Intranet

Modèles et méthodes pour le phénotypage des plantes (M2P2)

Contexte et enjeux

Date de mise à jour : 29 mars 2017

Le phénotypage des plantes est en train d’entrer dans une nouvelle ère du fait de l’introduction de plateformes robotisées de phénotypage, de nouvelles générations de capteurs et des technologies numériques. Le phénotypage des plantes à la main est progressivement remplacé par un phénotypage automatisé à haut débit.

En biologie et agronomie

Les progrès récents en agronomie reposent sur la révolution génomique couplée avec des avancées technologiques permettant d’acquérir des nouvelles données de phénotypage de plantes à des échelles variées. La plante vue comme un organisme complexe est l’objet central de l’agronomie actuelle et il y a un fort besoin de nouvelles approches pour caractériser fonctions biologiques et processus développementaux depuis les échelles tissulaires jusqu’à celle de la plante entière. Des plateformes robotisées de phénotypage de plantes instrumentées avec différents capteurs (scanner laser 3D, différents types de caméra) ont été développées ces dernières années (par exemple PHENOSPSIS en chambre de culture, PHENOARCH en serre et DiaPHEN au champ). Ces plateformes produisent des données spatio-temporelles de développement de plantes à haut débit et permettent d’étudier le développement au cours du temps de nombreux individus dans des environnements fluctuants et d’explorer l’effet de la variabilité génétique dans ce contexte.

En informatique et mathématiques appliquées

Les méthodes de traitement et d’analyse de données de phénotypage de plantes sont en pleine mutation du fait de la disponibilité de données massives à faible coût, de l’augmentation des puissances de calcul et de l’émergence de nouveaux paradigmes mathématiques à l’interface entre modélisation probabiliste, inférence statistique et reconnaissance des formes. Le traitement de données massives de phénotypage nécessite d’utiliser des infrastructures de calcul spécialisées (par exemple de grands clusters de calcul) et de développer de nouvelles technologies logicielles pour la gestion de données complexes et la parallélisation des chaînes de calculs scientifiques. Les données de phénotypage de plantes sont intrinsèquement fortement structurées (spatio-temporelle, multi-échelle et/ou fonctionnelle) et cela nécessite de développer des modèles probabilistes et des méthodes d’inférence appropriés pour les analyser.

Date de mise à jour : 29 mars 2017

Cookies de suivi acceptés