
Prénom Nom
Fonction
I'm a paragraph. I'm connected to your collection through a dataset. To update me, go to the Data Manager. The Data Manager is where you store data to use in your site pages, or collect data from site visitors when they submit a form.
This collection in the Data Manager is already set up with some fields and content. To customize it with your own content, you can import a CSV file or simply edit the placeholder text. You can also add more fields which you can connect to other page elements so the content displays on your published site. Remember to sync the collection so your content is live! You can add as many new collections as you need to store or collect data.

Prénom Nom
Fonction
I'm a paragraph. I'm connected to your collection through a dataset. To update me, go to the Data Manager. The Data Manager is where you store data to use in your site pages, or collect data from site visitors when they submit a form.
This collection in the Data Manager is already set up with some fields and content. To customize it with your own content, you can import a CSV file or simply edit the placeholder text. You can also add more fields which you can connect to other page elements so the content displays on your published site. Remember to sync the collection so your content is live! You can add as many new collections as you need to store or collect data.

Prénom Nom
Fonction
I'm a paragraph. I'm connected to your collection through a dataset. To update me, go to the Data Manager. The Data Manager is where you store data to use in your site pages, or collect data from site visitors when they submit a form.
This collection in the Data Manager is already set up with some fields and content. To customize it with your own content, you can import a CSV file or simply edit the placeholder text. You can also add more fields which you can connect to other page elements so the content displays on your published site. Remember to sync the collection so your content is live! You can add as many new collections as you need to store or collect data.

Prénom Nom
Fonction
I'm a paragraph. I'm connected to your collection through a dataset. To update me, go to the Data Manager. The Data Manager is where you store data to use in your site pages, or collect data from site visitors when they submit a form.
This collection in the Data Manager is already set up with some fields and content. To customize it with your own content, you can import a CSV file or simply edit the placeholder text. You can also add more fields which you can connect to other page elements so the content displays on your published site. Remember to sync the collection so your content is live! You can add as many new collections as you need to store or collect data.

Prénom Nom
Fonction
I'm a paragraph. I'm connected to your collection through a dataset. To update me, go to the Data Manager. The Data Manager is where you store data to use in your site pages, or collect data from site visitors when they submit a form.
This collection in the Data Manager is already set up with some fields and content. To customize it with your own content, you can import a CSV file or simply edit the placeholder text. You can also add more fields which you can connect to other page elements so the content displays on your published site. Remember to sync the collection so your content is live! You can add as many new collections as you need to store or collect data.

Prénom Nom
Fonction
I'm a paragraph. I'm connected to your collection through a dataset. To update me, go to the Data Manager. The Data Manager is where you store data to use in your site pages, or collect data from site visitors when they submit a form.
This collection in the Data Manager is already set up with some fields and content. To customize it with your own content, you can import a CSV file or simply edit the placeholder text. You can also add more fields which you can connect to other page elements so the content displays on your published site. Remember to sync the collection so your content is live! You can add as many new collections as you need to store or collect data.

Prénom Nom
Fonction
I'm a paragraph. I'm connected to your collection through a dataset. To update me, go to the Data Manager. The Data Manager is where you store data to use in your site pages, or collect data from site visitors when they submit a form.
This collection in the Data Manager is already set up with some fields and content. To customize it with your own content, you can import a CSV file or simply edit the placeholder text. You can also add more fields which you can connect to other page elements so the content displays on your published site. Remember to sync the collection so your content is live! You can add as many new collections as you need to store or collect data.
L’équipe ASTR a l’objectif de produire des connaissances en génétique pour adapter le tournesol aux enjeux de la transition agro-écologique.
