ABSTRACT Next-generation sequencing technologies have opened a new era of research in genomics. Among these, restriction enzyme-based techniques such as restriction-site associated DNA sequencing (RADseq) or double-digest RAD-sequencing (ddRADseq) are now widely used in many population genomics fields. From DNA sampling to SNP calling, both wet and dry protocols have been discussed in the literature to identify key parameters for an optimal loci reconstruction. The impact of these parameters on downstream analyses and biological results drawn from RADseq or ddRADseq data has however not been fully explored yet. In this study, we tackled this issue by investigating the effects of ddRADseq laboratory ( i.e. wet protocol) and bioinformatics ( i.e. dry protocol) settings on loci reconstruction and inferred biological signal at two evolutionary scale using two systems: a complex of butterfly species ( Coenonympha sp. ) and populations of Common beech ( Fagus sylvatica ). Results suggest an impact of wet protocol parameters (DNA quantity, number of PCR cycles during library preparation) on the number of recovered reads and SNPs, the number of unique alleles and individual heterozygosity. We also found that bioinformatic settings ( i.e. clustering and minimum coverage thresholds) impact loci reconstruction ( e.g. number of loci, mean coverage) and SNP calling ( e.g. number of SNPs, heterozygosity). We however do not detect an impact of parameter settings on three types of analysis performed with ddRADseq data: measure of genetic differentiation, estimation of individual admixture, and demographic inferences. In addition, our work demonstrates the high reproducibility and low rate of genotyping inconsistencies of the ddRADseq protocol. Thus, our study highlights the impact of wet parameters on ddRADseq protocol with strong consequences on experimental success and biological conclusions. Dry parameters affects loci reconstruction and descriptive statistics but not biological conclusion for the two studied systems. Overall, this study illustrates, with others, the relevance of ddRADseq for population and evolutionary genomics at the inter- or intraspecific scales.

Abstract Premise Global anthropogenic change threatens the health and productivity of forest ecosystems. Assisted migration and reforestation are tools to help mitigate these impacts. However, questions remain about how to approach sourcing seeds to ensure high establishment and future adaptability. Methods Using exome‐capture sequencing, we demonstrate a computational approach to finding the best n ‐sets from a candidate list of seed sources that collectively achieve high genetic diversity (GD) and minimal genetic load (GL), while also increasing evolvability in quantitative traits. The benefits of this three‐part strategy (diversity‐load‐evolvability) are to increase near‐term establishment success while also boosting evolutionary potential to respond to future stressors. Members of The Nature Conservancy and the Central Appalachian Spruce Restoration Initiative planted 58,000 seedlings across 255 acres. A subset of seedlings was monitored for establishment success and variation in growth. Results The results show gains in GD relative to GL and increases in quantitative genetic variation in seedling growth for pooled vs. single‐source restoration. No single “super source” was observed across planting sites; rather, monitoring results demonstrate that pooling of multiple sources helps achieve higher GD:GL and evolvability. Discussion Our study shows the potential for integrating genomics into local‐scale restoration and the importance of building partnerships between academic researchers and applied conservation managers.

High altitude temperate mountains have long been considered devoid of life owing to high extinction or low speciation rates during the Pleistocene. We performed a phylogenetic and population genomic investigation of an emblematic high-altitude plant clade ( Androsace sect. Aretia , 31 currently recognized species), based on plant surveys conducted during alpinism expeditions. Surprisingly, we inferred that this clade originated in the Miocene and continued diversifying through Pleistocene glaciations, and discovered three novel species of Androsace dwelling on different bedrock types on the rooftops of the Alps. This suggests that temperate high mountains have been cradles of plant diversity even during the Pleistocene, with in-situ speciation driven by the combined action of geography and geology. Our findings have an unexpected historical relevance: H.-B. de Saussure likely observed one of these species during his 1788 expedition to the Mont Blanc and we describe it here, over two hundred years after its first sighting.

Abstract The last glacial period is known to have greatly influenced the demographic history of temperate forest trees, with important range contractions and post‐glacial expansions that led to the formation of multiple genetic lineages and secondary contact zones in the Northern Hemisphere. These dynamics have been extensively studied for European and North American species but are still poorly understood in other temperate regions of rich biodiversity such as the Caucasus. Our study helps filling that gap by deciphering the genomic landscapes of F. orientalis across the South Caucasus. The use of genome‐wide data confirmed a past demographic history strongly influenced by the Last Glacial Maximum, revealing two disjunct glacial refugia in the Colchis and Hyrcanian regions. The resulting patterns of genetic diversity, load and differentiation are not always concordant across the region, with genetic load pinpointing the location of the glacial refugia more efficiently than genetic diversity alone. The Hyrcanian forests show depleted genetic diversity and substantial isolation, even if long‐distance gene flow is still present with the main centre of diversity in the Greater Caucasus. Finally, we characterize a strong heterogeneity of genetic diversity and differentiation along the species chromosomes, with noticeably a first chromosome showing low diversity and weak differentiation.

