Since its 2015 update, MaizeGDB, the Maize Genetics and Genomics database, has expanded to support the sequenced genomes of many maize inbred lines in addition to the B73 reference genome assembly. Curation and development efforts have targeted high quality datasets and tools to support maize trait analysis, germplasm analysis, genetic studies, and breeding. MaizeGDB hosts a wide range of data including recent support of new data types including genome metadata, RNA-seq, proteomics, synteny, and large-scale diversity. To improve access and visualization of data types several new tools have been implemented to: access large-scale maize diversity data (SNPversity), download and compare gene expression data (qTeller), visualize pedigree data (Pedigree Viewer), link genes with phenotype images (MaizeDIG), and enable flexible user-specified queries to the MaizeGDB database (MaizeMine). MaizeGDB also continues to be the community hub for maize research, coordinating activities and providing technical support to the maize research community. Here we report the changes MaizeGDB has made within the last three years to keep pace with recent software and research advances, as well as the pan-genomic landscape that cheaper and better sequencing technologies have made possible. MaizeGDB is accessible online at https://www.maizegdb.org.

MaizeGDB is a highly curated, community-oriented database and informatics service to researchers focused on the crop plant and model organism Zea mays ssp. mays. Although some form of the maize community database has existed over the last 25 years, there have only been two major releases. In 1991, the original maize genetics database MaizeDB was created. In 2003, the combined contents of MaizeDB and the sequence data from ZmDB were made accessible as a single resource named MaizeGDB. Over the next decade, MaizeGDB became more sequence driven while still maintaining traditional maize genetics datasets. This enabled the project to meet the continued growing and evolving needs of the maize research community, yet the interface and underlying infrastructure remained unchanged. In 2015, the MaizeGDB team completed a multi-year effort to update the MaizeGDB resource by reorganizing existing data, upgrading hardware and infrastructure, creating new tools, incorporating new data types (including diversity data, expression data, gene models, and metabolic pathways), and developing and deploying a modern interface. In addition to coordinating a data resource, the MaizeGDB team coordinates activities and provides technical support to the maize research community. MaizeGDB is accessible online at http://www.maizegdb.org.

Abstract Methods to predict orthology play an important role in bioinformatics for phylogenetic analysis by identifying orthologs within or across any level of biological classification. Sequence-based reciprocal best hit approaches are commonly used in functional annotation since orthologous genes are expected to share functions. The process is limited as it relies solely on sequence data and does not consider structural information and its role in function. Previously, determining protein structure was highly time-consuming, inaccurate, and limited to the size of the protein, all of which resulted in a structural biology bottleneck. With the release of AlphaFold, there are now over 200 million predicted protein structures, including full proteomes for dozens of key organisms. The reciprocal best structural hit approach uses protein structure alignments to identify structural orthologs. We propose combining both sequence- and structure-based reciprocal best hit approaches to obtain a more accurate and complete set of orthologs across diverse species, called Functional Annotations using Sequence and Structure Orthology (FASSO). Using FASSO, we annotated orthologs between five plant species (maize, sorghum, rice, soybean, Arabidopsis) and three distance outgroups (human, budding yeast, and fission yeast). We inferred over 270,000 functional annotations across the eight proteomes including annotations for over 5,600 uncharacterized proteins. FASSO provides confidence labels on ortholog predictions and flags potential misannotations in existing proteomes. We further demonstrate the utility of the approach by exploring the annotation of the maize proteome.

Abstract Background Gene annotation in eukaryotes is a non-trivial task that requires meticulous analysis of accumulated transcript data. Challenges include transcriptionally active regions of the genome that contain overlapping genes, genes that produce numerous transcripts, transposable elements and numerous diverse sequence repeats. Currently available gene annotation software applications depend on pre-constructed full-length gene sequence assemblies which are not guaranteed to be error-free. The origins of these sequences are often uncertain, making it difficult to identify and rectify errors in them. This hinders the creation of an accurate and holistic representation of the transcriptomic landscape across multiple tissue types and experimental conditions. Therefore, to gauge the extent of diversity in gene structures, a comprehensive analysis of genome-wide expression data is imperative. Results We present FINDER, a fully automated computational tool that optimizes the entire process of annotating genes and transcript structures. Unlike current state-of-the-art pipelines, FINDER automates the RNA-Seq pre-processing step by working directly with raw sequence reads and optimizes gene prediction from BRAKER2 by supplementing these reads with associated proteins. The FINDER pipeline (1) reports transcripts and recognizes genes that are expressed under specific conditions, (2) generates all possible alternatively spliced transcripts from expressed RNA-Seq data, (3) analyzes read coverage patterns to modify existing transcript models and create new ones, and (4) scores genes as high- or low-confidence based on the available evidence across multiple datasets. We demonstrate the ability of FINDER to automatically annotate a diverse pool of genomes from eight species. Conclusions FINDER takes a completely automated approach to annotate genes directly from raw expression data. It is capable of processing eukaryotic genomes of all sizes and requires no manual supervision – ideal for bench researchers with limited experience in handling computational tools.

