Abstract The microbiome shapes many traits in hosts, but we still do not understand how it influences host evolution. To impact host evolution, the microbiome must be heritable and have phenotypic effects on the host. However, the complex inheritance and context-dependence of the microbiome challenges traditional models of organismal evolution. Here, we take a multifaceted approach to identify conditions in which the microbiome influences host evolutionary trajectories. We explore quantitative genetic models to highlight how microbial inheritance and phenotypic effects can modulate host evolutionary responses to selection. We synthesize the literature across diverse taxa to find common scenarios of microbiome driven host evolution. First, hosts may leverage locally adapted microbes, increasing survivorship in stressful environments. Second, microbial variation may increase host phenotypic variation, enabling exploration of novel fitness landscapes. We further illustrate these effects by performing a meta-analysis of artificial selection in Drosophila, finding that bacterial diversity also frequently responds to host selection. We conclude by outlining key avenues of research and experimental procedures to improve our understanding of the complex interplay between hosts and microbiomes. By synthesizing perspectives through multiple conceptual and analytical approaches, we show how microbiomes can influence the evolutionary trajectories of hosts.

Abstract The microbiome can contribute to variation in fitness-related traits of their hosts, and thus to host evolution. Hosts are therefore expected to be under selection to control their microbiome, for instance through controlling microbe transmission from parents to offspring. Current models have mostly focused on microbes that either increase or decrease fitness. In that case, host-level selection is relatively straightforward, favouring either complete or no inheritance. In natural systems, however, vertical transmission fidelity varies widely, and microbiome composition is often shaped by a combination of vertical and horizontal transmission modes. We propose that such mixed transmission could optimize host fitness under fluctuating environments. Using a general model, we illustrate that decreasing vertical transmission fidelity increases the amount of microbiome variation, and thus potentially phenotypic variation, across hosts. Whether or not this is advantageous depends on environmental conditions, how much the microbiome changes during host development, and the contribution of other factors to trait variation. We discuss how environmentally-dependent microbial effects can favor intermediate transmission, review examples from natural systems, and suggest research avenues to empirically test our predictions. Overall, we show that imperfect transmission may be adaptive by allowing individuals to ensure phenotypic variability in their offspring in contexts where varying environments mean that this strategy increases long-term fitness.

Experiments in model organisms report abundant genetic interactions underlying biologically important traits, whereas quantitative genetics theory predicts, and data support, that most genetic variance in populations is additive. Here we describe networks of capacitating genetic interactions that contribute to quantitative trait variation in a large yeast intercross population. The additive variance explained by individual loci in a network is highly dependent on the allele frequencies of the interacting loci. Modeling of phenotypes for multi-locus genotype classes in the epistatic networks is often improved by accounting for the interactions. We discuss the implications of these results for attempts to dissect genetic architectures and to predict individual phenotypes and long-term responses to selection.

Most biological traits are regulated by both genetic and environmental factors. Individual loci contributing to the phenotypic diversity in a population are generally identified by their contributions to the trait mean. Genome-wide association (GWA) analyses can also detect loci based on variance differences between genotypes and several hypotheses have been proposed regarding the possible genetic mechanisms leading to such signals. Little is, however, known about what causes them and whether this genetic variance-heterogeneity reflects mechanisms of importance in natural populations. Previously, we identified a variance-heterogeneity GWA (vGWA) signal for leaf molybdenum concentrations in Arabidopsis thaliana. Here, fine-mapping of this association to a ~78 kb Linkage Disequilibrium (LD)-block reveals that it emerges from the independent effects of three genetic polymorphisms on the high-variance associated version of this LD-block. By revealing the genetic architecture underlying this vGWA signal, we uncovered the molecular source of a significant amount of hidden additive genetic variation (“missing heritability”). Two of the three polymorphisms on the high-variance LD-block are promoter variants for Molybdate transporter 1 (MOT1), and the third a variant located ~25 kb downstream of this gene. A fourth independent association was also detected ~600 kb upstream of the LD-block. Testing of T-DNA knockout alleles for genes in the associated regions suggest AT2G25660 (unknown function) and AT2G26975 (Copper Transporter 6; COPT6) as the strongest candidates for the associations outside MOT1. Our results show that multi-allelic genetic architectures within a single LD-block can lead to a variance-heterogeneity between genotypes in natural populations. Further they provide novel insights into the genetic regulation of ion homeostasis in A. thaliana, and empirically confirm that variance-heterogeneity based GWA methods are a valuable tool to detect novel associations of biological importance in natural populations.