Le tournesol est le 4ème oléagineux mondial et le 2ème en France. Ses faibles besoins en eau et en intrants ainsi que son cycle court lui procurent un profil écologique très intéressant. C’est une composante essentielle des futurs systèmes agricoles (Debaeke et al. 2021), ainsi sa production a augmenté de 44% depuis 10 ans (source USDA)
Principalement cultivé dans des environnments sujets à des stress hydriques, nous nous intéressons :
-
au contrôle génétique de la plasticité du rendement vis-à-vis du stress hydrique, du froid suite à un semis précoce pour éviter la sécheresse
-
aux mécanismes moléculaires impliqués dans les réponses aux stress abiotiques présents dans des systèmes de culture innovants
-
à l’impact du changement climatique sur l’attractivité du tournesol pour les pollinisateurs
Pour mener nos travaux, nous développons des ressources à trois niveaux :
Les outils de phénomique avec Phenotoul
L’équipe a créé et est toujours responsable de la plateforme de phénotypage haut-débit Heliaphen. Celle-ci fait partie de l’infrastructure locale Phenotoul (avec Agrophen au champ et TPMP en conditions contrôlées), elle-même partie de Phenome-Emphasis, infrastructure de recherche nationale qui fait partie du réseau européen EPPN Emphasis. Retrouvez la description ici[3] .
Nous collaborons étroitement avec Hiphen [4] pour le développement de pipelines de phénotypage haut-débit adaptés au tournesol et en lien avec nos thématiques de recherche.
Collaboration et partenariat : Plateforme TPMP du LIPME, UE Agro-écologie et Phénotypage des Cultures, LEPSE, MISTEA, Hiphen
Les ressources génétiques avec le CRB Tournesol
Dans le cadre de projets publics-privés, nous développons et caractérisons des populations recombinantes, NAM, des panels de diversité ou des populations de lignées d’introgression. Nous exploitons la diversité génétique naturelle présente dans le CRB Tournesol aux niveaux cultivé et sauvage pour réaliser des croisements qui particperons aux variétés de demain. Retrouvez le CRB Tournesol ici[5] .
Collaboration et partenariat : CRB Tournesol et équipe SPI du LIPME, Lidea, Limagrain, MAS Seeds, RAGT, Syngenta, Corteva
Les ressources génomiques avec l’ICSG
L’équipe participe activement au consortium de génomique international (ICSG) avec l’équipe SPI et la plateforme de bioinformatique du LIPME pour séquencer la diversité génétique du genre Helianthus et des lignées cultivées de tournesol. Nous collaborons au niveau international avec l’Université de Colombie-Britannique Vancouver et l’Université de Georgie, Athens pour mettre en commun nos compétences et produire des références génomiques pour le genre Helianthus utiles pour la recherche académique et l’innovation variétale. Vous pouvez retrouver le portail Heliagene de génomique ici[6] .
Collaboration et partenariat : Plateforme bioinfo et équipe SPI du LIPME, MAS Seeds, Lidea, RAGT, Limagrain, Syngenta, Corteva
[3] https://www6.inrae.fr/phenotoul/L-offre-de-phenotypage/Phenotypage-semi-controle
[4] https://www.hiphen-plant.com/
[6] https://www.heliagene.org/
NOS PROJETS
PIA SUNRISE
Présentation
Le projet SUNRISE, SUNflower Resources to Improve yield Stability in a changing Environment, a pour objectif de développer les connaissances, les ressources et les outils sur le tournesol pour permettre d’adapter cette culture aux challenges du changement climatique notamment en maintenant sa productivité dans des conditions de sécheresse.
Le projet articule plusieurs disciplines : la génétique, la génomique, la physiologie, l’agronomie et les sciences sociales. Il regroupe les acteurs de la recherche (9 laboratoires INRAE et universitaires), l’institut technique sur les oléoprotéagineux et 6 entreprises en biotechnologie et semencières dans le but non pas de travailler pour mais avec les acteurs de terrain et d’assurer un transfert plus rapide et efficace des connaissances, méthodes et ressources produites.
Le projet a un fort ancrage dans le sud-ouest et à Toulouse en particulier ce qui a renforcé la visibilité de Toulouse comme capitale mondiale de la recherche et de la sélection sur le tournesol.
SUNRISE, a constitué un projet central de l’équipe ASTR entre 2012 et 2020 et se poursuit à travers l’analyse des données produites et l’exploitation des pistes de recherches ouvertes par ce projet d’envergure.
