, Palloix A, Moury B (2006) Different mutations in the
3
genome-linked protein VPg of Potato virus Y confer virulence on the Pvr2 resistance in pepper. Molecular
Plant Microbe Interactions 19:557-563
B
Ballini E, Morel J-B, Droc G, Price A, Courtois B, Notteghem J-L, Tharreau D (2008) A Genome-wide meta-
analysis of rice blast resistance genes and quantitative trait Loci provides new insights into partial and
complete resistance. Molecular Plant-Microbe Interactions 21:859-868
Ballvora A, Ercolano MR, Weiss J, Meksem K, Bormann CA, Oberhagemann P, Salamini F, Gebhardt C (2002)
The R1 gene for potato resistance to late blight (Phytophthora infestans) belongs to the leucine
zipper/NBS/LRR class of plant resistance genes. The Plant Journal 30:361-371
Ballvora A, Jocker A, Viehover P, Ishihara H, Paal J, Meksem K, Bruggmann R, Schoof H, Weisshaar B,
Gebhardt C (2007) Comparative sequence analysis of Solanum and Arabidopsis in a hot spot for pathogen
resistance on potato chromosome V reveals a patchwork of conserved and rapidly evolving genome
segments. BMC Genomics 8:112
Barchi L, Bonnet J, Boudet C, Signoret P, Nagy I, Lanteri S, Palloix A, Lefebvre V (2007) A high-resolution, intra-
specific linkage map of pepper (Capsicum annuum L) and selection of reduced recombinant inbred line
subsets for fast mapping. Genome 50: 51-60
Basten CJ, Weir BS, Zeng Z-B (1994) Zmap-a QTL cartographer. Computing Strategies and Software In:
J.S.G.C. Smith, B.J. Benkel,W.F. Chesnais, J.P. Gibson, B.W. Kennedy, E.B. Burnside (Eds.). Proceedings
of the 5th World Congress on Genetics Applied to Livestock Production, Guelph, Ontario, Canada.
211
Published by the Organizing Committee, 5th World Congress on Genetics Applied to Livestock Production
22:65 - 66
Basten CJ, Weir BS, Zeng Z-B (1997) QTL Cartographer: a reference manual and tutorial for QTL mapping, 1.17
edn
Beavis W (1998) QTL analyses: Power, precision, and accuracy. In: Paterson AH (ed) Molecular Dissection of
Complex Traits. CRC Press, Boca Raton, pp 145 -162
Bedo J, Wenzl P, Kowalczyk A, Kilian A (2008) Precision-mapping and statistical validation of quantitative trait loci
by machine learning. BMC Genetics 9:35
Berg A (1926) Tomato late blight and its relation to late blight of potato. In: Experimental Station Bulletin 205.
West Virginia Agriculture. Department, Charleston, WV, U.S.A. p 1-31
Bernardo R (2004) What proportion of declared QTL in plants are false? TAG Theoretical and Applied Genetics
109:419-424
Bhaskar P, Raasch J, Kramer L, Neumann P, Wielgus S, Austin-Phillips S, Jiang J (2008) Sgt1, but not Rar1, is
essential for the RB-mediated broad-spectrum resistance to potato late blight. BMC Plant Biology 8:8
Bhattacharjee S, Hiller NL, Liolios K, Win J, Kanneganti T-D, Young C, Kamoun S, Haldar K (2006) The malarial
host-targeting signal is conserved in the Irish potato famine pathogen. PLoS Pathogens 2:50
Bink M, Uimari P, Sillanpää M, Janss L, Jansen R (2002) Multiple QTL mapping in related plant populations via a
pedigree-analysis approach. TAG Theoretical and Applied Genetics 104:751-762
Bink M, Anderson A, van de Weg W, Thompson E (2008) Comparison of marker-based pairwise relatedness
estimators on a pedigreed plant population. TAG Theoretical and Applied Genetics 117:843-855
Birch PRJ, Rehmany AP, Pritchard L, Kamoun S, Beynon JL (2006) Trafficking arms: oomycete effectors enter
host plant cells. Trends in Microbiology 14:8-11
Bisognin DA, Douches DS, Buszka L, Bryan G, Wang D (2005) Mapping late blight resistance in Solanum
microdontum Bitter. Crop Science 45:340-345
Blanc G, Wolfe KH (2004) Widespread paleopolyploidy in model plant species inferred from age distributions of
duplicate genes. Plant Cell 16:1667-1678
Blanc G, Charcosset A, Mangin B, Gallais A, Moreau L (2006) Connected populations for detecting quantitative
trait loci and testing for epistasis: an application in maize. TAG Theoretical and Applied Genetics 113:206-
224
Bohs L, Olmstead RG (1997) Phylogenetic Relationships in Solanum (Solanaceae) based on ndhF qequences.
Systematic Botany 22(1) : 5-17
Bonnet J, Danan S, Boudet C, Barchi L, Sage-Palloix A-M, Caromel B, Palloix A, Lefebvre V (2007) Are the
polygenic architectures of resistance to Phytophthora capsici and P. parasitica independent in pepper? TAG
Theoretical and Applied Genetics 115:253-264
Borhan MH, Holub EB, Beynon JL, Rozwadowski K, Rimmer SR (2004) The Arabidopsis TIR-NB-LRR gene
RAC1 Confers Resistance to Albugo candida (White Rust) and is Dependent on EDS1 but not PAD4.
Molecular Plant-Microbe Interaction 17:711-719
Bormann CA, Rickert AM, Castillo Ruiz RA, Paal J, Lubeck J, Strahwald J, Buhr K, Gebhardt C (2004) Tagging
quantitative trait loci for maturity-corrected late blight resistance in tetraploid potato with PCR-based
candidate gene markers. Molecular Plant-Microbe Interactions 17:1126-1138
Bost B, de Vienne D, Hospital F, Moreau L, Dillmann C (2001) Genetic and nongenetic bases for the L-shaped
distribution of quantitative trait loci effects. Genetics 157:1773 - 1787
Bouws H, Finckh MR (2008) Effects of strip-intercropping of potatoes with non-hosts on late blight severity and
tuber yield in organic production. Plant Pathology 57: 916-927
Boyd LA, Smith PH, Hart N (2006) Mutants in wheat showing multi-pathogen resistance to biotrophic fungal
pathogens. Plant Pathology 55: 475-484
Bradeen JM, Naess SK, Song J, Haberlach GT, Wielgus SM, Buell CR, Jiang J, Helgeson JP (2003) Concomitant
reiterative BAC walking and fine genetic mapping enable physical map development for the broad-spectrum
late blight resistance region, RB. Molecular Genetics and Genomics 269:603-611
Bradshaw JE, Bryan GJ, Hackett CA, McLean K, Pande B, Stewart HE, Waugh R (2004) Dissection and analysis
of quantitative disease resistance in tetraploid potato. Euphytica 137:13-18
Bradshaw JE, Bryan GJ, Lees AK, McLean K, Solomon-Blackburn RM (2006a) Mapping the R10 and R11 genes
for resistance to late blight (Phytophthora infestans) present in the potato (Solanum tuberosum) R-gene
differentials of Black. TAG Theoretical and Applied Genetics 112:744-751
212
Bradshaw J, Hackett C, Lowe R, McLean K, Stewart H, Tierney I, Vilaro M, Bryan G (2006b) Detection of a
quantitative trait locus for both foliage and tuber resistance to late blight [Phytophthora infestans (Mont.) de
Bary] on chromosome 4 of a dihaploid potato clone (Solanum tuberosum subsp. tuberosum). TAG
Bradshaw J, Dale M, Mackay G (2009) Improving the yield, processing quality and disease and pest resistance of
potatoes by genotypic recurrent selection. Euphytica
Brasier CM (1992) Evolutionary Biology of Phytophthora .1. Genetic system, sexuality and the generation of
variation. Annual Review of Phytopathology 30:153-171
Broglie KE, Butler KH, de Silva Conceicao A, Frey TJ, Hawk JA, Multani DS, Wolters PJCC (2008)
Polynucleotides and methods for making plants resistant to fungal pathogens. E.I. du Pont de Nemours and
Company, Pioneer Hi-Bred International, Inc.; University of Delaware, United States Patent Application
20080022426
Brouwer DJ, Jones ES, St Clair DA (2004) QTL analysis of quantitative resistance to Phytophthora infestans (late
blight) in tomato and comparisons with potato. Genome 47:475-492
Brouwer DJ, St Clair DA (2004) Fine mapping of three quantitative trait loci for late blight resistance in tomato
using near isogenic lines (NILs) and sub-NILs. TAG Theoretical and Applied Genetics 108:628-638
Brueggeman R, Rostoks N, Kudrna D, Kilian A, Han F, Chen J, Druka A, Steffenson B, Kleinhofs A (2002) The
barley stem rust-resistance gene Rpg1 is a novel disease-resistance gene with homology to receptor
kinases. PNAS Proceedings of the National Academy of Sciences USA 99:9328-9333
Bryan GJ, McLean K, Pande B, Purvis A, Hackett CA, Bradshaw JE, Waugh R (2004) Genetical dissection of H3-
mediated polygenic PCN resistance in a heterozygous autotetraploid potato population. Molecular Breeding
14:105-116
Büschges R (1997) The Barley Mlo Gene: A Novel Control Element of Plant Pathogen Resistance. Cell 88 (5) :
695-705
C
Calenge F, Faure A, Goerre M, Gebhardt C, van de Weg WE, Parisi L, Durel CE (2004) Quantitative trait loci
(QTL) analysis reveals both broad-spectrum and isolate-specific QTL for scab resistance in an apple
progeny challenged with eight isolates of Venturia inaequalis. Phytopathology 94:370-379
Calenge F, Drouet D, Denance C, van de Weg WE, Brisset MN, Paulin JP, Durel CE (2005) Identification of a
major QTL together with several minor additive or epistatic QTLs for resistance to fire blight in apple in two
related progenies. TAG Theoretical and Applied Genetics 111:128-135
Calenge F, van der Linden CG, van de Weg E, Schouten HJ, van Arkel G, Denance C, Durel CE (2005)
Resistance gene analogues identified through the NBS-profiling method map close to major genes and QTL
for disease resistance in apple. TAG Theoretical and Applied Genetics 110:660-668
Caranta C, Lefebvre V, Palloix A (1997) Polygenic resistance of pepper to potyviruses consists of a combination
of isolate-specific and broad-spectrum quantitative trait loci. Molecular Plant-Microbe Interactions 10:872-
878
Caromel B, Mugniery D, Lefebvre V, Andrzejewski S, Ellisseche D, Kerlan MC, Rousselle P, Rousselle-Bourgeois
F (2003) Mapping QTLs for resistance against Globodera pallida (Stone) Pa2/3 in a diploid potato progeny
originating from Solanum spegazzinii. TAG Theoretical and Applied Genetics 106:1517-1523
Caromel (2004) Cartographie génétique et étude de QTL conférant la résistance au nématode à kyste Globodera
pallida (Stone) chez la pomme de terre (Solanum tuberosum ssp. tuberosum L.). Thèse de l’université Paris
XI Orsay, soutenue le 6 octobre 2004, 140p
Caromel B, Mugniery D, Kerlan MC, Andrzejewski S, Palloix A, Ellisseche D, Rousselle-Bourgeois F, Lefebvre V
(2005) Resistance quantitative trait loci originating from Solanum sparsipilum act independently on the sex
ratio of Globodera pallida and together for developing a necrotic reaction. Molecular Plant-Microbe
Interactions 18:1186-1194
Castro AJ, Chen XM, Hayes PM, Johnston M (2003) Pyramiding quantitative trait locus (QTL) alleles determining
resistance to barley stripe rust: effects on resistance at the seedling stage. Crop Science 43:651-659
Catanzariti A-M, Dodds PN, Lawrence GJ, Ayliffe MA, Ellis JG (2006) Haustorially expressed secreted proteins
from flax rust are highly enriched for avirulence elicitors. Plant Cell 18:243-256
Cavalier-Smith T (2002) Chloroplast Evolution: Secondary Symbiogenesis and Multiple Losses. Current Biology
12(2): R62-R64
Cavanagh C, Morell M, Mackay I, Powell W (2008) From mutations to MAGIC: resources for gene discovery,
validation and delivery in crop plants. Current Opinion in Plant Biology 11:215-221
213
Ceccarelli S, Grando S, Tutwiler R, Baha J, Martini AM, Salahieh H, Goodchild A, Michael M (2000) A
methodological study on participatory barley breeding I. Selection phase. Euphytica 111:91-104
Charcosset A, Mangin B, Moreau L, Combes L, Jourjon M-F, Gallais A (2001) Heterosis in maize investigated
using connected RIL populations. Quantitative genetics and breeding methods: the way ahead. Les
colloques no 96, INRA Editions, Paris.
Chardon F, Virlon B, Moreau L, Falque M, Joets J, Decousset L, Murigneux A, Charcosset A (2004) Genetic
architecture of flowering time in maize as inferred from quantitative trait loci meta-analysis and synteny
conservation with the rice genome. Genetics 168:2169 - 2185
Charmet G, Robert N, Perretant MR, Gay G, Sourdille P, Groos C, Bernard S, Bernard M (1999) Marker-assisted
recurrent selection for cumulating additive and interactive QTLs in recombinant inbred lines. TAG
Chunwongse J, Chunwongse C, Black L, Hanson P (1998) Mapping of the Ph-3 gene for late blight from L.
pimpinellifolium L3708. TGC Report 48 In: TGC Tomato Genetic Cooperative Research Report pp.13-14
Chen H, Wang S, Xing Y, Xu C, Hayes PM, Zhang Q (2003) Comparative analyses of genomic locations and race
specificities of loci for quantitative resistance to Pyricularia grisea in rice and barley. PNAS 100:2544-2549
Chen X, Salamini F, Gebhardt C (2001) A potato molecular-function map for carbohydrate metabolism and
transport. TAG Theoretical and Applied Genetics 102:284-295
Chen C, Bowman K, Choi Y, Dang P, Rao M, Huang S, Soneji J, McCollum T, Gmitter F (2008) EST-SSR genetic
maps for Citrus sinensis and Poncirus trifoliata. Tree Genetics and Genomes 4:1-10
Choi H-K, Luckow M, Doyle J, Cook D (2006) Development of nuclear gene-derived molecular markers linked to
legume genetic maps. Molecular Genetics and Genomics 276:56-70
Christiansen MJ, Feenstra B, Skovgaard IM, Andersen SB (2006) Genetic analysis of resistance to yellow rust in
hexaploid wheat using a mixture model for multiple crosses. TAG Theoretical and Applied Genetics
112:581-591
Collard B, Jahufer M, Brouwer J, Pang E (2005) An introduction to markers, quantitative trait loci (QTL) mapping
and marker-assisted selection for crop improvement: The basic concepts. Euphytica 142:169-196
Collins A, Milbourne D, Ramsay L, Meyer R, Chatot-Balandras C, Oberhagemann P, De Jong W, Gebhardt C,
Bonnel E, Waugh R (1999) QTL for field resistance to late blight in potato are strongly correlated with
maturity and vigour. Molecular Breeding 5:387-398
Colon LT, Turkensteen LJ, Prummel W, Budding DJ, Hoogendoorn J (1995) Durable resistance to late blight
(Phytophthora infestans) in old potato cultivars. European Journal of Plant Pathology 101:387-397
Colon LT, Nielsen BJ, U. D (2004) Eucablight protocol - Field test for foliage blight resistance.
Cooke DEL, Drenth A, Duncan JM, Wagels G, Brasier CM (2000) A molecular phylogeny of Phytophthora and
related oomycetes. Fungal Genetics and Biology 30:17-32
Coque M, Martin A, Veyrieras J, Hirel B, Gallais A (2008) Genetic variation for N-remobilization and postsilking N-
uptake in a set of maize recombinant inbred lines. 3. QTL detection and coincidences. TAG Theoretical and
Applied Genetics 117:729-747
Coram T, Settles M, Wang M, Chen X (2008) Surveying expression level polymorphism and single-feature
polymorphism in near-isogenic wheat lines differing for the Yr5 stripe rust resistance locus. TAG Theoretical
and Applied Genetics 117:401-411
Corbière R, Trémoulet F, Lucas J, Pellé R, Ellisseche D, Andrivon D (2002) Dissection de la résistance partielle
au mildiou de cultivars anciens de pomme de terre Journées Jean Chevaugeon : IVe rencontres de
phytopathologie - mycologie Aussois, France
Corpet F (1988) Multiple sequence alignment with hierarchical clustering Nucleic Acids Research, 16, 10881-
10890 (Multalin, http://bioinfo.genotoul.fr/multalin/multalin.html)
Costanzo S, Simko I, Christ BJ, Haynes KG (2005) QTL analysis of late blight resistance in a diploid potato family
of Solanum phureja x S. stenotomum. TAG Theoretical and Applied Genetics 111:609-617
Crépieux S, Lebreton C, Servin B, Charmet G (2004) Quantitative Trait Loci (QTL) detection in multicross inbred
designs: recovering QTL identical-by-descent status Iiformation from marker data. Genetics 168:1737-1749
Crépieux S, Lebreton C, Flament P, Charmet G (2005) Application of a new IBD-based QTL mapping method to
common wheat breeding population: analysis of kernel hardness and dough strength. TAG Theoretical and
214
D
D’Arcy WG (1991) The Solanaceae since 1976, with a review of its biogeography. In: Solanaceae III: taxonomy,
chemistry, evolution, Bogota, Columbia, 25-30 1988. Hawkes JG, Lester RN, Nee M, Estrada R (eds.) Royal
Botanic Gardens for the Linnean Society of London, Kew, U.K. pp 75-137
Dangl JL, Ritter C, Gibbon MJ, Mur LAJ, Wood JR, Goss S, Mansfield J, Taylor JD, Vivian A (1992) Functional
homologs of the Arabidopsis RPM1 disease resistance gene in bean and pea. Plant Cell 4:1359-1369
Dangl JL (2007) PLANT SCIENCE: Nibbling at the Plant Cell Nucleus. Science 315:1088-1089
Darvasi A, Weinreb A, Minke V, Weller JI, Soller M (1993) Detecting marker-QTL linkage and estimating QTL
gene effect and map location using a saturated genetic map. Genetics 134:943-951
Darvasi A, Soller M (1995) Advanced Intercross Lines, an experimental population for fine genetic mapping.
Genetics 141:1199-1207
Datema E, Mueller L, Buels R, Giovannoni J, Visser R, Stiekema W, van Ham R (2008) Comparative BAC end
sequence analysis of tomato and potato reveals overrepresentation of specific gene families in potato. BMC
Plant Biology 8:34
Dean JD, Goodwin PH, Hsiang T (2005) Induction of glutathione S-transferase genes of Nicotiana benthamiana
following infection by Colletotrichum destructivum and C. orbiculare and involvement of one in resistance.
Journal of Experimental Botany 56:1525-1533
Decroocq V, Foulongne M, Lambert P, Gall O, Mantin C, Pascal T, Schurdi-Levraud V, Kervella J (2005)
Analogues of virus resistance genes map to QTLs for resistance to sharka disease in Prunus davidiana.
Molecular Genetics and Genomics 272:680-689
de Givry S, Bouchez M, Chabrier P, Milan D, Schiex T (2004) CARHTAGENE: multipopulation integrated genetic
and radiated hybrid mapping. Bioinformatics:bti222
Djian-Caporalino C, Pijarowski L, Fazari A, Samson M, Gaveau L, O'Byrne C, Lefebvre V, Caranta C, Palloix A,
Abad P (2001) High-resolution genetic mapping of the pepper (Capsicum annuum L.) resistance loci Me-3
and Me-4 conferring heat-stable resistance to root-knot nematodes (Meloidogyne spp.). TAG Theoretical
Doganlar S, Frary A, Daunay MC, Lester RN, Tanksley SD (2002a) A comparative genetic linkage map of
eggplant (Solanum melongena) and its implications for genome evolution in the Solanaceae. Genetics
161:1697-1711
Doganlar S, Frary A, Daunay MC, Lester RN, Tanksley SD (2002b) Conservation of gene function in the
Solanaceae as revealed by comparative mapping of domestication traits in eggplant. Genetics 161:1713-
1726
Dorrance AE, Inglis DA (1997) Assessment of greenhouse and laboratory screening methods for evaluating
potato foliage for resistance to late blight. Plant Disease 81:1206-1213
Douches D, Kirk W, Bertram M, Coombs J, Niemira B (2002) Foliar and tuber assessment of late blight
(Phytophthora infestans (Mont.) de Bary) reaction in cultivated potato (Solanum tuberosum L.). Potato
Research 45:215-224
Dowkiw A, Husson C, Frey P, Pinon J, Bastien C (2003) Partial resistance to Melampsora larici-populina leaf rust
in hybrid poplars: genetic variability in inoculated excised leaf disk bioassay and relationship with complete
resistance. Phytopathology 93:421-427
Dowkiw A, Bastien C (2004) Characterization of two major genetic factors controlling quantitative resistance to
Melampsora larici-populina leaf rust in hybrid poplars: strain specificity, field expression, combined effects,
and relationship with a defeated qualitative resistance gene. Phytopathology 94:1358-1367
Doyle JJ, Doyle JL (1990) Isolation of plant DNA from fresh tissue. BRL Focus 12:13–15
Drouin G, Dover GA (1990) Independent gene evolution in the potato actin gene family demonstrated by
phylogenetic procedures for resolving gene conversions and the phylogeny of angiosperm actin genes.
Journal of Molecular Evolution 31:132-150
Druka A, Potokina E, Luo Z, Bonar N, Druka I, Zhang L, Marshall D, Steffenson B, Close T, Wise R, Kleinhofs A,
Williams R, Kearsey M, Waugh R (2008) Exploiting regulatory variation to identify genes underlying
quantitative resistance to the wheat stem rust pathogen Puccinia graminis f. sp. tritici in barley. TAG
215
E
El-Kharbotly A, Leonards-Schippers C, Huigen DJ, Jacobsen E, Pereira A, Stiekema WJ, Salamini F, Gebhardt C
(1994) Segregation analysis and RFLP mapping of the R1 and R3 alleles conferring race-specific resistance
to Phytophthora infestans in progeny of dihaploid potato parents. Molecular Genetics and Genomics
(Historical Archive) 242:749-754
Ellis J (2006) Insights into nonhost disease resistance: Can they assist disease control in agriculture? Plant Cell
18:523-528
Erwin DC, Ribeiro OK (1996) Phytophthora Diseases Worldwide. American Phytopathological Society, St. Paul,
MN, U.S.A
Eshed Y, Zamir D (1995) An introgression line population of Lycopersicon pennellii in the cultivated tomato
enables the identification and fine mapping of yield-associated QTL. Genetics 141:1147-1162
Ewing EE, Simko I, Smart CD, Bonierbale MW, Mizubuti ESG, May GD, Fry WE (2000) Genetic mapping from
field tests of qualitative and quantitative resistance to Phytophthora infestans in a population derived from
Solanum tuberosum and Solanum berthaultii. Molecular Breeding 6:25-36
F
Fay J, Fry W (1997) Effects of hot and cold temperatures on the survival of oospores produced by United States
strains of Phytophthora infestans. American Journal of Potato Research 74:315-323
Feingold S, Lloyd J, Norero N, Bonierbale M, Lorenzen J (2005) Mapping and characterization of new EST-
derived microsatellites for potato (Solanum tuberosum L.). TAG Theoretical and Applied Genetics 111:456-
466
Feltus FA, Singh HP, Lohithaswa HC, Schulze SR, Silva TD, Paterson AH (2006) A comparative genomics
strategy for targeted discovery of single-nucleotide polymorphisms and conserved-noncoding sequences in
orphan crops. Plant Physiology 140:1183-1191
Finckh M (2008) Integration of breeding and technology into diversification strategies for disease control in
modern agriculture. European Journal of Plant Pathology 121:399-409
Flemming RA, Person CO (1978) Disease control through use of multilines: A theoretical contribution.
Phytopathology 68: 1230-1233
Flier WG, Kroon LPNM, Hermansen A, van Raaij HMG, Speiser B, Tamm L, Fuchs JG, Lambion J, Razzaghian J,
Andrivon D, Wilcockson S, Leifert C (2007) Genetic structure and pathogenicity of populations of
Phytophthora infestans from organic potato crops in France, Norway, Switzerland and the United Kingdom.
Plant Pathology 56:562-572
Flor HH (1971) Current status of the gene-for-gene concept. Annual Review of Phytopathology 9:275-296
Foolad M (2007) Genome mapping and molecular breeding of tomato. International Journal of Plant Genomics
:52
Foote T, Roberts M, Kurata N, Sasaki T, Moore G (1997) Detailed comparative mapping of cereal chromosome
regions corresponding to the Ph1 locus in wheat. Genetics 147:801-807
Foster SJ, Park T-H, Pel M, Brigneti G, Åšliwka J, Jagger L, van der Vossen E, Jones JDG (2009) Rpi-vnt1.1, a
2
Tm-2 homolog from Solanum venturii, confers resistance to potato late blight. Molecular Plant-Microbe
Interactions 22:589-600
Fourmann M, Barret P, Froger N, Baron C, Charlot F, Delourme R, Brunel D (2002) From Arabidopsis thaliana to
Brassica napus: development of amplified consensus genetic markers (ACGM) for construction of a gene
map. TAG Theoretical and Applied Genetics 105:1196-1206
Frary A, Graham E, Jacobs J, Chetelat RT, Tanksley SD (1998) Identification of QTL for late blight resistance
from L. pimpinellifolium L3708. TGC Report 48 In: TGC Tomato Genetic Cooperative Research Report
pp.19-21
Frary A, Xu Y, Liu J, Mitchell S, Tedeschi E, Tanksley S (2005) Development of a set of PCR-based anchor
markers encompassing the tomato genome and evaluation of their usefulness for genetics and breeding
experiments. TAG Theoretical and Applied Genetics 111:291-312
Fredslund J, Madsen LH, Hougaard BK, Nielsen AM, Bertioli D, Sandal N, Stougaard J, Schauser L (2006) A
general pipeline for the development of anchor markers for comparative genomics in plants. BMC Genomics
7:(14 August 2006)
Fridman E, Carrari F, Liu Y-S, Fernie AR, Zamir D (2004) Zooming in on a quantitative trait for tomato yield using
interspecific introgressions. Science 305:1786-1789
216
Fry WE, Goodwin SB, Dyer AT, Matuszak JM, Drenth A, Tooley PW, Sujkowski LS, Koh YJ, Cohen BA, Spielman
LJ, Deahl KL, Inglis DA, Sandlan KP (1993) Historical and recent migrations of Phytophthora infestans -
Chronology, pathways and implications. Plant Disease 77:653-661
Fry WE, Goodwin SB (1997) Resurgence of the Irish potato famine fungus. Bioscience 47:363-371
Fry W (2008) Phytophthora infestans: the plant (and R gene) destroyer. Molecular Plant Pathology 9:385-402
Fu J, Swertz MA, Keurentjes JJB, Jansen RC (2007) MetaNetwork: a computational protocol for the genetic study
of metabolic networks. Nature Protocols 2 : 685 - 694
Fu D, Uauy C, Distelfeld A, Blechl A, Epstein L, Chen X, Sela H, Fahima T, Dubcovsky J (2009) A Kinase-START
gene confers temperature-dependent resistance to wheat stripe rust. Science 323:1357-1360
Fukuoka S, Okuno K (2001) QTL analysis and mapping of Pi21, a recessive gene for field resistance to rice blast
in Japanese upland rice. TAG Theoretical and Applied Genetics 103:185-190
Fulton TM, van der Hoeven R, Eannetta NT, Tanksley SD (2002) Identification, analysis, and utilization of
conserved ortholog set markers for comparative genomics in higher plants. Plant Cell 14:1457-1467
G
Gale MD, Devos KM (1998) Comparative genetics in the grasses 10.1073/pnas.95.5.1971. PNAS Proceedings of
the National Academy of Sciences USA 95:1971-1974
Gallego F, Feuillet C, Messmer M, Penger A, Graner A, Yano M, Sasaki T, Keller B (1998) Comparative mapping
of the two wheat leaf rust resistance loci Lr1 and Lr10 in rice and barley. Genome 41:328-336
García-Arenal F, McDonald B (2003) An analysis of the durability of resistance to plant viruses. Analytical and
Theoretical Plant Pathology 93:941-952
Garrett KA, Mundt CC (2000) Host diversity can reduce potato late blight severity for focal and general patterns of
primary inoculum. Phytopathology 90:1307-1312
Gebhardt C, Blomendahl C, Schachtschabel U, Debener T, Salamini F, Ritter E (1989) Identification of 2n
breeding lines and 4n varieties of potato (Solanum tuberosum, ssp. tuberosum) with RFLP-fingerprints. TAG
Gebhardt C, Ritter E, Barone A, Debener T, Walkemeier B, Schachtschabel U, Kaufmann H, Thompson RD,
Bonierbale MW, Ganal MW, Tanksley SD, Salamini F (1991) RFLP maps of potato and their alignment with
the homoeologous tomato genome. TAG Theoretical and Applied Genetics 83:49-57
Gebhardt C (1994) RFLP mapping in potato of qualitative and quantitative genetic loci conferring resistance to
potato pathogens. American Journal of Potato Research 71:339-345
Gebhardt C, Valkonen JPT (2001) Organization of genes controlling disease resistance in the potato genome.
Annual Review of Phytopathology 39:79-102
Gebhardt C, Walkemeier B, Henselewski H, Barakat A, Delseny M, Stuber K (2003) Comparative mapping
between potato (Solanum tuberosum) and Arabidopsis thaliana reveals structurally conserved domains and
ancient duplications in the potato genome. The Plant Journal 34:529-541
Gebhardt C, Ballvora A, Walkemeier B, Oberhagemann P, Schuler K (2004) Assessing genetic potential in
germplasm collections of crop plants by marker-trait association: a case study for potatoes with quantitative
variation of resistance to late blight and maturity type. Molecular Breeding 13:93 - 102
Ghislain M, Spooner DM, Rodríguez F, Villamón F, Núñez J, Vásquez C, Waugh R, Bonierbale M (2004)
Selection of highly informative and user-friendly microsatellites (SSRs) for genotyping of cultivated potato.
TAG Theoretical and Applied Genetics
Ghislain M, Trognitz B, Herrera MD, Solis J, Casallo G, Vasquez C, Hurtado O, Castillo R, Portal L, Orrillo M
(2001) Genetic loci associated with field resistance to late blight in offspring of Solanum phureja and S.
tuberosum grown under short-day conditions. TAG Theoretical and Applied Genetics 103:433-442
Ghislain M, Núñez J, del Rosario Herrera M, Pignataro J, Guzman F, Bonierbale M, Spooner D (2009) Robust
and highly informative microsatellite-based genetic identity kit for potato. Molecular Breeding 23:377-388
Glais I, Corbière R (2005) Inoculation en conditions contrôlées de folioles détachées de pomme de terre, pour
déterminer l'agressivité et la virulence d'isolats de Phytophthora infestans. Cahier des Techniques de
l'INRA, pp 143-152
Glendinning D (1989) Late blight resistance in the British Neo-Tuberosum potato population. Potato Research
32:321-330
Goffinet B, Gerber S (2000) Quantitative trait loci: a meta-analysis. Genetics 155:463 - 473
217
Gonzales MD, Archuleta E, Farmer A, Gajendran K, Grant D, Shoemaker R, Beavis WD, Waugh ME (2005) The
Legume Information System (LIS): an integrated information resource for comparative legume biology.
Nuclear Acids Research 33:D660-665
Goodwin S, Spielman L, Matuszak J, Bergeron S, Fry W (1992) Clonal diversity and genetic differentiation of
Phytophthora infestans populations in Northern and Central Mexico. The American Phytopathological
Society 82
Goodwin SB (1997) The Population Genetics of Phytophthora. Phytopathology 87:462-473
Govers F, Gijzen M (2006) Phytophthora genomics: the Plant destroyers' genome decoded. Molecular Plant-
Microbe Interactions 19:1295-1301
Grattapaglia D, Sederoff R (1994) Genetic linkage maps of Eucalyptus grandis and Eucalyptus urophylla using a
pseudo-testcross: mapping strategy and RAPD Markers. Genetics 137:1121-1137
Griffiths S, Sharp R, Foote TN, Bertin I, Wanous M, Reader S, Colas I, Moore G (2006) Molecular
characterization of Ph1 as a major chromosome pairing locus in polyploid wheat. Nature (London) 439:749-
752
Grube RC, Radwanski ER, Jahn M (2000) Comparative genetics of disease resistance within the solanaceae.
Grünwald NJ, Romero Montes G, Lozoya Saldaña H, Rubio Covarrubias OA, Fry WE (2002) Potato Late Blight
Management in the Toluca Valley: Field validation of SimCast modified for cultivars with high field
resistance. Plant disease 86 (10):1163-1168
Grunwald NJ, Flier WG (2005) The biology of Phytophthora infestans at its center of origin. Annual Review of
Phytopathology 43:171-190
Guo B, Sleper DA, Lu P, Shannon JG, Nguyen HT, Arelli PR (2006) QTLs associated with resistance to soybean
cyst nematode in soybean: Meta-Analysis of QTL Locations. Crop Sci 46:595-602
H
Hanocq E, Laperche A, Jaminon O, Lainé A, Le Gouis J (2007) Most significant genome regions involved in the
control of earliness traits in bread wheat, as revealed by QTL meta-analysis. TAG Theoretical and Applied
Hanson P, Bernacchi D, Green S, Tanksley S, Muniyappa V, Padmaja A, Chen H, Kuo G, Fang D, Chen J (2000)
Mapping a wild tomato introgression associated with tomato yellow leaf curl virus resistance in a cultivated
tomato line. American Society for Horticultural Science Journal 125:15-20
Hardham AR, Takemoto D (2006) Dynamic subcellular responses in plants during interactions with fungi and
Oomycetes. Proceedings of the XII International Congress on Molecular Plant-Microbe Interactions:70 - 79
Hardham AR, Jones DA, Takemoto D (2007) Cytoskeleton and cell wall function in penetration resistance.
Current Opinion Plant Biology 10:342 - 348
Hardham A, Takemoto D, White R (2008) Rapid and dynamic subcellular reorganization following mechanical
stimulation of Arabidopsis epidermal cells mimics responses to fungal and oomycete attack. BMC Plant
Biology 8:63
Haverkort A, Boonekamp P, Hutten R, Jacobsen E, Lotz L, Kessel G, Visser R, van der Vossen E (2008) Societal
costs of late blight in potato and prospects of durable resistance through cisgenic modification. Potato
Research 51:47-57
Hawkes JG (1990) The potato, evolution, biodiversity and genetic resource. Belhaven Press, London, 259 p.
Heffner EL, Sorrells ME, Jannink J-L (2009) Genomic selection for crop improvement. Crop Science 49:1–12
Hein I, McLean K, Boulos C, Bryan GJ (2007) Generation and screening of a BAC library from a diploid potato
clone to unravel durable late blight resistance on linkage group IV. International Journal of Plant Genomics
Volume 2007, Article ID 51421, 5 pages doi:10.1155/2007/51421
Hendre P, Phanindranath R, Annapurna V, Lalremruata A, Aggarwal R (2008) Development of new genomic
microsatellite markers from robusta coffee (Coffea canephora Pierre ex A. Froehner) showing broad cross-
species transferability and utility in genetic studies. BMC Plant Biology 8:51
Hiller N, Fritz-Wolf K, Deponte M, Wende W, Zimmermann H, Becker K (2006) Plasmodium falciparum
glutathione S-transferase—Structural and mechanistic studies on ligand binding and enzyme inhibition. The
Protein Science 15(2): 281–289.
Hohl H, Iselin K (1984) Strains of Phytophthora infestans from Switzerland with A2 mating type behaviour.
Transactions of the British Mycological Society 83:529-530
218
Holland JB (2007) Genetic architecture of complex traits in plants. Current Opinion in Plant Biology 10:156-161
Hospital F, Moreau L, Lacoudre F, Charcosset A, Gallais A (1997) More on the efficiency of marker-assisted
selection. TAG Theoretical and Applied Genetics 95:1181-1189
Hospital F (2002). Marker-assisted backcross breeding: a case-study in genotype building theory. In Quantitative
Genetics, Genomics, and Plant Breeding, M.S. Kang, ed (Wallingford, UK: CABI Publishing), pp. 135-141
Hospital F (2008) Challenges for effective marker-assisted selection in plants. Genetica
Huang SW, van der Vossen EAG, Kuang HH, Vleeshouwers V, Zhang NW, Borm TJA, van Eck HJ, Baker B,
Jacobsen E, Visser RGF (2005) Comparative genomics enabled the isolation of the R3a late blight
resistance gene in potato. The Plant Journal 42:251 - 261
Hugot K, Riviere M-P, Moreilhon C, Dayem MA, Cozzitorto J, Arbiol G, Barbry P, Weiss C, Galiana E (2004)
Coordinated regulation of genes for secretion in tobacco at late developmental stages: association with
resistance against Oomycetes. Plant Physiology 134:858-870
I
Isidore E, van Os H, Andrzejewski S, Bakker J, Barrena I, Bryan GJ, Caromel B, van Eck H, Ghareeb B, de Jong
W, van Koert P, Lefebvre V, Milbourne D, Ritter E, van der Voort JR, Rousselle-Bourgeois F, van Vliet J,
Waugh R (2003) Toward a marker-dense meiotic map of the potato genome: lessons from linkage group I.
Genetics 165:2107-2116
Islam MR, Shepherd KW (1991) Present status of genetics of rust resistance in flax. Euphytica 55:255-267
J
Jacobs MMJ, van den Berg RG, Vleeshouwers VGAA , Visser M, Mank R, Sengers M, Hoekstra R, Vosman B
(2008) AFLP analysis reveals a lack of phylogenetic structure within Solanum section Petota. BMC
Evolutionary Biology 8:145
Jahn M, Paran I, Hoffmann K, Radwanski ER, Livingstone KD, Grube RC, Aftergoot E, Lapidot M, Moyer J (2000)
Genetic mapping of the Tsw locus for resistance to the Tospovirus Tomato spotted wilt virus in Capsicum
spp. and its relationship to the Sw-5 gene for resistance to the same pathogen in tomato. Molecular Plant-
James WC (1971) An illustrated series of assessment keys for plant diseases, their preparation and usage.
Canadian Plant Disease Survey 51:39-65
Jansen RC (1993) Interval mapping of multiple quantitative trait loci. Genetics 135:205 - 211
Jansen JPA (1996) Aphid resistance in composites. International application published under the patent
cooperation treaty (PCT) No.WO 97/46080
Jansen R, Nap JP (2001) Genetical genomics: the added value from segregation. Trends in Genetics 17 : 388–
391
Janzac (2008) Risques de contournement et stratégies de gestion durable des résistances aux potyvirus chez le
piment. Thèse SupAgro Montpellier, soutenue le 19 novembre 2008, 140p.
Jiang R, Weide R, Vondervoort P, Govers F (2006) Amplification generates modular diversity at an avirulence
locus in the pathogen Phytophthora. Genome Research 16:827-840
Johnson R (1979) The concept of durable resistance. Phytopathology 69:198-199
Johnson R (1981) Durable resistance: definition of, genetic control and attainment in plant breeding.
Johnson R (2000) Classical plant breeding for durable resistance to diseases Journal of Plant Pathology 82:3-7
Jourjon M-F, Jasson S, Marcel J, Ngom B, Mangin B (2005) MCQTL: multi-allelic QTL mapping in multi-cross
design. Bioinformatics 21:128-130
Judelson HS, Blanco FB (2005) The spores of Phytophthora: weapons of the plant destroyer Nature Reviews
Microbiology 3 :47-58
K
Kao C-H, Zeng ZB, Teasdale R (1999) Multiple interval mapping for quantitative trait loci. Genetics (152) : 1203-
1216
Kamoun S, Hraber P, Sobral B, Nuss D, Govers F (1999) Initial assessment of gene diversity for the oomycete
pathogen Phytophthora infestans based on expressed sequences. Fungal Genetics and Biology 28:94-106
219
Kamoun S (2006) A catalogue of the effector secretome of plant pathogenic Oomycetes. Annual Review of
Kato M, Mizubuti ES, Goodwin SB, Fry WE (1997) Sensitivity to protectant fungicides and pathogenic fitness of
clonal lineages of Phytophthora infestans in the United States. Phytopathology 87:973-978
Kearsey M, Farquhar A (1998) QTL analysis in plants; where are we now? Heredity 80:137- 142
Keller B, Feuillet C (2000) Colinearity and gene density in grass genomes. Trends in Plant Science 5:246-251
Kim H-J, Nahm S-H, Lee H-R, Yoon G-B, Kim K-T, Kang B-C, Choi D, Kweon O, Cho M-C, Kwon J-K, Han J-H,
Kim J-H, Park M, Ahn J, Choi S, Her N, Sung J-H, Kim B-D (2008) BAC-derived markers converted from
RFLP linked to Phytophthora capsici resistance in pepper (Capsicum annuum L.). TAG Theoretical and
Kliebenstein D (2009) Quantitative genomics: analyzing intraspecific variation using global gene expression
polymorphisms or eQTLs. Annual Review of Plant Biology 60:93-114
Koch MA, Matschinger M (2007) Evolution and genetic differentiation among relatives of Arabidopsis thaliana
10.1073/pnas.0701338104. PNAS Proceedings of the National Academy of Sciences USA 104:6272-6277
Kole C, Quijada P, Michaels SD, Amasino RM, Osborn TC (2001) Evidence for homology of flowering-time genes
VFR2 from Brassica rapa and FLC from Arabidopsis thaliana. TAG Theoretical Applied Genetics 102:425-
430
Krattinger SG, Lagudah ES, Spielmeyer W, Singh RP, Huerta-Espino J, McFadden H, Bossolini E, Selter LL,
Keller B (2009) A putative ABC transporter confers durable resistance to multiple fungal pathogens in wheat.
Science 323:1360-1363
Kreike CM, Dekoning JRA, Vinke JH, vanooijen JW, Gebhardt C, Stiekema WJ (1993) Mapping of loci involved in
quantitatively inherited resistance to the potato cyst-nematode Globodera rostochiensis pathotype-Ro1. TAG
Kreike CM, Dekoning JRA, Vinke JH, vanooijen JW, Stiekema WJ (1994) Quantitatively-inherited resistance to
Globodera pallida is dominated by one major locus in Solanum spegazzinii. TAG Theoretical and Applied
Genetics 88:764-769
Kroymann J, Mitchell-Olds T (2005) Epistasis and balanced polymorphism influencing complex trait variation.
Nature 435:95-98
Ku HM, Vision T, Liu J, Tanksley SD (2000) Comparing sequenced segments of the tomato and Arabidopsis
genomes: large-scale duplication followed by selective gene loss creates a network of synteny. PNAS
Proceedings of the National Academy of Sciences USA 97:9121-9126
Kuang H, Woo S-S, Meyers BC, Nevo E, Michelmore RW (2004) Multiple genetic processes result in
heterogeneous rates of evolution within the major cluster disease resistance genes in lettuce. Plant Cell
16:2870-2894
Kuang HH, Wei FS, Marano MR, Wirtz U, Wang XX, Liu J, Shum WP, Zaborsky J, Tallon LJ, Rensink W, Lobst S,
Zhang PF, Tornqvist CE, Tek A, Bamberg J, Helgeson J, Fry W, You F, Luo MC, Jiang JM, Buell CR, Baker
B (2005) The R1 resistance gene cluster contains three groups of independently evolving, type I R1
homologues and shows substantial structural variation among haplotypes of Solanum demissum. The Plant
Journal 44:37-51
Kuhl, Hanneman, Havey (2001) Characterization and mapping of Rpi1, a late-blight resistance locus from diploid
(1EBN) Mexican Solanum pinnatisectum. Molecular Genetics and Genomics 265:977-985
L
Lagercrantz U, Lydiate DJ (1996) Comparative genome mapping in brassica. Genetics 144:1903-1910
Lambert D, Currier A (1997) Differences in tuber rot development for North American clones of Phytophthora
infestans. American Journal of Potato Research 74:39-43
Lander R, Thompson R (1990) Efficiency of marker-assisted selection in the improvement of quantitative traits.
Genetics 124 : 743–756.
Lander ES, Green P, Abrahamson J, Barlow A, Daly MJ, Lincoln SE, Newburg L (1987) MAPMAKER: an
interactive computer package for constructing primary genetic linkage maps of experimental and natural
populations. Genomics 1:174-181
Lander ES, Botstein D (1989) Mapping Mendelien factors underlying quantitative traits using RFLP linkage maps.
Genetics 121:185 - 199
220
2
Lanfermeijer FC, Warmink J, Hille J (2005) The products of the broken Tm-2 and the durable Tm-2 resistance
genes from tomato differ in four amino acids. Journal of Experimental Botany 2005 56(421) : 2925-2933
La Rota M, Kantety R, Yu J-K, Sorrells M (2005) Non random distribution and frequencies of genomic and EST-
derived microsatellite markers in rice, wheat, and barley. BMC Genomics 6:23