An increased knowledge of the genetic regulation of expression in Arabidopsis thaliana is likely to provide important insights about the basis of the plant′s extensive phenotypic variation. Here, we reanalysed two publicly available datasets with genome-wide data on genetic and transcript variation in large collections of natural A. thaliana accessions. Transcripts from more than half of all genes were detected in the leaf of all accessions, and from nearly all annotated genes in at least one accession. Thousands of genes had high transcript levels in some accessions but no transcripts at all in others and this pattern was correlated with the genome-wide genotype. In total, 2,669 eQTL were mapped in the largest population, and 717 of them were replicated in the other population. 646 cis-eQTLs regulated genes that lacked detectable transcripts in some accessions, and for 159 of these we identified one, or several, common structural variants in the populations that were shown to be likely contributors to the lack of detectable RNA-transcripts for these genes. This study thus provides new insights on the overall genetic regulation of global gene-expression diversity in the leaf of natural A. thaliana accessions. Further, it also shows that strong cis-acting polymorphisms, many of which are likely to be structural variations, make important contributions to the transcriptional variation in the worldwide A. thaliana population.

As Arabidopsis thaliana has colonized a wide range of habitats across the world it is an attractive model for studying the genetic mechanisms underlying environmental adaptation. Here, we used public data from two collections of A. thaliana accessions to associate genetic variability at individual loci with differences in climates at the sampling sites. We use a novel method to screen the genome for plastic alleles that tolerate a broader climate range than the major allele. This approach reduces confounding with population structure and increases power compared to standard genome-wide association methods. Sixteen novel loci were found, including an association between Chromomethylase 2 (CMT2) and temperature seasonality where the genome-wide CHH methylation was different for the group of accessions carrying the plastic allele. Cmt2 mutants were shown to be more tolerant to heat-stress, suggesting genetic regulation of epigenetic modifications as a likely mechanism underlying natural adaptation to variable temperatures, potentially through differential allelic plasticity to temperature-stress.

Epistasis and genetic variance heterogeneity are two non-additive genetic inheritance patterns that are often, but not always, related. Here we use theoretical examples and empirical results from analyses of experimental data to illustrate the connection between the two. This includes an introduction to the relationship between epistatic gene-action, statistical epistasis and genetic variance heterogeneity and a brief discussion about how other genetic processes than epistasis can also give rise to genetic variance heterogeneity.

A plausible explanation for statistical epistasis revealed in genome wide association analyses is the presence of high order linkage disequilibrium (LD) between the genotyped markers tested for interactions and unobserved functional polymorphisms. Based on findings in experimental data, it has been suggested that high order LD might be a common explanation for statistical epistasis inferred between local polymorphisms in the same genomic region. Here, we empirically evaluate how prevalent high order LD is between local, as well as distal, polymorphisms in the genome. This could provide insights into whether we should account for this when interpreting results from genome wide scans for statistical epistasis. An extensive and strong genome wide high order LD was revealed between pairs of markers on the high density 250k SNP-chip and individual markers revealed by whole genome sequencing in the A. thaliana 1001-genomes collection. The high order LD was found to be more prevalent in smaller populations, but present also in samples including several hundred individuals. An empirical example illustrates that high order LD might be an even greater challenge in cases when the genetic architecture is more complex than the common assumption of bi-allelic loci. The example shows how significant statistical epistasis is detected for a pair of markers in high order LD with a complex multi allelic locus. Overall, our study illustrates the importance of considering also other explanations than functional genetic interactions when genome wide statistical epistasis is detected, in particular when the results are obtained in small populations of inbred individuals.

Evolutionary adaptation to new environments likely results from a combination of selective sweeps and polygenic shifts, depending on the genetic architecture of traits under selection. While selective sweeps have been widely studied, polygenic responses are considered more prevalent but challenging to quantify. The infinitesimal model makes explicit the hypothesis about the dynamics of changes in allele frequencies under selection, where only allelic effect sizes, frequencies, linkage, and gametic disequilibrium matter. Departures from this, like long-range correlations of allele frequency changes, could be a signal of epistasis in polygenic response. We performed an Evolve & Resequence experiment in Drosophila melanogaster exposing flies to a high sugar diet as a source of environmental stress for over 100 generations. We tracked allele frequency changes in >3000 individually sequenced flies as well as population pools and searched for loci under selection by identifying sites with allele frequency trajectories that differentiated selection regimes consistently across replicates. We estimate that at least 4% of the genome was under positive selection, the result of a highly polygenic response. Most of this response was seen as small but consistent allele frequency changes over time, and there were only a few large allele-frequency changes (selective sweeps). We then searched for signatures of selection on pairwise combinations of alleles in the new environment and found several strong signals of putative epistatic interactions across unlinked loci that were consistent across selected populations. Finally, we measured differentially expressed genes (DEGs) across treatments and show that DEGs are enriched for selected SNPs, suggesting a regulatory basis for the selective response. Our results suggest that epistatic contributions to polygenic selective response are common and lead to detectable signatures.