Un nouveau génome du chanvre Fibranova pourrait contribuer aux futurs travaux de sélection

Pourquoi distinguer les génomes parentaux

Cannabis sativa est une plante diploïde. Comme les humains, elle hérite d’un jeu de chromosomes de chacun de ses parents. Ces deux jeux contiennent bon nombre des mêmes gènes, mais les versions de ces gènes peuvent différer. Un assemblage génomique classique peut réunir les deux jeux en une seule référence, ce qui rend certaines de ces différences plus difficiles à distinguer.

Un assemblage résolu par haplotype conserve séparément les deux copies héritées. Dans cette étude, les chercheurs ont produit un assemblage paternel, un assemblage maternel et un assemblage diploïde fusionné qui combine les informations des deux. Les chercheurs peuvent comparer les deux séquences parentales afin de repérer les variants, les différences structurelles et le contenu génique susceptibles d’être propres à l’une des copies héritées.

Cette précision est importante pour la sélection, car la descendance hérite de combinaisons génétiques, et pas seulement du nom d’une variété. Si un variant est un jour associé à un caractère utile, distinguer les copies parentales peut aider les chercheurs à suivre la transmission de ce variant au fil des croisements. Le jeu de données Fibranova apporte donc un outil pour étudier l’hérédité. À lui seul, il n’indique pas aux sélectionneurs quelles différences sont utiles.

Comment les chercheurs ont réalisé l’assemblage

L’équipe a utilisé une méthode appelée « trio-binning ». Elle a séquencé de longs fragments d’ADN provenant d’une plante F1, issue de deux parents Fibranova, puis s’est appuyée sur des lectures plus courtes de l’ADN des deux parents pour répartir les séquences de la descendance en groupes maternel et paternel. Les longues lectures permettent de couvrir de plus grandes portions d’ADN, tandis que les lectures parentales aident à déterminer de quel parent provient chaque portion.

Pour se représenter le processus, on peut imaginer le tri de deux livres presque identiques dont les pages ont été mélangées. Les longues lectures préservent des passages plus étendus, tandis que les séquences parentales servent de marques distinctives pour placer chaque passage dans la bonne copie. Le résultat n’est pas une carte chromosomique parfaite et entièrement achevée, mais il donne aux chercheurs davantage d’informations sur les différences génétiques propres à chaque lignée parentale.

Le séquençage a combiné des données de longues lectures obtenues avec Oxford Nanopore sur la plante F1 et des données de courtes lectures obtenues avec Illumina sur les deux parents. L’article fait état de plus de 49 gigabases de données de longues lectures. Les chercheurs ont également reconstitué et annoté les génomes mitochondrial et chloroplastique de la variété, qui peuvent servir à des travaux distincts sur la génétique des organites et l’évolution des plantes.

Contenu du jeu de données Fibranova

L’assemblage combiné CanSatFib couvre 779 mégabases et comprend 133 échafaudages. Douze échafaudages dépassent 30 mégabases. Les auteurs rapportent une complétude génique de 97,6 % selon le référentiel BUSCO du génome central des Rosales. Ils ont également identifié trois chromosomes complets en recherchant des répétitions télomériques.

Le tableau résume les principales caractéristiques du jeu de données présentées dans l’article ainsi que les utilisations pour la recherche relevées par ses auteurs.

L’étude indique que les séquences et les lectures brutes sont accessibles via la fiche NCBI du projet BioProject PRJEB110101. Cet accès public permet à d’autres chercheurs de tester de nouvelles hypothèses à partir de la même référence et de comparer leurs résultats entre projets.

De la carte génomique à l’outil de sélection

Un assemblage génomique devient utile pour la sélection lorsque les chercheurs établissent un lien entre les différences de séquence et les caractéristiques réelles des plantes. Ce travail commence souvent par la comparaison de nombreuses plantes, le relevé de leurs caractères et la vérification de la présence éventuelle de marqueurs génétiques particuliers en parallèle de ces caractères. Les assemblages de Fibranova pourraient contribuer à ce processus en aidant les chercheurs à distinguer les variants maternels et paternels et à concevoir des marqueurs pour de futures expériences.

Ce processus est progressif. Une association génétique prometteuse doit être testée sur d’autres plantes et dans différents environnements de culture avant de pouvoir orienter la sélection de manière fiable. Un marqueur associé à un caractère dans une famille peut être moins utile dans un autre contexte génétique. Les chercheurs doivent également déterminer si le caractère est influencé par plusieurs gènes, par les conditions de culture ou par les deux.

Des travaux récents montrent comment différents outils peuvent contribuer, chacun à leur manière, à cet effort plus vaste. Un article de MyCannabis sur la génomique et le criblage moléculaire du rendement en cannabinoïdes traite de recherches établissant un lien entre les données génétiques et d’expression génique et les mesures des cannabinoïdes. Un autre article examine si l’imagerie par rayons X peut aider à évaluer la structure et la germination des graines de chanvre. Ces approches répondent à des questions différentes, mais elles montrent toutes deux comment des mesures plus précises peuvent aider les sélectionneurs à cribler les plantes avec davantage de précision.