Latijnhouwers M, de Wit PJGM, Govers F (2003) Oomycetes and fungi: similar weaponry to attack plants. Trends
in Microbiology 11:462-469
Laurie CC, Chasalow SD, LeDeaux JR, McCarroll R, Bush D, Hauge B, Lai C, Clark D, Rocheford TR, Dudley JW
(2004) The genetic architecture of response to long-term artificial selection for oil concentration in the maize
kernel. Genetics 168:2141-2155
Leach JE, Cruz CMV, Bai JF, Leung H (2001) Pathogen fitness penalty as a predictor of durability of disease
resistance genes. Annual Review of Phytopathology 39:187-224.
Lecomte L, Duffé P, Buret M, Servin B, Hospital F, Causse M (2004) Marker-assisted introgression of five QTLs
controlling fruit quality traits into three tomato lines revealed interactions between QTLs and genetic
backgrounds. TAG Theoretical and Applied Genetics 109:658-668
Lecoq H, Moury B, Desbiez C, Palloix A, Pitrat M (2004) Durable virus resistance in plants through conventional
approaches : a challenge. Virus Research 100(1): 31-39
Lefebvre V, Chèvre AM (1995) Tools for marking plant disease and pest resistance genes - a review. Agronomie
15:3-19
Lefebvre V, Palloix A, Caranta C, Pochard E (1995) Construction of an Intraspecific Integrated Linkage Map of
Pepper Using Molecular Markers and Doubled Haploid Progenies. Genome 38:112-121
Lefebvre V, Palloix A (1996) Both epistatic and additive effects of QTLs are involved in polygenic induced
resistance to disease: A case study, the interaction pepper - Phytophthora capsici Leonian. TAG Theoretical
Lefebvre V, Pflieger S, Thabuis A, Caranta C, Blattes A, Chauvet JC, Daubèze AM, Palloix A (2002) Towards the
saturation of the pepper linkage map by alignment of three intraspecific maps including known-function
genes. Genome 45:839-854
Lefebvre V, Daubèze AM, van der Voort JR, Peleman J, Bardin M, Palloix A (2003) QTLs for resistance to
powdery mildew in pepper under natural and artificial infections. TAG Theoretical and Applied Genetics:661-
666
Le Guen V, Garcia D, Mattos CRR, Doaré F, Lespinasse D, Seguin M (2007) Bypassing of a polygenic
Microcyclus ulei resistance in rubber tree, analyzed by QTL detection. New Phytologist 173:335-345
Leister D, Ballvora A, Salamini F, Gebhardt C (1996) A PCR−based approach for isolating pathogen resistance
genes from potato with potential for wide application in plants. Nature Genetics 14, 421-429
Leister D, Kurth J, Laurie DA, Yano M, Sasaki T, Devos K, Graner A, Schulze-Lefert P (1998) Rapid
reorganization of resistance gene homologues in cereal genomes. Proceedings of the National Academy of
Sciences USA 95:370-375
Li Guangjun Li Henan Cheng Liguo Wang Xia Zhang Yuanming (2009) Multiple interval mapping should be widely
applied in mapping quantitative trait loci. SciencePaper online
http://www.paper.edu.cn/en/paper.php?serial_number=200902-786
Lincoln S, Daly M, Lander E (1993a) Constructing genetic linkage maps with MAPMAKER/EXP. Version 3.0.
Whitehead Institute for Biomedical Research Technical Report, 3rd Edn.
Lincoln SE, Daly MJ, Lander ES (1993b) Mapping genes controlling quantitative traits using MAPMAKER/QTL
version 1.1: A tutorial and reference manual. 2nd ed. Whitehead Institute for Biometrical Research,
Cambridge, MA.
Lindhout P (2002) The perspectives of polygenic resistance in breeding for durable disease resistance. Euphytica
124:217-226
Leonards-Schippers C, Gieffers W, Schaferpregl R, Ritter E, Knapp SJ, Salamini F, Gebhardt C (1994)
Quantitative resistance to Phytophthora infestans in potato-a case-study for QTL mapping in an allogamous
plant-species. Genetics 137:67-77
Livingstone KD, Lackney VK, Blauth JR, van Wijk R, Jahn MK (1999) Genome mapping in Capsicum and the
evolution of genome structure in the Solanaceae. Genetics 152:1183-1202
Lohithaswa H, Feltus F, Singh H, Bacon C, Bailey C, Paterson A (2007) Leveraging the rice genome sequence
for monocot comparative and translational genomics. TAG Theoretical and Applied Genetics 115:237-243
221
Lokossou A, Morales J, Whisson S, Birch P, Visser R, Jacobsen E. Exploiting knowledge of R/Avr genes to
rapidly clone a new LZ-NBS-LRR family of late blight resistance genes from potato linkage group IV.
Molecular Plant-Microbe Interactions in press
M
Malcolmson J (1969) Races of Phytophthora infestans occurring in Great Britain. Trans- actions of the British
Mycological Society 85:417-423
Mallard S, Gaudet D, Aldeia A, Abelard C, Besnard AL, Sourdille P, Dedryver F (2005) Genetic analysis of
durable resistance to yellow rust in bread wheat. TAG Theoretical and Applied Genetics 110:1401-1409
Mallard S, Danan S, Bonnet J, Tricon D, Signoret P, Sage-Palloix AM, Phaly T, Blattes A, Caromel B, Lama N,
Aarrouf J, Chauvin JE, Palloix A, Lefebvre V (2006) Cartographie haute résolution de QTL de résistance aux
Phytophthora colinéaires entre le piment et la pomme de terre. Colloque DGAP, Batz-Sur-Mer, France, 25-
27 septembre 2006
Malosetti M, van der Linden CG, Vosman B, van Eeuwijk FA (2007) A mixed-model approach to association
mapping using pedigree information with an illustration of resistance to Phytophthora infestans in potato.
Marcel T, Varshney R, Barbieri M, Jafary H, de Kock M, Graner A, Niks R (2007) A high-density consensus map
of barley to compare the distribution of QTLs for partial resistance to Puccinia hordei and of defence gene
homologues. TAG Theoretical and Applied Genetics 114:487-500
Mayton H, Smart CD, Moravec BC, Mizubuti ESG, Muldoon AE, Fry WE (2000) Oospore survival and
pathogenicity of single oospore recombinant progeny from a cross involving US-17 and US-8 genotypes of
Phytophthora infestans. Plant Disease 84:1190-1196
McDonald BA, Linde C (2002) Pathogen population genetics, evolutionary potential, and durable resistance.
Annual Review of Phytopathology 40:349-379
McHale L, Truco M, Kozik A, Wroblewski T, Ochoa O, Lahre K, Knapp S, Michelmore R (2009) The genomic
architecture of disease resistance in lettuce. TAG Theoretical and Applied Genetics 118:565-580
McLeod MJ, Guttman SI, Eshbaugh WH (1982). Early evolution of chili peppers (Capsicum). Economic Botany
36:361-368
Melchinger AE, Utz HF, Schon CC (1998) Quantitative trait locus (QTL) mapping using different testers and
independent population samples in maize reveals low power of QTL detection and large bias in estimates of
QTL effects. Genetics 149:383-403
Meuwissen THE, Hayes BJ, Goddard ME (2001) Prediction of total genetic value using genome-wide dense
marker maps. Genetics157:1819-1829
Meyer RC, Milbourne D, Hackett CA, Bradshaw JE, McNichol JW, Waugh R (1998) Linkage analysis in tetraploid
potato and association of markers with quantitative resistance to late blight (Phytophthora infestans).
Meyer J, Deleu W, Garcia-Mas J, Havey M (2008) Construction of a fosmid library of cucumber (Cucumis sativus)
and comparative analyses of the eIF4E and eIF(iso)4E regions from cucumber and melon (Cucumis melo).
Meyers B, AKozik, Griego A, Kuang H, Michelmore R (2003) Genome-wide analysis of NBS-LRR–encoding
genes in Arabidopsis. Plant Cell 15:809-834
Michelmore RW, Meyers BC (1998) Clusters of resistance genes in plants evolve by divergent selection and a
birth-and-death process. Genome Research 8:9828-9832
Miftahudin, Chikmawati T, Ross K, Scoles GJ, Gustafson JP (2005) Targeting the aluminum tolerance gene Alt3
region in rye, using rice/rye micro-colinearity. TAG Theoretical and Applied Genetics 110:906-913
Milbourne D, Meyer RC, Collins AJ, Ramsay LD, Gebhardt C, Waugh R (1998) Isolation, characterisation and
mapping of simple sequence repeat loci in potato. Molecular Genetics and Genomics 259:233-245
Millett B, Bradeen J (2007) Development of allele-specific PCR and RT-PCR assays for clustered resistance
genes using a potato late blight resistance transgene as a model. TAG Theoretical and Applied Genetics
114:501-513
Minamiyama Y, Tsuro M, Kubo T, Hirai M (2007) QTL Analysis for resistance to Phytophthora capsici in pepper
using a high density SSR-based map. Breeding Science 57:129-134
222
Moisan Thiery M, Marhadour S, Kerlan MC, Dessenne N, Perramant M, Gokelaere T, Le Hingrat Y (2005) Potato
cultivar identification using simple sequence repeats markers (SSR). Potato Research 48:191-200
Müller KO, Black W (1952) Potato breeding for resistance to blight and virus diseases during the last hundred
years. Z Pflanzenzüchtg 31:305-318
Mundt CC (2002) Use of multiline cultivars and cultivar mixtures for disease management. Annual Review of
Muylle H, Baert J, van Bockstaele E, Pertijs J, Roldán-Ruiz I (2005) Four QTLs determine crown rust (Puccinia
coronata f. sp. lolii) resistance in a perennial ryegrass (Lolium perenne) population. Heredity 95 : 348–357
N
Naess SK, Bradeen JM, Wielgus SM, Haberlach GT, McGrath JM, Helgeson JP (2000) Resistance to late blight
in Solanum bulbocastanum is mapped to chromosome 8. TAG Theoretical and Applied Genetics 101:697-
704
Navarro L, Jay F, Nomura K, He SY, Voinnet O (2008) Suppression of the MicroRNA Pathway by Bacterial
Effector Proteins. Science 321:964-967
Niederhauser J, Mills W (1953) Resistance of Solanum species to Phytophthora infestans in Mexico.
O
Oberhagemann P, Chatot-Balandras C, Schäfer-Pregl R, Wegener D, Palomino C, Salamini F, Bonnel E,
Gebhardt C (1999) A genetic analysis of quantitative resistance to late blight in potato: towards marker-
assisted selection. Molecular Breeding 5:399-415
Ogundiwin EA, Berke TF, Massoudi M, Black LL, Huestis G, Choi D, Lee S, Prince JP (2005) Construction of 2
intraspecific linkage maps and identification of resistance QTLs for Phytophthora capsici root-rot and foliar-
blight diseases of pepper (Capsicum annuum L.). TAG Theoretical and Applied Genetics 48:698-711
Ohme-Takagi M, Shinshi H (1995) Ethylene-Inducible DNA binding proteins that interact with an ethylene-
responsive element. Plant Cell 7:173-182
Oliva RF, Chacón MG, Cooke DEL, Lees AK, Forbes GA (2007) Is Phytophthora infestans a good taxonomist?
Host recognition and co-evolution in the Phytophthora/Solanum interaction. ISHS Acta Horticulturae 745: VI
International Solanaceae Conference : Genomics Meets Biodiversity
Olmstead RG, Palmer JD (1992) A chloroplast DNA phylogeny of the Solanaceae: subfamilial relationships and
character evolution. Annual Missouri Botanical Garden 79:346-360
Olmstead RG, Palmer JD (1997) Implications for the phylogeny, classification, and biogeography of Solanum from
cpDNA restriction site variation. Systematic Botany 22:19-29
Ori N, Eshed Y, Paran I, Presting G, Aviv D, Tanksley S, Zamir D, Fluhr R (1997) The I2C family from the wilt
disease resistance locus I2 belongs to the nucleotide binding, Leucine-Rich Repeat superfamily of plant
resistance genes. Plant Cell 9:521-532
Osborn TC, Kole C, Parkin IAP, Sharpe AG, Kuiper M, Lydiate DJ, Trick M (1997) Comparison of flowering time
genes in Brassica rapa, B. napus and Arabidopsis thaliana. Genetics 146:1123-1129
P
Palloix A, Ayme V, Moury B (2009) Durability of plant major resistance genes to pathogens depends on the
genetic background, experimental evidence and consequences for breeding strategies. New Phytologist
Published Online: 1 Apr 2009
Pajerowska-Mukhtar KM, Mukhtar MS, Guex N, Halim VA, Rosahl S, Somssich IE, Gebhardt C (2008) Natural
variation of potato allene oxide synthase 2 causes differential levels of jasmonates and pathogen resistance
in Arabidopsis. Planta 228:293-306
Pan Q, Liu Y-S, Budai-Hadrian O, Sela M, Carmel-Goren L, Zamir D, Fluhr R (2000) Comparative genetics of
nucleotide binding site-leucine rich repeat resistance gene homologues in the genomes of two dicotyledons:
tomato and Arabidopsis. Genetics 155:309-322
Parrella G, Ruffel S, Moretti A, Morel C, Palloix A, Caranta C (2002) Recessive resistance genes against
potyviruses are localized in colinear genomic regions of the tomato (Lycopersicon spp.) and pepper
(Capsicum spp.) genomes. TAG Theoretical and Applied Genetics 105:855-861
Park TH, Gros J, Sikkema A, Vleeshouwers VGAA, Muskens M, Allefs S, Jacobsen E, Visser RGF, van der
Vossen EAG (2005a) The late blight resistance locus Rpi-blb3 from Solanum bulbocastanum belongs to a
223
major late blight R gene cluster on chromosome 4 of potato. Molecular Plant Microbe Interactions 18:722-
729
Park TH, Vleeshouwers VGAA, Hutten RCB, van Eck HJ, van der Vossen E, Jacobsen E, Visser RGF (2005b)
High-resolution mapping and analysis of the resistance locus Rpi-abpt against Phytophthora infestans in
potato. Molecular Breeding 16:33-43
Park TH, Foster S, Brigneti G, Jones J (2009) Two distinct potato late blight resistance genes from
Solanum berthaultii are located on chromosome 10. Euphytica 165:269-278
Parlevliet JE, Ommeren A (1975) Partial resistance of barley to leaf rust, Puccinia hordei. II. Relationship between
field trials, micro plot tests and latent period. Euphytica 24:293-303
Parlevliet JE (1978) Race-specific aspects of polygenic resistance of barley to leaf rust, Puccinia hordei.
European Journal of Plant Pathology 84:121-126
Parlevliet JE (1979) Components of resistance that reduce the rate of epidemic development. Annual Review of
Parlevliet JE (2002) Durability of resistance against fungal, bacterial and viral pathogens; present situation.
Euphytica 124:147-156
Paterson AH, Lander ES, Hewitt JD, Peterson S, Lincoln SE, Tanksley SD (1988) Resolution of quantitative traits
into Mendelian factors by using a complete linkage map of restriction fragment length polymorphisms.
Nature 335:521-529
Paterson AH, Bowers JE, Burow MD, Draye X, Elsik CG, Jiang CX, Katsar CS, Lan TH, Lin YR, Ming R, Wright
RJ (2000) Comparative genomics of plant chromosomes. Plant Cell 12:1523-1540
Pel MA, Foster SJ, Park T-H, Rietman H, van Arkel G, Jones JDG, van Eck HJ, Jacobsen E, Visser RGF, van der
Vossen EAG (2009) Mapping and cloning of late blight resistance genes from Solanum venturii using an
interspecific candidate gene approach. Molecular Plant-Microbe Interactions 22:601-615
Perchepied L, Dogimont C, Pitrat M (2005) Strain-specific and recessive QTLs involved in the control of partial
resistance to Fusarium oxysporum f. sp. melonis race 1.2 in a recombinant inbred line population of melon.
TAG Theoretical and Applied Genetics 111:65-74
Pflieger S, Lefebvre V, Caranta C, Blattes A, Goffinet B, Palloix A (1999) Disease resistance gene analogs as
candidates for QTLs involved in pepper-pathogen interactions. Genome 42:1100-1110
Pflieger S, Palloix A, Caranta C, Blattes A, Lefebvre V (2001) Defense response genes co-localize with
quantitative disease resistance loci in pepper. TAG Theoretical and Applied Genetics 103:920-929
Philips SL, Shaw MW, Wolfe MS (2005) The effect of potato variety mixtures on epidemics of late blight in relation
to plot size and level of resistance. Annals of Applied Biology 147:247-252
Pierre M, Noel L, Lahaye T, Ballvora A, Veuskens J, Ganal M, Bonas U (2000) High-resolution genetic mapping
of the pepper resistance locus Bs3 governing recognition of the Xanthomonas campestris pv vesicatora
AvrBs3 protein. TAG Theoretical and Applied Genetics 101:255-263
Pilet ML, Delourme R, Foisset N, Renard M (1998) Identification of loci contributing to quantitative field resistance
to blackleg disease, causal agent Leptosphaeria maculans (Desm.) Ces. et de Not., in Winter rapeseed
(Brassica napus L.). TAG Theoretical and Applied Genetics 96:23-30
Pilet F, ChacÃ³n G, Forbes GA, Andrivon D (2006) Protection of Susceptible Potato Cultivars Against Late Blight
in Mixtures Increases with Decreasing Disease Pressure. Phytopathology 96:777-783
Poland JA, Balint-Kurti PJ, Wisser RJ, Pratt RC, Nelson RJ (2009) Shades of gray: the world of quantitative
disease resistance. Trends in Plant Science 14:21-29
Poupard B (2008) Sélection assistée par marqueurs, L’expérience de Limagrain sur le blé. Journées Amélioration
des Plantes du CIRAD, 3-4/12/2008, Montpellier, France
Prince JP, Pochard E, Tanksley SD (1993) Construction of a molecular linkage map of pepper and a comparison
of synteny with tomato. Genome 36:404-417
Pritchard J, Stephens M, Rosenberg N, Donnelly P (2000) Association mapping in structured populations. The
American Journal of Human Genetics 67:170–181
Q
Qiu DY, Xiao J, Ding XH, Xiong M, Cai M, Cao CL, Li XH, Xu CG, Wang SP (2007) OsWRKY13 mediates rice
disease resistance by regulating defense-related genes in salicylate- and jasmonate-dependent signaling.
Molecular Plant Microbe Interactions 20:492-499
224
Qiu Y, Yu D (2009). Over-expression of the stress-induced OsWRKY45 enhances disease resistance and drought
tolerance in Arabidopsis. Environmental and Experimental Botany 65:35-47
Qureshi SN, Saha S, Kantety RV, Jenkins JN (2004) EST-SSR: a new class of genetic markers in cotton. Journal
of Cotton Science 8:112-123
R
R.Development.Core.Team (2005) R: A language and environment for statistical computing. 2.2.1. edn, Vienna,
Austria
Rafalski A (2002) Applications of single nucleotide polymorphisms in crop genetics. Current Opinion in Plant
Biology 5(2):94-100
Rauscher GM, Smart CD, Simko I, Bonierbale M, Mayton H, Greenland A, Fry WE (2006) Characterization and
mapping of Rpi-ber, a novel potato late blight resistance gene from Solanum berthaultii. TAG Theoretical
Rebaï A, Blanchard P, Perret D, Vincourt P (1997) Mapping quantitative trait loci controlling silking date in a diallel
cross among four lines of maize. TAG Theoretical and Applied Genetics 95:451-459
Rehmany AP, Lynn JR, Tör M, Holub EB, Beynon JL (2000). A comparison of Peronospora parasitica (downy
mildew) isolates from Arabidopsis thaliana and Brassica oleracea using amplified fragment length
polymorphism and internal transcribed spacer 1 sequence analyses. Fungal Genetics and Biology 30:95-
103
Rehmany AP, Gordon A, Rose LE, Allen RL, Armstrong MR, Whisson SC, Kamoun S, Tyler BM, Birch PRJ,
Beynon JL (2005) Differential recognition of highly divergent downy mildew avirulence gene alleles by RPP1
resistance genes from two Arabidopsis Lines. Plant Cell 17:1839-1850
Reuzeau C, Frankard V, Hatzfeld Y, Sanz A, van Camp W, Lejeune P, De Wilde C, Lievens K, de Wolf J,
Vranken E, Peerbolte R, Broekaert W (2006) Traitmill TM: a functional genomics platform for the phenotypic
analysis of cereals. Plant Genetic Resources 4:20-24
Ribaut JM, Banziger M, Betran J, Jiang C, Edmeades GO, Dreher K, Hoisington D (2002) Use of molecular
markers in plant breeding: drought tolerance improvement in tropical maize. In: Quantitative genetics,
genomics, and plant breeding. Kang MS Eds. 400 p.
Rickert AM, Kim JH, Meyer S, Nagel A, Ballvora A, Oefner PJ, Gebhardt C (2003) First-generation SNP/InDel
markers tagging loci for pathogen resistance in the potato genome. Plant Biotechnol J 1:399-410
Roberts P, Weingartner P, Kucharek T (2007) Florida plant disease management guide, serie PDMG-V3-46. In
Department of Plant Pathology, 2007 Florida Plant Disease Management Guide. Florida Cooperative
Extension Service, Institute of Food and Agricultural Sciences, University of Florida. Available at
http://edis.ifas.ufl.edu/document_pg053. Accessed 12 Feb 2009
Rong J, Feltus FA, Waghmare VN, Pierce GJ, Chee PW, Draye X, Saranga Y, Wright RJ, Wilkins TA, May OL,
Smith CW, Gannaway JR, Wendel JF, Paterson AH (2007) Meta-analysis of Polyploid Cotton QTL Shows
Unequal Contributions of Subgenomes to a Complex Network of Genes and Gene Clusters Implicated in
Lint Fiber Development. Genetics 176:2577-2588
Rose JKC, Ham K-S, Darvill AG, Albersheim P (2002) Molecular cloning and characterization of glucanase
inhibitor proteinsc: coevolution of a counterdefense mechanism by plant pathogens. Plant Cell 14:1329-1345
Rouppe van der Voort J, Wolters P, Folkertsma R, Hutten R, van Zandvoort P, Vinke H, Kanyuka K, Bendahmane
A, Jacobsen E, Janssen R, Bakker J (1997) Mapping of the cyst nematode resistance locus Gpa2 in potato
using a strategy based on co-migrating AFLP markers. TAG Theoretical and Applied Genetics 95:874 - 880
Rouppe van der Voort J, van der Vossen E, Bakker E, Overmars H, van Zandvoort P, Hutten R, Klein-Lankhorst
R, Bakker J (2000) Two additive QTLs conferring broad-spectrum resistance in potato to Globodera pallida
are localized on resistance gene clusters. TAG Theoretical and Applied Genetics 101:1122-1130
Rousselle P, Robert N (1997) La pomme de terre : production, amélioration, ennemis et maladies, utilisations. In:
Quae (ed). 640 p
Rozen S, Skaletsky H (2000) Primer3 on the WWW for general users and for biologist programmers. Methods in
Molecular Biology 132:365-386
Ruffel S, Dussault MH, Palloix A, Moury B, Bendahmane A, Robaglia C, Caranta C (2002) A natural recessive
resistance gene against potato virus Y in pepper corresponds to the eukaryotic initiation factor 4E (eIF4E).
Plant Journal 32:1067-1075
Ruffel S, Caranta C, Palloix A, Lefebvre V, Caboche M, Bendahmane A (2004) Structural analysis of the
eukaryotic initiation factor 4E gene controlling potyvirus resistance in pepper: exploitation of a BAC library.
Gene 338:209-216
225
Ruffel S, Gallois J, Lesage M, Caranta C (2005) The recessive potyvirus resistance gene pot-1 is the tomato
orthologue of the pepper pvr2-eIF4E gene. Molecular Genetics and Genomics 274:346-353
S
Saha MC, Mian MA, Eujayl I, Zwonitzer JC, Wang L, May GD (2004) Tall fescue EST-SSR markers with
transferability across several grass species. TAG Theoretical and Applied Genetics 109:783-791
Salvi S, Tuberosa R (2005) To clone or not to clone plant QTLs: present and future challenges. Trends in Plant
Science 10:297-304
Sandbrink JM, Colon LT, Wolters PJCC, Stiekema WJ (2000) Two related genotypes of Solanum microdontum
carry different segregating alleles for field resistance to Phytophthora infestans. Molecular Breeding 6:215-
225
Sasabe M, Takeuchi K, Kamoun S, Ichinose Y, Govers F, Toyoda K, Shiraishi T, Yamada T (2000) Independent
pathways leading to apoptotic cell death, oxidative burst and defense gene expression in response to elicitin
in tobacco cell suspension culture. European Journal of Biochemistry 267:5005-5013
Sattarzadeh A, Achenbach U, Lubeck J, Strahwald J, Tacke E, Hofferbert HR, Rotstein T, Gebhardt C (2006)
Single nucleotide polymorphism (SNP) genotyping as basis for developing a PCR-based marker highly
diagnostic for potato varieties with high resistance to Globodera pallida pathotype Pa2/3. Mol Breed 4:301 -
312
Schneider KA, Brothers ME, Kelly JD (1997) Marker-assisted selection to improve drought resistance in common
bean. Crop Science 37:51-60
Schon CC, Utz HF, Groh S, Truberg B, Openshaw S, Melchinger AE (2004) Quantitative trait locus mapping
based on resampling in a vast maize testcross experiment and its relevance to quantitative genetics for
complex traits. Genetics 167:485-498
Schumann GL (1991) The Irish potato famine and the birth of plant pathology. In: Schumann GL ed, Plant
Diseases: Their biology and social impact. American Phytopathological Society, St. Paul, MN, pp 1-24
Schwartz S, Kent WJ, Smit A, Zhang Z, Baertsch R, Hardison RC, Haussler D, Miller W (2003) Human-Mouse
alignments with BLASTZ. Genome Research 13:103-107
Sen S, Churchill GA (2001) A statistical framework for quantitative trait mapping. Genetics 159:371-387
SGN database. Solanaceae Genomics Network (2005). http://www.sgn.cornell.edu
Shan W, Cao M, Leung D, Tyler BM (2004) The Avr1b locus of Phytophthora sojae encodes an elicitor and a
regulator required for avirulence on soybean plants carrying resistance gene Rps1b. Molecular Plant
Shen KA, Chin DB, Arroyo-Garcia R, Ochoa OE, Lavelle DO, Wroblewski T, Meyers BC, Michelmore RW (2002)
Dm3 is one member of a large constitutively expressed family of nucleotide binding site-leucine-rich repeat
encoding genes. Molecular Plant Microbe Interactions 15:251-261
Shen Q-H, Saijo Y, Mauch S, Biskup C, Bieri S, Keller B, Seki H, Ulker B, Somssich IE, Schulze-Lefert P (2007)
Nuclear activity of MLA immune receptors links isolate-specific and basal disease-resistance responses.
Science 315:1098-1103
Shen Q, Schulze-Lefert P (2007) Rumble in the nuclear jungle: compartmentalization, trafficking, and nuclear
action of plant immune receptors. The EMBO Journal 26:4293-4301
Simko I, Haynes KG, Jones RW (2006) Assessment of linkage disequilibrium in potato genome with single
nucleotide polymorphism markers. Genetics 173:2237-2245
Simons G, Groenendijk J, Wijbrandi J, Reijans M, Groenen J, Diergaarde P, van der Lee T, Bleeker M, Onstenk
J, de Both M, Haring M, Mes J, Cornelissen B, Zabeau M, Vos P (1998) Dissection of the Fusarium I2 gene
cluster in tomato reveals six homologs and one active gene copy. Plant Cell 10:1055-1068
Sliwka J, Jakuczun H, Lebecka R, Marczewski W, Gebhardt C, Zimnoch-Guzowska E (2006) The novel, major
locus Rpi-phu1 for late blight resistance maps to potato chromosome IX and is not correlated with long
vegetation period. TAG Theoretical and Applied Genetics 113:685-695
Sliwka J, Jakuczun H, Lebecka R, Marczewski W, Gebhardt C, Zimnoch-Guzowska E (2007) Tagging QTLs for
late blight resistance and plant maturity from diploid wild relatives in a cultivated potato (Solanum
tuberosum) background. TAG Theoretical and Applied Genetics 115:101-112
Soanes DM, Talbot NJ (2008) Moving targets: rapid evolution of oomycete effectors. Trends in Microbiology
16:507-510
226
Solomon-Blackburn R, Stewart H, Bradshaw J (2007) Distinguishing major-gene from field resistance to late blight
(Phytophthora infestans) of potato (Solanum tuberosum) and selecting for high levels of field resistance.
Song WY, Pi LY, Wang GL, Gardner J, Holsten T, Ronald PC (1997) Evolution of the rice Xa21 disease
resistance gene family. Plant Cell 9:1279-1287
Song J, Bradeen JM, Naess SK, Raasch JA, Wielgus SM, Haberlach GT, Liu J, Kuang H, Austin-Phillips S, Buell
CR (2003) Gene RB cloned from Solanum bulbocastanum confers broad spectrum resistance to potato late
blight. PNAS Proceedings of the National Academy of Sciences USA 100:9128-9133
Sorensen KK, Madsen MH, Kirk HG, Madsen DK, Torp AM (2006) Linkage and quantitative trait locus mapping of
foliage late blight resistance in the wild species Solanum vernei. Plant Breeding 125:268-276
Spielman LJDA, Davidse LC, Sujkowski LJ, Gu W, Tooley PW, Fry WE (1991) A second world-wide migration
and population displacement of Phytophthora infestans? Plant Pathology 40:422-430
Stevenson WR, Loria R, Franc GD, Weingartner P (2001) Compendium of potato diseases, second edition
Stewart HE (2003) The effect of the presence of R-genes for resistance to late blight (Phytophthora infestans) of
potato (Solanum tuberosum) on the underlying level of field resistance. Plant Pathology 52:193-198
Stinchcombe J R (2002) Environmental dependency in the expression of costs of tolerance to deer herbivory.
Evolution 56:1063–1067
Sugita T, Kinoshita T, Kawano T, Yuji K, Yamaguchi K, Nagata R, Shimizu A, Chen LZ, Kawasaki S, Todoroki A
(2005) Rapid construction of a linkage map using high-efficiency genome scanning/AFLP and RAPD, based
on an intraspecific, doubled-haploid population of Capsicum annuum. Breeding Science 55:287-295
Sugita T, Yamaguchi K, Kinoshita T, Yuji K, Sugimura Y, Nagata R, Kawasaki S, Todoroki A (2006) QTL analysis
for resistance to Phytophthora blight (Phytophthora capsici Leon.) using an intraspecific doubled-haploid
population of Capsicum annuum. Breeding Science 56:137-145
Szalma S, Hostert B, Le Deaux J, Stuber C, Holland J (2007) QTL mapping with near-isogenic lines in maize.
T
Takeda S, Matsuoka M (2008) Genetic approaches to crop improvement: responding to environmental and
population changes. Nature Reviews Genetics 9:444-457
Tan MYA, Hutten RCB, Celis C, Park T-H, Niks RE, Visser RGF, van Eck HJ (2008) The Rpi-mcd1 locus from
Solanum microdontum involved in resistance to Phytophthora infestans, causing a delay in infection, maps
on potato chromosome 4 in a cluster of NBS-LRR genes. Molecular Plant Microbe Interactions 21:909-918
Tan AMY (2008) Genetic mapping and pyramiding of resistance genes in potato. Thesis Wageningen University,
The Netherlands, 136p
Tanksley SD, Ganal MW, Prince JP, de Vicente MC, Bonierbale MW, Broun P, Fulton TM, Giovannoni JJ,
Grandillo S, Martin GB, Messeguer R, Miller JC, Miller L, Paterson AH, Pineda O, Roder MS, Wing RA, Wu
W, Young ND (1992) High density molecular linkage maps of the tomato and potato genomes. Genetics
132:1141-1160
Thabuis A, Palloix A, Pflieger S, Daubèze AM, Caranta C, Lefebvre V (2003) Comparative mapping of
Phytophthora resistance loci in pepper germplasm: evidence for conserved resistance loci across
Solanaceae and for a large genetic diversity. TAG Theoretical and Applied Genetics 106:1473–1485
Thabuis A, Lefebvre V, Bernard G, Daubèze AM, Phaly T, Pochard E, Palloix A (2004a) Phenotypic and
molecular evaluation of a recurrent selection program for a polygenic resistance to Phytophthora capsici in
pepper. TAG Theoretical and Applied Genetics 109:342-351
Thabuis A, Palloix A, Servin B, Daubèze AM, Signoret P, Hospital F, Lefebvre V (2004b) Marker-assisted
introgression of 4 Phytophthora capsici resistance QTL alleles into a bell pepper line: validation of additive
and epistatic effects. Molecular Breeding 14:9-20
Tian M, Huitema E, da Cunha L, Torto-Alalibo T, Kamoun S (2004) A Kazal-like extracellular serine protease
inhibitor from Phytophthora infestans targets the tomato pathogenesis-related protease P69B. Journal of
biological Chemistry 279:26370-26377
Tikhonov AP, Sanmiguel PJ, Nakajima Y, Gorenstein NM, Bennetzen JL et al. (1999) Colinearity and its
exceptions in orthologous adh regions of maize and sorghum. PNAS Proceedings of the National Academy
of Sciences USA 96: 7409–7414
227
Tör M, Holub EB, Brose E, Musker R, Gunn N, Can C, Crute I R, Beynon JL (1994) Map positions of three loci in
Arabidopsis thaliana associated with isolate-specific recognition of Peronospora parasitica (downy mildew).
Molecular plant-microbe interactions 7(2): 214-222
Tör M, Holub A (2003) The role of proteolysis in R gene mediated defence in plants. Molecular Plant Pathology
4:287-296
Tör M (2008) Tapping into molecular conversation between oomycete plant pathogens and their hosts. European
Journal of Plant Pathology 122:57-69
Trognitz F, Manosalva P, Gysin R, Nino-Liu D, Simon R, Herrera MD, Trognitz B, Ghislain M, Nelson R (2002)
Plant defense genes associated with quantitative resistance to potato late blight in Solanum phureja x
dihaploid S. tuberosum hybrids. Molecular Plant Microbe Interactions 15:587-597
Turkensteen L (1993) Durable resistance of potatoes against Phytophthora infestans. Durability of Disease
Resistance, Jacobs Th and Parlevliet JE edn. Kluwer Academic Publishers, Dordrecht, pp 115-124
Turkensteen L, Flier W, Wanningen R, Mulder A (2000) Production, survival and infectivity of oospores of
Phytophthora infestans. Plant Pathology 49:688-696
Turner RS (2008) Potato agriculture, late blight science, and the molecularization of plant pathology. Historical
Studies in the Natural Sciences 38:223-257
Tyler BM, Tripathy S, Zhang X, Dehal P, Jiang RHY, Aerts A, Arredondo FD, Baxter L, Bensasson D, Beynon JL,
Chapman J, Damasceno CMB, Dorrance AE, Dou D, Dickerman AW, Dubchak IL, Garbelotto M, Gijzen M,
Gordon SG, Govers F, Grunwald NJ, Huang W, Ivors KL, Jones RW, Kamoun S, Krampis K, Lamour KH,
Lee M-K, McDonald WH, Medina M, Meijer HJG, Nordberg EK, Maclean DJ, Ospina-Giraldo MD, Morris PF,
Phuntumart V, Putnam NH, Rash S, Rose JKC, Sakihama Y, Salamov AA, Savidor A, Scheuring CF, Smith
BM, Sobral BWS, Terry A, Torto-Alalibo TA, Win J, Xu Z, Zhang H, Grigoriev IV, Rokhsar DS, Boore JL
(2006) Phytophthora genome sequences uncover evolutionary origins and mechanisms of pathogenesis.
Science 313:1261-1266
Tyler B (2007) Phytophthora sojae: root rot pathogen of soybean and model oomycete. Molecular Plant Pathology
8:1-8
U
Uauy C, Brevis J, Chen X, Khan I, Jackson L, Chicaiza O, Distelfeld A, Fahima T, Dubcovsky J (2005) High-
temperature adult-plant (HTAP) stripe rust resistance gene Yr36 from Triticum turgidum ssp. dicoccoides is
closely linked to the grain protein content locus Gpc-B1. TAG Theoretical and Applied Genetics 112:97-105
Utz H, Melchinger A (1996) PLABQTL: A program for composite interval mapping of QTL. Crop Science Society
of America (Edn) Madison, Wis. (USA)
V
van der Plank JE (1968) Disease Resistance in Plants. Academic Press, New York.
van der Vossen E, Sikkema A, Hekkert BtL, Gros J, Stevens P, Muskens M, Wouters D, Pereira A, Stiekema W,
Allefs S (2003) An ancient R gene from the wild potato species Solanum bulbocastanum confers broad-
spectrum resistance to Phytophthora infestans in cultivated potato and tomato. The Plant Journal 36:867-
882
van Deynze AE, Sorrells ME, Park WD, Ayres NM, Fu H, Cartinhour SW, Paul E, McCouch SR (1998) Anchor
probes for comparative mapping of grass genera. TAG Theoretical and Applied Genetics 97:356-369
van Dodeweerd A-M, Hall CR, Bent EG, Johnson SJ, MW Bewan, I Bancroft (1999) Identification and analysis of
homoeologous segments of the genomes of rice and Arabidopsis thaliana. Genome 42:887–892
van Eck HJ, Jacobsen E (1996) Application of molecular markers in the genetic analysis of quantitative traits. In:
Struik PC, Hoogendoorn J, Kouwenhoven JK, Mastenbroek LJ, Turkensteen LJ, Veerman A, Vos J (eds)
Abstracts of Conference Papers, Posters and Demonstrations of the 13th Triennial conference of the EAPR.
European Association for Potato Research, Wageningen, pp 130–131
Van Os H, Andrzejewski S, Bakker E, Barrena I, Bryan GJ, Caromel B, Ghareeb B, Isidore E, de Jong W, van
Koert P, Lefebvre V, Milbourne D, Ritter E, van der Voort JNAMR, Rousselle-Bourgeois F, van Vliet J,
Waugh R, Visser RGF, Bakker J, van Eck HJ (2006) Construction of a 10,000-marker ultradense genetic
recombination map of potato: Providing a framework for accelerated gene isolation and a genomewide
physical map. Genetics 173:1075-1087
Varshney RK, Graner A, Sorrells ME (2005a) Genic microsatellite markers in plants: features and applications.
Trends in Biotechnology 23:48-55
228
Varshney RK, Sigmund R, Börner A, Korzun V, Stein N, Sorrells ME, Langridge P, Graner A (2005b) Interspecific
transferability and comparative mapping of barley EST-SSR markers in wheat, rye and rice. Plant Science
168:195-202
Vera Cruz CM, Bai J, Ona I, Leung H, Nelson RJ, Mew T-W, Leach JE (2000) Predicting durability of a disease
resistance gene based on an assessment of the fitness loss and epidemiological consequences of
avirulence gene mutation. P Natl Acad Sci USA 97:13500-13505
Veyrieras J-B, Goffinet B, Charcosset A (2007) MetaQTL: a package of new computational methods for the meta-
analysis of QTL mapping experiments. BMC Bioinformatics 8:49
Villamon FG, Spooner DM, Orrillo M, Mihovilovich E, Pérez W, Bonierbale M (2005) Late blight resistance
linkages in a novel cross of the wild potato species Solanum paucissectum (series Piurana). TAG
Visker M, Keizer LCP, van Eck HJ, Jacobsen E, Colon LT, Struik PC (2003) Can the QTL for late blight resistance
on potato chromosome 5 be attributed to foliage maturity type? TAG Theoretical and Applied Genetics
106:317-325
Visker M, Heilersig H, Kodde LP, van de Weg WE, Voorrips RE, Struik PC, Colon LT (2005) Genetic linkage of
QTLs for late blight resistance and foliage maturity type in six related potato progenies. Euphytica 143:189-
199
Vleeshouwers VGAA, van Dooijeweert W, Govers F, Kamoun S, Colon LT (2000) The hypersensitive response is
associated with host and nonhost resistance to Phytophthora infestans. Planta 210:853-864
Vleeshouwers VGAA, Rietman H, Krenek P, Champouret N, Young C, Oh S-K, Wang M, Bouwmeester K,
Vosman B, Visser RGF, Jacobsen E, Govers F, Kamoun S, Vossen EAG (2008) Effector genomics
accelerates discovery and functional profiling of potato disease resistance and Phytophthora infestans
avirulence genes. PLoS One 3(8). - p. e2875/1 - 10.
Voorrips RE (2002) MapChart: Software for the graphical presentation of linkage maps and QTLs. Journal of
Heredity 93:77-78
W
Wang GL, Mackill DJ, Bonman JM, McCouch SR, Champoux MC, Nelson RJ (1994) RFLP mapping of genes
conferring complete and partial resistance to blast in a durably resistant rice cultivar. Genetics 136:1421-
1434
Wang GL, Ruan DL, Song WY, Sideris S, Chen L, Pi LY, Zhang S, Zhang Z, Fauquet C, Gaut BS, Whalen MC,
Ronald PC (1998) Xa21D encodes a receptor-like molecule with a leucine-rich repeat domain that
determines race-specific recognition and is subject to adaptive evolution. Plant Cell 10:765-780
Wang Y, Yao J, Zhang Z, Zheng Y (2006) The comparative analysis based on maize integrated QTL map and
meta-analysis of plant height QTLs. Chinese Science Bulletin 51(18): 2219-2230
Wang M, Allefs S, van den Berg R, Vleeshouwers V, van der Vossen E, Vosman B (2008) Allele mining in
Solanum: conserved homologues of Rpi-blb1 are identified in Solanum stoloniferum. TAG Theoretical and
Ware D, Stein L (2003) Comparison of genes among cereals. Current Opinion in Plant Biology 6:121-127
Wastie RL (1991) Phytophthora infestans, the cause of late blight of potato. In: Ingram DS, Williams PH (eds).
Academic Press, pp. 193-224
Weingartner P (1997) Identification of late blight and Phytophthora infestans. APSnet: The American
Phytopathogical Society web page. Available at
http://www.apsnet.org/online/proceedings/lateblite/papers/lb010.htm.
Whisson SC, Boevink PC, Moleleki L, Avrova AO, Morales JG, Gilroy EM, Armstrong MR, Grouffaud S, van West
P, Chapman S, Hein I, Toth IK, Pritchard L, Birch PRJ (2007) A translocation signal for delivery of oomycete
effector proteins into host plant cells. Nature 450: 115-118
Wolters P, Frey T, Conceição A, Multani D, Broglie, K, Davis S, Fengler K, Johnson E, Bacot K, Simcox K,
Weldekidan T, Hawk J (2006) Map Based Cloning Of A QTL For Anthracnose Stalk Rot Resistance In
Maize. Plant and Animal Genomes Congress, San-Diego (USA), http://www.intl-
pag.org/14/abstracts/PAG14_W412.html
Wroblewski T, Piskurewicz U, Tomczak A, Ochoa O, Michelmore RW (2007) Silencing of the major family of NBS-
LRR-encoding genes in lettuce results in the loss of multiple resistance specificities. The Plant Journal
51:803-818
229
Wu F, Mueller LA, Crouzillat D, Petiard V, Tanksley SD (2006) Combining bioinformatics and phylogenetics to
identify large sets of single-copy orthologous genes (COSII) for comparative, evolutionary and systematic
studies: a test case in the Euasterid plant clade. Genetics 174:1407-1420
X
Xiao W, Zhao J, Fan S, Li L, Dai J, Xu M (2007) Mapping of genome-wide resistance gene analogs (RGAs) in
maize (Zea mays L.). TAG Theoretical and Applied Genetics 115:501-508
Xu Q, Wen X, Deng X (2007) Cloning of two classes of PR genes and the development of SNAP markers for
powdery mildew resistance loci in chestnut rose (Rosa roxburghii Tratt). Molecular Breeding 19:179-191
Y
Yamanaka S, Ikeda S, Imai A, Luan Y, Watanabe JA, Watanabe KN (2005) Construction of integrated genetic
map between various existing DNA markers and newly developed P450-related PBA markers in diploid
potato (Solanum tuberosum). Breeding Science 55:223-230
Yi N, Yandell BS, Churchill GA, Allison DB, Eisen EJ, Pomp D (2005) Bayesian model selection for genome-wide
epistatic quantitative trait loci analysis. Genetics 170:1333-1344
Yu K, Park SJ, Poysa V (2000) Marker-assisted selection of common beans for resistance to common bacterial
blight: efficacy and economics. Plant Breeding 119:411-415
Yu JK, La Rota M, Kantety RV, Sorrells ME (2004) EST derived SSR markers for comparative mapping in wheat
and rice. Molecular Genetics and Genomics 271:742 - 751
Yu J, Buckler ES (2006) Genetic association mapping and genome organization of maize. Current Opinion in
Biotechnology 17:155-160
Yu J, Pressoir G, Briggs WH, Vroh Bi I, Yamasaki M, Doebley JF, McMullen MD, Gaut BS, Nielsen DM, Holland
JB, Kresovich S, Buckler ES (2006) A unified mixed-model method for association mapping that accounts
for multiple levels of relatedness. Nature Genetics 38:203-208
Yu J, Holland JB, McMullen MD, Buckler ES (2008) Genetic design and statistical power of nested association
mapping in maize. Genetics 178:539-551
Z
Zenbayashi-Sawata K, Fukuoka S, Katagiri S, Fujisawa M, Matsumoto T, Ashizawa T, Koizumi S (2007) Genetic
and physical mapping of the partial resistance gene, Pi34, to blast in rice. Phytopathology 97:598-602
Zeng Z (1993) Theoretical basis for separation of multiple linked gene effects in mapping quantitative trait loci.
PNAS Proceedings of the National Academy of Sciences USA 90:10972-10976
Zeng Z (1994) Precision mapping of quantitative trait loci. Genetics 136:1457-1468
230
ANNEXES
Annexes
Annexe II.1
Protocole de multiplication des souches de Phytophthora infestans sur

