Abstract Characterization of genetic regulatory variants acting on the transcriptome of livestock is essential for interpreting the molecular mechanisms underlying traits of economic value and for increasing the rate of genetic gain through artificial selection. Here, we build a cattle Genotype-Tissue Expression atlas (cattle GTEx, http://cgtex.roslin.ed.ac.uk/ ) as part of the pilot phase of Farm animal GTEx (FarmGTEx) project for the research community based on publicly available 11,642 RNA-Seq datasets. We describe the landscape of the transcriptome across over 100 tissues and report hundreds of thousands of genetic associations with gene expression and alternative splicing for 24 major tissues. We evaluate the tissue-sharing patterns of these genetic regulatory effects, and functionally annotate them using multi-omics data. Finally, we link gene expression in different tissues to 43 economically important traits using both transcriptome-wide association study (TWAS) and colocalization analyses to decipher the molecular regulatory mechanisms underpinning such agronomic traits in cattle.

Abstract Structural variations (SVs) are a major contributor to genetic diversity and phenotypic variations, but their prevalence and functions in domestic animals are largely unexplored. Here, we assembled 26 haplotype-resolved genome assemblies from 13 genetically diverse sheep using PacBio HiFi sequencing. We constructed a graph-based ovine pan-genome and discovered 142,422 biallelic insertions and deletions, 7,028 divergent alleles and 13,419 multiallelic variations. We then used a graph-based approach to genotype the biallelic SVs in 684 individuals from 45 domestic breeds and two wild species. Integration with RNA-seq data allows to identify candidate expression-associated SVs. We demonstrate a direct link of SVs and phenotypes by localizing the putative causative insertion in HOXB13 gene responsible for the long-tail trait and identifying multiple large SVs associated with the fat-tail. Beyond generating a benchmark resource for ovine structural variants, our study highlights that animal genetic research will greatly benefit from using a pan-genome graph rather than a single reference genome.

Abstract To complete the genome-to-phenome map, transcriptome-wide association studies (TWAS) are performed to correlate genetically predicted gene expression with observed phenotypic measurements. However, the relatively small training population assayed with gene expression could limit the accuracy of TWAS. We propose Genetic Score Omics Regression (GSOR) correlating observed gene expression with genetically predicted phenotype, i.e., genetic score. The score, calculated using variants near genes with assayed expression, provides a powerful association test between cis- effects on gene expression and the trait. In simulated and real data, GSOR outperforms TWAS in detecting causal/informative genes. Applying GSOR to transcriptomes of 16 tissue (N∼5000) and 37 traits in ∼120,000 cattle, multi-trait meta-analyses of omics-associations (MTAO) found that, on average, each significant gene expression and splicing mediates cis -genetic effects on 8∼10 traits. Supported by Mendelian Randomisation, MTAO prioritised genes/splicing show increased evolutionary constraints. Many newly discovered genes/splicing regions underlie previously thought single-gene loci to influence multiple traits.

As an invaluable Chinese sheep germplasm resource, Hu sheep are renowned for their high fertility and beautiful wavy lambskins. Their distinctive characteristics have evolved over time through a combination of artificial and natural selection. Identifying selection signatures in Hu sheep can provide a straightforward insight into the mechanism of selection and further uncover the candidate genes associated with breed-specific traits subject to selection. Here, we conducted whole-genome resequencing on 206 Hu sheep individuals, each with an approximate 6-fold depth of coverage. And then we employed three complementary approaches, including composite likelihood ratio, integrated haplotype homozygosity score and the detection of runs of homozygosity, to detect selection signatures. In total, 10 candidate genomic regions displaying selection signatures were simultaneously identified by multiple methods, spanning 88.54 Mb. After annotating, these genomic regions harbored collectively 92 unique genes. Interestingly, 32 candidate genes associated with reproduction were distributed in nine genomic regions detected. Out of them, two stood out as star candidates:

Abstract Classical mutant alleles (MAs), with large effects on phenotype, tend to be deleterious to traits and fitness. Is this the case for mutations with small effects? We infer MAs for 8 million sequence variants in 113k cattle and quantify the effects of MA on 37 complex traits. Heterozygosity for variants at genomic sites conserved across 100 vertebrates increase fertility, stature, and milk production, positively associating these traits with fitness. MAs decrease stature and fat and protein concentration in milk, but increase gestation length and somatic cell count in milk (the latter indicative of mastitis). However, the allele frequency of MAs that decrease fat and protein concentration and stature and increase gestation length and somatic cell count is lower than the allele frequency of MAs with the opposite effect. These results suggest bias in the direction of effect of mutation (e.g. towards reduced protein in milk), but selection operating to reduce the frequency of these MAs. Taken together, our results imply two classes of genomic sites subject to long-term selection: sites conserved across vertebrates show hybrid vigour while sites subject to less long-term selection show a bias in mutation towards alleles that are selected against.

