Starch content and seed storage protein (SSP) composition are critical factors influencing wheat grain yield and quality. To uncover the molecular mechanisms governing their biosynthesis, we conducted transcriptome and epigenome profiling across key endosperm developmental stages, revealing that chromatin accessibility, H3K27ac, and H3K27me3 collectively regulate SSP and starch genes with varying impact. Population transcriptome and phenotype analyses highlighted the crucial role of accessible promoter regions as a genetic variation resource, influencing grain yield and quality in a core collection of wheat accessions. By integrating time-serial RNA-seq and ATAC-seq data, we constructed a hierarchical transcriptional regulatory network (TRN) governing starch and SSP biosynthesis, identifying 42 high-confidence novel candidates. These candidates exhibited overlap with genetic regions associated with grain size and quality traits, and their functional significance was validated through expression-phenotype association analysis among wheat accessions and TILLING mutants. In-depth functional analysis of wheat abscisic acid insensitive 3-A1 (TaABI3-A1) with genome editing knock-out lines demonstrated its role in promoting SSP accumulation while repressing starch biosynthesis through transcriptional regulation. An elite haplotype of TaABI3-A1 with higher grain weight was identified during the breeding process in China, and its superior trait was associated with altered TaABI3-A1 expression levels. Additionally, we identified the potential upstream regulator, wheat GAGA-binding transcription factor 1 (TaGBP1), influencing TaABI3-A1 expression. Our study provides novel and high-confidence regulators, presenting an effective strategy for understanding the regulation of SSP and starch biosynthesis and contributing to breeding enhancement.

Wheat is a staple food for more than 35% of the world's population, with wheat flour used to make hundreds of baked goods. Superior end-use quality is a major breeding target; however, improving it is especially time-consuming and expensive. Furthermore, genes encoding seed-storage proteins (SSPs) form multi-gene families and are repetitive, with gaps commonplace in several genome assemblies. To overcome these barriers and efficiently identify superior wheat SSP alleles, we developed "PanSK" (Pan-SSP k-mer) for genotype-to-phenotype prediction based on an SSP-based pangenome resource. PanSK uses 29-mer sequences that represent each SSP gene at the pangenomic level to reveal untapped diversity across landraces and modern cultivars. Genome-wide association studies with k-mers identified 23 SSP genes associated with end-use quality that represent novel targets for improvement. We evaluated the effect of rye secalin genes on end-use quality and found that removal of ω-secalins from 1BL/1RS wheat translocation lines is associated with enhanced end-use quality. Finally, using machine-learning-based prediction inspired by PanSK, we predicted the quality phenotypes with high accuracy from genotypes alone. This study provides an effective approach for genome design based on SSP genes, enabling the breeding of wheat varieties with superior processing capabilities and improved end-use quality.