milieu artificiel
Objectif : multiplier les souches de P. infestans pour effectuer les tests sur tige
REFERENCE : Glais et Corbière 2005
MATERIEL ET PRODUITS
*casserole et couvercle
*plaque de cuisson
*petits pois congelés
*eau permutée
*agar
*passoire
*entonnoir
*flacon en verre et son couvercle pour milieu solide
*autoclave
*hotte
MODE OPERATOIRE
*Mélanger les petits pois dans l’eau permutée à raison de 125g/L dans une casserole.
*Porter à ébullition, couvrir, puis faire mijoter 30 min à 45 min.
*Peser 15 g d’agar/L .
*Verser le jus de cuisson dans le flacon en filtrant les petits pois à travers une passoire à
gros tamis et un entonnoir posé sur le flacon, ajouter l’agar.
*Stériliser à l’autoclave à 120°C pendant 20 min.
*Attendre que la température du flacon atteigne environ 50°C, agiter doucement le flacon
pour homogénéiser le milieu encore liquide et répartir le milieu dans des boites de Pétri sous
une hotte (environ 30 mL par boite).
*Laisser refroidir les boites à température ambiante sous la hotte.
*Quand le milieu est solidifié, fermer les boites et stocker à 4°C.
AII1-1
Annexes
Annexe II.2
Lignes de commandes sous R des tests statistiques ANOVA et ANCOVA
-Visualisation de l’évolution des nécroses sur tige de chaque plante par clone et évolution
moyenne par clone :
Exemple pour la population 03D39 (appelée D39)
# Charge les données