Les chercheurs peuvent utiliser la ressource Fibranova pour :

• Comparer les séquences maternelles et paternelles afin de repérer les variants hérités.
• Mettre au point des marqueurs génétiques à tester dans des populations de sélection plus importantes.
• Comparer le génome du cultivar à d’autres génomes de référence et assemblages de chanvre.

L’étape suivante consiste à établir si certains de ces variants, le cas échéant, sont systématiquement associés à des caractères importants pour les producteurs ou les transformateurs.

Pourquoi un seul cultivar constitue un point de départ, et non un tableau complet

Le jeu de données porte sur une seule plante F1 issue d’un programme de sélection fondé sur Fibranova. Il constitue donc une ressource détaillée pour étudier ce contexte génétique, mais ne peut représenter toute la diversité du chanvre. D’autres cultivars peuvent porter des variants différents, et une différence de séquence observée ici peut ne pas avoir le même effet dans une autre lignée.

C’est l’une des raisons pour lesquelles les chercheurs spécialisés dans le cannabis constituent des collections plus vastes d’assemblages génomiques. Une étude de pangénome de Cannabis sativa publiée en 2026 a assemblé 66 haplotypes en un graphe sans référence et a conclu qu’il fallait encore davantage de génotypes pour rendre compte de la diversité de la plante. Un pangénome rassemble des informations de séquence provenant de plusieurs individus, ce qui aide les chercheurs à repérer des régions génétiques qui pourraient être absentes d’une référence unique.

Le jeu de données Fibranova et un pangénome plus vaste ont des objectifs connexes, mais distincts. Un assemblage ciblé et phasé peut offrir un examen détaillé des deux copies parentales dans un même contexte de sélection. Un pangénome peut aider à replacer ce contexte dans une perspective plus large en montrant comment il se compare à de nombreux autres. Ensemble, ces ressources peuvent faciliter la détermination des caractéristiques largement répandues et de celles propres à un cultivar ou à une lignée.

Les retombées concrètes dépendront des recherches complémentaires

Pour les sélectionneurs de chanvre, l’intérêt à long terme des données génomiques réside dans la possibilité de prendre certaines décisions de sélection plus tôt et en disposant de davantage d’informations. Au lieu d’attendre que chaque plante arrive à maturité pour évaluer un caractère, les chercheurs pourraient, à terme, utiliser des marqueurs validés pour cribler les plantules ou orienter les croisements. Cela pourrait rendre les programmes de sélection plus efficaces, en particulier lorsque le caractère est difficile, long ou coûteux à mesurer.

Toutefois, cet article ne démontre pas l’obtention de ce type de résultat commercial. Il présente des assemblages génomiques et décrit leurs applications potentielles en recherche. Il ne fait état ni d’essais en plein champ démontrant de meilleures performances, ni de la validation de marqueurs génétiques spécifiques pour un caractère cible. Toute affirmation selon laquelle cette ressource permettra d’obtenir un produit de chanvre particulier ou un résultat agricole donné irait au-delà des éléments probants.

Les installations consacrées à la génétique attirent également davantage l’attention des entreprises du secteur du cannabis. MyCannabis a récemment rendu compte de l’ouverture par Rubicon Organics d’une installation consacrée à la génétique, destinée à préserver, à multiplier et à développer sa collection de cultivars. Cette initiative commerciale est distincte des recherches sur Fibranova, mais témoigne d’un intérêt commun dans le secteur : considérer la génétique comme un actif pouvant être étudié et géré de manière systématique.

L’assemblage de Fibranova doit être considéré comme une infrastructure de recherche, et non comme une solution de sélection aboutie. Il fournit aux scientifiques une carte plus détaillée d’un contexte génétique du chanvre et facilite l’étude des différences parentales. La prochaine question importante est de savoir si les chercheurs peuvent relier ces différences à des caractères, valider ces liens dans différentes populations végétales et démontrer que les outils de sélection qui en résultent sont efficaces dans de véritables programmes de sélection.

Références :

¹ Da Rocha, M., Lrhcha, O., Martin, F., Rancurel, C., Péré, A., Hinsinger, D. D., Faivre-Rampant, P., Berard, A., Le Clainche, I., Echarafi, Y., Canaguier, A., Mathis, F., Trameleuc, A., Cavaro, M., & Hilliou, F. (2026). Jeu de données d’assemblage du génome résolu par haplotype du cultivar de chanvre Cannabis sativa Fibranova, obtenu par tri-binning et séquençage à lectures longues et courtes. Data in Brief. https://doi.org/10.1016/j.dib.2026.113419