Abstract Context Functional genomics studies have revealed genomic regions with regulatory and evolutionary significance. Such information independent of association analysis may benefit fine-mapping and genomic selection of economically important traits. However, systematic evaluation of the use of functional information in mapping, and genomic selection of cattle traits is lacking. Also, Single Nucleotide Polymorphisms (SNPs) from the high-density (HD) panel are known to tag informative variants, but the performance of genomic prediction using HD SNPs together with variants supported by different functional genomics is unknown. Aims We selected six sets of functionally important variants and modelled each set together with HD SNPs in Bayesian models to map and predict protein, fat, and milk yield as well as mastitis, somatic cell count and temperament of dairy cattle. Methods Two models were used: 1) BayesR which includes priors of four distribution of variant-effects, and 2) BayesRC which includes additional priors of different functional classes of variants. Bayesian models were trained in 3 breeds of 28,000 cows of Holstein, Jersey and Australian Red and predicted into 2,600 independent bulls. Key results Adding functionally important variants significantly increased the enrichment of genetic variance explained for mapped variants, suggesting improved genome-wide mapping precision. Such improvement was significantly higher when the same set of variants were modelled by BayesRC than by BayesR. Combining functional variant sets with HD SNPs improves genomic prediction accuracy in the majority of the cases and such improvement was more common and stronger for non-Holstein breeds and traits like mastitis, somatic cell count and temperament. In contrast, adding a large number of random sequence variants to HD SNPs reduces mapping precision and has a worse or similar prediction accuracy, compared to using HD SNPs alone to map or predict. While BayesRC tended to have better genomic prediction accuracy than BayesR, the overall difference in prediction accuracy between the two models was insignificant. Conclusions Our findings demonstrate the usefulness of functional data in genomic mapping and prediction. Implications We highlight the need for effective tools exploiting complex functional datasets to improve genomic prediction.

Abstract Many quantitative trait loci (QTL) are located in non-coding genomic regions. Therefore, QTL are assumed to affect gene regulation. Gene expression and RNA splicing are primary steps of transcription so QTL changing gene expression (eQTL) or RNA splicing (sQTL) are expected to significantly contribute to phenotypic variations. Here, we quantify the contribution of eQTL and sQTL detected from 16 tissues (N~5,000) to 37 complex traits of ~120k cattle. Using Bayesian methods, we show that including more regulatory variants in the model explains larger proportions of heritability. Across traits, cis and trans eQTL and sQTL detected from 16 tissues jointly explain ~70% (SE=0.5%) of heritability, 44% more than expected from the same number of random variants, where trans e/sQTL contribute 24% (14% more than expected). Multi-tissue cis and trans e/sQTL also explain 71% (SE=0.3%) of heritability for the metabolome, demonstrating the essential role of proximal and distal regulatory variants in shaping mammalian phenotypes.

Background: Mammalian phenotypes are shaped by numerous genome variants, many of which may regulate gene transcription or RNA splicing. To identify variants with regulatory functions in cattle, an important economic and model species, we used sequence variants to map a type of expression quantitative trait loci (expression QTLs) that are associated with variations in the RNA splicing, i.e., sQTLs. To further the understanding of regulatory variants, sQTLs were compare with other two types of expression QTLs, 1) variants associated with variations in gene expression, i.e., geQTLs and 2) variants associated with variations in exon expression, i.e., eeQTLs, in different tissues. Results: Using whole genome and RNA sequence data from four tissues of over 200 cattle, sQTLs identified using exon inclusion ratios were verified by matching their effects on adjacent intron excision ratios. sQTLs contained the highest percentage of variants that are within the intronic region of genes and contained the lowest percentage of variants that are within intergenic regions, compared to eeQTLs and geQTLs. Many geQTLs and sQTLs are also detected as eeQTLs. Many expression QTLs, including sQTLs, were significant in all four tissues and had a similar effect in each tissue. To verify such expression QTL sharing between tissues, variants surrounding (±1Mb) the exon or gene were used to build local genomic relationship matrices (LGRM) and estimated genetic correlations between tissues. For many exons, the splicing and expression level was determined by the same cis additive genetic variance in different tissues. Thus, an effective but simple-to-implement meta-analysis combining information from three tissues is introduced to increase power to detect and validate sQTLs. sQTLs and eeQTLs together were more enriched for variants associated with cattle complex traits, compared to geQTLs. Several putative causal mutations were identified, including an sQTL at Chr6:87392580 within the 5th exon of kappa casein (CSN3) associated with milk production traits. Conclusions: Using novel analytical approaches, we report the first identification of numerous bovine sQTLs which are extensively shared between multiple tissue types. The significant overlaps between bovine sQTLs and complex traits QTL highlight the contribution of regulatory mutations to phenotypic variations.