Test<-read.table("03D39.txt",header=TRUE)
# Récupère le nom des clones

Clone<-as.factor(Test$clone)
Clone<-levels(Clone)
# Récupère le nombre de clones

NbClone<-length(Clone)
#boucle sur les 5 variables=les colonnes T1 j=1 à T5 j=5
par(mfrow=c(3,2)) #partage de la fenêtre d’affichage
for (j in 1:5){
#Pour chaque clone

for (i in 1:NbClone){
# Récupère les données de ce clone

D<-subset(Test,Test$clone==Clone[i])
# Calcul de la médiane
Med[i]<-median(D[1:6,j+2],na.rm=TRUE)
}
#calcul de la moyenne des médianes pour chaque var j

Moy[j]<-mean(Med[i],na.rm=TRUE)
summary(Moy)
#affiche l'histogramme de chaque variable j

hist(Med, breaks=10, main = paste("Histogram of the medianes of T",j,Moy[j]))
}
AII2-1
Annexes
-Ajustement des valeurs des clones d’une population sur l’effet test pour le test tige
Exemple pour la population 03D39 (appelée D39) et la variable T1 (longueur de la nécrose à

la première date de mesure)
# on déclare le numéro du test comme un facteur

D39$Test <- as.factor(D39$Test)
# modèle linéaire de l’ANOVA de type III à deux facteurs (« clone » et « Test ») en situation
de plan d’expérience non équilibré (le nombre de clones est différent selon les tests) doit
comporter le module « contrast »
pdt.lm<-lm(T1~clone + Test, contrasts=list(clone=contr.sum, Test=contr.sum),data=D39)
Anova (pdt.lm, type="III")
# extraction des moyennes des valeurs ajustées par clone dans un tableau
data.frame(clone=D39$clone, ValajustT1=pdt.lm$fitted.values)
-Ajustement des valeurs des plantes sur les valeurs du témoin Bintje adjacent sur la plate-
forme pour le test feuillage
Exemple pour la population 03D39 (appelée D39) et la variable AUDPCr
# modèle linéaire de l’ANCOVA à deux facteurs (« CovAUDPCr » qui est la valeur de la

plante Bintje adjacente et « clone »)
pdt.lm<-lm(AUDPCr~CovAUDPCr*clone,data=D39)
# extraction des valeurs ajustées par plante dans un tableau

data.frame(clone = D39$clone, ValAjustAUDPCr= pdt.lm$fitted.values)
-test de normalité des résidus suite à une ANOVA
shapiro.test (residuals)
-test de corrélation
Exemple pour pour la population 03D39 (appelée D39) et les variables du test feuillage
AUDPCr et Pente
cor.test(D39$AUDPCr, D39$Pente, alternative="two.sided", method="pearson")
AII2-2
Annexes
- analyse descriptive des variables avec l’ACP (Analyse en Composantes Principales)
Exemple pour la population 96D31 (appelée D31)
#charge le fichier, sans donnée manquante

D31 <- sqlQuery(channel = 1, select * from [MedVar96D31$])
#met les intitulés de la première colonne dans la première colonne du tableau créé par R
row.names(D31) <- as.character(D31$F1)
D31$F1 <- NULL
#commande de l'ACP
acp31<-dudi.pca(D31, center=T, scale=T, scannf=F)
#affiche le nom des colonnes du fichier ACP créé

names(acp31)
#cumul en pourcentage des valeurs propres

cumsum(acp31$eig/sum(acp31$eig)*100)
#histogramme de l'inertie pour voir la chute des valeurs propres

inertie<-acp31$eig/sum(acp31$eig)*100
barplot(inertie, ylab="%d'inertie", names.arg=round(inertie,2))
title("Diagramme des valeurs propres en %")
#création du graphique des variables selon les 2 premiers axes

F1i<-acp31$li[,1]
F1v<-acp31$co[,1]
F2i<-acp31$li[,2]
F2v<-acp31$co[,2]
plot(F1v, F2v, type="n", main="Les variables",xlim=c(-1,1), ylim=c(-1,1), asp=1, ylab="F2
22.4%", xlab="F1 38.4%");abline(h=0,v=0); text(F1v, F2v,
row.names(acp31$co));symbols(0,0,circles=1,inches=F,add=T)
#profil des coordonnées des variables sur l'axe 1

barplot(F1v,names.arg=row.names(acp31$co),las=2);title(main="Facteur 1");abline(h=0)
#contribution des variables à l'axe 1

#création de l'objet 'contrib' contenant la contribution (inertie) de chaque variable
contrib<-inertia.dudi(acp31,col.inertia=T)$col.abs
#tri par ordre croissant

contrib<-contrib[order(contrib[,1]),]
#visualisation graphique
barplot(contrib[,1],names.arg=row.names(acp31$contrib),las=2);title(main="Facteur1"
)
AII2-3
Annexes
Annexe II.3
Protocole d’extraction d’ADN à partir de feuilles de pomme de terre en

micro-tubes
Objectif : micro-extraction d’ADN

REFERENCE : inspiré du protocole de Doyle et Doyle (1990)
MATERIEL ET PRODUITS
* jeunes feuilles (environ la taille de l’ongle du pouce)
*tubes Eppendorf 2 ml et 1.5ml
*mortiers et pilons stockés à 4°C
*micropipettes P20, P200 et P1000
*portoirs de tubes
*conteneur portable pour l’azote liquide
*azote liquide
*bain-marie à 60°C et portoirs flottants pour tubes
*centrifugeuse à tubes Eppendorf réfrigérantes
*poubelle à déchet toxique liquide
*hotte
*Tampon d’extraction
Produits concentration
CTAB 2%
NaCl 5M 1.4M
EDTA 0,5M 0.02M
Tris/HCl 1M 0.1M
Mélanger dans de l’eau distillée
Le tampon doit être stocké à température ambiante
*beta-mercaptoéthanol
*chloroforme : alcool isoamylique 24 :1 vol/vol
*Ethanol 70%
*Isopropanol (stocké à -20°C)
*TE 10/0.1
AII3-1
Annexes
MODE OPERATOIRE
- broyage et séparation de l’ADN du reste du contenu des cellules
*sous la hotte, ajouter le beta-mercaptoéthanol au tampon d’extraction à raison de 200µl
pour 100ml de tampon
*broyer l’échantillon dans le mortier avec l’azote liquide jusqu’à obtenir une poudre vert clair
*ajouter 750 µl de tampon, homogénéiser
*mettre au bain marie à 60°C pendant 45 min
*sous la hotte, ajouter 750 µl de chloroforme : alcool isoamylique 24 :1 ; agiter
vigoureusement
*centrifuger à 15 000g pendant 10 min à 20°C
- précipitation de l’ADN
*sous la hotte, transvaser 710 µl de la phase supérieure dans un nouveau micro-tube de 2 ml
et ajouter un volume d’isopropanol à -20°C
*agiter doucement et stocker à 4°C pendant 1 heure au moins
*centrifuger à 15 000g pendant 10min à 4°C (l’ADN f orme un petit culot blanc)
*sous la hotte, éliminer le surnageant dans la poubelle à déchet liquide
-lavage de l’ADN
*ajouter 500µl d’éthanol à 70% et agiter pour décoller les culots
*centrifuger à 15 000g pendant 5 min à 4°C
*éliminer le surnageant
-séchage et resuspension de l’ADN

*laisser sécher les culots sous la hotte pendant 2 à 3 heures
*resuspendre le culot d’ADN dans 50µl de TE 10/0.1 et stocker à 4°C au moins une nuit
*doser les échantillons au Nanodrop (on doit obtenir un concentration d’environ 50ng/µl)
*stocker les échantillons à -20°C
AII3-2
nom marqueur nom labo Avignon chrom. Référence, origine Parent où le marqueur a été cartographié séquence F séquence R Tm °C (F/R) enzyme de
taille attendue
restriction (CAPS)
(pb)
57t3-SSCP ASC257 8 Bormann et al. 2004 CASP, ROSA, SPG CAATCCGTTGGAGTTTAGACGATC GAAGAGGAGAACCTTGGAGGATGG 58 AluI 800
Agl Z1144 4 Chen et al. 2001 SH20 ACCAAGCTGTGGTTAACCAGAG GCAGTTGCGAATAACTGTGGCA 55 AluI 700
BA66k2t3 - 10 Sliwka et al. 2007 SPG CTTCATTCATACTATATGTTCAATGG TTCAATCCGAGCTCTTGGAATTG 55 STS 300
CD5 - 10 Rauscher et al. 2006 ROSA TTGAGGCTATTGTACGAGTGTGCG AAAGCCTCTTAGGTACATTATGTCG 60.6/56.2 STS 464
consensus RGA ASC101 4 Park et al. 2005 D9.33 CCTTTGTATCATTTGCAGTT ACATCCTCCATTCTTTCTT 53 HaeIII 1400
CP105 - 10 Sattarzadeh et al. 2006 CASP GATGTTGTACAAGCTTGTCAAACC CAAAATCAGGCCATTGTGAATGAG 55 MseI 300
CP11 ACP011 1 Oberhagemann et al. 1999 SPL ACTTGCTGGAGAAGGGTGAA GGGGATAAATTTTCTGGTGAATC 60 MseI 300
van der Vossen et al. 2003 GGCAGAAGAGCTAGGAAGAG ATGGCGTGATACAATCCGAG 57 AluI
CT088-3 ACT088-3F/ACT088-2R 8 SPL, ROSA, CASP 700
CT11 - 10 Rauscher et al. 2006 CASP, ROSA AGATTGCTTGTTTGGTGGTT TGGAGCAGTCAACAGAGG 55 STS 316
CT173 Z1840 4 SGN CASP AACAAGCCCCGACCTAATCT GTGACCCCTGCAGATCTTGT 60 DraI 1000
CT175 ACT175 4 SGN ROSA CAATGGCTGGAGTTTTATCAGTT TATTTGTGGAAGCGTTGCTG - - -
CT194 Z1844_F/Z1843_R 4 SGN CASP, ROSA, BF, D9.33 CCAATCCAGATCCAGCAAAT GAGAGGCCCAATCAATTTCA 60 MspI 700
CT214 - 10 Rauscher et al. 2006 CASP GAACGCGAAAGAGTGCTGATAG CCCGCTGCCTATGGAGAGT 55 HinfI 618
Fbp-cy Z1145 4 Chen et al. 2001 D9.13 TGAAGAACCATCAGCGGGATAC TGCAGGGAGAAGATCAAAAGAAAC 55 RsaI -
Glo - 10 Chen et al. 2001 ROSA CAGCGTTGAGGAGGTTGCTTCA GACAGCCACTCAATGCCATAGT 55 MspI 1700
GP180 Oberhagemann et al. 1999 TCCACCCCTGGATTCAAGAA TCAAACTCCTTCACAAAGCA
AGP180 4 CASP, SPG, BF, D9.33 58 TSp45I/TaqI 400
GP218 - 10 PoMaMo ROSA CACATCCAAGCACTCCACAA CTGCAGCAAGCACATCTAAA 55 EcoRV 944
GP221 AGP221 4 PoMaMo ROSA TGGTGACTGAACAGGTGGTG TCAGAACCTCAACCCACAGA 58 - 475
GP287 - 10 Sliwka et al. 2007 SPL TCATTCCCAAGACACTCATGC ACTCAACCACCAGCTCAAGAC 55 TaqI 700
GP87 - 10 PoMaMo CASP CCATCAGGCAATTTCCAATC GACTTGTTTTCTGCGGGAAC 55 TaqI 515
P1433 Z899 4 Park et al. 2005 SPG CACAGAACCATCAATGGCG ACCACTGAGAAATTGAGAGC 55 DpnII, SaU3AI, RsaI 800
P8h11 - 10 PoMaMo SPG TCATATTTCATAAAGAGAAATGCACA GGGTCGTGTCCGTACAAAAA 55 HaeIII 608
Pk Z1147 4 Chen et al. 2001 CASP, ROSA, SPG, BF, D9.13, D9.33 TCACTGTATCCACAGACTATACC CACTCTCCCCACTTAACATAAC 55 RsaI 800-900
RB Z1460FRB, Z1460RindRB 8 Millet et Bradeen 2007 CASP, ROSA CATCTTGAGAGAGTGAAGAATGATA CTAGTGCGCAACACAATTGAA 60 DraI 750
Rca - 10 Chen et al. 2001 CASP, SPG ACACYGTMAACAACCAGATG* ACTCTCTTGACATTCTCTTGC 60 TaqI/DraI 700
Annexe II.4
RGH2 HERGH2 4 communication H. van Eck SPG - - - - -

SSR4 MS058 10 Frary et al. 2005 SPL TTCTTCGGAGACGAAGGGTA CCTTCAATCCTCCAGATCCA 60 - 168 [168-181]
SSR450 MS081 4 SGN ROSA AATGAAGAACCATTCCGCAC ACATGAGCCCAATGAACCTC 57.6/60.4 - 265
SSR555 MS090 4 SGN CASP, SPL, D9.33, SH20 TTGATATTAACCATGGCAGCAG TTGATGGGATTGCACAGAAA 41 - 217
STi001 MS168 4 Feingold et al. 2005 SPL, ROSA, SPG, BF CAGCAAAATCAGAACCCGAT GGTCATCAAATTCACCGCT 58.4/58 - 188
STi004 - 6 Feingold et al. 2005 CASP, ROSA, BF, D9.13, D9.33, SH20 GCTGCTAAACACTCAAGCAGAA CAACTACAAGATTCCATCCACAG 60-54 - 103 [78-112]
STi006 - 5 Feingold et al. 2005 CASP, SPL, ROSA, BF, D9.13, D9.33, SH20 CTTTAGTCCTTGGCAGAGCTT CGGGCTGATTCTTCTTCATC 56-62 - 199-250
STi018 - 11 Feingold et al. 2005 SPL, D9.13, D9.33, SH20 CCACTACTGCTTCCTCCACC GCAGCAACAACAAGCTCAAC 60-54 - 157-192
STi023 - 10 Feingold et al. 2005 SPL, BF, D9.13 GCGAATGACAGGACAAGAGG TGCCACTGCTACCATAACCA 55 - 193 [142-205]
STi027 MS201 8 Feingold et al. 2005 CASP, ROSA CGCAAATCTTCATCCGATTC TCCGGCGGATAATACTTGTT 60 - 109-148
STi043 - 1 Feingold et al. 2005 CASP, ROSA, D9.13 CAATGCGAATGTTGCTACTGGT ATCCACCAAGACCTCCAGAA 54-60 - 129-144
STi044 - 8 Feingold et al. 2005 CASP, BF, D9.33 GAGAACCCCACCCACCAA GGTATTGTGCTTGAACAGCCA 60-54 - 130-162
STi049 - 5 Feingold et al. 2005 BF, D9.33 GGAAGTCCTCAACTGGCTG TCAACTATATGCCTACTGCCCAA 60-54 - 137-157
STi050 - 3 Feingold et al. 2005 CASP, SPL, ROSA, BF, D9.13, D9.33, SH20 TTCCTCTAAGCGGCAAAAGG GGAGGAGACTTGGGTTTCTCC 58-52 - 153-168
STi055 MS172 4 Feingold et al. 2005 CASP, SPL, D9.13, D9.33 CCGTTGATGGGATTGCACA TGATATTAACCATGGCAGCAGC 60.2/60.8 - 220
STi057 - 9 Feingold et al. 2005 SPL, BF, D9.13, D9.33, SH20 CCTTGTAGAACAGCAGTGGTC TCCGCCAAGACTGATGCA 60-54 - 179-195
STi059 - 6 Feingold et al. 2005 BF, D9.13, D9.33 AGACGGGTGCACACGCAC TGCTTGAGTATGACAGCACTTGA 58-62 - 126-154
STM0003 MS066 12 Milbourne et al. 1998 CASP, SPL AATTGTAACTCTGTGTGTGTG GGAGAATCATAACAACCAG 57 - 141
STM0014 - 7 Milbourne et al. 1998 CASP, ROSA, BF, D9.13, D9.33, SH20 CAGTCTTCAGCCCATAGG TAAACAATGGTAGACAAGACAAA 54 - 180
STM0019 MS178 6 Milbourne et al. 1998 CASP, ROSA, D9.33, SH20 AATAGGTGTACTGACTCTCAATG TTGAAGTAAAAGTCCTAGTATGTG 53 - 204
Marqueurs dévéloppés et cartographiés pendant la thèse
Annexes
AII4-1
nom marqueur nom labo Avignon chrom. Référence, origine Parent où le marqueur a été cartographié séquence F séquence R Tm °C (F/R) enzyme de
taille attendue
restriction (CAPS)
(pb)
STM0020 MS067 4 Milbourne et al. 1998 BF, D9.13, D9.33, SH20 AGTCCAGAAAACCACATACA TGCGTCTGTGTGAGTATATTT 53 - 176
STM0028 MS34 7 Milbourne et al. 1998 CASP, BF, D9.13, D9.33, SH20 CATAAATGGTTATACACGCTTTGC TAATGGAGTTCCTGAAAAGAAAGG 53, 55, 57 - 145
STM0030 - 12 Milbourne et al. 1998 CASP, SPG, D9.33, SH20 AGAGATCGATGTAAAACACGT GTGGCATTTTGATGGATT 54 - 147
STM0037 MS035 11 Milbourne et al. 1998 ROSA, BF, D9.13, D9.33 AATTTAACTTAGAAGATTAGTCTC ATTTGGTTGGGTATGATA 48 - 90
STM0038 MS36 2 Milbourne et al. 1998 ROSA, BF, D9.13, D9.33, SH20 AACTCTAGCAGTATTTGCTTCA TTATTTAGCGTCAAATGCATA 53.9 - 108
STM0051 MS164 10 Milbourne et al. 1998 SPL, SPG TACATACATACACACACGCG CTGCAACTTATAGCCTCCA 54 - 115
STM1001 MS070 8 Milbourne et al. 1998 CASP TCAACAGTGCATTTGAATTATCG TCACCTTTTCATAGTTCAGCTAGG 53, 55, 57 - 133
STM1004 - 7 Milbourne et al. 1998 BF, D9.13, D9.33 ATATGAAATTCTCTCGATGTTTCG TCAGCCCATAAAXCTTTAGTTACCT 58.7/58 - 163
STM1008 MS141 2 Milbourne et al. 1998 CASP, BF, SH20 GTACACAGCAAAATAGCAAG TAGACACTCTCACATCCACT 56 - 140
STM1020 MS141 3 Milbourne et al. 1998 CASP, , SPL, , ROSA, , SPG, BF, D9.13, D9.33, SH20
TTCGTTGCTTACCTACTA CCCAAGATTACCACATTC 46.5/50.8 - 216
STM1020 MS041 5 Milbourne et al. 1998 CASP, D9.13 TTCGTTGCTTACCTACTA CCCAAGATTACCACATTC 47 - 216
STM1024 MS181 8 Milbourne et al. 1998 BF, D9.13, D9.33 ATACAGGACCTTAATTTCCCCAA TCAAAACCCAATTCAATCAAATC 60 - 143
STM1040 - 10 Milbourne et al. 1998 SPL, SPG, D9.13 AGTACTCAGTCAATCAAAG AGGTAAGTATGTTCTCCAG 44.2-46.3 - 173
STM1045 - 12 Milbourne et al. 1998 CASP, SPL, ROSA, SPG, D9.33 GAAGTTTTATCAGAATCC ATCACCTCATCAGCAATC 46.6/52.5 - 181
STM1049 MS75 1 Milbourne et al. 1998 CASP, SPL, ROSA CTACCAGTTTGTTGATTGTGGTG AGGGACTTTAATTTGTTGGACG 59.4 - 189
STM1051 MS037 9 Milbourne et al. 1998 CASP, BF, D9.13, D9.33 TCCCCTTGGCATTTTCTTCTCC TTTAGGGTGGGGTGAGGTTGG 65.7/65.3 - 225
STM1056 MS183 8 Milbourne et al. 1998 ROSA, BF AGGTAAGTTTTATTTTCAATTGC GGGTATGGGAATAGGTAGTTT 53.9 - 229
STM1057 MS182 8 Milbourne et al. 1998 CASP TTATGTTTCGGTTAAAATGTA AAATTAAATGGAAGACAACC 47, 50 - 107
STM1064 MS076 2 Milbourne et al. 1998 ROSA GTTCTTTTGGTGGTTTTCCT TTATTTCTCTGTTGTTGCTG 55 - 204
STM1102 MS039 9 Milbourne et al. 1998 CASP, SPL, BF, D9.13, D9.33, SH20 GGAAGAATTTTGTAGGTTCAA AAAGTGAAACTTCCTAGCATG 54 - 167
STM1105 MS029 8 Milbourne et al. 1998 ROSA, SPG, BF, D9.13, D9.33 AAACCTGCTACAAATAAGGC CAGAAATAATTGGAGGAGATG 54 - 114
STM2013 MS180 7 Milbourne et al. 1998 BF, D9.13 TTCGGAATTACCCTCTGCC AAAAAAAGAACGCGCACG 60 - 160
STM2022 MS160 2 Milbourne et al. 1998 SPL, SPG, ROSA, BF GCGTCAGCGATTTCAGTACTA TTCAGTCAACTCCTGTTGCG 58/60 - 194
STM2028 MS167 12 Milbourne et al. 1998 CASP, ROSA TCTCACCAGCCGGAACAT AAGCTGCGGAAGTGATTTTG 60 - 188
STM3009 MS040 7 Milbourne et al. 1998 CASP, ROSA, SPG, BF, D9.13, D9.33 TCAGCTGAACGACCACTGTTC GATTTCACCAAGCATGGAAGTC 64 - 110
STM3011 MS158 2 Milbourne et al. 1998 CASP, SPG, BF, D9.13, D9.33, SH20 GTGTGGTTGATTGATTGATTTAGC GTTTTTAGGCAGTTCTTGGGG 59.44/60.61 - 125
STM3015 - 8 Milbourne et al. 1998 CASP, ROSA AGCAATAAAGTCAACACTCCATCA AATGAATTAGGGGGAGGTGTG 66/62 - 156
STM3016 MS030 4 Milbourne et al. 1998 ROSA, , SPG, BF, D9.13, D9.33, SH20 TCAGAACACCGAATGGAAAAC GCTCCAACTTACTGGTCAAATCC 53 - 151
STM3023 MS174 4 Milbourne et al. 1998 D9.33, SH20 AAGCTGTTACTTGATTGCTGCA GTTCTGGCATTTCCATCTAGAGA 50, (60-50) - 197
STM3160 MS175 4 Bradshaw et al. 2004 SPG, BF, D9.33, SH20 ACTCAGAACACCGAATGG CTCCACTACTGGTCAAATCC 55 - 105-127
STM5109 - 11 Bradshaw et al. 2004 CASP, ROSA, SPG, D9.13, D9.33 ACAGCTTTACTCTGCTCAACAA TGACGGCGTTATTACAAAC 57 - 208–212
STM5130 MS088 11 Bradshaw et al. 2004 CASP, SPL, BF, D9.13, D9.33, SH20 AAAGTACAGCGAAGATGACGAC TTACCTTTGCAACCTTGCC 57 - 240–250
STM5140 MS173 4 Ghislain et al. 2004 CASP, ROSA, BF, D9.13, D9.33, SH20 GCTATTGTTGCAGATAATACG GCCATGCACTAATCTTTGA 45 - 183
STM5156 - 4 Ghislain et al. 2004 D9.13 CATTTTCTCCAGTAACTAACCA TTAGCTCCTATTTGAATCCC 57 - 271
STPoAC58 MS178 5 Sandbrink et al. 2000 CASP, ROSA, D9.13, SH20 TTGATGAAAGGAATGCAGCTTGTG ACGTTAAAGAAGTGAGAGTACGAC 55, 57 - 243
STWAX-2 MS191 8 Ghislain et al. 2004 SPG CCCATAATACTGTCGATGAGCA GAATGTAGGGAAACATGCATGA 53 - 224–243
T0635 Z592 4 SGN SPG, D9.33 GCCAAAATAGTGGTTGAAAG AAATTTCTGATGAGTCGAGG 58 MspI 800
TG303 - 10 Yamanaka et al. 2005 CASP TTCAATCCGAGCTCTTGGAATTG TTCAATCCGAGCTCTTGGAATTG 55 - -
TG313 - 10 SGN CASP, SPL, ROSA CTGCTGTTCCCAATCTAGCC ACATGCCCATTGACAACTCA 55 STS 330
TG345 Z1837 4 SGN ROSA AGCTTTTCCGTTGTTCTGGA ATCACTGGCACTTGCATCAG 60 AluI 800
TG437 Z1117F/Z1116F 4 SGN IL-195-I1 CCATATGGTCCTCCTCCAGA CTTTCAACCACTTCGGCAAT 60 Hph1
TG60 Z1842 5 SGN D9.13, D9.33 TTTAAAAAGAAGAGTGGTTCAGCA TAGAAATGCGAGGGAGGTGT 60 MseI
Rauscher et al. 2006
TG63 - 10 (TG63F1) CASP, SPG CCCAGAGTCCCCCTTCCTATT CGAGATGTTGAATTTGCGTAAGA 50 STS/MboI 600
TPT - 10 Sliwka et al. 2007 SPL, ROSA CCTTCTCTCTCACTGCCAATG CTCACCAAGCAATATACCACC 55 STS 1100
*Y=C+T, W=A+T, M=A+C, R=A+G, V=A+C+G, D=A+G+T

Annexes
AII4-2
Annexes
Annexe II.5
Composition du milieu LB
Objectif : multiplier les bactéries transformées avec un fragment d’amplification PCR à

séquencer
Mélanger les produits suivants :

Produits Quantité pour 1L
Tryptone 10,0 g
Extrait de levure 5,0 g
Chlorure de sodium (NaCl) 10,0 g
Gélose 15,0 g
Eau distillée 1,0 L
ajuster à pH 7,5
AII5-1
Annexes
Annexe II.6
Noms synomnymes des marqueurs pour la méta-analyse

