To enhance our understanding of the genetic basis of nitrogen use efficiency in maize (Zea mays), we have developed a quantitative genetic approach by associating metabolic functions and agronomic traits to DNA markers. In this study, leaves of vegetative recombinant inbred lines of maize, already assessed for their agronomic performance, were analyzed for physiological traits such as nitrate content, nitrate reductase (NR), and glutamine synthetase (GS) activities. A significant genotypic variation was found for these traits and a positive correlation was observed between nitrate content, GS activity and yield, and its components. NR activity, on the other hand, was negatively correlated. These results suggest that increased productivity in maize genotypes was due to their ability to accumulate nitrate in their leaves during vegetative growth and to efficiently remobilize this stored nitrogen during grain filling. Quantitative trait loci (QTL) for various agronomic and physiological traits were searched for and located on the genetic map of maize. Coincidences of QTL for yield and its components with genes encoding cytosolic GS and the corresponding enzyme activity were detected. In particular, it appears that the GS locus on chromosome 5 is a good candidate gene that can, at least partially, explain variations in yield or kernel weight. Because at this locus coincidences of QTLs for grain yield, GS, NR activity, and nitrate content were also observed, we hypothesize that leaf nitrate accumulation and the reactions catalyzed by NR and GS are coregulated and represent key elements controlling nitrogen use efficiency in maize.

Abstract The roles of two cytosolic maize glutamine synthetase isoenzymes (GS1), products of the Gln1-3 and Gln1-4 genes, were investigated by examining the impact of knockout mutations on kernel yield. In the gln1-3 and gln1-4 single mutants and the gln1-3 gln1-4 double mutant, GS mRNA expression was impaired, resulting in reduced GS1 protein and activity. The gln1-4 phenotype displayed reduced kernel size and gln1-3 reduced kernel number, with both phenotypes displayed in gln1-3 gln1-4. However, at maturity, shoot biomass production was not modified in either the single mutants or double mutants, suggesting a specific impact on grain production in both mutants. Asn increased in the leaves of the mutants during grain filling, indicating that it probably accumulates to circumvent ammonium buildup resulting from lower GS1 activity. Phloem sap analysis revealed that unlike Gln, Asn is not efficiently transported to developing kernels, apparently causing reduced kernel production. When Gln1-3 was overexpressed constitutively in leaves, kernel number increased by 30%, providing further evidence that GS1-3 plays a major role in kernel yield. Cytoimmunochemistry and in situ hybridization revealed that GS1-3 is present in mesophyll cells, whereas GS1-4 is specifically localized in the bundle sheath cells. The two GS1 isoenzymes play nonredundant roles with respect to their tissue-specific localization.

ABSTRACT Global climate change has severely impacted maize productivity. A holistic understanding of metabolic crosstalk among its organs is essential to address this issue. Thus, we reconstructed the first multi-organ maize genome-scale metabolic model, i ZMA6517, and contextualized it with heat and cold stress-related transcriptomics data using the novel EX pression dis T ributed REA ction flux M easurement (EXTREAM) algorithm. Furthermore, implementing metabolic bottleneck analysis on contextualized models revealed fundamental differences between these stresses. While both stresses had reducing power bottlenecks, heat stress had additional energy generation bottlenecks. To tie these signatures, we performed thermodynamic driving force analysis, revealing thermodynamics-reducing power-energy generation axis dictating the nature of temperature stress responses. Thus, for global food security, a temperature-tolerant maize ideotype can be engineered by leveraging the proposed thermodynamics-reducing power-energy generation axis. We experimentally inoculated maize root with a beneficial mycorrhizal fungus, Rhizophagus irregularis , and as a proof of concept demonstrated its potential to alleviate temperature stress. In summary, this study will guide the engineering effort of temperature stress-tolerant maize ideotypes.