Local adaptation patterns have been found in many plants and animals, highlighting the genetic heterogeneity of species along their range of distribution. In the next decades, global warming must induce a change in the selective pressures that drive this adaptive variation, forcing a reshuffling of the underlying adaptive allele distributions. For species with low dispersion capacity and long generation time such as trees, the rapidity of the change could imped the migration of beneficial alleles and lower their capacity to track the changing environment. Identifying the main selective pressures driving the adaptive genetic variation is thus necessary when investigating species capacity to respond to global warming. In this study, we investigate the adaptive landscape of Fagus sylvatica along a gradient of populations in the French Alps. Using a ddRAD-seq approach, we identified 7,000 SNPs from 570 individuals across 36 different sites. An RDA-derived method allowed us to identify several SNPs that were strongly associated with climatic gradients; moreover, we defined the primary selective gradients along the natural populations of F. sylvatica in the Alps. Strong effects of elevation and humidity, which contrast north-western and south-eastern site, were found and were believed to be important drivers of genetic adaptation. Finally, simulations of future genetic landscapes that used these findings predicted a severe range contraction and a shift towards higher altitudes for F. sylvatica in the Alps and allowed to identify populations at risk, which could be helpful for future management plans.

Abstract Local adaptation is increasingly being integrated into macroecological models, offering an evolutionary perspective that has been largely missing from climate change biogeography. Genomic offsets, which quantify the disruption of existing genotype-environment associations under environmental change, are an informative landscape genomic tool that allows for the incorporation of intra-specific adaptive differentiation into forecasts of climate suitability and thus management planning. Gradient forest (GF), a method originally developed to model community turnover along environmental gradients, is now the most commonly used approach in genomic offset estimation. However, major hurdles in the application of GF-derived offsets are (1) an inability to interpret the absolute magnitude of genomic offsets in a biologically meaningful way and (2) uncertainty in how genomic offsets compare to established species-level approaches like Ecological Niche Models (ENMs). We used both ENMs and novel, genomic offset metrics derived from GF modeling of genomic variation along climatic gradients to assess the climate change vulnerability of red spruce ( Picea rubens ), a cool-temperate tree species endemic to eastern North America. We show how genomic offsets can be standardized relative to contemporary genomic variation across the landscape to better represent their biological significance and facilitate comparisons among studies. In three common gardens, we found a significant negative relationship between standardized genomic offsets and red spruce growth and higher explanatory power for standardized offsets than (raw) climate transfer distances. We also derived new threshold-based metrics that we term Donor and Recipient Importance and which quantify transferability of propagules between donor and recipient localities while minimizing disruption of genotype-environment associations. This approach leverages landscape genomic information to account for local adaptation when predicting climate suitability. ENMs and our novel genomic offset metrics largely agreed in forecasting drastic northward range shifts. Combining several offset-based metrics, we show that the projected northward shift of suitable climate mainly applies to populations located in the center and northern parts of the current range, whereas southern populations might be able to persist in situ owing to specific local climate adaptations. The novel metrics thus yield refined, region-specific prognoses for local persistence and show how management could be improved by considering assisted migration.

Ordination is a common tool in ecology that aims at representing complex biological information in a reduced space. In landscape genetics, ordination methods such as principal component analysis (PCA) have been used to detect adaptive variation based on genomic data. Taking advantage of environmental data in addition to genotype data, redundancy analysis (RDA) is another ordination approach that is useful to detect adaptive variation. This paper aims at proposing a test statistic based on RDA to search for loci under selection. We compare redundancy analysis to pcadapt, which is a nonconstrained ordination method, and to a latent factor mixed model (LFMM), which is a univariate genotype-environment association method. Individual-based simulations identify evolutionary scenarios where RDA genome scans have a greater statistical power than genome scans based on PCA. By constraining the analysis with environmental variables, RDA performs better than PCA in identifying adaptive variation when selection gradients are weakly correlated with population structure. Additionally, we show that if RDA and LFMM have a similar power to identify genetic markers associated with environmental variables, the RDA-based procedure has the advantage to identify the main selective gradients as a combination of environmental variables. To give a concrete illustration of RDA in population genomics, we apply this method to the detection of outliers and selective gradients on an SNP data set of Populus trichocarpa (Geraldes et al., 2013). The RDA-based approach identifies the main selective gradient contrasting southern and coastal populations to northern and continental populations in the northwestern American coast.