Nom standard Nom synonyme Nom standard Nom synonyme Nom standard Nom synonyme Nom standard Nom synonyme Nom standard Nom synonyme
683 683-SSCP1 CT184A CT184_Ar Inv-ap Inv-ap-a STM0038 M003891 TG22 TG22_BFm
683 683-SSCP2 CT194 Z1844_33 LeatpocAa LeatpocAA STM1004 M1004257 TG221 TG221r
4Cl(a) 4cl_3 CT194 Z1844_BF Lernalx lernalx STM1004 M100437m TG231 TG231r
4Cl(a) St4cl(a) CT19A CT019_A Lernalx MS063n STM1004 M100447m TG237 TUS-15-P7
5418L SC85_20m CT19B CT019_Br M3894 Z1434_13 STM1004 M100454m TG254 TG254A
57t3 57T3-SSCP CT2_8 CT002 M3894 Z1434_BF STM1008a M1008136 TG263A TG263a
AF411807R ASC100 CT201A CT201a MBF Z965 STM1008a M100838m TG263B TG263b
AF411807R SC100_2m CT201B CT201b mkPim Z176733m STM1008c STM1008 TG27 TG027r
AF411807R SC100BF CT214 CT214b Nl25 NL25 STM1009acd STM1009c.d TG272 TG272B
Agl Z1144_BF CT214 CT214B NL27 NL27-SSCP3 STM1009acd STM1009_11 TG28 TG028_A
Agl AgI CT214A CT214a NL27 NL27-SSCP4b STM1009be STM1009_7 TG285 TG285r
AGPaseB-a AGPaseB(a) CT224 CT224_B NL27 NL27-SSCP5 STM1020abcg STM1020a TG285 TG285S
At1C05 At1C5 CT245 CT245_Ar Nl27 NL27 STM1020abcg MS041m TG28A TG28
At2D02 At2D2 CT259 CT259r OSM-8e Osm-11 STM1020abcg STM1020a TG316 TG316S
AtH01 At1H1 CT287_8 CT287_B P1433 Z899 STM1020abcg STM1020-2 TG339 ATG339
B175L ASC91 CT30 CT030r P1433 Z899_13m STM1020ehi STM1020b TG339 TG339_33
B175L SC91BFm CT30 CT030 P1433 Z899_3am STM1020ehi M1020215 TG339 Z183613m
B57R ASC84-3 CT47 CT047r P2 Z939 STM1024 M1024142 TG339 TG339R
B57R ASC84 CT68 CT068 P450 P450-SSCP1 STM1024 M102453m TG36 TG036r
B57R ASC84-1 CT68 CT068R Pal Pal-f STM1025 STM1025a TG36 TG036
B57R ASC84-2 CT71 CT071 PAT-a pat(a) STM1030b STM1030 TG364A cTOC-24-B19
B57R ASC84BFm CT79 CT079r PBE pbe STM1040 STM1040S TG364A TG364
B57R SC84_3m CT80A CT080_A PC8 PC8_2r STM1040 M104093m TG365 TG365r
BA106c14 BA106c14t7 CT83 CT083 Pk Z1147_1m STM1045a STM1045 TG370 ATG370
BA113a17 BA113a17t3 CT83 CT083r Pk Z1147_2m STM1045a_12 STM1045c TG370 TG370F
BA114i24 BA114I24t3 CT84 CT084 Pk Z1147_3m STM1045a_2 STM1045a,b TG399A TG399r_10
BA121o1t7 BA121o1t7-SSCP3 CT88-3 CT88 Pk Z1147_Bm STM1045a_2 STM1045a TG399B TG399r
BA121o1t7 BA121o1t7-SSCP5b CT91B CT091_Br Pk Z11471a STM1045b M104591m TG413A TG413a
BA121o1t7 BA121o1t7-SSCP4 CT91C CT091_Cr ppoIII PPOIII STM1056_8 STM1056b TG42 TG042
BA121o1T7 RGL121o1-a Fbp-cy Z1145_3m ppoIII Ppo STM1056a M1056206 TG427 TG427S
BA121o1T7 BA121o1t7 Fbp-cy Z114513m Prp1 Prp1-200 STM1057abc STM1057 TG430B TG430a
BA18o5 BA18o5T3 GM232-b GP232-2 Prp1 prp1 STM1102cde STM1102 TG430B TG430Br
BA228d23 BA228d23t3 GP125 GP125-SSCP1 PSTRd PSTR(i) STM1102cde M1102167 TG432 ATG432mP
BA47f2T7 RGL47f2-e GP128-f GP128-2 PSTR-e PSTRe STM1102cde M110264m TG441 TG441r
BA47f2T7 BA47f2t7 GP136-a GP136(a) PSTRf PSTR(f) STM1105a M1105106 TG449B TG449b
BA66k2 BA66k2t3 GP161 GP161-c PSTR-f PSTR(f) STM1105a M110511m TG45 TG045r
BA88b3 BA88b3t7 GP167-a GP167_2 PSTR-f PSTRf STM2013 M2013155 TG473 TG473r
C2_Atg1740 Z1473_3m GP17 GP17-a PSTR-g PSTRg STM2013 M2013160 TG474 cLED-29-N16
C2_Atg1740 Z147313m GP172-b GP172 PSTR-i PSTR(i) STM2022 M202222m TG496 TG496r
CD18-10 CD18B GP174-a GP174 PSTR-i PSTRd STM3011 STM3011b TG497 TG497r
CD31A CD31 GP179 GP179-570 PSTR-l PSTRl STM3016 MS30-a TG50 TG50B
CD32B CD32 GP179 GP179A RbcS-2 rbcS-2 STM3016 MS30 TG506 TG506R
CD34_10 CD34 GP179 AGP179m RbcS-2 rbcs-2 STM3016 MS30-h TG524 TG524r
CD35 CD035 GP180 GP180-a RbcS-c RBCS1 STM3016 MS30-b TG555 TG555S
GP180 GP180_2 RGH3 Z897 STM3016 STM3016b TG569 TG569S
CD49 CD49A
GP180 GP180_1.3 S Sr1 STM3016 M3016121 TG581 TG581r
CD5 CD005
GP180 GP180(a) S2a12 AmyZ-3/4 STM3016 M3016128 TG5811 cLEW-11-L14
CD57 CD057
GP180 AGP180 Sbel SbeI STM3016 M301625m TG59 TG59-1
CD59 CD059
GP180 GP180sa SK2 SK2-a STM3023 M3023196 TG62 TG62_33m
CD62 CD062
GP180 GP180_3m SSR4 MS058n STM3023 M302376m TG63 TG63S
CD64 CD064_A
GP180 GP180_SH SSR450 MS81 STM3160 STM3160_a TG66 TG066r
CD64 CD064_Ar
GP180 GP180(a) SSR450 SR45054m STM3160 M316004m TG68 TG068
CD64 CD064_AS
GP195-a GP195(a) SSR450 SR45057m STM3160 M3160102 Th21 ASC93
CIA142c CSD_Hp
GP196 GP196-2 SSR555 MS90.13 STM3160 M3160108 Th21 SC93_20m
cLer16J6 cLER-16-J6
GP198-a GP198-3 SSR555 MS90-23 STM5140 MS173-2 Th21 SC93_BFm
cLPT5B19 Z1465_2m
GP1-a GP1(a) SSR555 MS90-13 STM5140 MS173-5 Th21 Th21_33m
cLPT5B19 Z1465BFE
GP1-a GP1a SSR555 MS90-24 STM5140 MS173.5 Tpt TPT
cLPT5B19 cLP5B19
GP1-c GP1© SSR555 SR55522m STM5140 M5140177 wun_2 wun2_6
cLPT5B19 cLP5B19m
GP21 GP21A-8 SSR86 MS80-16 STM5140 M5140180 wun_2 wun2_5
cLPT5B19 cLPT-5-B19
GP21 GP021Cm SSR86 MS80 STM5140 M514074m wun_2 WUN2
consRGA SC101_33
GP21 GP021 St4cl-a 4Cl(a) STM5156 M515670m WUN1 WUN1(a)
CosA CosA-210
CP104-d CP104(d) GP21 GP21mSCA St4cl-a St4cl(a) StPAD4-1 StPAD4
CP112-b CP112(b) GP215-a GP215(a) StCf9-c cf9 STPoAc58 Ac5857m
CP112-d CP112-1 GP219 GP219-1 STI0001 Ti001206 STPoAc58 Ac5865m
CP112-d CP112(d) GP221 AGP221 STI0001 Ti001212 Stpto STpto
CP117 CP117-1 GP221 GP221Rm STI0001 Ti00119m Stpto StPto
CP137-b CP137(b) GP221 GP22113m STI0055 Ti05521m StSGT1-2 StSGT1
cp19 CP19 GP221 GP22113m STM0013ab STM0013a T0635 Z592
CP20-a CP20(a) GP232 GP232-b STM0013ab STM0013 T0635 Z592_13m
CP43 CP43(a) GP232 GP232-2 STM0013ab STM0013b T0635 Z592_33
CP47-a CP47-b GP249b GP249-b STM0013ab MS032an T0707 T0707r
CP47-a CP47-1 GP25 GP25-SSCP1 STM0014abd STM0014-a T0741 T0741r
CP47-a CP47 GP25 GP25_1 STM0014abd STM0014 T0741 T0741S
CP48b CP48-b GP250 GP250-a STM0014abd M001417m TG102 TG102(a)
CP49-a CP49(a) GP250(a) GP250 STM0014abd M001441m TG105-a TG105-1
CP51-a CP51a GP250a GP250 STM0014abd M001452m TG123 TG123sm
CP51-c CP51 GP255-f GP255-3 STM0014abd M001497m TG123 TG123y
CP51-c CP51-2 GP261 GP261-a STM0014eg M0014121 TG123 TG123v
CP54-a CP54a GP261 GP261a STM0014eg M001418m TG132 TG132r
CP57 CP057r GP261 GP261(a) STM0019 M001902m TG141A TG141
CP57 CP057S GP263-b GP263(b) STM0019 M001935m TG15 TG015
CP58A CP58 GP264 GP264-a STM0020 M0020150 TG154 TG154_1
CP58B CP058B GP28 GP28(b) STM0020 M0020170 TG162-4 TG162(6)
GP291-a GP291(a) STM0020 M002023m TG167 TG167r
CP65A CP065Asm
GP293 GP293(a) STM0020 M002030m TG16A TG16
CP65-a CP65a
GP33-a GP33-1 STM0020 M0020150 TG17 TG017
CP65-a CP065Asm
GP34 GP34-SSCP2 STM0020 M0020170 TG176 TG176_2
CP65B CP065_Br
GP34 GP34(a) STM0020 M002023m TG18B TG18-6
CP65B CP65-a
GP35 GP35-i STM0020 M002030m TG20 TG020
CP65B CP65a
GP35-d GP35(d) STM0028 MS034 TG20 TG20-a
CP70-a CP70(a)
GP40-a GP40(a) STM0028 M0028162 TG20 TG20A
CP70-b CP70(b)
GP40-b GP40(b) STM0030 M0030153 TG208 TG20833m
CT100 CT100r
GP514 GP514-b STM0030 M003037m TG20A TG20(a)
CT105A CT105_Ar
GP73-a GP73(a) STM0037 M003772 TG20-a TG20(a)
CT107A CT107a
GP76 GP76-Rsa-600 STM0037 M003778m TG20B TG020
CT107C CT107c
GP76 GP76_b STM0038 STM38m1 TG20B TG20a
CT11 CT11mR
GP91-a GP91a STM0038 STM38m1 TG20B TG20-b
CT136 CT136r
GP91-c GP91(c) STM0038 M0038101 TG218 TG218r
CT141 CT141r
Gro1 gro1-2-P40 STM0038 M003882 TG22 TG22_13
CT175 CT175_A
AII6-1
Annexes
Annexe IV.1
Cartes parentales des populations 03D
La condition requise par MAPMAKER de ne pas dépasser 8 caractères pour les noms des
marqueurs a été également appliquée pour CARTHAGENE.
Ainsi, les marqueurs ont été renommés comme suit :
-les marqueurs STM ont des noms commençant par la lettre ‘M’, suivie du numéro du
marqueur tel qu’attribué dans la bibliographie, et de la taille de la bande polymorphe ; pour le
marqueur miroir correspondant, le chiffre des centaines de la taille de la bande est supprimé
et un ‘m’ est ajouté à la fin du nom.
Exemple : la bande polymorphe du marqueur STM3023 et de taille 176 pb est renommée

‘M3023176’ et sa bande miroir est nommée ‘M302376m’
-les marqueurs SSR ont des noms commençant par ‘SR’, suivi de leur numéro d’origine.
Les noms d’origines des marqueurs CAPS sont donnés en Annexe II.4
Les numéros des chromosomes sont en chiffres arabes, précédés de la lettre ‘K’.
AIV1-1
Annexes
“intra-population” maps
K2_BF_D36 K2_BF_D41 K2_D9.13_D36 K2_D9.13_D39 K2_SiH_D39 K2_SiH_D42 K2_D9.33_D41
0.0 M3011139 0.0 M3011139 0.0 M3011142 0.0 M301132m 0.0 M003891 0.0 M301122m 0.0 M301132m
2.8 M301122m 2.1 M003882 2.9 M003895m
9.2 M003806m 8.8 M003882 8.8 M003808m
18.3 M003808m 18.8 M003891 M003808m

M003806m 19.9
M003891 22.2 M003808m 21.9
23.8
35.5 M003806m 34.0 M003895m

36.9 M003891
87.8 M100838m
114.1 M1008136
122.8 M202291m
K3_BF_D36 K3_BF_D41 K3_D9.13_D36 K3_D9.13_D39 K3_SiH_D39 K3_D9.33_D41 K3_D9.33_D42
0.0 M102095m 0.0 M102095m 0.0 M1020251 0.0 M1020251 0.0 M1020236 0.0 M1020220 0.0 M1020257
1.1 Ti050174
4.5 Ti050174
8.6 M1020189
12.0 M1020189
13.1 M102031m
15.3 Ti050177
22.2 Ti05080m
23.6 M1020237
30.1 M1020220
40.2 M1020220 39.9 Ti050174

41.6 Ti050174
43.6 Ti05080m
76.6 Ti05080m
K4_BF_D36 K4_BF_D41 K4_D9.13_D36 K4_D9.13_D39 K4_SiH_D39 K4_SiH_D42 K4_D9.33_D41 K4_D9.33_D42
0.0 Z11471a 0.0 M3016128 0.0 M301625m

0.0 GP180BFm 0.0 M301625m 0.0 M3016121 0.0 Z1147_3m 0.0 GP180_3m
1.4 M514074m 0.1 M316004m 2.6 M316004m
3.6 Z1147_1m M5140180
8.0
8.4 M514074m 8.8 M5140183
10.3 Ti05521m 11.7 SR555219
11.3 M5140177 11.1 Z114420m
11.8 Ti05521m
13.5 M302376m
14.0 M3023196
19.4 Z114513m 19.9 M5140183 20.3 M3160102
22.8 M002023m 24.1 Ti05521m 22.9 M3016121
26.5 Z1473_3m
31.1 SC101_33
36.1 M0020170 36.9 M002030m
41.1 Z1147_Bm 40.2 M002023m 40.7 M5140180
42.4 M301625m
43.5 M316004m 46.0 SR55519m
47.8 Z592_33
49.1 M514089m
53.6 Ti05521m
60.0 Ti00119m
61.9 Z1844_33
71.6 M0020150
75.1 M002030m
82.4 M515670m 82.0 M0020150

87.8 M0020170
96.7 Z1844_BF
114.3 Ti00119m
AIV1-2
Annexes
0.0 Ti049164 0.0 Ti049164 0.0 Ti00622m 0.0 Ti006245 0.0 Ti006218 0.0 Ti00623m 0.0 Ti049164 0.0 Ti00622m
1.4 Ti04972m 2.4 Ti00623m
8.3 Ti006245
21.5 Ti00623m
M1020215 26.0 Ac5857m 25.9 Z1842m
29.4 Ti00623m 27.2
48.1 Z1842m
51.9 Ac5857m
62.8 Ac5865m
73.6 Ac5865m
143.9 Ti00622m
0.0 Ti05960m 0.0 Ti05960m 0.0 Ti059151 0.0 Ti059151 0.0 M001935m 0.0 M001935m 0.0 M001902m 0.0 Ti059151
7.7 Ti00479 7.2 Ti00479
12.6 Ti00479
24.4 Ti00493m
26.1 Ti059151
34.1 Ti00493m
40.9 Ti00479
53.8 Ti00493m
89.0 Ti00493m
0.0 M100454m
0.0 M3009151 M001448m 0.0 M0028162 0.0 M0028162 0.0 M002866m 0.0 M0028166 0.0 M300913m
2.3
4.5 M0014180
15.4 M300914m M001441m 13.4 M001497m
15.6 16.8 M3009162
32.4 M3009162 M001417m

34.7
42.8 M3009151
68.0 M2013160
78.5 M001448m
79.6 M100454m 79.5 M2013155
84.3 M0014182
82.1 M001441m 86.0 M0028147
87.7 M001452m
96.1 M100447m
107.4 M1004257
124.6 M001452m
128.7 M001452m
156.5 M100447m
164.3 M100447m
171.9 M001452m
AIV1-3
Annexes
K8_BF_D36 K8_BF_D41 K8_D9.13_D36 K8_D9.13_D39 K8_D9.33_D41 K8_D9.33_D42
0.0 M110511m 0.0 M1105108 0.0 M1105102 0.0 M1105102 0.0 M110511m 0.0 M110511m
2.2 M1105102
9.7 M102453m
14.6 M102453m 14.6 M1024142 M102446m
16.6
25.9 Ti04476m
33.0 M1105102
54.2 M1056206
69.7 Ti04462m
74.7 Ti044168
105.6 Ti04468m
134.8 M1024142
0.0 M110264m 0.0 M1051226 0.0 M1102167 0.0 M1051204 0.0 M110264m 0.0 M1102167 0.0 M1102167
4.7 M105191m
6.2 Ti057229 7.7 M1051226
Ti05723m 10.1 Ti057205
10.1
12.6 M1051204 11.4 Ti05723m
17.9 Ti05723m 18.1 Ti05701m
36.1 M105191m
39.8 Ti05723m
66.8 M110264m
77.9 Ti057229
99.3 Ti05705m
K10_BF_D36 K10_BF_D41 K10_D9.13_D36
0.0 Ti02311m 0.0 Ti023213 0.0 M104093m

0.1 Ti02318m
1.2 Ti02318m
10.9 Ti023227
12.1 Ti02311m
AIV1-4
Annexes
K11_BF_D41 K11_D9.13_D36 K11_D9.13_D39 K11_SiH_D39 K11_D9.33_D41 K11_D9.33_D42
0.0 M5130265 0.0 M5130257 0.0 M5130257 0.0 M5130265 0.0 M5130257 0.0 M5130257
6.0 Ti018195 6.3 Ti018201

7.4 Ti01812m 7.2 Ti018195
9.2 Ti01812m
12.0 M003778m 12.1 M003778m
17.9 M003778m 17.3 M5109214

18.6 M003772
26.4 M003778m
33.1 M5109214
34.1 M510902m
36.1 M5109214
50.5 M510902m
51.5 M5109214
54.2 M510902m
65.3 M510902m
K12_SiH_D42 K12_D9.33_D42
0.0 M003016m 0.0 M0030153
16.6 M003037m
36.9 M0030164
41.4 M0030130
136.5 M104591m
165.6 M003037m
AIV1-5
Annexes
“inter-population” maps
K2_BF K3_BF K4_BF K5_BF K6_BF K7_BF
0.0 M3011139 0.0 M102095m 0.0 GP180BFm 0.0 Ti00623m 0.0 Ti05960m 0.0 M3009151
2.3 M301122m
11.6 M102031m
14.3 M003808m
18.7 M003891 17.0 Th21BFm
23.9 Ti04972m
24.6 Ti049164
29.1 Ti00493m
48.0 SC91BFm
49.1 HERGH4m
50.2 SC101_BF Z1465_BF
50.8 Z1147_Bm
51.5 M301625m
52.1 M316004m
62.5 M100838m 53.8 SC100BF
54.9 SC93_BFm
62.8 Z1144_BF
65.0 M514089m M5140177
68.8 ASC84BFm
88.9 M2013160
93.1 M202291m
98.9 Ti05080m 98.7 M100454m
103.6 M0020170 M001441m
105.6
130.0 Ti001212
131.0 Ti00119m
134.0 TG22_BFm
K8_BF K9_BF K10_BF K11_BF K12_BF
0.0 M110511m M1105108 0.0 M1051226 0.0 Ti02311m 0.0 M5130265 0.0 M0030153
1.2 Ti02318m Ti023213
12.1 M102453m
18.1 M003772 M003770m
35.9 Ti04476m
67.6 M1056206
69.9 M110264m 70.0 M5109200
77.4 Ti057229
AIV1-6
Annexes
K1_D9.13 K2_D9.13 K3_D9.13 K4_D9.13 K5_D9.13 K6_D9.13 K7_D9.13
M3011142 0.0 M3016121

0.0 Ti043153 0.0 0.0 M1020251 0.0 Ti00622m 0.0 M001985m 0.0 M0028162
M003882 3.6 Z1147_1m
3.8 4.7 Ti006245
6.7 M514074m
11.9 M1020237 10.5 GP22113m
19.8 M1020220 15.8 M3023196 20.7 M1020215
21.5 Ti050174
39.5 M202222m 38.4 Z1842m

42.4 Ti05080m 41.7 Ac5857m
47.1 M002023m
67.8 Ti059151
78.0 Ti00479
88.3 Ti001206 86.1 M3009162
98.9 M515670m
135.7 M2013155
153.4 M100447m
170.8 M001452m
K8_D9.13 K9_D9.13 K10_D9.13 K11_D9.13 K12_D9.13
0.6 M1105102 0.0 M1102167 0.0 M104093m 0.0 M5130257 0.0 M0014121
11.0 Ti023227 6.7 Ti018195
M1024142 12.6 M1051204 12.2 Ti02311m 14.7 M003778m
15.6
34.3 Ti05723m 34.4 M5109214
51.9 M510902m
54.9 M104591m
64.5 Ti04480m
112.2 M003037m
AIV1-7
Annexes
K2_SiH K3_SiH K4_SiH K5_SiH K6_SiH K7_SiH
0.0 M301122m 0.0 M1020236 0.0 M301625m 0.0 Ti00623m 0.0 M001935m 0.0 M0028162
1.2 Z1147_2m
8.5 Ti050183
18.6 M003891 19.7 M5140177
39.8 M001497m M100437m
63.4 M3023196
67.9 Ac5865m 66.9 Ti00493m
95.8 M1008136
115.3 M0020150
K8_SiH K9_SiH K10_SiH K11_SiH K12_SiH
0.0 M1105106 0.0 M110264m 0.0 Ti02311m 0.0 M5130265 0.0 M001418m
6.5 Ti018201
9.3 M003016m
18.1 Ti05701m
22.8 M003772
37.7 M003037m
56.5 M1051204
62.5 M0030130
AIV1-8
Annexes
K2_D9.33 K3_D9.33 K4_D9.33 K5_D9.33 K6_D9.33 K7_D9.33
0.0 M3011139 0.0 M1020220 0.0 M3016121 0.0 Ti049164 0.0 M001902m 0.0 M3009162
5.2 Ti050174 1.5 Z1147_3m
10.0 M0038101 8.9 M5140180
15.0 Ti05521m M001417m
17.9
19.9 TG20833m
26.4 Ti059151
30.9 M002030m
36.3 M202222m 37.2 Ti00479
41.3 Z1844_33
48.1 TG62_33m 49.6 M1004257
77.6 M3023196
95.9 M1020215
139.4 Z1842m
146.0 M515670m
K8_D9.33 K9_D9.33 K10_D9.33 K11_D9.33 K12_D9.33
0.0 M1102167
0.0 M110511m 0.0 M104093m 0.0 M5130257 0.0 M104591m
4.5 M105191m
8.1 M1051226 8.5 Ti018195
15.2 M1105102 10.8 Ti05723m
18.9 M003778m
29.0 M003037m
32.8 M5109214
48.1 M510902m
117.2 M1024142
120.5 Ti02311m
160.4 Ti023227
163.2 Ti04480m
AIV1-9
Annexes
Consensus maps
K2 K3 K4 K5 K6 K7 K8
0.0 M3011139 0.0 STM3016

0.0 M1020251 Pk 0.0 STI0049 0.0 M001985m 0.0 STM0028 0.0 STM1105a
1.5 M301122m 0.7
6.8 STM5140
8.2 M102095m 8.0 M1105102
10.6 M3011142 12.2 GP221
11.9 M1020237 STI0055
14.4 STM0038 12.9
TG208 17.3 STM1024
19.8 STM1020ehi 17.8 STM3009
19.7 STM3023 21.6
28.0 STI0050 28.7 STM0020
33.6 CT194 32.5 STM2013
34.3 TG62
37.8 STM1008a 38.1 STM0019
42.0 STM1004
46.1 STM0014abd
49.5 STI0044
52.2 STM2022
56.5 STI0001
67.8 STM5156 67.8 STI0059

73.8 STI0006
78.7 Ti006245
80.7 STI0004 81.2 STM1056a
95.9 STM1020ehi
119.3 TG60
122.8 STPoAc58
K9 K10 K11 K12
0.0 STM1102cde
4.2 M105191m 0.0 STM1040 0.0 STM5130 0.0 STM0014eg
7.6 M1051226
7.2 STI0018
9.4 M1051204 11.5 Ti023227 11.2 M003016m
10.0 STI0057 12.2 STI0023
17.6 STM0037
21.5 STM1045b
33.8 M5109214
50.1 M510902m 48.7 STM0030
69.5 STM5109
73.5 M0030130
AIV1-10
Annexes
Annexe V.1
Integrated potato map marker composition
group: chromosome number
meta.occurrence: number of maps where the marker was mapped
in grey: markers that were mapped in a least two different maps
group locus position meta.occurence group locus position meta.occurence

1 C4347nG 0 1 1 S3e12-b 46.75 1
1 S4.1480 4.73 1 1 CP90 47.52 1
1 E3554m09 5.11 1 1 TG310 47.63 3
1 CP51(d) 6.93 1 1 TG29 48.53 1
1 Cf9_2 8.18 1 1 TG70 49.77 5
1 C3349n02 9 1 1 C3550mG 49.91 1
1 E3251m11 10.71 1 1 STM2020 50.83 4
1 C3349m04 14.01 1 1 46/42.I 51.1 1
1 CT2 14.71 1 1 P8f5 51.25 1
1 Cf9_3 21.18 1 1 S1b9-b 51.25 1
1 StCf9-c 22.06 3 1 GP317-a 51.5 1
1 GP264 23.57 2 1 GP90 51.5 1
1 Icdh-1 23.57 1 1 CP11 51.5 7
1 STI0062 23.71 1 1 STM0001b 51.63 1
1 CT197 24.5 1 1 GP93 52.16 1
1 TG301 24.5 1 1 C4347mD 52.22 1
1 Idh1 24.5 1 1 STG0005b 52.69 1
1 CP46 25.01 3 1 SSR92 52.92 1
1 S2a5-a 25.01 1 1 S1c4 53.07 1
1 StCf9-b 25.01 1 1 E3549n22 53.87 1
1 STI0043 25.71 3 1 P7g4-a 53.97 1
1 StPEN1 26.75 1 1 CP51-c 54.54 1
1 TG061r 28.92 1 1 CP64 55.13 1
1 E3549n08 29.85 1 1 32/48.c 55.43 1
1 CD64_2 31 1 1 TG176_1 55.68 1
1 C4447n21 31.2 1 1 E3249m04 56.72 1
1 C4347m31 32.6 1 1 CP196 56.95 1
1 TG24 33.4 5 1 C4447n9 57.88 1
1 Skdh1 33.4 1 1 TG21 58.78 1
1 GluA 33.4 1 1 At2E8-a 59.36 1
1 CP45 33.41 1 1 32/49.d 59.93 1
1 RGL47f2-f 33.56 1 1 CP69 60 1
1 BA114i24 33.56 1 1 E3249m09 60.23 1
1 S1g12 33.56 1 1 PBA14-12 61.92 1
1 S1g2-f 33.56 1 1 E3561m10 62.71 1
1 Cf9 34.18 1 1 E3261m12 62.98 1
1 GP519 34.43 1 1 AR1.1200 63.33 1
1 P9b6 34.43 1 1 STM1009b 63.73 1
1 32/51.d 35.15 1 1 STG0016 63.77 1
1 36/32.B 35.23 1 1 E3561n14 64.53 1
1 StCf9-a 35.3 1 1 GP175 64.87 1
1 GP501 35.3 1 1 GP298 64.87 1
1 STM1102b 37.17 1 1 STS11 65.92 1
1 E4560n29 37.42 1 1 GP207 66.07 3
1 GP244 37.72 1 1 AML.420 66.45 1
1 STI0031a 37.73 1 1 P1a9-a 66.51 1
1 C4347n24 38.8 1 1 P2g3 66.51 1
1 36/32.C 39.23 1 1 E4560n06 67.98 1
1 E3251n17 39.38 1 1 GP208 68.42 1
1 GP40-b 39.93 3 1 GP33-c 68.42 1
1 S1a7-a 40.45 1 1 CT091_B 68.48 1
1 P7a11-d 40.45 1 1 E3549m07 69.77 1
1 SK2-b 40.53 1 1 OPD-05 69.92 1
1 St48A 40.53 1 1 At2D6-b 70.12 1
1 GP128-a 40.53 1 1 STM5136 70.28 2
1 CP108 40.53 3 1 E3251n50 70.78 1
1 Cyt-cred14kD-b 40.53 1 1 TG59 72.28 5
1 C3349n20 40.65 1 1 CT91B 72.48 1
1 GP312-b 40.72 1 1 P1e7-a 72.83 1
1 STS10 40.92 1 1 E3558n06 73.84 1
1 S1b7-a 41.3 1 1 TG71 73.93 4
1 S1h5-c 41.32 1 1 E3558m07 74.33 1
1 C3347m35 41.35 1 1 LeatpocAa 74.43 2
1 GP206 41.53 1 1 CP112-c 74.65 1
1 TG125 41.72 3 1 STM2030 74.88 4
1 C4362m18 41.88 1 1 C3349m13 74.95 1
1 BA54n6 42.19 1 1 LeatpacAa 74.98 1
1 BA106l5 42.19 1 1 STM1049 75.08 8
1 BA62l7 42.19 1 1 S3e5 75.56 1
1 P10a3 42.19 1 1 S1e5-a 76.46 1
1 At2A2-c 42.19 1 1 OPH-05 76.92 1
1 St1.2.4-a 42.32 1 1 TG56-1 76.93 1
1 C3350m08 42.35 1 1 CP111 77.8 1
1 GP184 42.53 1 1 P11c12 78.28 1
1 GluB 42.89 1 1 TG326 78.58 5
1 31/37.o 42.93 1 1 GP212 79.16 1
1 CD34(10) 43 1 1 31/54.e 79.28 1
1 At2E8-d 43.06 1 1 TG19 79.33 1
1 CP100 43.06 3 1 cp19 81.88 4
1 STM5127 43.08 3 1 E3251m34 82.18 1
1 S 43.19 1 1 E3548m24 85.37 1
1 GP232 43.25 2 1 NtPR-4 86.62 1
1 34/33.r 43.55 1 1 TG116 86.85 4
1 STI0034 43.69 1 1 SSR270 86.92 1
1 GP1-d 43.93 1 1 GP166 87.43 1
1 ?Gluc 43.96 1 1 GP271 87.43 1
1 CD34_10 44.13 1 1 GP192 87.43 1
1 41/49.A 44.16 1 1 GP187 87.62 1
1 STM0015 44.33 1 1 C4451n6 88.38 1
1 C4451m5 44.38 1 1 GP88 89.83 3
1 P1e6 44.45 1 1 Lox-b 89.97 2
1 ?gluc 44.54 1 1 STWIN12G 90.56 1
1 CD15 44.68 2 1 GP297-a 91.04 1
1 33/34.a 44.77 1 1 GP167-a 91.04 1
1 P1.350 45.08 1 1 GP124 91.04 1
1 C3349nB 45.14 1 1 GP290 91.04 1
1 32/51 45.7 1 1 STM1009_1 91.92 1
1 C3347n24 45.71 1 1 CT224_A 92.01 1
1 S2c7 45.84 2 1 GP167-2 92.93 1
1 STM1029 46.18 6 1 TG237 93.69 5
1 C3350nK 46.28 1 1 CD16A 93.75 1
AV1-1
Annexes

