Abstract Structural variants (SVs, eg. insertions and deletions) are genomic variations > 50 bp that are known to be associated with a range of crop traits, from yield to flowering behaviour and stress responses. Recently, pangenome graphs have emerged as a powerful framework for analysing genomic data by encoding population- or species-level diversity in one data structure. Pangenome graphs have the potential to serve as unbiased references for downstream applications, including SV genotyping and pan-transcriptomic analyses. In this work, we hypothesized that extensive variation affects transcript quantification and expression quantitative trait locus (eQTL) analysis when relying on a single reference, and that using pangenome graphs can mitigate reference sequence bias. We combined long and short read whole genome sequencing data with expression profiling of Brassica napus (oilseed rape) to assess the impact of SVs on gene expression regulation and explored the utility of pangenome graphs for eQTL analysis. We demonstrate that pangenome graphs provides a superior framework for eQTL analysis by eliminating single reference bias in gene expression quantification. Combined with the graph-based genotyping of SVs, we identified 240 eQTL-SVs found in close proximity of target loci. These SVs affect expression of genes related to important traits, are often not in linkage with SNPs and represent diversity unaccounted for in classical SNP-based analyses. This study highlights the multiple advantages of graph-based approaches in population-scale studies and provides novel insight into gene expression regulation in an important crop.

ABSTRACT Structural variations (SVs) are larger polymorphisms (>50 bp in length), which consist of insertions, deletions, inversions, duplications, and translocations. They can have a strong impact on agronomical traits and play an important role in environmental adaptation. The development of long-read sequencing technologies, including Oxford Nanopore, allows for comprehensive SV discovery and characterization even in complex polyploid crop genomes. However, many of the SV discovery pipeline benchmarks do not include complex plant genome datasets. In this study, we benchmarked popular long-read alignment-based SV detection tools for crop plant genomes. We used real and simulated Oxford Nanopore reads for two crops, allotetraploid Brassica napus (oilseed rape) and diploid Solanum lycopersicum (tomato), and evaluated several read aligners and SV callers across 5×, 10×, and 20× coverages typically used in re-sequencing studies. Our benchmarks provide a useful guide for designing Oxford Nanopore re-sequencing projects and SV discovery pipelines for crop plants.