Sunrise en chiffres :
Budget
Total : 21M€, Subvention : 7M€ (INRAE 4.3M€), Autofonancement public : 7M€ (INRAE 4.7M€) et autofinancement privé 7M€
Financement : Agence Nationale de la Recherche ANR-11-BTBR-005
Dates : Septembre 2012 - Décembre 2020, 8 ans et 4 mois
Coordination : Patrick Vincourt (2012-2013) et Nicolas Langlade (2014-2020)
16 parternaires :
-
9 laboratoires privés INRAE LIPME, INRAE AGIR, INRAE MIAT, INRAE CNRGV, INRAE EPGV, Sorbonne Université, INRAE GQE, Université Toulouse 1 LEREPS, INRAE BFP
-
1 institut technique : Terres Inovia
-
1 entreprise en biotechnologie : Innolea
-
5 semenciers : Caussade Semences puis Lidea, Mas Seeds, RAGT, , Soltis, Syngenta
Personnel
Personnel public : 86 personnes dont 32 chercheurs, 3 thèses, 10 post-docs
Personnel privé : environ 100 scientifiques
Données produites
~100 expérimentations : 45 expérimentations en champ en France, Roumanie Chili et Argentine, ~60 sur plateformes de phénotypage Phenotoul
~6700 génotypes de tournesol créés ou utilisés
7020 plantes phénotypées sur Heliaphen
>2000M de données de génotypage SNP par puces et reséquençage
~1M de données agronomiques disponibles dans la base de données SUNRISE
5M de mesures de quantité de transcrits
1.2M de niveaux de méthylation
850k mesures de quantité de métabolites
172k mesures de quantité de protéines
Résultats marquants
1 - Séquençage du premier génome de référence du tournesol en 2017 (Badouin et al ., ,2017 Nature). Issue d’une collaboration étroite du LIPME, CNRGV, GeT pour acquérir un séquenceur de nouvelle génértation et casser le verrou de l’assemblage des grands génomes complexes de plantes. Deux autres génomes du tournesol ont été séquencés ensuite dans SUNRISE. La méthodologie développée est devenue un standard en génomique a été largement réutilisée pour les séquençages de dizaines de plantes, animaux et microorganismes (rosier, Medicago, vigne, orobanche, homme, macaque, abeille, etc…).
2 – Identification du contrôle génétique de la tolérance à la sécheresse (Mangin et al.,, 2017 et Gosseau et al., 2019 et en cours de valorisation). Une approche combinée de génétique quantitative et de modélisation agronomique développée au LIPME et à AGIR et grâce aux essais des partenaires privés a permis d’identifier les types de tournesol adaptés à différents climats en Europe et aux futurs scénarios climatiques. L’intégration de ces résultats avec la modéliasation des régulations génétiques à MIAT a permis de mettre en évidence les réseaux de gènes impliqués dans la tolérance à la sécheresse qui ont été travaillés par la sélection moderne qu’il faut continuer à améliorer pour les tournersol du futur.
3- Développement d’outils de phénotypage haut-débit (Gosseau et al., 2019). Une étroite collaboration entre l’UEGCA, le LIPME et le PIA PHENOME a été permise par SUNRISE et a permis le développement des premiers outils de phénotypage haut-débit sur le tournesol appliqués sur le plus grand essai de tournesol mené à l’INRAE en 2017 (1800 parcelles sur 3ha du domaine de Langlade caractérisées en drone). Cela a également abouti à la création de l’infrastructure collective Phenotoul qui concentre sur un même site, de façon unique au monde, un continuum de la serre, à la plateforme semi-contrôlée jusqu’au champ avec TPMP, Heliaphen et Agrophen.
4 –Eco-innovations pour la filière semencière et intégration dans le système d’évaluation des variétés (Galliano et al. 2017) SUNRISE a permis de conceptualiser les éco-innovations dans le domaine de l’amélioration variétale et d’étudier les verrous de l’acceptation de ces innovations par les agriculteurs au niveau français et européen par un travail collaboratif entre AGIR et le LEREPS et en s’appuyant sur les réseaux internationaux des semenciers du projet.
5 – Développement de matériel génétique incorporant la diversité génétique sauvage. Les ressources génétiques produites dans le cadre de SUNRISE sont uniques : le Centre de Ressources Biologiques du Tournesol basé au LIPME a développé avec les partenaires semenciers 2437 lignées recombinantes, 448 lignées d’introgression avec du tournesol sauvage. SUNRISE a permis leur caractérisation moléculaire : ~3500 lignées génotypées à haute densité, ce qui prépare l’exploitation des ressources génétiques dans de futurs projets.