1 P1e2-a 94.22 1 2 STI0053 48.98 1
1 GP235 94.68 1 2 C3350n23 49.92 1
1 E3548m65 94.74 1 2 Z1.1400 50.2 1
1 P1a3 94.95 1 2 At1A7-a 50.86 1
1 TG430B 96.82 4 2 TG31 50.92 4
1 GP194 97.09 4 2 GP128 51.04 2
1 TG430 97.75 1 2 R45S 51.48 1
1 CT259s 98.83 1 2 C3349mJ 53.22 1
1 CP62 99.86 3 2 TG276 54.98 5
1 GP228 102.42 1 2 CP48-a 55.35 2
1 TG17 102.67 3 2 RbcS-c 55.35 3
1 P10f5-d 103.86 1 2 P1f11-b 55.86 1
1 S2a5-b 104.72 1 2 GP131 56.15 3
1 NtPR-1B 104.98 1 2 St1.2.3 56.38 1
1 CP63 105.65 1 2 C3349n5 56.53 1
1 STI0009 105.88 2 2 38/38.d 56.8 1
1 TG53 106.31 3 2 GP508 56.9 1
1 GP253 106.31 1 2 C4447mH 57.34 1
1 PSTR-c 106.31 1 2 StNPR1 57.41 1
1 AGPaseS-a 106.65 1 2 TG306 57.7 2
1 P8f11-b 106.72 1 2 GP86 57.79 3
1 P8h12 107.13 1 2 GP176-a 57.79 1
1 S2g6 107.13 1 2 GP33-a 57.79 3
1 CP13 108.2 2 2 GP236 57.79 1
1 C3962mA 108.37 1 2 CP65-a 58.32 1
1 GP258 108.87 1 2 TG1 58.55 1
1 CP132 109.54 5 2 CD1 58.55 1
1 E3548n25 109.68 1 2 GP214 58.94 2
1 TG259 109.74 3 2 STI0056 59.45 1
1 TG258 111.1 3 2 STI0029 59.7 1
1 TG27 111.81 2 2 At1A3-a 60.2 1
1 GP196 112 1 2 S1g2-e 60.2 1
1 CP134b 116.09 1 2 P10b11 60.2 1
1 S1b7-b 121.54 1 2 GP321a 60.85 1
1 S1f10-b 121.54 1 2 STM2022 60.87 7
1 S2e10 121.54 1 2 STM3001a 60.93 1
1 P2e5 124.54 1 2 CD30B 61.58 1
2 C4451m27 0 1 2 C4350n28 61.86 1
2 e32m48-350 19.2 1 2 GP288-3 62.87 2
2 36/50.c 20.1 1 2 At2A12-b 62.98 1
2 STM3011a 22.1 1 2 At1D5-a 63.41 1
2 32/48.d 23.5 1 2 GP231a 64.11 1
2 PBA8-11 27.2 1 2 GP26 64.47 7
2 WUN1(b) 28.44 1 2 E3249m18 64.48 1
2 E3249m30 29.3 1 2 TG227 64.92 2
2 GP22b 30.02 1 2 E3554n10 64.97 1
2 38/32.e 30.5 1 2 GP209 65.09 3
2 C3350m04 32.5 1 2 39/50.e 65.67 1
2 STM3011 34.2 7 2 STM3001d 65.86 2
2 C3350n13 35.14 1 2 GP98 66.06 1
2 C4347n18 35.91 1 2 GP136-a 67.64 2
2 CP112(c) 36.44 1 2 P2b8-a 68.13 1
2 StPAD4-1 37.02 3 2 GP296 69.58 1
2 StPAD4-2 37.02 1 2 S1h5-b 69.63 1
2 GP1-c 37.42 1 2 S2d5 69.63 1
2 GP249b 38.41 2 2 TG234 70.65 2
2 STM0038 38.8 8 2 GP293 70.74 4
2 PBA9-7 38.88 1 2 STM1045a_2 71.02 3
2 E3249n17 39.32 1 2 CP65-b 71.13 1
2 P2a6-a 40.06 1 2 TG462 71.21 3
2 GP199 40.25 1 2 TG14 71.35 1
2 C4350m19 40.79 1 2 CAB1 71.35 1
2 P7g4-c 41.07 1 2 Prx2 71.35 1
2 TG33 41.35 1 2 34/34.a 71.77 1
2 31/48.b 41.66 1 2 CP157 72 3
2 At2B5-a 42.09 1 2 STI0036 72.21 1
2 GP74-a 42.09 1 2 TG20B 72.74 6
2 AtH01 42.09 1 2 STM5114 73.29 2
2 TG5 42.09 2 2 At1A7-b 74.94 1
2 St3.1 42.09 1 2 P2b8-b 75.68 1
2 St3.2 42.09 1 2 STG0019 75.74 1
2 OPA05 42.3 1 2 STM1008b 75.76 1
2 C3350n18 42.69 1 2 P10f5-a 76.42 1
2 At1B9-a 43.21 1 2 GP246-a 76.42 1
2 At1A9-a 43.21 1 2 C3347n16 76.5 1
2 TG102(b) 43.44 1 2 C3347n28 76.79 1
2 GP128-b 43.76 1 2 CD35 77.03 6
2 E3261n25 44.08 1 2 S1b9-d 77.07 1
2 St1.2.4-h 44.33 1 2 P8b7-a 77.16 1
2 S3e4 44.33 1 2 S2g2 77.51 1
2 C3349mA 44.4 1 2 CD43 77.73 1
2 GP1? 44.75 1 2 PFC 77.76 2
2 C4347n30 44.75 1 2 STM1008a 78.02 4
2 CPO 45.28 1 2 P10f5-b 78.27 1
2 GP201 45.44 2 2 STG0006 78.29 1
2 GP205 45.44 4 2 NtCHtA-Q 78.42 1
2 RGL47f2-g 45.45 1 2 GP313 78.43 2
2 BA113m7 45.45 1 2 CP116 79.07 1
2 GP23 45.45 7 2 GP176-b 79.07 1
2 CP70-b 45.45 2 2 GP35 79.07 1
2 CT109_2 46.66 1 2 CT75 79.58 3
2 31/58.f 47.78 1 2 CP109 79.7 1
2 CT176 48.04 1 2 GP216 79.76 4
2 Sol20 48.06 1 2 S1f6 80.06 1
2 S2f2 48.15 1 2 RBCS3 80.1 1
2 E3554n22 48.34 1 2 TG131B 80.33 1
2 C4447m11 48.36 1 2 S1g2-d 81.54 1
2 STG0033 48.48 1 2 CD9C 83.11 1
2 SK2 48.75 1 2 STM1072 83.19 2
2 Sol-20 48.92 1 2 GP504 83.73 4
AV1-2
Annexes

2 RbcS-2 83.81 4 3 TG449B 52.71 3
2 STI0052 83.94 1 3 CP6_3 52.97 1
2 GP513 84.54 1 3 STM1025 53.15 4
2 C3347m12 84.62 1 3 39/50.a 53.55 1
2 TG167 84.71 2 3 B2.1850 53.8 1
2 TG426 86 1 3 P3d10-a 54.38 1
2 CP70-a 87.01 3 3 TG130 54.78 4
2 Cyt-cred53kD 88.54 1 3 STG0018 55.2 1
2 TG50 90 3 3 STM1058 55.39 2
2 N3.780 90.17 1 3 TG66 55.52 3
2 STM3018 90.33 2 3 GP25 55.57 11
2 STM1064 91.23 5 3 C4350n21 55.78 1
2 TG449A 91.36 3 3 STM1020abcg 55.9 8
2 STI0024 92.39 2 3 STI0005a 56.01 1
2 STM1030b 92.6 3 3 GP35(p) 56.46 1
2 TG154 93.23 1 3 STI0050 57.15 3
2 TG507 93.23 1 3 39/50.g 57.38 1
2 PC8 93.32 2 3 GP1 58.34 1
2 C3349nO 95.53 1 3 TG13B 58.41 1
2 TG34 95.59 5 3 Pgm1 58.41 1
2 AN2.1400 96.07 1 3 STG0022 58.67 1
2 P9f12 96.54 1 3 GP80 60.63 1
2 At2F9-b 97.54 1 3 At2D02 61.26 1
2 P2d11-b 98.54 1 3 TG74 61.26 6
2 TG48 98.73 3 3 P1e9 61.26 1
2 GP172-a 99.54 1 3 TG102 62.46 1
2 32/51.d 99.63 1 3 CP61 62.54 1
2 StDND1 100.65 2 3 STM5112 62.64 1
2 TG141A 101.25 5 3 GP246-b 63.13 1
2 GP102 102.09 1 3 CP6 63.13 8
2 CD30A 102.09 1 3 Y 63.38 1
3 TG132 0 1 3 C4451m11 64.02 1
3 TG526 6.3 1 3 CP133 64.16 2
3 32/33.b 16.04 1 3 46/42.d 64.55 1
3 GP261(b) 17.57 1 3 C4350nD 65.42 1
3 E3561n20 18.85 1 3 C4447nK 65.89 1
3 E3558m09 22.35 1 3 4Cl(a) 66.4 1
3 GP291(b) 22.57 1 3 TG129 67.3 1
3 39/42.C 23.14 1 3 GP517 67.94 1
3 32/33.f 25.24 1 3 e32m61-88 68.13 1
3 CP6_1 26.57 1 3 GP198(d) 68.48 1
3 E3561n32 27.7 1 3 CP6B 68.58 1
3 G15.1500 29.44 1 3 S2f10 69.38 1
3 E3561n33 30.52 1 3 45/59.c 69.47 1
3 C4350m17 31.15 1 3 38/49.b 69.51 1
3 At1A3-b 32.26 1 3 Pha1-a 70.1 1
3 Pt2 32.26 1 3 TG42 70.4 6
3 46/42.f 32.44 1 3 C3550m20 70.5 1
3 45/60.h 32.84 1 3 STI0060 73.28 1
3 CP112(a) 33.57 1 3 GP276 73.94 5
3 CP15(a) 35.57 1 3 GP226 73.94 4
3 C4559m12 36.42 1 3 31/48.I 74.14 1
3 STI0013 37.26 1 3 STM5115 74.15 3
3 STG0002 37.26 1 3 STM1069 74.55 2
3 35/58.A 37.44 2 3 36/50.a 74.94 1
3 STM1053 37.73 2 3 P7g11 75.55 1
3 S1h5-a 38.26 1 3 P7g3-a 75.55 1
3 GP195(b) 38.57 1 3 S1a10-a 75.55 1
3 E3249n01 39.5 1 3 S8.940 76 1
3 32/49.E 39.52 1 3 TG364B 76.21 1
3 S1d4-c 41.26 1 3 S2g5 76.27 1
3 E3558n08 41.52 1 3 E3251m24 76.29 1
3 35/48.P 41.89 1 3 GP258 76.47 1
3 STM1054fg 43.12 1 3 TG134 77.29 7
3 CP15 43.34 1 3 GP256 77.29 1
3 45/59.F 43.7 1 3 CT243 78.23 2
3 GP510 44.26 1 3 S1b3 78.41 1
3 nbsfp34-87 44.57 1 3 TG242 78.93 1
3 G15.400 44.75 1 3 St4cl-a 79.13 6
3 Pal 45.26 1 3 C4347m25 80.3 1
3 PAL-f 45.26 1 3 At2A2-a 84.13 1
3 GP303 45.26 3 3 44/42.E 85.05 1
3 Stp23 45.26 1 3 CD71 85.05 1
3 RbcS-1 45.26 3 3 TG311 86.13 1
3 TG135 45.26 5 3 CD4A 86.13 1
3 BA202k7t3a1 45.46 1 3 P1g11-b 86.13 1
3 P1f3-c 45.53 1 3 S3a3-a 86.13 1
3 GP198-1 45.64 1 3 GP295 86.29 5
3 GP167-1 46.14 1 3 TG411 86.7 4
3 P1f11-c 46.25 1 3 C4559n29 86.8 1
3 P3c9-c 46.25 1 3 STG0010 87.6 1
3 St1.2.1-b 46.52 1 3 At2B5-e 88.13 1
3 P4e12 46.52 1 3 E3549n18 88.43 1
3 CAB3 46.79 1 3 BG17.800 90.85 1
3 TG56 46.79 1 3 P3c10 94.13 1
3 TG40 46.79 1 3 C3349n22 95.4 1
3 P3g6-b 46.79 1 3 GP198-4 96.74 1
3 C4350m06 46.95 1 3 31/37.p 97.15 1
3 At1A9-b 47.25 1 3 S3a8 99.13 1
3 CT141 47.52 1 3 S2a6 100.13 1
3 CP112-a 47.69 2 3 PSTR-i 100.29 1
3 P8f11-a 48.53 1 3 At2E5-b 101.13 1
3 38/49.f 49.2 1 3 S1b2-b 101.13 1
3 TG131C 49.39 1 3 TG244 101.35 4
3 GP1-a 49.46 4 3 C3349n08 101.4 1
3 At2D6-a 50.02 1 3 PSTR-d 106.13 1
3 CP6A 51.49 1 3 C4362m31 107.2 1
3 At2A2-e 51.69 1 3 TG28A 108.44 1
3 STM0040c 51.79 1 3 TG224 109.35 1
3 C3349mH 52.1 1 3 E3548m02 110.7 1
AV1-3
Annexes

4 C2_At3g51010 0 1 4 C4347nA 49.27 1
4 C4559mD 4.21 1 4 TG623 49.77 1
4 P450-SSCP2 5.47 1 4 CD55 50.06 1
4 CD59 10.97 1 4 Ci21 50.63 2
4 PSTR-e 12.45 2 4 P7a11-a 50.63 1
4 STM3016a 13.8 1 4 STG0018b 52.18 1
4 BA47f2T7 14.93 1 4 S2e12 52.2 1
4 BA70b11 14.93 1 4 T0275 52.79 1
4 BA9i23 14.93 1 4 TG62 53.77 8
4 BA65f5 14.93 1 4 GP35-d 53.77 2
4 TG15 15.85 2 4 Sol21 54.05 1
4 TG49 16.93 3 4 CT194 54.18 5
4 GP180 16.93 15 4 p31m76-433 54.97 1
4 GP223 16.93 2 4 p71m53-278 54.97 1
4 EAGAMCAT_31 17.77 1 4 GP162-b 55.2 1
4 HERGH2Sm 17.93 1 4 TG427 55.28 2
4 CD49A 18.3 1 4 P3d2 55.45 1
4 E3549m14 18.98 1 4 C4347n30 56.28 1
4 TG370 19.4 1 4 P2g6 56.3 1
4 Pk 19.61 2 4 At2E8-b 56.3 1
4 STI0026 20.5 1 4 EAGAMCAT_4 56.44 1
4 C2_At3g17040 20.53 2 4 S3e12-a 57.15 1
4 cLP5B19 21.03 1 4 P3d1 57.15 1
4 cLer16J6 21.22 1 4 C4451m10 59.24 1
4 BA106c14 21.4 2 4 TG65 59.5 6
4 STM3160 21.81 1 4 GP297-b 59.53 1
4 GP511 22.03 1 4 GP248-a 59.53 1
4 TG483 22.14 1 4 At1A7-c 61.31 1
4 cLP5B19m 22.47 1 4 S5f7 62.16 1
4 T0707 22.86 2 4 TG555 63.2 2
4 T0741 23.43 2 4 STG0008 64.57 1
4 TG123 23.5 10 4 P9b3 64.68 1
4 STM3016 23.97 8 4 E3561n12 65.98 1
4 P1433 24.01 1 4 C4347n15 67.71 1
4 TG339 24.77 1 4 TG155 68.24 4
4 mbfrsa_1 25.97 1 4 SUT4 69.53 1
4 CT175 26.03 1 4 AmyZ1 70.46 1
4 GP73-b 26.31 1 4 TG345 70.89 2
4 RGL47f2-a 27.13 1 4 CT50 71.84 1
4 T0635 27.31 1 4 C4347n37 72.67 1
4 STM1008e 27.65 1 4 StAOS1 72.98 1
4 At1C8-c 27.69 1 4 CD39 72.99 1
4 P9b12 27.69 1 4 TG443 73.19 5
4 P1a9-b 27.69 1 4 P7a11-b 73.82 1
4 ASC120 27.85 1 4 STI0001 74.6 4
4 S2e1 28.13 1 4 GP82 74.67 3
4 PC116 28.2 4 4 CP57 75.57 2
4 P1e4-b 28.8 1 4 CT173 76.38 1
4 CP54 28.87 1 4 GP274 76.42 2
4 STM5140 29.42 2 4 GP35-h 76.42 1
4 Pgm2 29.5 1 4 STI0020 76.88 2
4 STG0020 30.14 1 4 STM5156 77.54 1
4 MBF 31 4 4 TG22 77.62 5
4 RGL47f2-b 31.44 1 4 STM1036 77.88 1
4 EACAMCCT_16 32.77 1 4 STM1002 77.88 1
4 E3561n8 33.88 1 4 GP83 78.02 5
4 C4447n18 34.07 1 4 GP35-g 78.64 1
4 E3248n18 34.47 1 4 TG450 80.1 2
4 P7g4-b 34.54 1 4 CT224 80.16 1
4 At2E8-e 34.54 1 4 At2F9-e 80.31 1
4 GP261 34.55 4 4 STI0012 82.53 2
4 GP220-a 34.55 1 4 pbe 82.67 1
4 GP255-a 34.55 1 4 TG162-4 82.72 2
4 STI0055 34.82 2 4 C334727R 83 1
4 GP180-b 35.1 1 4 TG37 83.28 1
4 CP137-d 35.1 1 4 CP502 83.31 1
4 GP128-c 35.1 1 4 ci7 83.64 1
4 GP221 35.1 4 4 GP165 83.74 2
4 P1f4 35.11 1 4 GP75 83.74 1
4 S1g2-g 35.11 1 4 S2a12 83.74 2
4 At2B5-f 35.11 1 4 GP277 83.74 1
4 GP99-2 35.3 1 4 P2d4 83.74 1
4 CD70 35.64 1 4 Sbel 83.74 3
4 C4347m06 36.44 1 4 GP257-b 83.74 1
4 SSR450 36.5 1 4 TG464 85.35 1
4 BA1m23t3b 36.72 2 4 C4362n17 85.38 1
4 S1d9-d 37.01 1 4 PBE 85.42 1
4 CP55-a 38.14 1 4 TG163 87.08 4
4 C4362n20 38.45 1 5 31/37.n 0 1
4 C4347m27 39.24 1 5 36/36.a 3.3 1
4 TG316 39.6 1 5 PSTR-f 6.35 3
4 C4350m18 40.02 1 5 GP186 6.35 10
4 Cyt-c red 33kD-b 40.52 1 5 Cyt-c red 55kD 6.35 1
4 S1c3-a 40.86 1 5 E4560n24 7.65 1
4 TG652 41.44 1 5 STG0009 10.25 1
4 EAACMCAC_6 41.77 1 5 STM1041 10.78 1
4 TG208 42.18 5 5 35/50.n 10.8 1
4 SSR555 42.61 1 5 Uptg1 12.04 2
4 At1C05 42.77 1 5 STISP 12.25 1
4 GP172-b 42.91 2 5 STI0058 12.66 1
4 GP161-2 43.06 1 5 P8g1-a 13.97 1
4 STM1050b 43.93 1 5 P4h6-a 13.97 1
4 STM3020b 43.97 1 5 CP31 14.02 1
4 STM3023b 44.97 1 5 CP55(c) 14.29 1
4 C3349m4 45.71 1 5 T0619 15.13 1
4 EAACMCAG_31 46.77 1 5 STM0013ab 15.25 7
4 C4559n1 46.95 1 5 STI0038 16.97 1
4 TG272 49.06 3 5 GP294 17.24 1
4 STM0020 49.18 1 5 CD31A 17.66 5
AV1-4
Annexes

5 GP28 18.36 2 5 GP85-a 42.87 1
5 BG17.680 19.47 1 5 GP251 42.87 1
5 CD64 19.83 3 5 GP188 42.87 6
5 GP35-s 19.85 1 5 STM1056_5 42.91 1
5 GP21 19.85 16 5 39/50.c 42.92 1
5 GP291-a 19.85 2 5 E4560n28 44.1 1
5 Sut2 19.85 1 5 At2D6-c 44.63 1
5 CD41 20.26 1 5 STM1020ehi 44.96 3
5 34/33.L 20.74 1 5 GC015 45.05 1
5 6Pgdh3 21.22 1 5 GP78 45.68 3
5 STI0032 21.25 1 5 E4560n15 45.94 1
5 Q5.510 21.51 1 5 TG419 46.62 1
5 CT167r 21.65 1 5 TG32 47.15 2
5 C4362m11 21.93 1 5 P2a8 47.23 1
5 SPUD237 22.05 2 5 P3d10-b 47.23 1
5 BA100e13 22.05 1 5 T0730 47.23 1
5 BA47f2T7 22.05 3 5 31/54.t 47.32 1
5 BA219k9 22.05 1 5 S1d4-b 47.59 1
5 BA27c1 22.05 1 5 TG60 47.73 1
5 Lernalx 22.29 3 5 CP58B 47.78 1
5 BA122p13 22.41 1 5 C4347m04 47.78 1
5 BA121o1T7 22.41 2 5 S3b7 47.95 1
5 P3f8 22.41 1 5 S3c1-a 47.95 1
5 BA132h9 22.41 1 5 Actin 48.25 1
5 CT242 22.53 2 5 Dia1 48.33 1
5 TG598 22.64 1 5 TG351 48.85 2
5 C3350mC 22.64 1 5 TG413A 49.13 2
5 TG441 22.72 7 5 C3347m06 49.35 1
5 BA13l2 22.85 1 5 CP113 49.5 6
5 S1b7-c 22.89 1 5 GP270 49.5 1
5 BA213c14 22.89 1 5 GP284 49.5 3
5 BA87d17 22.89 1 5 CP49 49.96 1
5 BA76o11 22.89 1 5 31/36.a 50 1
5 BA43a11 22.89 1 5 GP35(t) 50.27 1
5 BA129o7 22.89 1 5 CT80A 50.29 2
5 CosB 22.89 1 5 TG23 50.6 8
5 CosA 22.89 2 5 TG69 50.62 6
5 AFLP1 22.89 1 5 S2f9-b 51.02 1
5 At2C9-a 22.89 1 5 CD74A 51.32 1
5 P9e11 22.89 1 5 TG524 51.38 1
5 S1a7-b 22.89 1 5 P1f11-d 51.78 1
5 C3350mH 22.9 1 5 S5a7 51.79 1
5 S1a8-c 23.14 1 5 StacSTPoAc85 52.14 1
5 TG432 23.36 1 5 TG185 52.83 5
5 P7g4-d 24.07 1 5 GP265-a 52.85 1
5 P3b10 24.32 1 5 GP255-c 52.85 1
5 CT101 24.35 1 5 STM1031 53.17 2
5 BA151m8 24.67 1 5 CT225_2 54.14 1
5 GP179 24.68 11 5 STPoAc85 54.69 2
5 Ssp72 24.78 1 5 TG413 54.83 1
5 P450 24.82 1 5 Stac-1 55.64 2
5 TG569 24.87 4 5 GP22 56.22 6
5 Stpto 24.97 8 5 C4559n11 56.82 1
5 STI0006 25.22 4 5 EM1 56.85 1
5 32/33.b 25.88 1 5 e31m37-216 56.97 1
5 P4h6-b 26.3 1 5 C4451n10 57.8 1
5 TG619 26.66 2 5 STM1025b 59.6 1
5 C4362n23 26.68 1 5 STPoAc58 61.4 4
5 TG363 28.1 1 5 STM5149 61.46 2
5 TG379 28.21 5 5 EB13 61.85 1
5 C4350n18 28.7 1 5 STM5146 65.46 1
5 46/42.c 29.12 1 5 C3350n19 68.32 1
5 CT201A 31.36 2 5 EK2 69.85 1
5 TG318 31.62 4 5 StNPR1-5 79.68 1
5 Ci13 32.37 1 5 EA1 91.85 1
5 EB28 32.85 1 5 EM15 96.85 1
5 C4447n16 32.95 1 5 HD20 122.85 1
5 C4362n19 33.29 1 5 HD21 147.85 1
5 STG0021 33.68 1 6 STM1019 0 1
5 GP198-c 33.82 1 6 GP79_1 21,64 1
5 E3248n01 34.13 1 6 PBA6-16 26,64 1
5 CD38B 34.22 1 6 GP79_2 27,64 1
5 C4347n18 35.51 1 6 GP17(b) 28,83 1
5 39/42.F 36.18 1 6 TG18B 29 2
5 CT91C 36.21 1 6 At1B7-a 33,83 1
5 CP104-g 36.72 1 6 marker0 34,83 1
5 C4347m07 36.78 1 6 PSTR-g 36,34 2
5 STI0049 37.43 1 6 P1f3-a 36,83 1
5 HD15 37.85 1 6 GP317-b 37,33 1
5 TG358 38.32 1 6 GP79 37,83 8
5 C4350mO 39.83 1 6 At2B5-c 37,83 1
5 E4560n34 40.22 1 6 STM0001 39,64 5
5 C3560n15 40.38 1 6 Cyt-c red 10kD-a 39,93 1
5 GP248 40.65 1 6 GP164 39,94 3
5 GP17 41.1 3 6 STM0019 40,25 4
5 Cyt-c red 51kD-a 41.11 1 6 CT119 40,51 4
5 GP1-b 41.11 1 6 P1a1 40,62 1
5 GP507 41.64 1 6 OPY-02 42,25 1
5 S1d4-a 41.64 1 6 GP202 42,37 1
5 St1.2.4-d 41.64 1 6 GP249-a 43 1
5 BA67n2 41.64 1 6 St3.3.13-c 43,42 1
5 S1g2-c 41.64 1 6 BA5g19 43,42 1
5 P7a11-c 41.64 1 6 BA17f21 43,42 1
5 GP213 41.72 2 6 BA31n11 43,42 1
5 GP34 41.8 1 6 BA34j14 43,42 1
5 STM5148 41.98 1 6 BA41b2 43,42 1
5 P1e7-b 42.17 1 6 BA71g1 43,42 1
5 P1f3-d 42.17 1 6 BA1m23 43,43 2
5 GP234 42.27 3 6 At2C9-b 43,43 1
5 33/33.e 42.48 1 6 P8a9-a 43,43 1
5 Nt ChtAIII 42.8 1 6 STM0013ab 43,57 1
AV1-5
Annexes

