Summary Fungi play pivotal roles in ecosystem functioning, but little is known about their global patterns of diversity, endemicity, vulnerability to global change drivers and conservation priority areas. We applied the high-resolution PacBio sequencing technique to identify fungi based on a long DNA marker that revealed a high proportion of hitherto unknown fungal taxa. We used a Global Soil Mycobiome consortium dataset to test relative performance of various sequencing depth standardization methods (calculation of residuals, exclusion of singletons, traditional and SRS rarefaction, use of Shannon index of diversity) to find optimal protocols for statistical analyses. Altogether, we used six global surveys to infer these patterns for soil-inhabiting fungi and their functional groups. We found that residuals of log-transformed richness (including singletons) against log-transformed sequencing depth yields significantly better model estimates compared with most other standardization methods. With respect to global patterns, fungal functional groups differed in the patterns of diversity, endemicity and vulnerability to main global change predictors. Unlike α-diversity, endemicity and global-change vulnerability of fungi and most functional groups were greatest in the tropics. Fungi are vulnerable mostly to drought, heat, and land cover change. Fungal conservation areas of highest priority include wetlands and moist tropical ecosystems.

Novel methods for sampling and characterizing biodiversity hold great promise for re-evaluating patterns of life across the planet. The sampling of airborne spores with a cyclone sampler, and the sequencing of their DNA, have been suggested as an efficient and well-calibrated tool for surveying fungal diversity across various environments. Here we present data originating from the Global Spore Sampling Project, comprising 2,768 samples collected during two years at 47 outdoor locations across the world. Each sample represents fungal DNA extracted from 24 m

Abstract Fungi are among the most diverse and ecologically important kingdoms in life. However, the distributional ranges of fungi remain largely unknown as do the ecological mechanisms that shape their distributions 1,2 . To provide an integrated view of the spatial and seasonal dynamics of fungi, we implemented a globally distributed standardized aerial sampling of fungal spores 3 . The vast majority of operational taxonomic units were detected within only one climatic zone, and the spatiotemporal patterns of species richness and community composition were mostly explained by annual mean air temperature. Tropical regions hosted the highest fungal diversity except for lichenized, ericoid mycorrhizal and ectomycorrhizal fungi, which reached their peak diversity in temperate regions. The sensitivity in climatic responses was associated with phylogenetic relatedness, suggesting that large-scale distributions of some fungal groups are partially constrained by their ancestral niche. There was a strong phylogenetic signal in seasonal sensitivity, suggesting that some groups of fungi have retained their ancestral trait of sporulating for only a short period. Overall, our results show that the hyperdiverse kingdom of fungi follows globally highly predictable spatial and temporal dynamics, with seasonality in both species richness and community composition increasing with latitude. Our study reports patterns resembling those described for other major groups of organisms, thus making a major contribution to the long-standing debate on whether organisms with a microbial lifestyle follow the global biodiversity paradigms known for macroorganisms 4,5 .

Modern DNA-based biodiversity surveys result in massive-scale data, including up to millions of species, of which most are rare. Making the most of such data for inference and prediction requires modelling approaches that can relate species occurrences to environmental and spatial predictors, while incorporating information about taxonomic or phylogenetic placement of the species. Even if the scalability of joint species distribution models to large communities has greatly advanced, incorporating hundreds of thousands of species has been infeasible to date, leading to compromised analyses. Here we present a novel common to rare transfer learning approach (CORAL), based on borrowing information from the common species and thereby enabling statistically and computationally efficient modelling of both the common and the rare species. We illustrate that CORAL leads to much improved prediction and inference in the context of DNA metabarcoding data from Madagascar, comprising 255,188 arthropod species detected in 2874 samples.