Significance Consequences of heat stress, particularly for the immune system and the intestinal health of mammals, are a topic of increasing global relevance due to rising temperatures and potential health impairments. Specific climate effects, however, are often difficult to discriminate from indirect consequences, e.g. reduced feed intake. Our study in dairy cattle, which are particularly sensitive to heat, identifies the infiltration of the small intestinal epithelium by a previously unobserved distinct cell population with macrophage-like phenotype in response to moderate heat stress. By using a pair-feeding design, we attributed these effects as direct consequences of heat stress via impaired intestinal barrier function. Therefore, an appropriate gut function is an important component in combating the negative consequences of heat stress.

Abstract Background Body conformation, including withers height, is a major selection criterion in horse breeding and is associated with other important traits, such as health and performance. However, little is known about the genomic background of equine conformation. Therefore, the aim of this study was to use imputed sequence-level genotypes from up to 4891 German Warmblood horses to identify genomic regions associated with withers height and linear conformation traits. Furthermore, the traits were genetically characterised and putative causal variants for withers height were detected. Results A genome-wide association study (GWAS) for withers height confirmed the presence of a previously known quantitative trait locus (QTL) on Equus caballus (ECA) chromosome 3 close to the LCORL / NCAPG locus, which explained 16% of the phenotypic variance for withers height. An additional significant association signal was detected on ECA1. Further investigations of the region on ECA3 identified a few promising candidate causal variants for withers height, including a nonsense mutation in the coding sequence of the LCORL gene. The estimated heritability for withers height was 0.53 and ranged from 0 to 0.34 for the conformation traits. GWAS identified significantly associated variants for more than half of the investigated conformation traits, among which 13 showed a peak on ECA3 in the same region as withers height. Genetic parameter estimation revealed high genetic correlations between these traits and withers height for the QTL on ECA3. Conclusions The use of imputed sequence-level genotypes from a large study cohort led to the discovery of novel QTL associated with conformation traits in German Warmblood horses. The results indicate the high relevance of the QTL on ECA3 for various conformation traits, including withers height, and contribute to deciphering causal mutations for body size in horses.

Abstract Standardised analysis pipelines are an important part of FAIR bioinformatics research. Over the last decade, there has been a notable shift from point-and-click pipeline solutions such as Galaxy towards command-line solutions such as Nextflow and Snakemake. We report on recent developments in the nf-core and Nextflow frameworks that have led to widespread adoption across many scientific communities. We describe how adopting nf-core standards enables faster development, improved interoperability, and collaboration with the >8,000 members of the nf-core community. The recent development of Nextflow Domain-Specific Language 2 (DSL2) allows pipeline components to be shared and combined across projects. The nf-core community has harnessed this with a library of modules and subworkflows that can be integrated into any Nextflow pipeline, enabling research communities to progressively transition to nf-core best practices. We present a case study of nf-core adoption by six European research consortia, grouped under the EuroFAANG umbrella and dedicated to farmed animal genomics. We believe that the process outlined in this report can inspire many large consortia to seek harmonisation of their data analysis procedures.

The aim of this study was to compare the circular transcriptome of divergent tissues in order to understand: i) the presence of circular RNAs (circRNAs) that are not exonic circRNAs, i.e. originated from backsplicing involving known exons and, ii) the origin of artificial circRNA (artif_circRNA), i.e. circRNA not generated in-vivo. CircRNA identification is mostly an in-silico process, and the analysis of data from the BovReg project (https://www.bovreg.eu/) provided an opportunity to explore new ways to identify reliable circRNAs. By considering 117 tissue samples, we characterized 23,926 exonic circRNAs, 337 circRNAs from 273 introns (191 ciRNAs, 146 intron circles), 108 circRNAs from small non-coding genes and nearly 36.6K circRNAs classified as other_circRNAs. We suggested in-vivo copying of specific exonic circRNAs by an RNA-dependent RNA polymerase (RdRP) to explain the 20 identified circRNAs with reverse-complement exons. Furthermore, for 63 of those samples we analyzed in parallel data from total-RNAseq (ribosomal RNAs depleted prior to library preparation) with paired mRNAseq (library prepared with poly(A)-selected RNAs). The high number of circRNAs detected in mRNAseq, and the significant number of novel circRNAs, mainly other_circRNAs, led us to consider all circRNAs detected in mRNAseq as artificial. This study provided evidence that there were 189 false entries in the list of exonic circRNAs: 103 artif_circRNAs identified through comparison of total-RNAseq/mRNAseq using two circRNA tools, 26 probable artif_circRNAs, and 65 identified through deep annotation analysis. This study demonstrates the effectiveness of a panel of highly expressed exonic circRNAs (5-8%) in analyzing the diversity of the bovine circular transcriptome.

Abstract Understanding the genomic control of tissue-specific gene expression and regulation can help to inform the application of genomic technologies in farm animal breeding programmes. The fine mapping of promoters (transcription start sites [TSS]) and enhancers (divergent amplifying segments of the genome local to TSS) in different populations of cattle across a wide diversity of tissues provides information to locate and understand the genomic drivers of breed- and tissue-specific phenotypes. To this aim we used Cap Analysis Gene Expression (CAGE) sequencing to define TSS and their co-expressed short-range enhancers (<1kb) in the ARS-UCD1.2_Btau5.0.1Y reference genome (1000bulls run9) and analysed tissue- and population specificity of expressed promoters. We identified 51,295 TSS and 2,328 TSS-Enhancer regions shared across the three populations (Holstein, Charolais x Holstein and Kinsella beef composite [KC]). In addition, we performed a comparative analysis of our cattle dataset with available data for seven other species to identify TSS and TSS-Enhancers that are specific to cattle. The CAGE dataset will be combined with other transcriptomic information for the same tissues generated in the BovReg project to create a new high-resolution map of transcript diversity across tissues and populations in cattle. Here we provide the CAGE dataset and annotation tracks for TSS and TSS Enhancers in the cattle genome. This new annotation information will improve our understanding of the drivers of gene expression and regulation in cattle and help to inform the application of genomic technologies in breeding programmes.