6 CD14 43,58 1 6 At1A6-a 94,3 1
6 GP316-c 43,63 1 6 At1A12-a 94,3 1
6 S1a8-b 44 1 6 At1B9-c 94,61 1
6 P8d7-b 44 1 6 P8d7-a 94,99 1
6 S1g2-a 44 1 6 GP76 95,87 12
6 P3g6-a 44 1 6 CP61 95,87 2
6 WUN1 44,26 2 6 GP252 96,87 1
6 At1A12-b 44,58 1 6 TG115 98,07 7
6 P1f11-e 44,58 1 6 P1f3-b 98,87 1
6 StSGT1-2 44,58 2 6 GP36-b 99,87 1
6 GP164-2 44,84 2 6 TG193 100,56 1
6 GP506 45,35 1 6 At1B7-b 100,87 1
6 STI0011 45,45 1 6 STM1056a 100,92 2
6 GP136-b 46 1 6 E3554m40 101,02 1
6 SSR578-a 46,59 1 6 e31m37-116 105,92 1
6 GP102 47,74 1 6 C4447m10 114,32 1
6 CD67 49,68 1 6 C4362n15 129,12 1
6 TG231 49,72 3 7 STM0028 0 3
6 TG118 50,34 3 7 STM3009 6.59 6
6 TG25 51,09 1 7 CD65 6.98 1
6 At2B5-b 51,9 1 7 TG499 8.21 4
6 TG223B 52,15 1 7 C4362n32 8.61 1
6 TG54 52,77 3 7 CD61 9.58 1
6 STM5119 53,31 1 7 CT30 10.61 1
6 CD25A 53,39 1 7 E4560m03 13.25 1
6 TG166 53,39 1 7 E3549n01 13.68 1
6 TG240 53,45 1 7 TG438 13.97 3
6 SSR128 53,45 1 7 TG199 14.44 3
6 STI0016 55,85 1 7 STM1068c 16.4 1
6 CP18 56,36 10 7 Mdh3 16.44 1
6 STG0005 57,81 1 7 TG20B 16.47 1
6 Sol-24 57,99 1 7 E3561n11 17.08 1
6 Sol24 58,04 1 7 At2G1-b 17.19 1
6 STM1050c 58,59 1 7 E3548m19 17.91 1
6 TG119 58,87 3 7 TG218 18.07 1
6 GP96-a 59,01 1 7 GP219-2 18.82 1
6 At2F2-b 59,37 1 7 GP127 18.93 3
6 TG141B 59,57 1 7 S1c9 18.94 1
6 C3350m25 60,62 1 7 TG216 18.95 1
6 STI0021 61,44 1 7 TG20 18.96 9
6 P10g7-b 63,1 1 7 CP103-a 19.1 1
6 S1a8-a 63,1 1 7 CP51-c 19.14 4
6 GP262 63,39 1 7 Gro1 19.14 3
6 CD42 63,67 1 7 GP275 19.18 1
6 E3558m14 63,72 1 7 GP516-c 19.7 1
6 GP215-b 64,28 1 7 Ppc-c 19.77 1
6 S2a4-b 65,38 1 7 GP227-a 19.84 1
6 P8g9-b 65,38 1 7 GP84-b 19.84 1
6 St3.3.1-a 65,38 1 7 GP185(b) 19.9 1
6 C3350n28 66,82 1 7 P1e4-c 19.96 1
6 At1G12 68,38 1 7 CT54 20.29 1
6 C3550n27 68,62 1 7 STM5120 20.29 1
6 STI0015 69,78 1 7 STI0008 20.59 1
6 STI0059 70,64 1 7 AGPaseB-a 20.62 3
6 At2F9-c 70,66 1 7 GP219 20.66 6
6 STM5126 71,32 1 7 St3.3.2 20.7 1
6 Pha1-b 72,18 1 7 GP300 20.8 1
6 Cyt-c red 33kD 72,92 1 7 GP304 20.8 1
6 StEDS1 72,95 1 7 CP56 20.8 6
6 GP89 73,81 4 7 GP292 20.89 1
6 St4cl-b 73,81 1 7 CT84 20.97 1
6 STI0045 74,89 1 7 TG572 21.22 5
6 45/60.N 75,38 1 7 GP77 21.25 2
6 TG364A 75,76 4 7 GP174-a 21.27 3
6 TG384 75,78 1 7 S2a1 21.61 1
6 P1g11-a 75,96 1 7 GP34(b) 21.72 1
6 STM1100 76,48 7 7 GP512 22.17 1
6 P2e3 77,6 1 7 34/61.H 22.38 1
6 GP30 77,6 3 7 GP32 22.52 3
6 S1a4-b 78,23 1 7 STM1088c 22.77 1
6 S1b2-c 78,23 1 7 39/50.R 22.79 1
6 P3c9-a 78,23 1 7 P2b10 23.01 1
6 GP35-f 80,5 1 7 TG190 23.01 1
6 CP12 80,5 3 7 S1a1 23.03 1
6 GP161 80,5 1 7 GP27 23.04 4
6 GP24 80,72 4 7 St1.2.4-g 23.05 1
6 Z1.970 81,18 1 7 P3d8 23.33 1
6 CP50 81,52 1 7 BA228g19 23.34 1
6 TG162 82,49 4 7 P7h9-c 23.36 1
6 GP211 83,13 4 7 P1e2-b 23.36 1
6 At1A9-c 84,19 1 7 GP503 23.38 1
6 STI0004 84,29 2 7 TG128 23.64 3
6 GP233 84,5 1 7 C4447m08 23.79 1
6 GP299-a 85,86 1 7 P7a9 24.05 1
6 GP285 85,86 1 7 S2e2 24.09 1
6 TG275 86,56 3 7 39/61.B 24.27 1
6 S1g5-a 86,64 1 7 CT19B 24.77 1
6 E3261m26 87,12 1 7 CP43 25.19 6
6 S7.600 87,2 1 7 STI0019 25.38 1
6 CP104-d 87,22 2 7 38/39.C 25.43 1
6 P2f2 87,64 1 7 E3554m06 25.68 1
6 S1a2 87,86 1 7 GP245(b) 25.71 1
6 C3349n06 88,42 1 7 GP181 26.04 2
6 STI0041 89,22 1 7 TG174 26.06 1
6 S1c3-c 91,55 1 7 TG143 26.31 5
6 At2A2-d 92,55 1 7 Pha2 26.44 1
6 P3c6-b 92,77 1 7 GP193 26.56 5
6 wun_2 93,99 6 7 38/32.f 26.59 1
6 Cyt-c red 10kD-b 93,99 1 7 STM1009be 26.61 3
AV1-6
Annexes

7 CP134(b) 26.69 2 8 CP16 75.29 2
7 CP52 26.81 8 8 STG0014 75.62 1
7 CP55-b 26.84 1 8 P10a9 75.66 1
7 GP316-b 26.84 1 8 N01-2050 75.72 1
7 GP179A1 26.92 1 8 PAT-a 75.84 2
7 GP257-a 27.02 1 8 C4347m13 75.9 1
7 GP308 27.04 1 8 E3561m02 75.94 1
7 Got2 27.16 1 8 CD21A 76.29 1
7 STI0040 27.19 1 8 N07-2100 76.42 1
7 CP104-c 27.27 1 8 E3248m03 76.51 1
7 GP121 27.33 5 8 CT47 76.58 2
7 CP137-a 27.33 1 8 GP189 76.97 3
7 STI0064 27.41 1 8 K19-675 77.03 1
7 CP104-e 27.42 1 8 CT92 77.41 1
7 STI0025 27.44 1 8 TG45 77.5 9
7 CP54-b 27.48 1 8 GT92 77.7 1
7 TG61 27.82 6 8 STM1057d 77.85 1
7 STM2013 27.83 4 8 A18-1300 77.95 1
7 GP231 28.02 1 8 TG117A 78.19 1
7 S2g9 28.66 1 8 Got4 78.29 1
7 S1d9-c 28.66 1 8 GP74 78.43 2
7 C3347n17 29.23 1 8 TG72 78.8 1
7 C4347m03 29.81 1 8 C3349n26 78.85 1
7 TG131A 29.96 1 8 34/33.T 79.15 1
7 TG166A 30.21 1 8 TG41 79.49 4
7 CD54 30.21 1 8 GP171 79.65 4
7 44/50.a 31.93 1 8 40/51.D 79.78 1
7 STM1050a 32.7 1 8 STM1056_8 79.93 4
7 E3554n26 33.18 1 8 Leleuzip 79.93 2
7 C3350n33 34.12 1 8 STM1057abc 79.96 5
7 C4362m34 35.1 1 8 GP85-b 80.08 1
7 STI0033 35.15 2 8 STM3015 80.14 5
7 C3350n21 35.48 1 8 STM1056 80.17 2
7 TG13A 35.52 1 8 38/32.b 80.19 1
7 STM0031 35.77 2 8 C3560n13 80.23 1
7 STM1004 35.82 4 8 TG127 80.29 1
7 STM1003 36.06 4 8 STM0024 80.33 7
7 CD62 36.22 1 8 P1c12 80.44 1
7 STM0004 36.42 1 8 GP126 80.5 1
7 C4451n13 36.74 1 8 C3560m14 80.5 1
7 CT259 37.26 1 8 GP255-g 80.52 1
7 C4347nH 37.41 1 8 TG349 80.67 2
7 CD57 37.42 1 8 GP84-a 80.95 2
7 STM0014abd 37.85 6 8 P1c6 81.45 1
7 CD52 38.79 1 8 At1d11 81.5 1
7 TG20-a 38.8 1 8 GP130 81.99 3
7 STM0052 39.49 2 8 AGPaseS-b 81.99 1
7 STM5144 40.15 1 8 PPO 82.04 1
7 G9.2700 41.33 1 8 S2h7 82.05 1
7 C3350m10 41.68 1 8 TG16A 82.41 5
7 CT032r 45.95 1 8 GO2-575 82.51 1
7 E4560n36 47.05 1 8 38/49.e 82.83 1
7 C4347m20 49.78 1 8 RGL47f2-d 82.83 1
7 P12M14-103 49.85 1 8 J14-650 82.95 1
7 E3548m13 53.45 1 8 CT64 82.97 1
7 C3550nF 56.25 1 8 At2f2-a 83 1
7 TG342 63.85 1 8 At2a12-a 83 1
7 E3251m13 69.58 1 8 P2b3 83 1
8 42/59.F 0 1 8 S1b8 83.01 1
8 31/54.b 17.3 1 8 Cyt-c red 14kD-a 83.08 1
8 B2.1680 25.2 1 8 GP68 83.09 1
8 C3349mL 37.98 1 8 CT214A 83.1 4
8 C4559m13 38.18 1 8 S1f8-a 83.17 1
8 45/42.d 41.3 1 8 CP53 83.27 3
8 E3561m7 45.78 1 8 GP40-a 83.33 5
8 C3347m01 54.48 1 8 GP312-a 83.33 1
8 35/58.B 55.1 1 8 GP301 83.33 2
8 C4362n27 63.68 2 8 GP316-a 83.33 1
8 39/61.E 64 1 8 PO9-2 83.38 1
8 C3548m5 65.82 1 8 GP92 83.61 7
8 wx 66.33 1 8 GP36-a 83.61 2
8 C3349m27 66.44 1 8 ppoIII 83.62 3
8 TG17B 66.5 1 8 GP74-b 83.63 1
8 S1f8-b 66.6 1 8 GP217 83.63 1
8 BA261b9 67.6 1 8 STI0027 83.69 3
8 STPATP1b 67.62 1 8 RC5t7 83.82 1
8 C4362n33 69.31 1 8 CT69 83.89 1
8 STM5113 69.62 1 8 GO2-625 84.04 1
8 GP128-f 70.56 3 8 STM3010 84.42 1
8 C4362m25 70.65 1 8 31/36.b 84.44 1
8 CT27 71.32 4 8 C3548nA 84.65 1
8 TG176 71.82 3 8 STwax1 84.69 1
8 GP255-b 72.45 1 8 STM1060 84.78 1
8 34/61.I 72.9 1 8 TG302 84.93 2
8 E4560m39 73 1 8 32/49.c 84.95 1
8 F07-1800 73.03 1 8 BA73e8T 85.05 1
8 C4447nF 73.86 1 8 Osm-8 85.07 1
8 E4560m16 74.01 1 8 GP125(11) 85.14 1
8 STI0005b 74.16 1 8 CT88-3 85.28 3
8 At1C12 74.6 1 8 P1a11-b 85.43 1
8 S1b9-d 74.6 1 8 RB 85.57 2
8 CP112-d 74.6 4 8 SSR38e 85.67 1
8 S1c10 74.6 1 8 CT245 85.75 2
8 Lox-a 74.64 2 8 STG0027 85.76 1
8 GP170 74.97 1 8 GP173 85.89 5
8 E4560m45 75.03 1 8 STM1005 85.9 3
8 F07-1450 75.03 1 8 C3561m12 86.29 1
8 GP245 75.03 2 8 P1g6 86.44 1
8 Q14-775 75.03 1 8 CP14 86.66 1
8 P1a10 75.15 1 8 STM1104 86.78 3
8 P8c6-a 75.15 1 8 CP502(b) 86.8 1
AV1-7
Annexes

8 TG261 86.86 5 9 TG18 47.94 3
8 CT148 86.91 1 9 STM1008c 48.18 3
8 C3350n1 87.01 1 9 TG9 48.54 4
8 STM5135 87.16 1 9 StVe1 49.14 1
8 STI0047 87.38 1 9 EL3 49.15 1
8 GP291(c) 87.6 1 9 TG254 49.4 4
8 GP299-b 87.64 1 9 P7h8 49.46 1
8 Stwax-1 87.66 1 9 GP39 50.1 3
8 CT287_8 87.67 2 9 E3549n20 50.39 1
8 E3548m21 87.94 1 9 37/39.E 50.6 1
8 CD60 87.94 2 9 STM1008b_9 50.82 1
8 C3347m13 87.98 1 9 GP35-e 50.95 1
8 STM1105 88.04 7 9 PAL-b 50.95 1
8 STGBSS 88.11 2 9 E3558m30 51.55 1
8 CD46 88.16 1 9 TG16B 52.72 1
8 CT68 88.18 2 9 St1.2.2 53.49 1
8 SSR38a 88.57 1 9 B7 53.61 1
8 STWAX-2 88.66 1 9 STM0010 53.68 2
8 STM1016 88.66 1 9 TG105-b 54.31 3
8 STG0032 88.66 1 9 E4560m31 54.35 1
8 STSS1-1 88.66 1 9 P1e4-a 54.49 1
8 GbssI 88.77 3 9 E3249m22 54.79 1
8 STI0003 88.84 2 9 GP35 54.91 1
8 TG496 88.86 2 9 GP198(c) 55.03 1
8 CT2_8 89.12 1 9 S1f2-b 55.29 1
8 STM1024 89.13 5 9 PAL-c 55.31 1
8 STM1001 89.24 3 9 GP250-b 55.71 1
8 STI0044 89.36 2 9 STPATP1a 56.1 1
8 TG330 89.55 2 9 P7a11-f 56.28 1
8 E3249n32 89.73 1 9 P2d11-a 56.3 1
8 STM1001b 89.82 1 9 32/49.I 56.68 1
8 E3558n04 90.3 1 9 TG16b 56.74 1
8 STWAX 90.36 1 9 OPQ-16 56.97 1
8 GP288 90.66 1 9 C4559m33 57.49 1
8 57t3 90.81 2 9 E3554m35 58.35 1
8 E3558n17 91.12 1 9 EH26 58.66 1
8 STSS1 92.55 1 9 At2B5-d 59.23 1
8 STwax2 92.55 1 9 GP190 59.93 5
8 Ppa1-b 92.63 1 9 C3347m13 60.89 1
8 STM1055 93.64 4 9 GP267 61.21 3
8 STI0022 94.58 2 9 HG1 61.4 1
8 Z4.600 94.63 1 9 STM1017 63.48 3
8 CD40 95.91 1 9 GP167-b 63.94 1
8 CT252 95.91 1 9 GP265-b 63.94 1
8 TG402 96.18 4 9 CP104-b 63.94 1
8 TG294 98.48 2 9 E3558n12 64.29 1
8 CD29 100.21 5 9 STG0012 65.1 1
8 RC1t3 106.57 1 9 GP91-b 66.21 1
8 573 106.57 1 9 EJ14 66.48 1
8 RC5t3 106.57 1 9 OPAH-09-2 66.93 1
8 Pat-a 119.41 1 9 STPI 67.58 1
9 31/54.g 0 1 9 E4560m40 68.09 1
9 I10.850 26 1 9 TG424 68.81 1
9 E4560n19 29.22 1 9 STPII-1 68.82 1
9 TG254B 29.27 1 9 GP87-c 68.9 1
9 PSTR-k 31.27 1 9 At2E1 69.05 1
9 E3548n38 31.62 1 9 E3554n08 69.29 1
9 C3347mF 32.62 1 9 TG390 69.43 3
9 STG0011 33.69 1 9 EB40k 69.48 1
9 CP44 34.27 10 9 CP135 69.5 2
9 STM1052 35.55 2 9 CP115 70.45 1
9 STM1102cde 36.12 8 9 CP110 71.05 1
9 Prp1 36.19 9 9 STM1021 71.3 5
9 GP173b 37.1 1 9 E3554m39 72.79 1
9 SSR19 37.25 2 9 S2h4 72.98 1
9 C4347m16 37.3 1 9 P2a6-c 72.98 1
9 STM1051 37.69 8 9 P7g3-b 72.99 1
9 TG10 37.76 1 9 e31m37-282 73.68 1
9 CD32A 37.76 1 9 S1d10 73.97 1
9 S1c3-b 38.25 1 9 C3350m23 74.05 1
9 CP137-b 38.79 2 9 TG35 74.24 3
9 GP91-a 38.79 2 9 GP282 74.77 1
9 GP97 38.79 2 9 CP67 74.89 2
9 Ppa2 38.8 1 9 TG404 75.14 4
9 PAL-a 38.8 1 9 TG3 75.33 1
9 At1C8-a 39.28 1 9 EF3 75.48 1
9 CP20 40.15 1 9 C4451m15 75.59 1
9 C4451m23 40.41 1 9 Cyt-c red 12kD 75.62 1
9 STG001b 40.83 1 9 GP307 75.62 1
9 At1D5-c 41.34 1 9 GP321 75.62 1
9 STI0002 41.71 1 9 GP94 75.94 5
9 GP263-b 42.5 2 9 GP220-b 76.12 1
9 38/32.a 43.64 1 9 CD8 76.3 1
9 STM3012 44.05 3 9 S1f10-a 76.94 1
9 STI0057 44.15 2 9 TG43-b 77.12 1
9 CT143 44.16 1 9 GP129 77.46 7
9 GP272 44.49 1 9 P8g1-b 78.33 1
9 Inv-ap-b 44.5 1 9 E3249n31 80.09 1
9 CP49(b) 45.07 1 9 OPZ-07 81.3 1
9 STM3023 45.34 1 9 GP260 82.36 1
9 TG117B 45.62 1 9 OPH-15 84.3 1
9 Sol16 45.98 1 9 GP254 84.79 3
9 Sol16-1 46.39 1 9 TG421 84.86 2
9 CP20-a 46.49 3 9 S2g3 85.16 1
9 GP128-e 46.49 1 9 S3c1-b 85.16 1
9 S3d10-a 46.85 1 9 GP101 86.9 3
9 P1f11-f 46.85 1 9 TG8 86.96 1
9 P10h2-b 47.01 1 9 E3249n21 88.45 1
9 STM0017 47.46 1 9 At1A8 88.52 1
AV1-8
Annexes

9 S1h5-d 89.34 1 10 TG280 56.6 2
9 ED9 89.48 1 10 S1a4-a 57 1
9 STI0014 89.86 1 10 E3261n8 57.42 1
9 GP41 90.16 5 10 R13.500 57.71 1
9 S1d5-a 90.16 1 10 C3349m25 58.04 1
9 S1d11 91.15 1 10 Cht B-b 58.05 1
9 p55m67-335 91.3 1 10 CD5 58.19 5
9 CT220 94.1 2 10 GP232-1 58.64 1
9 E3558m24 97.05 1 10 GP266 58.75 1
9 PSTR-i 101.76 3 10 STM5132 59.36 2
9 E3558n31 105.75 1 10 GP218 59.45 5
9 C3347mE 109.69 1 10 At2A2-b 59.83 1
9 C3349m29 109.75 1 10 Rca 59.88 2
9 E3261m25 115.09 1 10 CD32B 60.25 5
9 C3350m24 124.69 1 10 Rber 60.53 1
9 C4347nK 129.69 1 10 E4560n08 60.76 1
10 OPAH-09 0 1 10 PSC 61.02 3
10 STM2012 4.71 2 10 GP35-b 61.26 1
10 PSTR-l 20.1 2 10 TG63 61.26 11
10 GP289 20.1 2 10 PAL-e 61.26 1
10 OPAE-16 24 1 10 CP105 61.26 9
10 C3349n23 27.84 1 10 P8g9-a 61.26 1
10 GlomR 28.54 1 10 Inv-ap 61.27 1
10 UBC827-3 30 1 10 GP287 61.28 3
10 UBC857-1 34 1 10 GP87-b 61.28 4
10 SSR4 35.14 1 10 32/49.a 61.45 1
10 TG230 35.33 1 10 TG263_10 61.85 1
10 Ppc-a 37.21 1 10 P10c8 62.02 1
10 35/48.O 37.45 1 10 E3251n28 62.23 1
10 CP47-a 38.11 7 10 P1f11-a 63.08 1
10 TG313 39.04 4 10 S1d9-b 63.08 1
10 TG303 39.27 6 10 P8g9-c 63.08 1
10 CP51-a 39.39 3 10 S3d10-b 63.08 1
10 S1b9-a 39.39 1 10 CD32C 63.66 1
10 GP516-a 39.4 1 10 P10h2-a 63.82 1
10 C3347m26 39.6 1 10 E3261m24 64.02 1
10 35/48.d 39.65 1 10 45/60.e 64.66 1
10 C4362n12 39.85 1 10 E3561m21 64.93 1
10 TG399A 40.15 2 10 CT124 65.39 2
10 C4559nF 40.53 1 10 STM1040 65.41 3
10 CD56 40.57 1 10 At1D5-b 65.45 1
10 35/48.c 40.75 1 10 P8h11-a 65.45 1
10 TG122 40.75 2 10 TG403 65.7 4
10 S3e8 40.92 1 10 E3561n29 66.05 1
10 Tpt 40.92 4 10 TG422 66.14 1
10 C4559n32 40.93 1 10 TG422(6) 66.63 1
10 AML.2100 41.06 1 10 C4559m31 66.72 1
10 CD45 41.14 1 10 pCD111 66.72 3
10 35/48.U 42.1 1 10 CP72 67.21 3
10 At2E8-c 42.81 1 10 P8h11 67.71 1
10 STM0051 42.91 7 10 P3a10-a 67.99 1
10 CT234 43.11 2 10 STM1106 68.15 3
10 GP248-b 43.24 1 10 CP65B 69.18 3
10 E3249m11 43.31 1 10 CP49-a 69.18 4
10 38/39.D 43.75 1 10 C3550m8 69.48 1
10 GP85-c 44.01 1 10 E3554n06 70.4 1
10 PAL-d 44.01 1 10 BA66k2 70.59 3
10 GP305-a 44.29 1 10 BA81l15 70.59 1
10 S1e5-b 44.7 1 10 BA113a17 70.59 3
10 STG0025 44.8 1 10 BA63o3 70.59 1
10 GP247 44.8 1 10 BA44a10 70.59 1
10 Nt PR-1a 44.8 1 10 C3349m21 70.85 1
10 TG560 44.87 1 10 E4560m04 70.87 1
10 TG43-a 45.07 2 10 STM5117 71.02 1
10 CP104-a 45.31 1 10 STI0023 71.43 2
10 TG19_10 45.69 1 10 44/42.A 71.76 1
10 C4451n16 45.73 1 10 E3249m18 71.86 1
10 GP128-d 45.83 1 10 TG285 71.96 2
10 TG52 45.95 2 10 32/34.b 72.75 1
10 CP59 46.34 4 10 CD18-10 74.68 2
10 PBA5-6 47 1 10 S1f9 75.45 1
10 At2F9-d 47 1 10 At1A10-c 76.58 1
10 CD38A 48.22 1 10 CD34B 76.89 1
10 TG386 48.33 5 10 SSR223-a 77 1
10 E3248m11 48.42 1 10 Nt Glu A-Q 78.18 1
10 TG103 48.45 1 10 TG420 80.43 5
10 TG43 48.45 1 10 St1.2.4-c 81.99 1
10 E3554n08 48.58 1 10 31/54.x 88.06 1
10 E3251m40 48.97 1 10 TG408 89.9 4
10 St1.2.4-d 49.31 1 10 45/42.d 94.96 1
10 S3c11 49.31 1 10 P2b12-b 95.58 1
10 GP73-a 49.31 3 11 EH11 0 1
10 P10f5-c 49.31 1 11 PBA9-10 1.57 1
10 S2a4-a 49.7 1 11 TG523 2.38 1
10 32/48.I 50.81 1 11 OPAG-18 9.57 1
10 C3350m8 51.48 1 11 C3349n1 9.74 1
10 E4560m44 51.82 1 11 EI17 11 1
10 At2b12 52 1 11 p31m76-125 11.19 1
10 C4559m20 52.29 1 11 E4560m30 11.54 1
10 GP35-a 53.28 1 11 M0 12.19 1
10 STM1056c 53.83 2 11 STS6 12.57 1
10 Cht B-a 53.98 1 11 E3554m34 13.92 1
10 P3c6-a 54.12 1 11 TG154_2 17.74 1
10 C3347m38 54.15 1 11 STS8 18.57 1
10 CT11 54.29 2 11 p71m34-80 18.69 1
10 GP227-b 54.68 1 11 C4559m8 20.24 1
10 C4362m19 55.55 1 11 STG0001 21.19 1
10 At1C8-b 55.55 1 11 CP58A 21.54 5
10 C4447n21 55.85 1 11 36/36.c 21.64 1
10 CT214 55.98 5 11 CT182 21.78 2
10 P8g1-c 56.28 1 11 32/49.e 22.07 1
AV1-9
Annexes

11 C3350n20 22.68 1 11 St3.3.11 37.21 1
11 CT168 23.88 1 11 TG44 37.53 5
11 E3249m14 24.5 1 11 P1h3 37.82 1
11 TG508 24.54 3 11 St1.2.1-c 37.86 1
11 TG194 24.76 2 11 St1.2.1-d 38.02 1
11 TG651 25.2 1 11 S1b2-a 38.21 1
11 E3548m25 25.44 1 11 GP232 38.32 1
11 STI0017 25.54 1 11 GP505-a 38.4 1
11 CT051_11 25.74 1 11 31/39.F 38.58 1
11 At1A10-b 26.06 1 11 STM5109 39.18 5
11 38/39.D 26.14 1 11 S1d1 39.22 1
11 GP125 26.19 10 11 CT55 39.38 2
11 GP87-a 26.19 1 11 CD18 39.51 1
11 STM5130 26.22 4 11 CT107A 39.54 3
11 GP163 26.34 1 11 S1g5-b 39.6 1
11 CP280 26.37 1 11 STI0028 39.65 1
11 GP255-f 26.58 2 11 StAOS2 39.76 1
11 CP137-c 26.81 1 11 683 39.78 1
11 GP259 27.19 3 11 TG46 39.91 3
11 CP54-a 27.19 2 11 GP38 39.98 7
11 Nl27 27.19 2 11 P10g7-a 39.98 1
11 Nl25 27.19 2 11 S2g8 39.98 1
11 GP230 27.22 1 11 At1C8-d 39.98 1
11 37/39.C 27.41 1 11 P1g4 40.02 1
11 PBA3-14 27.57 1 11 C3548n11 40.21 1
11 STM1009acd 27.69 4 11 At2G1-a 40.28 1
11 At1A12-c 28.06 1 11 TG384 40.55 1
11 TG497 28.24 6 11 CT107 40.55 1
11 UGPase 28.65 3 11 E3554m02 40.6 1
11 PSTR-m 28.65 1 11 C4350m24 41.22 1
11 S130 28.72 1 11 S1g2-h 41.36 1
11 33/33.b 28.94 1 11 TG30 41.66 4
11 STI0018 29.16 1 11 TG36 41.86 7
11 GP162-a 29.19 1 11 STI0046a 42.06 1
11 BA18o5 29.23 1 11 CT107C 42.37 4
11 BA30p15 29.23 1 11 C4451n8 42.66 1
11 BA35h22 29.23 1 11 TG439 43.1 2
11 I 29.23 1 11 GP250a 44.26 5
11 St3.3.13-a 29.23 1 11 TG26 44.52 3
11 GP318 29.68 1 11 C4362n02 45.86 1
11 Cyt-c red 30kD 29.68 1 11 STM5137 46.1 1
11 TG105-a 29.72 2 11 STM0025 46.57 6
11 Sol01 29.9 1 11 Dbe 47 1
11 35/48.a 29.93 1 11 TG393 47.84 2
11 GP283 29.97 1 11 C4350m29 49.08 1
11 St1.2.1-a 30.06 1 11 TG400 49.38 1
11 BA202k7 30.06 1 11 GP174(b) 49.98 1
11 BA157f6 30.06 1 11 e31m37-270 52.57 1
11 BA116j10 30.06 1 11 P75M48-300 56.57 1
11 GP250 30.06 1 11 EB9 64 1
11 BA88b3 30.06 2 11 C3349m14 65.58 1
11 BA52i9 30.06 1 11 EJ10 76 1
11 BA51k12 30.06 1 12 E3561m04 0 1
11 GP185 30.06 5 12 GP514 7.31 1
11 At1A6-b 30.06 1 12 E3558n23 7.7 1
11 GP161 30.19 1 12 HB7 8.46 1
11 BA228d23 30.22 2 12 E3251n57 12.3 1
11 C4447m19 30.4 1 12 CP134a 21.14 1
11 GP518 30.44 1 12 E3549m12 22.4 1
11 At1B9-d 30.58 1 12 S2g1 26.31 1
11 32/49.L 30.58 1 12 EB36 30.46 1
11 S1a10-b 30.65 1 12 M1 35.14 1
11 36/50.e 30.69 1 12 GP229 37.67 3
11 Sut1 31.05 1 12 GP268 38.14 5
11 TG57 31.34 1 12 CT99 38.64 1
11 46/42.j 31.8 1 12 E3249m19 38.95 1
11 Ci19 31.9 1 12 E4560n14 40 1
11 TG629 32.24 2 12 GP122 41.31 5
11 GP320 32.27 1 12 CT100 41.73 1
11 AIF22_6 32.31 1 12 S1d5-b 42.16 1
11 B5.198r 32.54 1 12 P2b12-a 43.4 1
11 S2f9-a 32.64 1 12 At1A10-a 43.4 1
11 RGL121o1-b 32.64 1 12 hRx 43.95 1
11 GP198-a 32.86 2 12 GP264-c 44.25 1
11 STM0037 32.91 4 12 Pgi1 44.44 1
11 P3c9-b 32.98 1 12 EA17 44.46 1
11 C3349n30 33.43 1 12 BA31n11t3b 44.83 1
11 45/59.G 33.93 1 12 GP200 45.29 2
11 STG0004 34.08 1 12 GP273 45.37 1
11 S1d9-a 34.18 1 12 GP204 45.49 2
11 32/48.b 34.25 1 12 P10e4 45.5 1
11 GP17(c) 34.33 1 12 P7a11-e 45.93 1
11 E4560m13 34.34 1 12 S1g6-a 46.37 1
11 Nia 34.52 1 12 TG28A 46.59 6
11 P117 34.92 1 12 P1a11-a 46.68 1
11 C4559n11 35.11 1 12 STM0014eg 47.38 1
11 35/54.A 35.27 1 12 TG474 47.47 1
11 St3.3.13-b 35.73 1 12 CP112-b 47.5 2
11 C3347n42 35.76 1 12 E3251n25 47.85 1
11 P7h9-b 36.3 1 12 STG0007 47.91 1
11 CP117 36.45 4 12 3548M 48.09 1
11 E3251n18 36.74 1 12 E3248n29 48.18 1
11 OSM-8e 36.82 1 12 GP168 48.26 1
11 GP264-b 36.83 1 12 GP269 48.26 1
11 At2E5-a 36.83 1 12 GP81 48.26 2
11 FES 36.83 1 12 STM0003 48.29 7
11 TG47 36.91 3 12 CP112b 48.32 1
11 36/50.b 36.98 1 12 Nt PR-5 48.41 1
11 STM2005 37.02 2 12 STI0051 48.43 1
AV1-10
Annexes