COPER
Face au réchauffement climatique, la pratique du semis précoce apparait comme une solution efficace pour permettre aux cultures d'échapper au stress hydrique. En contrepartie, les premiers stades de développement du tournesol font faces à des températures plus basses qu’en semis traditionnel. Dans ce contexte, un travail de caractérisation phénotypique, génétique et transcriptomique à été entamé en 2021 dans le cadre du projet COPER.
Coordination : Nicolas Langlade
Financement: Contrat de collaboration bilatérale INRAE-Syngenta
Thèse associée : Jean Leconte, Université de Toulouse, Caractérisation génétique, transcriptomique et physiologique d’un QTL contrôlant la tolérance du rendement au froid chez le tournesol. Encadrement Nicolas Langlade
Année : 2019-2025
CIMS-ON
Le projet CIMS-ON, Phénotypage des variétés de cultures intermédiaires en interculture longue pour une complémentarité de services fournis au tournesol, porté par l’UMR AGIR, vise à effectuer le phénotypage de plusieurs cultures intermédiaires susceptibles de produire des services au tournesol, comme la gestion des minéraux (acquisition et restitution) et la régulation des bioagresseurs (verticillium et orobanche). L’équipe ASTR profitera du dispositif expérimental de ce projet pour étudier l’interaction entre ces cultures intermédiaires, la sénescence, la disponibilité d’azote et d’eau en fin de cycle et les bases génétiques qui pourraient jouer un rôle dans ces conditions.
Financement: Institut Carnot Plant2Pro
Coordination : Lionel Alletto (UMR AGIR)
Thèse associée : Lucie Souques, Université de Toulouse, Etude des effets abiotiques d’espèces et de variétés de cultures intermédiaires multi-services à cycle de développement sur différentes variétés de tournesol. Co-encadrement Lionel Alletto et Nicolas Langlade
IPHARD
Le projet IPHARD, Idéotypage et PHénotypage pour l’Adaptation des variétés de soja et de tournesol à la culture en Relai ou en Dérobé, vise à identifier les caractères phénotypiques du soja et du tournesol d’intérêt économique pour des conduites en relai ou en dérobé.
L’équipe ASTR participe au projet IPHARD sur le volet tournesol en dérobé pour caractériser les stress abiotiques subis par le tournesol cultivé dans cette conduite. Nous exploitons notre expertise en phénotypage de la réponse au stress hydrique sur Heliaphen pour caractériser des variétés cultivées de tournersol. Cela nouspermet d’identifier quels caractères phénotypiques permettent de mieux tolérer la sécheresse et pourront être l’objet d’une sélection variétale adaptée à cette condiute de culture.
Financement : Ministère de l’Agriculture CASDAR
Coordination : Gilles tison et Philippe Debaeke
Année : 2021-2024
Heliopollen
Le projet Heliopollen, impact du stress hydrique sur l’attractivité du tournesol vis-à-vis des insectes pollinisateurs, vise à étudier l’effet du stress hydrique sur les différents traits impliqués dans l'attractivité : morphométrie des fleurons, quantité et composition du pollen, volume du nectar et composition en sucres, et expression des gènes impliqués dans la nectarification.
Une partie fondamentale de l'étude est menée sur trois lignées sélectionnées pour leur tolérance différentielle au stress hydrique. Une partie plus appliquée mesure ces traits sur un panel d'hybrides afin d'estimer l'effet du progrès génétique sur ces traits phénotypiques en lien avec le projet Promosol Demeler.
