Abstract Here we describe the first worldwide haplotype map for soybean (GmHapMap) constructed using whole-genome sequence data for 1,007 Glycine max accessions and yielding 15 million variants. The number of unique haplotypes plateaued within this collection (4.3 million tag SNPs) suggesting extensive coverage of diversity within the cultivated germplasm. We imputed GmHapMap variants onto 21,618 previously genotyped (50K array/210K GBS) accessions with up to 96% success for common alleles. A GWAS performed with imputed data enabled us to identify a causal SNP residing in the NPC1 gene and to demonstrate its role in controlling seed oil content. We identified 405,101 haplotypes for the 55,589 genes and show that such haplotypes can help define alleles. Finally, we predicted 18,031 putative loss-of-function (LOF) mutations in 10,662 genes and illustrate how such a resource can be used to explore gene function. The GmHapMap provides a unique worldwide resource for soybean genomics and breeding.

Abstract Background Structural variant (SV) discovery based on short reads is challenging due to their complex signatures and tendency to occur in repeated regions. The increasing availability of long-read technologies has greatly facilitated SV discovery, however these technologies remain too costly to apply routinely to population-level studies. Here, we combined short-read and long-read sequencing technologies to provide a comprehensive population-scale assessment of structural variation in a panel of Canadian soybean cultivars. Results We used Oxford Nanopore sequencing data (∼12X mean coverage) for 17 samples to both benchmark SV calls made from the Illumina data and predict SVs that were subsequently genotyped in a population of 102 samples using Illumina data. Benchmarking results show that variants discovered using Oxford Nanopore can be accurately genotyped from the Illumina data. We first use the genotyped SVs for population structure analysis and show that results are comparable to those based on single-nucleotide variants. We observe that the population frequency and distribution within the genome of SVs are constrained by the location of genes. Gene Ontology and PFAM domain enrichment analyses also confirm previous reports that genes harboring high-frequency SVs are enriched for functions in defense response. Finally, we discover polymorphic transposable elements from the SVs and report evidence of the recent activity of a Stowaway MITE. Conclusions Our results demonstrate that long-read and short-read sequencing technologies can be efficiently combined to enhance SV analysis in large populations, providing a reusable framework for their study in a wider range of samples and non-model species.

SUMMARY Microspore embryogenesis is a model for developmental plasticity and cell fate decisions. To investigate the role of miRNAs in this development, we sequenced sRNAs and the degradome of barley microspores collected prior to (day 0) and after (days 2 and 5) the application of a stress treatment known to induce embryogenesis. Microspores isolated at these timepoints were uniform in both appearance and in their complements of sRNAs. We detected 68 miRNAs in microspores. The abundance of 51 of these miRNAs differed significantly during microspore development. One group of miRNAs was induced when the stress treatment was applied, prior to being repressed when microspores transitioned to embryogenesis. Another group of miRNAs were up-regulated in day-2 microspores and their abundance remained stable or increased in day-5 microspores, a timepoint at which the first clear indications of the transition towards embryogenesis were visible. Collectively, these miRNAs might play a role in the modulation of the stress response, the repression of gametic development, and/or the gain of embryogenic potential. A degradome analysis allowed us to validate the role of miRNAs in regulating 41 specific transcripts. We showed that the transition of microspores toward the embryogenesis pathway involves miRNA-directed regulation of members of the ARF, SPL, GRF and HD-ZIPIII transcription factor families. We noted that 41.5% of these targets were shared between day-2 and day-5 microspores while 26.8% were unique to day-5 microspores. The former set may act to disrupt transcripts involved in pollen development while the latter set may drive the commitment to embryogenesis.

Abstract Genome-wide association studies (GWAS) are powerful statistical methods that detect associations between genotype and phenotype at genome scale. Despite their power, GWAS frequently fail to pinpoint the causal variant or the gene controlling a trait at a given locus in crop species. Assessing genetic variants beyond single-nucleotide polymorphisms (SNPs) could alleviate this problem, for example by including structural variants (SVs). In this study, we tested the potential of SV-and k -mer-based GWAS in soybean by applying these methods to 13 traits. We also performed conventional GWAS analysis based on SNPs and small indels for comparison. We assessed the performance of each GWAS approach based on results at loci for which the causal genes or variants were known from previous genetic studies. We found that k -mer-based GWAS was the most versatile approach and the best at pinpointing causal variants or candidate genes based on the most significantly associated k -mers. Moreover, k -mer-based analyses identified promising candidate genes for loci related to pod color, pubescence form, and resistance to the oomycete Phytophthora sojae . In our dataset, SV-based GWAS did not add value compared to k -mer-based GWAS and may not be worth the time and computational resources required to genotype SVs at population scale. Despite promising results, significant challenges remain regarding the downstream analysis of k -mer-based GWAS. Notably, better methods are needed to associate significant k -mers with sequence variation. Together, our results suggest that coupling k -mer-and SNP/indel-based GWAS is a powerful approach for discovering candidate genes in crop species.

This study employed Machine Learning-Genome-Wide Association Study (ML-GWAS) to identify genomic regions linked to cuticular wax ester biosynthesis (SW) and early maturity (DM) in wheat. Using a dataset with 170 wheat accessions and 74K SNPs, four GWAS tools (MLM, CMLM, FarmCPU, and BLINK) and five machine learning techniques (RF, ANN, SVR, CNN, and SVM) were applied. A highly significant SW association was found on chromosome 1A, with the peak SNP (chr1A:556842331) explaining 50% of the phenotypic variation. A promising candidate gene, TraesCS1A01G385500, was identified as an ortholog of Arabidopsis thaliana9s WSD1 gene, which plays a crucial role in very long-chain (VLC) wax ester biosynthesis. For DM, four QTLs were detected on chromosomes 4B (two QTLs), 2A, and 5A. Haplotype analysis revealed that alleles TT significantly contribute to cuticular wax ester biosynthesis and early maturity in wheat varieties. The study underscores the superior performance of ML models, especially when combined with advanced multi-locus GWAS models like BLINK and FarmCPU, with significantly lower p-values for identifying relevant QTLs compared to traditional methods. ML approaches hold potential for revolutionizing the study of complex genetic traits, offering insights to enhance wheat crops9 resilience and quality. ML-GWAS emerges as a compelling tool for genomic-based breeding, enabling breeders to develop improved wheat varieties with greater precision and efficiency.