12 Ppa1-a 48.5 1 12 C3349n24 57.69 1
12 D151600 48.87 1 12 GP291d 57.73 1
12 CP20-b 48.97 2 12 CT201 57.75 1
12 STM0032 49 1 12 P7c5 57.98 1
12 cLED-29-N16B 49.03 1 12 STI0007 58.45 1
12 C3560n9 49.13 1 12 STM5121 58.68 3
12 M319 49.38 1 12 TG360 59.14 5
12 C3550m22 49.49 1 12 E3548m37 59.19 1
12 E3558n15 49.5 1 12 Sus4 59.6 1
12 TG296 49.58 3 12 P8b11 59.61 1
12 TG491 49.58 2 12 GP306 60.68 2
12 STM0007 49.62 2 12 S1D11-12 60.91 2
12 CD21B 49.81 1 12 GP34 60.98 11
12 CT79 49.95 3 12 GP305-b 60.98 1
12 GP215-a 50.13 2 12 CT201B 61.54 2
12 STM2028 50.33 4 12 Ppc-b 61.68 1
12 TG602 50.49 4 12 GP34a 61.95 1
12 GP91c 50.74 1 12 AGPaseB-b 61.96 2
12 CP104-f 50.78 1 12 GP516-b 61.98 1
12 E3548m22 51.11 1 12 CP103-b 62.75 2
12 STM1045a_12 51.21 4 12 TG581 63.93 1
12 E3558n21 51.37 1 12 EL19 64.46 1
12 TG263 51.59 1 12 CP60 64.56 6
12 M11.1250 51.75 1 12 HG17 66.46 1
12 3548k 51.79 1 12 At1B09-b 68.56 1
12 S1g6-c 51.92 1 12 At1B10 69.56 1
12 E3251n38 52.04 1 12 32/48.g 71.21 1
12 At2F09-a 52.17 1 12 IPM4 73.51 1
12 TG283 52.17 1 12 TG28 77.7 1
12 STI0063 52.25 1 12 TG473 92.99 2
12 P7h9-a 52.42 1 12 C3347m39 94.69 1
12 GP195a 52.44 1 12 HC11 97.46 1
12 44/42.B 52.51 1
12 At2F08 52.66 1
12 STM0040b 52.72 1
12 TG263B 52.97 2
12 34/33.j 52.99 1
12 CT19A 52.99 2
12 P8c6-b 53.12 1
12 C4362m35 53.13 1
12 GP96-b 53.17 1
12 GP91-c 53.17 3
12 P9e10 53.17 1
12 41/59.B 53.31 1
12 P2d10 53.37 1
12 P9g5 53.43 1
12 EJ12 53.46 1
12 E3558n16 53.49 1
12 TG68 53.53 6
12 CP106 53.62 2
12 C4347m28 53.64 1
12 E22 53.64 2
12 CD2 53.76 2
12 Potkin 53.83 1
12 3739H 53.83 1
12 TG180 53.86 3
12 TG367 53.95 4
12 CP114 53.98 2
12 TG618 54.14 1
12 GP195-a 54.16 1
12 STG0003 54.26 1
12 CD22 54.3 3
12 CD064_Br 54.37 1
12 GP167-c 54.43 1
12 GP178 54.43 1
12 CP118 54.43 1
12 CD19 54.49 1
12 E3561n15 54.51 1
12 GP183 54.51 2
12 GP197 54.51 2
12 GP99 54.51 2
12 E4560n26 54.55 1
12 E3548m04 54.63 1
12 E3251n49 54.71 1
12 4442J 54.74 1
12 STI0037 54.75 1
12 GP315 54.78 1
12 STI0030 54.83 2
12 STM0030 54.87 6
12 TG263A 54.91 3
12 CP48 55.04 1
12 ipm4_o 55.06 1
12 C3350n09 55.14 1
12 3950h 55.18 1
12 C4447mA 55.24 1
12 35/58.D 55.35 1
12 E4560n12 55.49 1
12 GP263-a 55.51 1
12 3261w 55.62 1
12 C4559m28 55.69 1
12 STM0006 55.87 1
12 STM1045a 56 4
12 Cyt-c red 51kD 56.1 1
12 EF35 56.46 1
12 EF36 56.46 1
12 P3g8 56.5 1
12 CP48b 56.52 2
12 CP66 56.91 1
12 P2f8 56.98 1
12 S1f2-a 57.45 1
12 CP134-1 57.46 1
AV1-11
Annexes
Annexe V.2
Functional integrated potato maps
The 12 potato chromosomes are represented by their integrated maps. All horizontal ticks on
the chromosomes are marker positions. The names of the markers which were mapped for at
least 4 times across the initial chromosome maps are mentioned. Meta-QTLs are
represented by thick bars on the right-hand side of the chromosomes. Individual QTLs that
were not included in the meta-analysis but could be anchored by at least one common
marker are represented by thin bars. Meta-QTLs and QTLs are in black when they reffered to
late blight resistance and in grey when they referred to maturity type. R-genes, Defense –
related gene-like (DRL) and Resistance gene like (RGL) are positionned on the left-hand side
of the chromosomes and designated by the motifs of the legend below. For each map, a 5
cM-scale is given and the total length of the map is mentioned at the bottom of the
chromosome (cM haldane).
RGL
DRL
phytohormone related
wound induced gene
other function
R2 R-gene
AV2-1
Annexes
chromosome I
tomato Cf9 homolog Cf9_2
Collins99_G87_12, MT
tomato Cf9 homolog Cf9_3
A. thaliana PEN homolog

glucanase
RGL 47f2 C4347n249
tomato Cf9 and Cf9 homolog
RGL St1.2.4-a Collins99_I88_11, MT
glucanase (x 2) STM1029
TG70
SSR wound induced gene
chitinase
lipoxygenase
GP194
chitinase Ewing00_ber_BCT_11, MT
CP132
5 cM
14 DRL/RGL
125
AV2-2
Annexes
chromosome II
P450-like sequence
wound induced gene
PAD4 A. thaliana homolog

P450-like sequence
auxine induced gene
RGL St3.1, St3.2, St1.2.4-h
RGL47f2-g
RGL St1.2.3
A. thaliana NPR1 homolog*
STM2022
peroxidase isozyme
Collins99_I88_21b, PV
chitinase-like gene
translation initation factor eif5A
STM1030b
A. thaliana DRL
102
5 cM
15 DRL/RGL
* A. thaliana NPR1 gene is involved in salicylic acid regulation
AV2-3
Annexes
chromosome III
TG526
Collins99_G87_12, MT
STI0013
Collins99_I88_11, MT
phenylalanine ammonia lyase
RGL St1.2.1-b
GP25 Ober99_GDE_G87_3 FF
CP6 Ober99_GDE_I88_3 FF
CoA lygase
translation initiation factor eif5A

respiratory burst oxidase St4Cl-a
CoA lygase
Ewing00_ber_BCT_11, MT
auxine induced gene
7 DRL/RGL 111 5 cM
AV2-4
Annexes
chromosome IV
P450-like sequence
RGL47f2 BAC
RGH
Gro1 homolog STM3160 Bradshaw04_Stirling, FF and FG
RGL 47f2-a STM3016 Meyer98_Stirling, FF
R2
Mas binding factor* MBF Ober99_GDE_4, FF
RGL 47f2-b
auxin induced gene
metallothionein-like
SSR wound induced gene
A. thaliana AOS homolog**
11 DRL/RGL
87
* Mas binding factor* (MBF) = auxin efflux transporter 5 cM

** A. thaliana AOS is involved in jasmonic acid biosynthesis
R2 P. infestans resistance gene cluster:

R2 NBS-LRR R2, R2-like, Rpi-blb3, Rpi-abpt genes
and Rpi-mcd/mcd1, Rpi-demf1
AV2-5
Annexes
chromosome V
UDP glucose*
PRF resistance gene -like
RGL 47f2T7 BAC GP21 Visker05_SH, CE, DH, I FF and MT

Lernalx, P9e11** R1 Visker03_E FF and MT
RNA directed RNA polymerase GP179 Oberhagemann99_GDE, FF and MT
tomato Pto homolog,
PRF gene-like
RGL St1.2.4-d
chitinase STM5148 Bradshaw04_Stirling, FF, T%, PH, MT
STPoAc58 Sandbrink00_MCD178, FF
PR gene
11 DRL/RGL 148
5 cM
*UDP glucose: protein transglucosylase
**Lernalx: L. esculentum ribonuclease Lx (nematode resistance gene); P9e11 RGL
R1 R1 NBS-LRR P. infestans resistance gene
AV2-6
Annexes
chromosome VI
P450-like sequence
auxine induced gene GP79 Oberhagemann_GDE, FF

Rpi STM0019 QTL CASP ST
RGL St3.3.13-c
RGL BAC (x 3)
auxin induced gene
RGL St3.3.1-a
DRL, respiratory burst oxidase
CoA lygase
metallothionein-like
wound induced gene WUN2 Oberhagemann_GDE, FF
13 DRL/RGL 5 cM
Rpi Rpi-blb2 NBS-LRR P. infestans resistance gene 129
AV2-7
Annexes
chromosome VII
STM0028
Collins G87-71a, FF
STM3009
auxin induced gene
Gro1*
Rpi
RGL St3.3.2
RGL St1.2.4-g, RGL BAC
chitinase-like
OPR3**
STM1009be
CollinsG87-72, MT
STM0014abd
CollinsI88-71, MT
70 5 cM
7 DRL/RGL
* Gro1: nematode resistance gene
**OPR3: oxophytodienoate reductase involved in jasmonic acid pathway
Rpi Rpi1 P. infestans resistance gene
AV2-8
Annexes
chromosome VIII
osmotin-like PR locus
lipoxygenase
polyphenoloxidase
polyphenoloxidase
RGL St3.3.13-c
osmotin-like PR cluster RB STM1024 Sorensen06_3504HGG, FF
gluthation peroxidase
5 cM
9 DRL/RGL 119
RB RB P. infestans resistance gene cluster: NBS-LRR RB/Rpi-blb1 and Rpi-pta1, Rpi-plt1, Rpi-sto1
AV2-9
Annexes
chromosome IX
osmotin-like PR cluster Prp1 Oberhagemann99_GDE, FF

metallothionein-like STM1051 Sorensen06_3504HGIHJS_91, FF
verticilium resistance gene-like
putative glycosyl transferase TG18 PIVIIISPG, ST
RGL
auxin induced gene
chalcone synthase 1
Rpi
2 GP129 Oberhagemann99_K31, LT
Rpi
PR gene
3
cytochrome P450 Rpi
12 DRL/RGL
5 cM
Rpi P. Infestans resistance genes
1-NBS-LRR Rpi-vnt1.1, 1.2, 1.3
2-Rpi-phu1
3-Rpi-moc1/mcq
130
AV2-10
Annexes
chromosome X
TG313, Sandbrink00_MCD178, FF

PR gene -like CP59, Simko06_BD410, MT
RGL St1.2.4-d
chitinase
chitinase 1
Rpi
cytochrome P450
2
Rpi
RGL BAC
DRL
RGL St1.2.4-c
96
10 DRL/RGL
Rpi P. Infestans resistance genes 5 cM

1-Rber/Rpi-ber1
2-Rpi-ber2
AV2-11
Annexes
chromosome XI
cytochrome P450 (x 2)
N homologue*, RGLSt3.313-a STI0018 PiXI_SPG_AUDPC, FF
RGL BAC (x 3) 1
Rpi
translation initiation factor eif5A
RGL (x 2)
A. thaliana AOS homolog**
2
Rpi
76
12 DRL/RGL
*N : Potato Virus Y resistance gene
Rpi P. Infestans resistance genes

1-Rpi_Stirling
5 cM
2-NBS-LRR R3a, R3b + R5 to R11
AV2-12
Annexes
chromosome XII
catalase
Rx homologue*
PR locus
polyphenol oxidase
GP34, Bormann04_Leyla_121a, MT
4 DRL/RGL 97
5 cM
* Rx : Potato virus X resistance gene
AV2-13
Annexes
Annexe V.3
Meta-QTL composition
CL: no. QTLs
CC: classification criterions as Akaike
PI: weight of the meta-QTL (represents the consistency of the meta-QTL in terms of its number of individual QTLs)
MU: meta-QTL position
CI: confidence interval of the meta-QTL
Z: individual QTLs and their contribution among the QTLs (in %)
LATE BLIGHT RESISTANCE

chromosome I
CL 10
CC AIC 96.34
CC AIC3 99.34
CC ICOMP 91.62
CC BIC 97.24
CC AWE 103.84
Meta_QTL1 Meta_QTL2
CP PI 0.79 0.21
CP MU 58.44 95.33
CP CI 13.49 45.96
CP Z PiI1SPLL40 1 0
CP Z PiI1CASPL40 1 0
CP Z PiI2CASPIND 1 0
CP Z Ober99_K31_11 1 0
CP Z Ober99_K31_12 1 0
CP Z Ober99_K31_13 1 0
CP Z PiI2CASPrAUDPC 1 0
CP Z Collins99_G87_11 0.87 0.13
CP Z PiI2SPGIND 0.02 0.98
CP Z PiI2SPLL40 0 1

chromosome II
CL 6
CC AIC 55.24
CC AIC3 60.24
CC ICOMP 46.93
CC BIC 54.2
CC AWE 67
Meta_QTL1 Meta_QTL2 Meta_QTL3
CP PI 0.33 0.4 0.27
CP MU 39.88 69.39 86.8
CP CI 15.21 18.61 4.05
CP Z Collins99_G87_21 1 0 0
CP Z Ober99_K31_21 1 0 0
CP Z Ober99_K31_22 0.01 0.98 0.01
CP Z Simko06_21 0 0.98 0.02
CP Z Collins99_I88_21a 0 0.44 0.56
CP Z Leonards94_P40_21_Pi1f 0 0 1

chromosome III
CL 15
CC AIC 115.66
CC AIC3 120.66
CC ICOMP 105.36
CC BIC 119.2
CC AWE 128.29
CP PI 0.47 0.28 0.25
CP MU 47.07 55.37 72.91
CP CI 5.64 6.88 0.54
CP Z Sliwka07_P2_32a 1 0 0
CP Z Costanzo05_31 0.97 0.03 0
CP Z Sliwka07_P2_33 0.93 0.07 0
CP Z Ewing00_ber_BCT_31b 0.9 0.1 0
CP Z PiIIISPGIND 0.84 0.16 0
CP Z Ghislain01_dih-tbr_31a 0.82 0.18 0
CP Z Leonards94_P40_31_Pi01d 0.57 0.42 0.01
CP Z Ober99_K31_31b 0.34 0.64 0.02
CP Z Bormann04_Leyla_31 0.26 0.74 0
CP Z Ober99_K31_32 0.2 0.47 0.33
CP Z Sliwka07_P2_31 0.11 0.32 0.57
CP Z Sliwka07_P2_34a 0.04 0.12 0.84
CP Z Collins99_G87_31 0 1 0
CP Z Ober99_K31_33 0 0 1
CP Z Leonards94_P49_31=Pi1(d) 0 0 1
LATE BLIGHT RESISTANCE MATURITY

chromosome IV chromosome IV
CL 15 CL 4
CC AIC 112.16 CC AIC 33.43
CC AIC3 115.16 CC AIC3 36.43
CC ICOMP 106.48 CC ICOMP 27.72
CC BIC 114.28 CC BIC 31.59
CC AWE 121.1 CC AWE 40.26
Meta_QTL1 Meta_QTL2 Meta_QTL1 Meta_QTL2
CP PI 0.82 0.18 CP PI 0.45 0.55
CP MU 30.54 48.77 CP MU 17.03 41.03
CP CI 5.99 7.19 CP CI 5.35 6.5
CP Z Collins99_I88_41 1 0 CP Z Collins99_G87_42 1 0
CP Z Collins99_G87_41 1 0 CP Z Bormann04_Leyla_41 0.8 0.2
CP Z Leonards94_P40_42_Pi1b 1 0 CP Z Collins99_I88_42 0 1
CP Z Leonards94_P49_41=Pi1(g) 1 0 CP Z Collins99_G87_43 0 1
CP Z Leonards94_P40_41_Pi1a 1 0
CP Z Sliwka07_P2_42 1 0
CP Z Sliwka07_P1_42b 1 0
CP Z Sliwka07_P1_41 0.97 0.03
CP Z Sliwka07_P1_43 0.96 0.04
CP Z Ober99_K31_4 0.94 0.06
CP Z Sliwka07_P2_43 0.9 0.1
CP Z PiIVROSAL35 0.82 0.18
CP Z Leonards94_P40_43_Pic 0.67 0.33
CP Z Sandbrink00_MCD167_1 0 1
CP Z Leonards94_P49_42=Pi0(g) 0 1
AV3-1
Annexes

chromosome V chromosome V
CL 21 CL 8
CC AIC 159.15 CC AIC 44.46
CC AIC3 162.15 CC AIC3 45.46
CC BIC 162.29 CC BIC 44.54
CC AWE 167.29 CC AWE 49.62
CP PI 0.86 0.14 CP PI 1
CP MU 21.24 54.72 CP MU 24.59
CP CI 6.08 3.24 CP CI 0.71
CP Z Sliwka07_P1_52 1 0 CP Z Bormann04_Escort_54a 1
CP Z Collins99_I88_52a 1 0 CP Z Bormann04_Leyla_51a 1
CP Z Bormann04_Leyla_51b 1 0 CP Z Bormann04_Nikita_51a 1
CP Z Ghislain01_dih-tbr_51a 1 0 CP Z Collins99_G87_51b 1
CP Z Leonards94_P49_52=Pi0(d) 1 0 CP Z Collins99_G87_51c 1
CP Z Leonards94_P49_51=Pi0(b) 1 0 CP Z Collins99_G87_52 1
CP Z Leonards94_P40_52_Pi01b 1 0 CP Z Collins99_I88_52d 1
CP Z Leonards94_P40_51_Pi01a 1 0 CP Z Collins99_I88_53c 1
CP Z Collins99_I88_51b 1 0
CP Z Collins99_G87_51a 1 0
CP Z Ober99_K31_51 1 0
CP Z Bormann04_Nikita_51c 0.99 0.01
CP Z Ober99_K31_52 0.99 0.01
CP Z Bormann04_Nikita_51b 0.98 0.02
CP Z Bormann04_Escort_54b 0.96 0.04
CP Z Bormann04_Escort_53c 0.93 0.07
CP Z Bormann04_Nikita_52b 0.92 0.08
CP Z Bormann04_Nikita_52a 0.91 0.09
CP Z Ober99_K31_53 0.39 0.61
CP Z Costanzo05_51 0 1

chromosome VI chromosome VI
CL 7 CL 5
CC AIC 68.71 CC AIC 46.7
CC AIC3 71.71 CC AIC3 49.7
CC BIC 68.54 CC BIC 45.53
Meta_QTL1 Meta_QTL2 Meta_QTL1 Meta_QTL2
CP PI 0.43 0.57 CP PI 0.42 0.58
CP MU 32.24 79.28 CP MU 57.91 89.29
CP CI 33.05 69.52 CP CI 40.58 14.69
CP Z Collins99_I88_61 1 0 CP Z Simko06_62 0.98 0.02
CP Z Ober99_K31_61 0.98 0.02 CP Z Collins99_I88_62b 0.55 0.45
CP Z Simko06_61 0.59 0.41 CP Z Collins99_I88_62a 0.55 0.45
CP Z Collins99_G87_61 0.46 0.54 CP Z Bormann04_Leyla_61 0.04 0.96
CP Z Ober99_K31_62 0 1 CP Z Collins99_G87_62 0 1
CP Z PiLG26SPLL40 0 1
CP Z PiLG26SPLrAUDPC 0 1

chromosome VII chromosome VII
CL 7 CL 2
CC AIC 35.42 CC AIC 1
CC AIC3 36.42 CC AIC3 9.63
Meta_QTL1 Meta_QTL1
CP PI 1 CP PI 1
CP MU 25.4 CP MU 5.92
CP CI 0.55 CP CI 2.38
CP Z Costanzo05_71 1 CP Z Collins99_G87_71b 1
CP Z Ghislain01_dih-tbr_71b 1 CP Z Collins99_I88_72 1
CP Z Leonards94_P40_71_Pi0e 1
CP Z Leonards94_P49_71=Pi0(f) 1
CP Z Leonards94_P49_72=Pi1(e) 1
CP Z Ober99_K31_71 1

chromosome VIII chromosome VIII
CL 12 CL 6
CC AIC 87.2 CC AIC 35.32
CC AIC3 90.2 CC AIC3 36.32
CP PI 0.19 0.81 CP PI 1
CP MU 70.94 84.79 CP MU 79.8
CP CI 14.48 7.59 CP CI 2.07
CP Z Simko06_81 1 0 CP Z Bormann04_Nikita_81a 1
CP Z Ober99_K31_8 0.51 0.49 CP Z Collins99_G87_82 1
CP Z PiVIIIROSArAUDPC 0.23 0.77 CP Z Collins99_I88_81b 1
CP Z Bormann04_Nikita_81b 0.15 0.85 CP Z Collins99_I88_82 1
CP Z Bormann04_Nikita_81c 0.14 0.86 CP Z Ewing00_ber_BCT_81 1
CP Z PiVIIICASPrAUDPC 0.12 0.88 CP Z Simko06_82 1
CP Z PiVIIISPGL35 0.04 0.96
CP Z PiVIIISPGIND 0.04 0.96
CP Z Collins99_I88_81a 0.01 0.99
CP Z Collins99_G87_81 0 1
CP Z Ghislain01_dih-tbr_81a 0 1
CP Z Naess00_J101_81 0 1
AV3-2
Annexes

chromosome IX
CL 8
CC AIC 52.73
CC AIC3 53.73
CC ICOMP 50.73
CC BIC 52.81
CC AWE 57.89
Meta_QTL1
CP PI 1
CP MU 38.7
CP CI 2.71
CP Z Bormann04_Leyla_91 1
CP Z Bormann04_Leyla_91b 1
CP Z Collins99_G87_91 1
CP Z Collins99_I88_91 1
CP Z Leonards94_P40_91_Pi0c 1
CP Z PiIXCASPrAUDPC 1
CP Z Sorensen06_3504HGG_91 1

chromosome X
CL 15
CC AIC 119.44
CC AIC3 122.44
CC ICOMP 113.55
CC BIC 121.57
CC AWE 129.1
Meta_QTL1 Meta_QTL2
CP PI 0.53 0.47
CP MU 54.47 67.23
CP CI 5.96 4.97
CP Z Villamon05_MP1_8_101=QTLpcs10 1 0
CP Z PiX1SPLREC 1 0
CP Z Sliwka07_P1_103 0.95 0.05
CP Z PiX1SPLrAUDPC 0.86 0.14
CP Z Simko06_101 0.67 0.33
CP Z PiX1ROSAIND 0.58 0.42
CP Z PiX1ROSAL35 0.58 0.42
CP Z Sliwka07_P1_101 0.43 0.57
CP Z PiX2SPGL35 0.35 0.65
CP Z PiX2SPLIND 0.19 0.81
CP Z PiX2SPLL40 0.19 0.81
CP Z PiX2SPGIND 0.18 0.82
CP Z Ober99_K31_10 0.04 0.96
CP Z PiX2SPLrAUDPC 0 1

chromosome XI chromosome XI
CL 14 CL 6
CC AIC 110.67 CC AIC 43.63
CC AIC3 115.67 CC AIC3 46.63
CC BIC 113.86 CC BIC 43
CC AWE 126.76 CC AWE 53.14
Meta_QTL1 Meta_QTL2 Meta_QTL3 Meta_QTL1 Meta_QTL2
CP PI 0.47 0.4 0.14 CP PI 0.29 0.71
CP MU 21.44 35.45 47.73 CP MU 27.97 43.84
CP CI 7.52 9.74 7.03 CP CI 22.02 3.82
CP Z Collins99_G87_111 1 0 0 CP Z Bormann04_Leyla_112a 0.97 0.03
CP Z Villamon05_MP1_8_112a=QTLpcs11 1 0 0 CP Z Bormann04_Leyla_111a 0.57 0.43
CP Z Villamon05_MP1_8_111=QTLpcs11 0.97 0.03 0 CP Z Bormann04_Nikita_111a 0.13 0.87
CP Z Leonards94_P40_111_Pi01c 0.91 0.09 0 CP Z Ewing00_ber_BCT_111 0.07 0.93
CP Z Bormann04_Leyla_112b 0.61 0.38 0.02 CP Z Collins99_G87_113 0.01 0.99
CP Z Bormann04_Leyla_112c 0.6 0.38 0.02 CP Z Collins99_I88_112 0 1
CP Z Bormann04_Leyla_111c 0.56 0.41 0.03
CP Z Bormann04_Leyla_114a 0.55 0.41 0.04
CP Z Bormann04_Nikita_111b 0.2 0.62 0.18
CP Z Bormann04_Leyla_111 0.11 0.71 0.18
CP Z Collins99_G87_112 0.01 0.63 0.37
CP Z Ghislain01_phu_111a 0 1 0
CP Z Costanzo05_111 0 0.93 0.07
CP Z Collins99_I88_111 0 0 1

chromosome XII
CL 10
CC AIC 72.89
CC AIC3 77.89
CC ICOMP 61.87
CC BIC 74.4
CC AWE 89.14
CP PI 0.11 0.48 0.41
CP MU 38.16 56.28 63.4
CP CI 5 4.09 1.05
CP Z Collins99_G87_122 1 0 0
CP Z Collins99_G87_121 0.06 0.6 0.34
CP Z Ober99_K31_12 0.04 0.48 0.48
CP Z Ghislain01_dih-tbr_121d 0 1 0
CP Z PiXIICASPrAUDPC 0 0.99 0.01
CP Z Ghislain01_phu_121a 0 0.92 0.08
CP Z Bormann04_Leyla_121b 0 0.42 0.58
CP Z Villamon05_MP1_8_121a=QTLpcs12 0 0.26 0.74
CP Z Bormann04_Leyla_121c 0 0.17 0.83
CP Z Leonards94_P40_121_Pi0a 0 0 1
AV3-3

09-0012 Danan PDF

Transféré par

Droits d'auteur :

Formats disponibles

09-0012 Danan PDF

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

09-0012 Danan PDF

Transféré par

Droits d'auteur :

Formats disponibles

MINISTERE DE L’AGRICULTURE

CENTRE INTERNATIONAL D’ETUDES SUPERIEURES EN SCIENCES AGRONOMIQUES

Discipline : Biologie Intégrative des Plantes

Diversité structurale des locus de résistance à Phytophthora

Présentée et soutenue publiquement le 18 juin 2009 par

MOTS-CLES : Solanacées, Phytophthora spp (Oomycète), résistance quantitative, QTL, populations

Keywords : Solanaceae, Phytophthora spp (oomycete), quantitative resistance, QTL, connected

DISCIPLINE : Génétique et amélioration des plantes

Je remercie très chaleureusement mes parrains de thèse Charles-Eric, Christine et

LISTE DES TABLEAUX………………………………………………………………………………… ix

LISTE DES FIGURES…………………………………………………………………………………....x

LISTE DES PHOTOS ET ENCARTS..…………………………………………………………………...xiii

LISTE DES ANNEXES………………………………………………………………………………….XIV

I CHAPITRE I : SYNTHESE BIBLIOGRAPHIQUE ............................................................................... 3

II CHAPITRE II : MATERIELS ET METHODES ..................................................................................81

IV CHAPITRE IV : DETECTION DE QTL DE RESISTANCE A P. INFESTANS DANS DES POPULATIONS

V CHAPITRE V : META-ANALYSE DE QTL CHEZ LA POMME DE TERRE : ORGANISATION

VI CHAPITRE VI : DISCUSSION GENERALE ................................................................................185

Tableau I.1 Exemples de résistances polygéniques conférant des résistances complètes et

Tableau I.2 Exemples de résistances durables et contournées chez trois espèces de

Tableau I.3 Méthodes de détection de QTL et logiciels utilisés

Tableau I.5 Quelques « Success stories » de la SAM

Table IV.1 CAPS markers used for chromosomes IV and V

Table IV.2 Chromosome map compositions at the three population levels

Table IV.3 QTL detection results at the three level of analysis

Table V.2 QTL meta-analysis results

Figure I.3 Les méthodes pour détecter les « vrais » QTL

Figure I.4 Puissance de détection de QTL en fonction de la taille de la population et

Figure I.5 Types de populations bi-parentales utilisées pour la détection de QTL

Figure I.7 Schémas de croisements diallèle et factoriel

Figure I .9 Schéma de croisement d’une population MAGIC

Figure I.10 Vers le clonage de QTL

Figure I.13 Pyramidage de QTL en création variétale

Figure I.17 Phylogénie des Solanacées

Figure I.18 Les réarrangements chromosomiques entre le piment et la tomate

Figure I.19 Arbre phylogénétique des organismes eucaryotes

Figure I.20 Arbre phylogénétique des Oomycètes

Figure I.21 Cycle biologique de P. infestans

Figure I.25 Mind-Map du sujet de thèse

Figure II.4 Sélection des SSR du génome de la pomme de terre

Figure II.5 Algorithme de la procédure de détection de QTL iQTLm

Figure II.6 Schéma de la procédure du logiciel de méta-analyse de QTL Meta-QTL

Figure IV.2 Overall map composition at the three population levels

Figure IV.3 Alignment of the chromosome IV maps

Figure V.2 Integrated map molecular description

Figure V.3 Meta-analysis procedure steps: example for chromosome IV

Figure V.4 Meta-analysis results for all 12 potato chromosomes

Figure VI.4 Arbre phylogénétique des Solanacées

Photos I.2a et 2b Serre automatisée de plateforme de phénotypage de plants de maïs où

Photos I.3 Feuilles infectées

Photo II.3 Test sur tige : inoculation et mesure de la nécrose

Photo II.4 Test sur feuillage en plateforme

LISTE DES ENCARTS

ANNEXE II.4 Marqueurs développés et cartographiés pendant la thèse

ANNEXE II.5 Composition du milieu LB

ANNEXE II.6 Noms synonymes des marqueurs pour la méta-analyse

ANNEXE IV.1 Cartes parentales des populations 03D

ANNEXE V.1 Integrated potato map marker composition

ANNEXE V.2 Functional integrated potato maps