Recherche et validation de résistance génétique au dépérissement bactérien causé par pseudomonas syringae chez l'abricotier.

5. Analyses statistiques

a) Données de phénotypage :

Les traitements statistiques des données ont été réalisés avec les logiciels XLSTAT et R Traitement des notations sur rameaux:

- Normalité des résidus: une transformation logarithmique (Ln) a été effectuée pour stabiliser la variance. La normalité a été testée par un test shapiro (p-value<0.01), et l'homogénéité des variances par un test de Bartlett.

- Pour toutes les variables, les histogrammes de fréquence ont été réalisés.

- Pour comparer les échantillons de rameaux « inoculés» et « non inoculés» et entre les phénotypes de deux parents, un test de student (p-value<0.05) a été utilisé.

- Pour savoir si certaines variables de résistance étaient corrélés au sein des populations et entre les années, le test de Pearson a été utilisé (P-value<0.05).

- Une analyse du dispositif a été effectuée avec un modèle linéaire général (ANCOVA) où les variables expliquées sont (lgc, lge, bs et bi) et les variables explicatives sont le génotype, le diamètre et la hauteur de point d'inoculation des rameaux.

- Enfin une analyse en composantes principales (PCA : Principal component Analysis) a été effectuée pour étudier simultanément la contribution des

individus observés et la contribution des variables à la diversité observée.

Traitement des notations sur feuilles :

L'effet du génotype est testé à partir des notes brutes par le test non paramétrique du chi². A partir de la notation individuelle des feuilles, cinq notes synthétiques ont été établies afin de discriminer les individus de différentes manières :

- Sevmoy : la moyenne brute des notations (classe de 0 à 5) par individu,

- Sevmed : la moyenne des notes transformées en pourcentage de nécrose par une moyenne sur la médiane de chaque individu,

- Sevreglog : un index calculé grâce au modèle de régression logistique multinomial

Mlle HADJ BRAHIM Mouna MATERIEL ET METHODES

37

- CribMoy : note de criblure moyenne des symptômes observés sur feuilles obtenue à partir des notations de 0 à 3 sur feuilles.

- Cribreglog : note de criblure observée sur feuilles obtenue à l'aide du modèle de régression logistique multinomiale basé sur les notes de criblure de 0 à 3.

b) Données de génotypage :

Données des marqueurs SSR dans les populations biparentales :

Détection de QTLs par analyse de liaison: Les données phénotypiques de la descendance ont été reliées aux données de cartographie génétique, afin de détecter la présence des régions du génome impliquées dans les caractères mesurés (QTLs). Trois méthodes d'estimation ont systématiquement été mobilisées : la régression marqueur par marqueur, l'intervalle mapping (IM) qui consiste à estimer la présence d'un QTL entre les 2 marqueurs qui l'encadrent, et le Composite Interval Mapping (CIM) qui consiste à estimer l'emplacement d'un QTL en s'appuyant sur une plage de marqueurs qui l'encadre dans une régression pas à pas. La signification des QTLs est fondée sur le calcul du LOD score. Le LOD seuil a été fixé par 1000 simulation à une valeur de 2,3. La position d'un QTL a été estimée d'après la position de la valeur maximale de LOD (LODmax). L'intervalle de confiance associée correspond à la projection de la courbe de LOD sur l'axe des abscisses (longueur du chromosome). L'effet individuel de chaque QTL sur la variable phénotypique (R²) a été donné par le modèle.

Les QTL ont été recherchés avec le logiciel WinQTL cartographer version 2.5(Wang S. et al., 2007)

Données des marqueurs SNP dans le panel de RG de 76 accessions:

Inférence du nombre de population ancestrales: elle vise à estimer la structure génétique d'un ensemble d'individus en rassemblant ces derniers dans des groupes, sur la base de leurs profils génétiques, elle permet l'identification de groupe génétiques différents selon la méthode deltaK (Evanno et al., 2005) grâce au logiciel STRUCTURE (Pritchard et al., 2000).

Estimation de l'apparentement entre individus: la matrice des coefficients d'apparentement (compris entre 0 et 1) des individus deux à deux a été obtenue à l'aide de SPAGeDI (Hardy and Vekemans, 2002).

Mlle HADJ BRAHIM Mouna MATERIEL ET METHODES

38

Détection des QTLs par analyse d'association:

Afin d'éviter les risques de type I (détection de fausses associations) et de type II (non détection de vrais associations), différentes méthodes statistiques d'analyse de données, pouvant prendre en compte la structure des populations et la parenté entre individus, ont été développées, une solution consiste à chercher le modèle le plus approprié, entre un modèle strictement basé sur les marqueurs, un modèle linéaire prenant en compte la structure (Pritchard et al, 2000) et un modèle mixte prenant en compte la structure et l'apparentement (Meuwissen et al., 2001). Les modèles testés sur la sensibilité au chancre sur rameaux et la sensibilité aux criblures sur feuilles ont été : GLM `simple' (sans correction de structure de la population), GLM'Q' (modèle simple avec les coefficients de structures comme covariables), et MLM'Q+K' (correction à la fois de la structure et des différentes parentés).

La recherche du meilleur ajustement a été faite à partir de l'appréciation graphique de la concordance entre une distribution observée et un modèle théorique représentée par le diagramme probabilités observées-probabilités cumulées (QQplot).

Le modèle le mieux adapté a ensuite été utilisé pour la recherche d'associations de tous les caractères.

Le DL entre marqueurs deux à deux, représenté par le DL (r²) a été calculé avec TASSEL 3.0.