Policies ensuring that research data are available on public archives are increasingly being implemented at the government [1], funding agency [2-4], and journal [5,6] level. These policies are predicated on the idea that authors are poor stewards of their data, particularly over the long term [7], and indeed many studies have found that authors are often unable or unwilling to share their data [8-11]. However, there are no systematic estimates of how the availability of research data changes with time since publication. We therefore requested datasets from a relatively homogenous set of 516 articles published between 2 and 22 years ago, and found that availability of the data was strongly affected by article age. For papers where the authors gave the status of their data, the odds of a dataset being extant fell by 17% per year. In addition, the odds that we could find a working email address for the first, last or corresponding author fell by 7% per year. Our results reinforce the notion that, in the long term, research data cannot be reliably preserved by individual researchers, and further demonstrate the urgent need for policies mandating data sharing via public archives.

Abstract Reproducibility is the benchmark for results and conclusions drawn from scientific studies, but systematic studies on the reproducibility of scientific results are surprisingly rare. Moreover, many modern statistical methods make use of ‘random walk’ model fitting procedures, and these are inherently stochastic in their output. Does the combination of these statistical procedures and current standards of data archiving and method reporting permit the reproduction of the authors' results? To test this, we reanalysed data sets gathered from papers using the software package structure to identify genetically similar clusters of individuals. We find that reproducing structure results can be difficult despite the straightforward requirements of the program. Our results indicate that 30% of analyses were unable to reproduce the same number of population clusters. To improve this, we make recommendations for future use of the software and for reporting structure analyses and results in published works.

Effective population size is a fundamental parameter in population genetics, evolutionary biology, and conservation biology, yet its estimation can be fraught with difficulties. Several methods to estimate Ne from genetic data have been developed that take advantage of various approaches for inferring Ne. The ability of these methods to accurately estimate Ne, however, has not been comprehensively examined. In this study, we employ seven of the most cited methods for estimating Ne from genetic data (Colony2, CoNe, Estim, MLNe, ONeSAMP, TMVP, and NeEstimator including LDNe) across simulated datasets with populations experiencing migration or no migration. The simulated population demographies are an isolated population with no immigration, an island model metapopulation with a sink population receiving immigrants, and an isolation by distance stepping stone model of populations. We find considerable variance in performance of these methods, both within and across demographic scenarios, with some methods performing very poorly. The most accurate estimates of Ne can be obtained by using LDNe, MLNe, or TMVP; however each of these approaches is outperformed by another in a differing demographic scenario. Knowledge of the approximate demography of population as well as the availability of temporal data largely improves Ne estimates.

Abstract OMA is an established resource to elucidate evolutionary relationships among genes from currently 2326 genomes covering all domains of life. OMA provides pairwise and groupwise orthologs, functional annotations, local and global gene order conservation (synteny) information, among many other functions. This update paper describes the reorganisation of the database into gene-, group- and genome-centric pages. Other new and improved features are detailed, such as reporting of the evolutionarily best conserved isoforms of alternatively spliced genes, the inferred local order of ancestral genes, phylogenetic profiling, better cross-references, fast genome mapping, semantic data sharing via RDF, as well as a special coronavirus OMA with 119 viruses from the Nidovirales order, including SARS-CoV-2, the agent of the COVID-19 pandemic. We conclude with improvements to the documentation of the resource through primers, tutorials and short videos. OMA is accessible at https://omabrowser.org.

Abstract Chromosomal inversions are often thought to facilitate local adaptation and population divergence because they can link multiple adaptive alleles into non-recombining genomic blocks. Selection should thus be more efficient in driving inversion-linked adaptive alleles to high frequency in a population, particularly in the face of maladaptive gene flow. But, what if ecological conditions and hence selection on inversion-linked alleles change? Reduced recombination within inversions could then constrain the formation of optimal combinations of pre-existing alleles under these new ecological conditions. Here, we outline this idea of inversions limiting adaptation and divergence when ecological conditions change across time or space. We reason that the benefit of inversions for local adaptation and divergence under one set of ecological conditions can come with a concomitant constraint for adaptation to novel sets of ecological conditions. This limitation of inversions to adaptation may also provide one possible explanation for why inversions are often maintained as polymorphisms within species.