Abstract Maize is currently the most productive cereal crop in the world ( www.faostat.org ). It can associate with the Arbuscular Mycorrhizal Fungus (AMF) Rhizophagus irregularis which can provide additional water and mineral nutrients to the plant in return for C delivered by the host plant. Two maize lines were characterized at the physiological and molecular levels as they displayed contrasting responses to inoculation with the AMF when grown under optimal, medium, or low N fertilization conditions. For both these lines, the presence of the AMF allows development of a beneficial symbiotic association but only under limiting N fertilization conditions and allows to maintain plant biomass production when there is a five fold reduction in N supply. Physio-agronomical phenotyping and transcriptomic and metabolomic characterization of these two lines indicates that, (i) the level of N supply is the major factor affecting all studied traits; (ii) although the two lines display different transcriptomic and metabolomic responses to R. irregularis the agro-physiological traits are similar; and (iii) inoculation with the AMF relieves N deficiency stress. Analysis of the fungal transcriptome indicated that, like the plant transcriptome, it was also mainly affected by N nutrition level rather than by the maize host genotype. To explore potential metabolic pathways affected by the symbiosis, we integrated the transcriptomic data to model mycorrhized maize metabolism in a multi-organ Genome-scale metabolic model (GSM) i ZMA6517, based on a stoichiometric approach. Both maize transcriptomics data integrated i ZMA6517 model and R. irregularis transcriptome pointed to nucleotide and ureides metabolism as previously unexplored new drivers of the symbiotic N nutrition triggered by R. irregu laris that allow maize growth improvement.

The growth and development of maize (Zea mays L.) largely depends on its nutrient uptake through root. Hence, studying its growth, response, and associated metabolic reprogramming to stress conditions is becoming an important research direction. A genome-scale metabolic model (GSM) for the maize root was developed to study its metabolic reprogramming under nitrogen-stress condition. The model was reconstructed based on the available information from KEGG, UniProt, and MaizeCyc. Transcriptomics data derived from the roots of hydroponically grown maize plants was used to incorporate regulatory constraints in the model and simulate nitrogen-non-limiting (N−) and nitrogen-deficient (N−) conditions. Model-predicted result achieved 70% accuracy comparing to the experimental direction change of metabolite levels. In addition to predicting important metabolic reprogramming in central carbon, fatty acid, amino acid, and other secondary metabolism, maize root GSM predicted several metabolites (e.g., L-methionine, L-asparagine, L-lysine, cholesterol, and L-pipecolate) playing critical regulatory role in the root biomass growth. Furthermore, this study revealed eight phosphatidyl-choline and phosphatidyl-glycerol metabolites which even though not coupled with biomass production played a key role in the increased biomass production under N-. Overall, the omics-integrated-GSM provides a promising tool to facilitate stress-condition analysis for maize root and ultimately engineer better stress-tolerant maize genotypes. Summary The growth and development of maize (Zea mays L .) largely depends on its nutrient uptake through root. Hence, studying its growth, response, and associated metabolic reprogramming to stress conditions is becoming an important research direction. A genome-scale metabolic model (GSM) for the maize root was developed to study its metabolic reprogramming under nitrogen-stress condition. The model was reconstructed based on the available information from KEGG, UniProt, and MaizeCyc. Transcriptomics data derived from the roots of hydroponically grown maize plants was used to incorporate regulatory constraints in the model and simulate nitrogen-non-limiting (N + ) and nitrogen-deficient (N − ) conditions. Model-predicted result achieved 70% accuracy comparing to the experimental direction change of metabolite levels. In addition to predicting important metabolic reprogramming in central carbon, fatty acid, amino acid, and other secondary metabolism, maize root GSM predicted several metabolites (e.g., L-methionine, L-asparagine, L-lysine, cholesterol, and L-pipecolate) playing critical regulatory role in the root biomass growth. Furthermore, this study revealed eight phosphatidyl-choline and phosphatidyl-glycerol metabolites which even though not coupled with biomass production played a key role in the increased biomass production under N − . Overall, the omics-integrated-GSM provides a promising tool to facilitate stress-condition analysis for maize root and ultimately engineer better stress-tolerant maize genotypes.