Coordination : Olivier Catrice et Nicolas Langlade
Financement : Promosol
Année : 2021-2022
Nos projets antérieurs
HeliaDiv : Ressources génétiques du genre Helianthus : polymorphisme moléculaire et préservation de la biodiversité
Coordination : Patrick Vincourt
Financement : Promosol
Année : 2013-2016
HeliaDiv 2 Evaluation et gestion des lignées du réseau Helianthus par sélection génomique
Coordination : Brigitte Mangin
Financement : Promosol
Année : 2017-2020
Heliasen Analyse et phénotypage de la sénescence foliaire chez le tournesol
Coordination : Philippe Burger et Nicolas Langlade
Finacement : Promosol
Année : 2017-2020
Oleosol
Coordination : Patrick Vincourt
Financement : FUI, Midi-Pyrénées region, European Fund for Regional Development
Année : 2010-2013
Sunyfuel
Coordination : Patrick Vincourt
Financement : ANR
Année : 2008-2011
Production scientifique
Adiredjo, A.L., Casadebaig, P., Langlade, N., Lamaze, T., Grieu, P., 2018. Genetic Analysis of the Transpiration Control in Sunflower (Helianthus Annuus L) Subjected to Drought. VEGETOS: An International Journal of Plant Research 2018. https://doi.org/10.4172/2229-4473.1000368
Adiredjo, A.L., Navaud, O., Muños, S., Langlade, N.B., Lamaze, T., Grieu, P., 2014. Genetic Control of Water Use Efficiency and Leaf Carbon Isotope Discrimination in Sunflower (Helianthus annuus L.) Subjected to Two Drought Scenarios. PLoS ONE 9, e101218.
Andrianasolo, F.N., Casadebaig, P., Langlade, N., Debaeke, P., Maury, P., 2016. Effects of plant growth stage and leaf aging on the response of transpiration and photosynthesis to water deficit in sunflower. Functional Plant Biology 43, 797–805.
Badouin, H., Gouzy, J., Grassa, C.J., Murat, F., Staton, S.E., Cottret, L., Lelandais-Brière, C., Owens, G.L., Carrère, S., Mayjonade, B., Legrand, L., Gill, N., Kane, N.C., Bowers, J.E., Hubner, S., Bellec, A., Bérard, A., Bergès, H., Blanchet, N., Boniface, M.-C., Brunel, D., Catrice, O., Chaidir, N., Claudel, C., Donnadieu, C., Faraut, T., Fievet, G., Helmstetter, N., King, M., Knapp, S.J., Lai, Z., Le Paslier, M.-C., Lippi, Y., Lorenzon, L., Mandel, J.R., Marage, G., Marchand, G., Marquand, E., Bret-Mestries, E., Morien, E., Nambeesan, S., Nguyen, T., Pegot-Espagnet, P., Pouilly, N., Raftis, F., Sallet, E., Schiex, T., Thomas, J., Vandecasteele, C., Varès, D., Vear, F., Vautrin, S., Crespi, M., Mangin, B., Burke, J.M., Salse, J., Muños, S., Vincourt, P., Rieseberg, L.H., Langlade, N.B., 2017. The sunflower genome provides insights into oil metabolism, flowering and Asterid evolution. Nature 546, 148–152. https://doi.org/10.1038/nature22380
Balliau, T., Duruflé, H., Blanchet, N., Blein-Nicolas, M., Langlade, N.B., Zivy, M., 2021. Proteomic data from leaves of twenty-four sunflower genotypes under water deficit. OCL 28, 12. https://doi.org/10.1051/ocl/2020074
Berton, T., Bernillon, S., Fernandez, O., Duruflé, H., Flandin, A., Cassan, C., Jacob, D., Langlade, N.B., Gibon, Y., Moing, A., 2021. Leaf metabolomic data of eight sunflower lines and their sixteen hybrids under water deficit. OCL 28, 42. https://doi.org/10.1051/ocl/2021029
Blanchet, N., Casadebaig, P., Debaeke, P., Duruflé, H., Gody, L., Gosseau, F., Langlade, N.B., Maury, P., 2018. Data describing the eco-physiological responses of twenty-four sunflower genotypes to water deficit. Data Brief 21, 1296–1301. https://doi.org/10.1016/j.dib.2018.10.045
Bonnafous, F., Fievet, G., Blanchet, N., Boniface, M.-C., Carrère, S., Gouzy, J., Legrand, L., Marage, G., Bret-Mestries, E., Munos, S., Pouilly, N., Vincourt, P., Langlade, N., Mangin, B., 2018. Comparison of GWAS models to identify non-additive genetic control of flowering time in sunflower hybrids. Theor. Appl. Genet. 131, 319–332. https://doi.org/10.1007/s00122-017-3003-4
