Background All plant tissues and organs develop from meristems. Plant meristems are structured organs consisting of distinct layers of stem cells. Somatic mutations occurring in one of these layers can propagate into large sectors of the plant. However, the frequency and characteristics of meristematic mutations that form the basis of somaclonal phenotypic variation remain unclear. Results Here, we analysed the frequency and distribution of somatic mutations in an individual Apricot tree. For this, we sequenced the genomes of fruit samples corresponding to distinct meristematic cell layers selected across the entire tree. Most somatic mutations (>90%) were specific to individual layers. Genotyping the somatic mutations in leaves sampled next to the fruits confirmed their meristematic origin. Interestingly, layer 1 (epidermis) had a higher mutation load than layer 2 (mesocarp), implying differential mutational dynamics between the layers. The somatic mutations followed the branching pattern of the tree. These factors led to the unexpected observation that the layer 1 samples from different branches were more similar to each other than to layer 2 samples of the same branch. Further, using single-cell RNA sequencing, we demonstrated that the layer-specific mutant alleles could only be found in the transcripts of the respective, layer-specific cell clusters and could form the basis for somaclonal phenotypic variation. Conclusions Here, we analyzed the prevalence and distribution of somatic mutations with meristematic origin. Our insights into the yet unexplored layer-specificity of such somatic mutations outlined how they can be identified and how they impact the breeding of clonally propagated crops.

Abstract Immune response genes are highly polymorphic in humans and mice, with heterogeneity amongst loci driving strain-specific host defense responses. The inadvertent retention of polymorphic loci can introduce confounding phenotypes, leading to erroneous conclusions, and impeding scientific advancement. In this study, we employ a combination of RNAseq and variant calling analyses and identify a substantial region of 129S genome, including the highly polymorphic Nlrp1 locus proximal to Nlrp3 , in one of the most commonly used mouse models of NLRP3 deficiency. We show that increased expression of 129S NLRP1b sensitizes Nlrp3 −/− macrophages to NLRP1 inflammasome activation. Furthermore, the presence of 129S genome leads to altered gene and protein regulation across multiple cell-types, including of the key tissue-resident macrophage marker, TIM4. To address the challenge of resolving NLRP3-dependent phenotypes, we introduce and validate a conditional Nlrp3 allele, enabling precise temporal and cell-type-specific control over Nlrp3 deletion. Our study establishes a generic framework to identify functionally relevant SNPs and assess genomic contamination in transgenic mice. This allows for unambiguous attribution of phenotypes to the target gene and advances the precision and reliability of research in the field of host defense responses.

Background Understanding transcriptome is critical for explaining functional as well as regulatory roles of genomic regions. Current methods for the identification of transcription unit (TU) uses RNA-seq which, however, requires large quantities of mRNA limiting the identification of inherently unstable TUs e.g. for miRNA precursors. This problem can be resolved by chromatin based approaches due to a correlation between histone modifications and transcription.Results Here we introduce EPIGENE, a novel chromatin segmentation method for the identification of active TUs using transcription associated histone modifications. Unlike existing chromatin segmentation approaches, EPIGENE uses a constrained, semi-supervised multivariate hidden markov model (HMM) that models the observed combination of histone modifications using a product of independent Bernoulli random variables, to identify active TUs. Our results show that EPIGENE can identify genome-wide TUs unbiasedly. EPIGENE predicted TUs showed an enrichment of RNA Polymerase II in transcription start site and gene body indicating that they have been transcribed. Comprehensive validation with existing annotations revealed that 93% of EPIGENE TUs can be explained by existing gene annotations and 5% of EPIGENE TUs in HepG2 can be explained by microRNA annotations. EPIGENE outperforms existing RNA-Seq based approaches in TU prediction precision across human cell lines. Finally, we identify 381 novel TUs in K562 and 43 novel cell-specific TUs all of which are supported by RNA Polymerase II data.Conclusions We demonstrate the applicability of HMM to identify genome-wide active TUs and provides valuable information about unannotated TUs. EPIGENE is an open-source method and is freely available at: .