Pea (Pisum sativum L.) was the original model organism used in Mendel’s discovery (1866) of the laws of inheritance, making it the foundation of modern plant genetics. However, subsequent progress in pea genomics has lagged behind many other plant species. Although the size and repetitive nature of the pea genome has so far restricted its sequencing, comprehensive genomic and post genomic resources already exist. These include BAC libraries, several types of molecular marker sets, both transcriptome and proteome datasets and mutant populations for reverse genetics. The availability of the full genome sequences of three legume species has offered significant opportunities for genome wide comparison revealing synteny and co-linearity to pea. A combination of a candidate gene and colinearity approach has successfully led to the identification of genes underlying agronomically important traits including virus resistances and plant architecture. Some of this knowledge has already been applied to marker assisted selection (MAS) programs, increasing precision and shortening the breeding cycle. Yet, complete translation of marker discovery to pea breeding is still to be achieved. Molecular analysis of pea collections has shown that although substantial variation is present within the cultivated genepool, wild material offers the possibility to incorporate novel traits that may have been inadvertently eliminated. Association mapping analysis of diverse pea germplasm promises to identify genetic variation related to desirable agronomic traits, which are historically difficult to breed for in a traditional manner. The availability of high throughput ‘omics’ methodologies offers great promise for the development of novel, highly accurate selective breeding tools for improved pea genotypes that are sustainable under current and future climates and farming systems.

Root rot caused by Fusarium spp. is a significant issue in the chickpea-growing regions of Montana. The specific Fusarium species responsible for the disease and their prevalence remain uncertain. A survey was conducted in 2020 and 2021 to identify Montana’s Fusarium species associated with chickpea. Four hundred and twenty-six Fusarium isolates were recovered from symptomatic chickpea roots across ten counties in the state. Isolates were identified by comparing translation elongation factor 1-α (TEF1-α) sequences in the FUSARIUM-ID database. Among the recovered isolates, Fusarium oxysporum was the most prevalent species (33%), followed by F. acuminatum (21%), F. avenaceum (15%), F. redolens (14%), F. culmorum (6%), F. sporotrichioides (6%), Neocosmospora solani (6%), F. equiseti (2%), F. torulosum (0.9%), F. gamsii (0.8%), F. proliferatum (0.2%), F. pseudograminearum (0.2%), and F. brachygibbosum (0.1%). The aggressiveness of a subset of 51 isolates representing various Fusarium spp. was tested on chickpea cv. ‘CDC Frontier’. A non-parametric variance analysis conducted on disease severity ranks indicated that F. avenaceum isolates were highly aggressive. This study reports for the first time that F. gamsii, F. proliferatum and F. brachygibbosum are causal agents of root rot in chickpea in the United States. This knowledge is invaluable for making informed decisions regarding crop rotation, disease management, and developing resistant chickpea varieties against economically significant Fusarium pathogens.

Abstract Background Effective population size ( N e ) is a pivotal parameter in population genetics as it can provide information on the rate of inbreeding and the contemporary status of genetic diversity in breeding populations. The population with smaller N e can lead to faster inbreeding, with little potential for genetic gain making selections ineffective. The importance of N e has become increasingly recognized in plant breeding, which can help breeders monitor and enhance the genetic variability or redesign their selection protocols. Here, we present the first N e estimates based on linkage disequilibrium (LD) in the pea genome. Results We calculated and compared N e using SNP markers from North Dakota State University (NDSU) modern breeding lines and United States Department of Agriculture (USDA) diversity panel. The extent of LD was highly variable not only between populations but also among different regions and chromosomes of the genome. Overall, NDSU had a higher and longer-range LD than the USDA that could extend up to 500Kb, with a genome-wide average r 2 of 0.57 (vs 0.34), likely due to its lower recombination rates and the selection background. The estimated N e for the USDA was nearly three-fold higher ( N e = 174) than NDSU ( N e = 64), which can be confounded by a high degree of population structure due to the selfing nature of pea. Conclusions Our results provided insights into the genetic diversity of the germplasm studied, which can guide plant breeders to actively monitor N e in successive cycles of breeding to sustain viability of the breeding efforts in the long term.