Bordat, A., Marchand, G., Langlade, N.B., Pouilly, N., Muños, S., Dechamp-Guillaume, G., Vincourt, P., Bret-Mestries, E., 2017. Different genetic architectures underlie crop responses to the same pathogen: the {Helianthus annuus * Phoma macdonaldii} interaction case for black stem disease and premature ripening. BMC Plant Biology 17, 167. https://doi.org/10.1186/s12870-017-1116-1
Debaeke, P., Casadebaig, P., Flenet, F., Langlade, N., 2017. Sunflower crop and climate change: vulnerability, adaptation, and mitigation potential from case-studies in Europe. OCL 24, D102. https://doi.org/10.1051/ocl/2016052
Debaeke, P., Casadebaig, P., Langlade, N.B., 2021. New challenges for sunflower ideotyping in changing environments and more ecological cropping systems. OCL 28, 29. https://doi.org/10.1051/ocl/2021016
Fernandez, O., Urrutia, M., Bernillon, S., Giauffret, C., Tardieu, F., Le Gouis, J., Langlade, N., Charcosset, A., Moing, A., Gibon, Y., 2016. Fortune telling: metabolic markers of plant performance. Metabolomics 12, 158.
Fernandez, O., Urrutia, M., Berton, T., Bernillon, S., Deborde, C., Jacob, D., Maucourt, M., Maury, P., Duruflé, H., Gibon, Y., Langlade, N.B., Moing, A., 2019. Metabolomic characterization of sunflower leaf allows discriminating genotype groups or stress levels with a minimal set of metabolic markers. Metabolomics 15, 56. https://doi.org/10.1007/s11306-019-1515-4
Gascuel, Q., Bordat, A., Sallet, E., Pouilly, N., Carrere, S., Roux, F., Vincourt, P., Godiard, L., 2016a. Effector Polymorphisms of the Sunflower Downy Mildew Pathogen Plasmopara halstedii and Their Use to Identify Pathotypes from Field Isolates. PLoS ONE 11, e0148513. https://doi.org/10.1371/journal.pone.0148513
Gascuel, Q., Buendia, L., Pecrix, Y., Blanchet, N., Muños, S., Vear, F., Godiard, L., 2016b. RXLR and CRN effectors from the sunflower downy mildew pathogen Plasmopara halstedii induce hypersensitive-like responses in resistant sunflower lines. Front. Plant Sci. 7. https://doi.org/10.3389/fpls.2016.01887
Gody, L., Duruflé, H., Blanchet, N., Carré, C., Legrand, L., Mayjonade, B., Muños, S., Pomiès, L., Givry, S. de, Langlade, N.B., Mangin, B., 2020a. Transcriptomic data of leaves from eight sunflower lines and their sixteen hybrids under water deficit. OCL 27, 48. https://doi.org/10.1051/ocl/2020044
Gosseau, F., Blanchet, N., Varès, D., Burger, P., Campergue, D., Colombet, C., Gody, L., Liévin, J.-F., Mangin, B., Tison, G., Vincourt, P., Casadebaig, P., Langlade, N., 2019. Heliaphen, an Outdoor High-Throughput Phenotyping Platform for Genetic Studies and Crop Modeling. Front. Plant Sci. 9. https://doi.org/10.3389/fpls.2018.01908
Hübner, S., Bercovich, N., Todesco, M., Mandel, J.R., Odenheimer, J., Ziegler, E., Lee, J.S., Baute, G.J., Owens, G.L., Grassa, C.J., Ebert, D.P., Ostevik, K.L., Moyers, B.T., Yakimowski, S., Masalia, R.R., Gao, L., Ćalić, I., Bowers, J.E., Kane, N.C., Swanevelder, D.Z.H., Kubach, T., Muños, S., Langlade, N.B., Burke, J.M., Rieseberg, L.H., 2019. Sunflower pan-genome analysis shows that hybridization altered gene content and disease resistance. Nature Plants 5, 54–62. https://doi.org/10.1038/s41477-018-0329-0
Layat, E., Leymarie, J., El-Maarouf-Bouteau, H., Caius, J., Langlade, N., Bailly, C., 2014. Translatome profiling in dormant and nondormant sunflower (Helianthus annuus) seeds highlights post-transcriptional regulation of germination. New Phytologist 204, 864–872.
