L'utilisation de techniques prédictives, y compris l'apprentissage automatique, pour démêler les rôles différentiels des gènes dans les réseaux de gènes qui sous-tendent les architectures phénotypiques chez le peuplier.

La littérature récente sur le rôle différentiel des gènes au sein des réseaux établit une distinction entre les gènes centraux et les gènes périphériques. Bien que des travaux antérieurs aient montré des propriétés contrastées entre eux, il reste à étudier si cette catégorisation est importante pour la prédiction des phénotypes. Dans l’étude de cas suivante, nous avons mesuré 17 traits phénotypiques pour 241 génotypes clonés d’une collection de Populus nigra, couvrant la croissance, la phénologie, les propriétés chimiques et physiques. Nous avons également séquencé l’ARN de chaque génotype et construit des réseaux de co-expression pour définir les gènes centraux et périphériques. Nous avons constaté que les centraux étaient plus différenciés entre les populations que les périphéries, tout en étant moins variables, ce qui suggère qu’ils ont été contraints par une sélection potentiellement divergente. En utilisant des techniques d’apprentissage automatique (partie de l’IA), nous avons également montré que si les centraux étaient surreprésentés dans un sous-ensemble de gènes statistiquement sélectionnés pour leur capacité à prédire les phénotypes, ils ne prédisaient pas systématiquement mieux que les périphériques. Notre travail est la première tentative d’évaluation de l’importance de la connectivité des réseaux de co-expression dans la prédiction des phénotypes en utilisant, entre autres, des techniques d’IA. Bien que les gènes centraux fortement connectés semblent être biologiquement importants, ils ne contiennent pas suffisamment d’informations pour prédire systématiquement les traits quantitatifs mieux que d’autres ensembles de gènes.