Abstract Species range expansions are a common demographic history presenting populations with multiple evolutionary challenges. It is not yet fully understood if self-fertilization, which is often observed at species range edges, may create an evolutionary advantage against these challenges. Selfing provides reproductive reassurance to counter Allee effects and selfing may purge accumulated mutational burden due to founder events (expansion load) by further increasing homozygosity. We study how selfing impacts the accumulation of genetic load during range expansion via purging and/or speed of colonization. Using simulations, we disentangle inbreeding effects due to demography versus due to selfing and find that selfers expand faster, but still accumulate load, regardless of mating system. The severity of variants contributing to this load, however, differs across mating system: higher selfing rates purge large-effect recessive variants leaving a burden of smaller-effect alleles. We compare these predictions to the mixedmating plant Arabis alpina , using whole-genome sequences from refugial outcrossing populations versus expanded selfing populations. Empirical results indicate accumulation of expansion load along with evidence of purging in selfing populations, concordant with our simulations, and suggesting that while purging is a benefit of selfing evolving during range expansions, it is not sufficient to prevent load accumulation due to range expansion. Author Summary The geographic space that species occupy, i.e. the species range, is known to fluctuate over time due to changing environmental conditions. Since the most recent glaciation, many species have recolonized available habitat as the ice sheets melted, expanding their range. When populations at species range margins expand into newly available space, they suffer from an accumulation of deleterious alleles due to repeated founder effects. We study whether self-fertilization, which is considered an evolutionary deadend, can be favored under these expanding edge conditions. Selfing has two important effects: allowing for faster expansion due to reproductive assurance and purging recessive deleterious alleles by exposing them to selection as homozygotes. We use simulations to identify the impact of selfing on expanded populations and then compare these results to an empirical dataset to assess whether our predictions are met. We use the mixed-mating plant alpine rock-cress ( Arabis alpina ) since it has both expanded since the last glaciation and undergone a mating shift to selfing. We find that selfing does not prevent the accumulation of deleterious load, however purging does still act to remove the most severe variants, indicating that selfing provides this benefit during range expansions.

ABSTRACT The distribution of fitness effects for new mutations is one of the most theoretically important but difficult to estimate properties in population genetics. A crucial challenge to inferring the distribution of fitness effects (DFE) from natural genetic variation is the sensitivity of the site frequency spectrum to factors like population size change, population substructure, and non-random mating. Although inference methods aim to control for population size changes, the influence of non-random mating remains incompletely understood, despite being a common feature of many species. We report the distribution of fitness effects estimated from 326 genomes of Caenorhabditis elegans , a nematode roundworm with a high rate of self-fertilization. We evaluate the robustness of DFE inferences using simulated data that mimics the genomic structure and reproductive life history of C. elegans . Our observations demonstrate how the combined influence of self-fertilization, genome structure, and natural selection can conspire to compromise estimates of the DFE from extant polymorphisms. These factors together tend to bias inferences towards weakly deleterious mutations, making it challenging to have full confidence in the inferred DFE of new mutations as deduced from standing genetic variation in species like C. elegans . Improved methods for inferring the distribution of fitness effects are needed to appropriately handle strong linked selection and selfing. These results highlight the importance of understanding the combined effects of processes that can bias our interpretations of evolution in natural populations.

Ancestral genomes are essential for studying the diversification of life from the last universal common ancestor to modern organisms. Methods have been proposed to infer ancestral gene order, but they lack scalability, limiting the depth to which gene neighborhood evolution can be traced back. We introduce edgeHOG, a tool designed for accurate ancestral gene order inference with linear time complexity. Validated on various benchmarks, edgeHOG was applied to the entire OMA orthology database, encompassing 2,845 extant genomes across all domains of life. This represents the first tree-of-life scale inference, resulting in 1,133 ancestral genomes. In particular, we reconstructed ancestral contigs for the last common ancestor of eukaryotes, dating back around 1.8 billion years, and observed significant functional association among neighboring genes. The method also dates gene adjacencies, revealing conserved histone clusters and rapid sex chromosome rearrangements, enabling computational inference of these features.

Understanding the causes and consequences of range expansions or range shifts has a long history in evolutionary biology. Recent theoretical, experimental, and empirical work has identified two particularly interesting phenomena in the context of species range expansions: (i) gene surfing and the relaxation of natural selection, and (ii) spatial sorting. The former can lead to an accumulation of deleterious mutations at range edges, causing an expansion load and slowing down expansion. The latter can create gradients in dispersal-related traits along the expansion axis and cause an acceleration of expansion. We present a theoretical framework that treats spatial sorting and gene surfing as spatial versions of natural selection and genetic drift, respectively. This model allows us to study analytically how gene surfing and spatial sorting interact, and to derive the probability of fixation of pleiotropic mutations at the expansion front. We use our results to predict the co-evolution of mean fitness and dispersal rates, taking into account the effects of random genetic drift, natural selection and spatial sorting, as well as correlations between fitness- and dispersal-related traits. We identify a "rescue effect" of spatial sorting, where the evolution of higher dispersal rates at the leading edge rescues the population from incurring expansion load.

The fitness of spatially expanding species has been shown to decrease over time and space, but specialist species tracking their changing environment and shifting their range accordingly have been little studied. We use individual-based simulations and analytical modeling to compare the impact of range expansions and range shifts on genetic diversity and fitness loss, as well as the ability to recover fitness after either a shift or expansion. We find that the speed of a shift has a strong impact on fitness evolution. Fastest shifts show the strongest fitness loss per generation, but intermediate shift speeds lead to the strongest fitness loss per geographic distance. Range shifting species lose fitness more slowly through time than expanding species, however, their fitness compared at equivalent geographic distances spread can be considerably lower. These counter-intuitive results arise from the combination of time over which selection acts and mutations enter the system. Range shifts also exhibit reduced fitness recovery after a geographic shift and may result in extinction, whereas range expansions can persist from the core of the species range. The complexity of range expansions and range shifts highlights the potential for severe consequences of environmental change on species survival.