Abstract Powdery mildew, caused by the fungal pathogen Blumeria graminis (DC.) E. O. Speer f. sp. tritici Em. Marchal ( Bgt ), is a constant threat to global wheat ( Triticum aestivum L.) production. Although ∼100 powdery mildew ( Pm ) resistance genes and alleles have been identified in wheat and its relatives, more is needed to minimize Bgt ’s fast evolving virulence. In tetraploid wheat ( Triticum turgidum L.), wild emmer wheat [ T. turgidum ssp. dicoccoides (Körn. ex Asch. & Graebn.) Thell.] accessions from Israel have contributed many Pm resistance genes. However, the diverse genetic reservoirs of cultivated emmer wheat [ T. turgidum ssp. dicoccum (Schrank ex Schübl.) Thell.] have not been fully exploited. In the present study, we evaluated a diverse panel of 174 cultivated emmer accessions for their reaction to Bgt isolate OKS(14)‐B‐3‐1 and found that 66% of accessions, particularly those of Ethiopian (30.5%) and Indian (6.3%) origins, exhibited high resistance. To determine the genetic basis of Bgt resistance in the panel, genome‐wide association studies were performed using 46,383 single nucleotide polymorphisms (SNPs) from genotype‐by‐sequencing and 4331 SNPs from the 9K SNP Infinium array. Twenty‐five significant SNP markers were identified to be associated with Bgt resistance, of which 21 SNPs are likely novel loci, whereas four possibly represent emmer derived Pm4a , Pm5a , PmG16 , and Pm64 . Most novel loci exhibited minor effects, whereas three novel loci on chromosome arms 2AS, 3BS, and 5AL had major effect on the phenotypic variance. This study demonstrates cultivated emmer as a rich source of powdery mildew resistance, and the resistant accessions and novel loci found herein can be utilized in wheat breeding programs to enhance Bgt resistance in wheat.

Abstract Wheat ( Triticum aestivum ) is one of the most important food crops with an urgent need for increase in its production to feed the growing world. Triticum timopheevii (2n = 4x = 28) is an allotetraploid wheat wild relative species containing the A t and G genomes that has been exploited in many pre-breeding programmes for wheat improvement. In this study, we report the generation of a chromosome-scale reference genome assembly of T. timopheevii accession PI 94760 based on PacBio HiFi reads and chromosome conformation capture (Hi-C). The assembly comprised a total size of 9.35 Gb, featuring a contig N50 of 42.4 Mb, and 166,325 predicted gene models. DNA methylation analysis showed that the G genome had on average more methylated bases than the A t genome. The G genome was also more closely related to the S genome of Aegilops speltoides than to the B genome of hexaploid or tetraploid wheat. In summary, the T. timopheevii genome assembly provides a valuable resource for genome-informed discovery of agronomically important genes for food security.

Abstract Background The fungal genus Fusarium poses significant threats to food security and safety worldwide because it consists of numerous species that cause destructive diseases in crops, as well as mycotoxin contamination. The adverse effects of climate change are exacerbating some existing threats and causing new problems. These challenges highlight the need for innovative solutions, including the development of advanced tools to identify targets to control crop diseases and mycotoxin contamination incited by Fusarium . Description In response to these challenges, we developed the Fusarium Protein Toolkit (FPT, https://fusarium.maizegdb.org/ ), a web-based tool that allows users to interrogate the structural and variant landscape within the Fusarium pan-genome. FPT offers a comprehensive approach to understanding and mitigating the detrimental effects of Fusarium on agriculture. The tool displays both AlphaFold and ESMFold-generated protein structure models from six Fusarium species. The structures are accessible through a user-friendly web portal and facilitate comparative analysis, functional annotation inference, and identification of related protein structures. Using a protein language model, FPT predicts the impact of over 270 million coding variants in two of the most agriculturally important species, Fusarium graminearum , which causes Fusarium head blight and trichothecene mycotoxin contamination of cereals, and F. verticillioides , which causes ear rot and fumonisin mycotoxin contamination of maize. To facilitate the assessment of naturally occurring genetic variation, FPT provides variant effect scores for proteins in a Fusarium pan-genome constructed from 22 diverse species. The scores indicate potential functional consequences of amino acid substitutions and are displayed as intuitive heatmaps using the PanEffect framework. Conclusion FPT fills a knowledge gap by providing previously unavailable tools to assess structural and missense variation in proteins produced by Fusarium , the most agriculturally important group of mycotoxin-producing plant pathogens. FPT will deepen our understanding of pathogenic mechanisms in Fusarium , and aid the identification of genetic targets that can be used to develop control strategies that reduce crop diseases and mycotoxin contamination. Such targets are vital to solving the agricultural problems incited by Fusarium , particularly evolving threats affected by climate change. By providing a novel approach to interrogate Fusarium -induced crop diseases, FPT is a crucial step toward safeguarding food security and safety worldwide.

We describe JBrowse Connect, an optional expansion to JBrowse that allows live messaging via WebSockets, notifications for new annotation tracks, heavy-duty analyses initiated by the user from within the browser, and other dynamic features. We present JBlast, an example application of JBrowse Connect that allows users to specify and execute BLAST searches, managed by a Galaxy instance, as well as tracking job progress and viewing results, all in the context of the browser.