Leroux, D., Rahmani, A., Jasson, S., Ventelon, M., Louis, F., Moreau, L., Mangin, B., 2014. Clusthaplo: a plug-in for MCQTL to enhance QTL detection using ancestral alleles in multi-cross design. Theoretical and applied genetics 127, 921–933.
Louarn, J., Boniface, M.-C., Pouilly, N., Velasco, L., Pérez-Vich, B., Vincourt, P., Muños, S., 2016. Sunflower Resistance to Broomrape (Orobanche cumana) Is Controlled by Specific QTLs for Different Parasitism Stages. Front. Plant Sci. 7. https://doi.org/10.3389/fpls.2016.00590
Luoni, S.A.B., Cenci, A., Moschen, S., Nicosia, S., Radonic, L.M., Garcia, J.S. y, Langlade, N.B., Vile, D., Rovere, C.V., Fernandez, P., 2021. Genome-Wide Analysis of NAC Transcription Factors in Sunflower (Helianthus Annuus), Their Comparative Phylogenetic Analysis and Association With Leaf Senescence. BMC Plant Biology. https://doi.org/10.21203/rs.3.rs-860249/v1
Mangin, B., Bonnafous, F., Blanchet, N., Boniface, M.-C., Bret-Mestries, E., Carrère, S., Cottret, L., Legrand, L., Marage, G., Pegot-Espagnet, P., Munos, S., Pouilly, N., Vear, F., Vincourt, P., Langlade, N.B., 2017a. Genomic Prediction of Sunflower Hybrids Oil Content. Front. Plant Sci. 8. https://doi.org/10.3389/fpls.2017.01633
Mangin, B., Casadebaig, P., Cadic, E., Blanchet, N., Boniface, M.-C., Carrère, S., Gouzy, J., Legrand, L., Mayjonade, B., Pouilly, N., André, T., Coque, M., Piquemal, J., Laporte, M., Vincourt, P., Muños, S., Langlade, N.B., 2017b. Genetic control of plasticity of oil yield for combined abiotic stresses using a joint approach of crop modelling and genome-wide association. Plant, Cell & Environment 40, 2276–2291. https://doi.org/10.1111/pce.12961
Mangin, B., Casadebaig, P., Cadic, E., Blanchet, N., Boniface, M.-C., Carrère, S., Gouzy, J., Legrand, L., Mayjonade, B., Pouilly, N., André, T., Coque, M., Piquemal, J., Laporte, M., Vincourt, P., Muños, S., Langlade, N.B., 2017c. Genetic control of oil yield plasticity to combined abiotic stresses using a joint approach of crop modeling and genome-wide association. Plant, Cell & Environment 40, 2276–2291.
Mangin, B., Pouilly, N., Boniface, M.-C., Langlade, N.B., Vincourt, P., Vear, F., Muños, S., 2017d. Molecular diversity of sunflower populations maintained as genetic resources is affected by multiplication processes and breeding for major traits. Theor Appl Genet 130, 1099–1112. https://doi.org/10.1007/s00122-017-2872-x
Mangin, B., Rincent, R., Rabier, C.-E., Moreau, L., Goudemand-Dugue, E., 2019. Training set optimization of genomic prediction by means of EthAcc. PloS one 14, e0205629.
