SOLTIS - STAGE - Impact des stress climatiques sur les composantes du rendement chez le tournesol H/F

SOLTIS, une entreprise française de recherche dynamique et innovante, est un acteur clé dans le secteur de la sélection du tournesol, ciblant le vaste marché européen.

L'engagement de l'entreprise dans la recherche lui vaut une excellente réputation et une position solide en tant que troisième acteur européen. Le succès de Soltis repose sur son esprit familial, ses technologies de pointe, et son approche centrée sur le client, qui lui permettent de fournir des variétés de tournesol de haute qualité répondant aux besoins en constante évolution des agriculteurs, des transformateurs et des consommateurs.

Vous êtes passionné par le tournesol et l'innovation agricole ? Rejoignez-nous pour façonner l'agriculture de demain

Intégré(e) à l'équipe Analytics & Breeding Support dédiée à l'analyse de donnée, aux développements méthodologiques et plus largement au support des programmes de sélection, l'étudiant(e) contribuera à un projet visant à mieux comprendre l'interaction Génotype x Environnement pour la tolérance du tournesol aux stress climatiques durant la floraison et l'impact sur les composantes du rendement.

Contexte Scientifique

Le tournesol (Helianthus annuus L.) est une culture oléagineuse d'importance mondiale. Cependant, son rendement est fortement menacé par les changements climatiques, en particulier par les stress thermiques et hydriques qui coïncident de plus en plus fréquemment avec la période de floraison. Cette phase est critique pour la détermination du rendement, car elle conditionne le succès de la fécondation et le nombre de graines par capitule.

Afin de développer des variétés de tournesol plus résilientes, il est crucial de comprendre comment les différents génotypes répondent à une large gamme de conditions environnementales. SOLTIS dispose d'un important jeu de données, issu d'un réseau d'essais multi-annuels et multi-environnements, combinant des données de phénotypage précises (fécondation, floraison, composantes du rendement), des données de génotypage haute densité et des relevés climatiques détaillés pour chaque essai.

Ce stage se situe à l'interface de la génétique quantitative, de l'agronomie et des biostatistiques et vise à exploiter cette riche base de données afin de disséquer les bases génétiques de la réponse du tournesol à l'environnement.

Objectifs du Stage

L'objectif principal est d'identifier les déterminants génétiques de la plasticité du rendement du tournesol face aux variations climatiques à la floraison. Le projet s'articulera autour de trois axes majeurs :

• Caractérisation des environnements :

• Analyser les données météorologiques afin de définir des variables climatiques pertinentes (e.g., nombre de jours de stress thermique, déficit hydrique cumulé…) durant les fenêtres critiques de la floraison.

• Modélisation de l'interaction Génotype x Environnement (GxE) :

• Mettre en œuvre des modèles de régression aléatoire (Random Regression Models) afin de modéliser la norme de réaction de chaque génotype en fonction des gradients environnementaux identifiés.

• Estimer la performance moyenne et la plasticité de chaque génotype pour les caractères liés à la fécondation et au rendement.

• Identification de régions génomiques d'intérêt :

• Réaliser des études d'association (GWAS) en utilisant comme phénotypes les paramètres de performance et de plasticité estimés par la régression aléatoire.

• Identifier des régions du génome (QTLs) impliquées dans la performance générale et/ou dans la réponse spécifique à un stress environnemental.

Nous recherchons un(e) étudiant(e) en École d'ingénieur / Master 2 motivé(e) et rigoureux(se), issu(e) d'une formation en :

• Mathématiques appliquées ou Biostatistiques
• Génétique quantitative ou Amélioration des plantes
• École d'ingénieur agronome avec une spécialisation en analyse de données

Compétences requises :

• Indispensable : Solides bases en statistique et en modélisation (modèles linéaires mixtes indispensables).
• Indispensable : Maîtrise de la programmation sous R et/ou Python pour l'analyse de données.
• Apprécié : Des connaissances en génétique quantitative, en biologie végétale ou en agronomie seraient un atout majeur.
• Qualités : Autonomie, curiosité scientifique, esprit d'analyse et de synthèse, un fort intérêt pour la recherche appliquée à l'agriculture, capacité à communiquer les résultats.