Many genome variants shaping mammalian phenotype are hypothesized to regulate gene transcription and/or to be under selection. However, most of the evidence to support this hypothesis comes from human studies. Systematic evidence for regulatory and evolutionary signals contributing to complex traits in a different mammalian model is needed. Sequence variants associated with gene expression (eQTLs) and concentration of metabolites (mQTLs), and under histone modification marks in several tissues were discovered from multi-omics data of over 400 cattle. Variants under selection and evolutionary constraint were identified using genome databases of multiple species. These analyses defined 30 sets of variants and for each set we estimated the genetic variance the set explained across 34 complex traits in 11,923 bulls and 32,347 cows with 17,669,372 imputed variants. The per-variant trait heritability of these sets across traits was highly consistent ( r >0.94) between bulls and cows. Based on the per-variant heritability, conserved sites across 100 vertebrate species and mQTLs ranked the highest, followed by eQTLs, young variants, those under histone modification marks and selection signatures. From these results, we defined a Functional-And-Evolutionary Trait Heritability (FAETH) score indicating the functionality and predicted heritability of each variant. In 7,551 Danish cattle, the high FAETH-ranking variants had significantly increased genetic variances and genomic prediction accuracies in 3 production traits compared to the low FAETH-ranking variants. The FAETH framework combines the information of gene regulation, evolution and trait heritability to rank variants and the publicly available FAETH data provides a set of biological priors for cattle genomic selection worldwide.

Abstract Climate change and resilience to warming climates have implications for humans, livestock, and wildlife. The genetic mechanisms that confer thermotolerance to mammals are still not well characterized. We used dairy cows as a model to study heat tolerance because they are lactating, and therefore often prone to thermal stress. The data comprised almost 0.5 million milk records (milk, fat, and proteins) of 29,107 Australian Holsteins, each having around 15 million imputed sequence variants. Dairy animals often reduce their milk production when temperature and humidity rise; thus, the phenotypes used to measure an individual’s heat tolerance were defined as the rate of milk production decline (slope traits) with a rising temperature-humidity index. With these slope traits, we performed a genome-wide association study (GWAS) using different approaches, including conditional analyses, to correct for the relationship between heat tolerance and level of milk production. The results revealed multiple novel loci for heat tolerance, including 61 potential functional variants at sites highly conserved across vertebrate species. Moreover, it was interesting that specific candidate variants and genes are related to the neuronal system ( ITPR1, ITPR2, and GRIA4 ) and neuroactive ligand-receptor interaction functions for heat tolerance ( NPFFR2, CALCR, and GHR ), providing a novel insight that can help to develop genetic and management approaches to combat heat stress. Author summary While understanding the genetic basis of heat tolerance is crucial in the context of global warming’s effect on humans, livestock, and wildlife, the specific genetic variants and biological features that confer thermotolerance in animals are still not well characterized. The ability to tolerate heat varies across individuals, with substantial genetic control of this complex trait. Dairy cattle are excellent model in which to find genes associated with individual variations in heat tolerance since they significantly suffer from heat stress due to the metabolic heat of lactation. By genome-wide association studies of more than 29,000 cows with 15 million sequence variants and controlled phenotype measurements, we identify many new loci associated with heat tolerance. The biological functions of these loci are linked to the neuronal system and neuroactive ligand-receptor interaction functions. Also, several putative causal mutations for heat tolerance are at genomic sites that are otherwise evolutionarily conserved across 100 vertebrate species. Overall, our findings provide new insight into the molecular and biological basis of heat tolerance that can help to develop genetic and management approaches to combat heat stress.