The disease white mold caused by the fungus Sclerotinia sclerotiorum is a significant threat to pea production and improved resistance to this disease is needed. Nodal resistance in plants is a phenomenon where a fungal infection is prevented from passing through a node and the infection is limited to an internode region. Nodal resistance has been observed in some pathosystems such as the pea (Pisum sativum L.)-S.sclerotiorum pathosystem. Other than nodal resistance, different pea lines display different levels of stem lesion size restriction, referred to as lesion resistance. It is unclear whether the genetics of lesion resistance and nodal resistance are identical or different. This study applied genome-wide association studies (GWAS) and RNA-Seq to understand the genetic makeup of these two types of resistance. The time series RNA-Seq experiment consisted of two pea lines (the susceptible 'Lifter' and the partially resistant PI 240515), two treatments (mock samples and S. sclerotiorum inoculated samples), and three time points (12, 24, and 48 hours post-inoculation). Integrated results from GWAS and RNA-Seq analyses identified different redox-related transcripts for lesion and nodal resistances. A transcript encoding a glutathione S-transferase was the only shared resistance source for both phenotypes. There were more leucine rich-repeat containing transcripts found for lesion resistance, while different candidate resistance transcripts such as a VQ motif-containing protein and a myo-inositol oxygenase were found for nodal resistance. This study demonstrated the robustness of combining GWAS and RNA-Seq for identifying white mold resistance in pea, and results suggest different genetics underlying lesion and nodal resistance.

ABSTRACT Phenotypic selection in preliminary yield trials (PYT) is challenged by limited seeds, resulting in trials with few replications and environments. The emergence of multi-trait multi-environment enabled genomic prediction (MTME-GP) offers opportunity for enhancing prediction accuracy and genetic gain across multiple traits and diverse environments. Using a set of 300 advanced breeding lines in the North Dakota State University (NDSU) pulse crop breeding program, we assessed the efficiency of a MTME-GP model for improving seed yield and protein content in field peas in stress and non-stress environments. MTME-GP significantly improved predictive ability, improving up to 2.5-fold, particularly when a significant number of genotypes overlapped across environments. Heritability of the training environments contributed significantly to the overall prediction of the model. Average predictive ability ranged from 3 to 7-folds when environments with low heritability were excluded from the training set. Overall, the Reproducing Kernel Hilbert Spaces (RKHS) model consistently resulted in improved predictive ability across all breeding scenarios considered in our study. Our results lay the groundwork for further exploration, including integration of diverse traits, incorporation of deep learning techniques, and the utilization of multi-omics data in predictive modeling. Core ideas Phenotypic selection in PYT is challenged by limited seeds, resulting to few replications and environments. MTME-GP offers opportunity for enhancing prediction accuracy of multi-trait and diverse environments in PYT. MTME-GP enhances prediction by up to 2.5-fold, especially with numerous overlapping genotypes in various tested environments. RKHS MTME-GP models, excels in low-heritability, negatively correlated traits, like drought-affected conditions.

Abstract Lentil puffs were developed from a mixed design of varying weight fractions of lentil flour ( x 1), lentil starch concentrate ( x 2), and lentil protein concentrate ( x 3) using a twin‐screw pilot scale extruder at a dry feed rate of 20 kg/h (d.b.), a water feed rate of 2 kg/h, and an extruder screw speed of 350 rpm. Evaluations of the extrudate properties (expansion ratio, unit density), instrumental texture (hardness, crunchiness, and crispiness), and sensory properties (overall and texture liking, just about right (JAR), and check all that apply (CATA) were conducted, and the optimum lentil puff formulation was determined from sensory liking. Increasing x 1 and x 2 both increased the expansion ratio of the lentil puffs, whereas the interactions of x 3 with x 1 and x 2 both reduced the unit density. All three formulation factors positively impacted the instrumental crunchiness and crispiness of the lentil puffs, whereas x 3 had a larger impact on crunchiness, and x 1 and x 2 had a larger impact on crispiness. Lentil puff formulations with x 3 ≥ 0.66 presented significantly lower sensory liking scores than those with x 2 ≥ 0.33. The JAR test revealed that all lentil puff formulations were penalized for not having the right level of hardness, whereas the CATA test identified the crispy and crunchy attributes to positively correlate with overall and texture liking scores. The optimum lentil puff formulation was predicted from a maximum overall liking score of 6.1 and texture liking score of 6.7, to contain 50% (w/w, d.b.) of lentil starch concentrate and 25% of both lentil flour and lentil protein concentrate.