Mangin, B., Sandron, F., Henry, K., Devaux, B., Willems, G., Devaux, P., Goudemand, E., 2015. Breeding patterns and cultivated beets origins by genetic diversity and linkage disequilibrium analyses. Theor. Appl. Genet. 128, 2255–2271. https://doi.org/10.1007/s00122-015-2582-1
Marchand, G., Huynh‐Thu, V.A., Kane, N.C., Arribat, S., Varès, D., Rengel, D., Balzergue, S., Rieseberg, L.H., Vincourt, P., Geurts, P., Vignes, M., Langlade, N.B., 2014. Bridging physiological and evolutionary time-scales in a gene regulatory network. New Phytologist 203, 685–696. https://doi.org/10.1111/nph.12818
Mayjonade, B., Gouzy, J., Donnadieu, C., Pouilly, N., Marande, W., Callot, C., Langlade, N., Muños, S., 2016. Extraction of high-molecular-weight genomic DNA for long-read sequencing of single molecules. BioTechniques 61, 203–205. https://doi.org/10.2144/000114460
Meimoun, P., Mordret, E., Langlade, N.B., Balzergue, S., Arribat, S., Bailly, C., El-Maarouf-Bouteau, H., 2014. Is Gene Transcription Involved in Seed Dry After-Ripening? PLoS ONE 9, e86442. https://doi.org/10.1371/journal.pone.0086442
Moschen, S., Marino, J., Nicosia, S., Higgins, J., Alseekh, S., Astigueta, F., Bengoa Luoni, S., Rivarola, M., Fernie, A.R., Blanchet, N., Langlade, N.B., Paniego, N., Fernández, P., Heinz, R.A., 2019. Exploring gene networks in two sunflower lines with contrasting leaf senescence phenotype using a system biology approach. BMC Plant Biology 19, 446. https://doi.org/10.1186/s12870-019-2021-6
Pecrix, Y., Buendia, L., Penouilh-Suzette, C., Maréchaux, M., Legrand, L., Bouchez, O., Rengel, D., Gouzy, J., Cottret, L., Vear, F., Godiard, L., 2019. Sunflower resistance to multiple downy mildew pathotypes revealed by recognition of conserved effectors of the oomycete Plasmopara halstedii. Plant J. 97, 730–748. https://doi.org/10.1111/tpj.14157
Penouilh-Suzette, C., Pomiès, L., Duruflé, H., Blanchet, N., Bonnafous, F., Dinis, R., Brouard, C., Gody, L., Grassa, C., Heudelot, X., Laporte, M., Larroque, M., Marage, G., Mayjonade, B., Mangin, B., Givry, S. de, Langlade, N.B., 2020. RNA expression dataset of 384 sunflower hybrids in field condition. OCL 27, 36. https://doi.org/10.1051/ocl/2020027
Rabier, C.-E., Barre, P., Asp, T., Charmet, G., Mangin, B., 2016. On the Accuracy of Genomic Selection. PLOS ONE 11, e0156086. https://doi.org/10.1371/journal.pone.0156086
Rabier, C.-E., Mangin, B., Grusea, S., 2019. On the accuracy in high-dimensional linear models and its application to genomic selection. Scandinavian Journal of Statistics 46, 289–313. https://doi.org/10.1111/sjos.12352
Sahari, K., Nicolas, P., Stéphane, M., Aurélie, B., Fayçal, B.J., Patrick, V., Dominique, B., 2016. Genetic Diversity and Core Collection Constitution for Subsequent Creation of New Sunflower Varieties in Tunisia. Helia. https://doi.org/10.1515/helia-2016-0002
Saux, M., Ponnaiah, M., Langlade, N., Zanchetta, C., Balliau, T., El‐Maarouf‐Bouteau, H., Bailly, C., 2020. A multiscale approach reveals regulatory players of water stress responses in seeds during germination. Plant, Cell & Environment 43, 1300–1313. https://doi.org/10.1111/pce.13731
Terzić, S., Boniface, M.-C., Marek, L., Alvarez, D., Baumann, K., Gavrilova, V., Joita-Pacureanu, M., Sujatha, M., Valkova, D., Velasco, L., Hulke, B.S., Jocić, S., Langlade, N., Muños, S., Rieseberg, L., Seiler, G., Vear, F., 2020. Gene banks for wild and cultivated sunflower genetic resources. OCL 27, 9. https://doi.org/10.1051/ocl/2020004
Xia, Q., Saux, M., Ponnaiah, M., Gilard, F., Perreau, F., Huguet, S., Balzergue, S., Langlade, N., Bailly, C., Meimoun, P., Corbineau, F., El-Maarouf-Bouteau, H., 2018. One Way to Achieve Germination: Common Molecular Mechanism Induced by Ethylene and After-Ripening in Sunflower Seeds. International Journal of Molecular Sciences 19, 2464. https://doi.org/10.3390/ijms19082464