Domesticated crops experience strong human-mediated selection aimed at developing high-yielding varieties adapted to local conditions. To detect regions of the wheat genome subject to selection during improvement, we developed a high-throughput array to interrogate 9,000 gene-associated single-nucleotide polymorphisms (SNP) in a worldwide sample of 2,994 accessions of hexaploid wheat including landraces and modern cultivars. Using a SNP-based diversity map we characterized the impact of crop improvement on genomic and geographic patterns of genetic diversity. We found evidence of a small population bottleneck and extensive use of ancestral variation often traceable to founders of cultivars from diverse geographic regions. Analyzing genetic differentiation among populations and the extent of haplotype sharing, we identified allelic variants subjected to selection during improvement. Selective sweeps were found around genes involved in the regulation of flowering time and phenology. An introgression of a wild relative-derived gene conferring resistance to a fungal pathogen was detected by haplotype-based analysis. Comparing selective sweeps identified in different populations, we show that selection likely acts on distinct targets or multiple functionally equivalent alleles in different portions of the geographic range of wheat. The majority of the selected alleles were present at low frequency in local populations, suggesting either weak selection pressure or temporal variation in the targets of directional selection during breeding probably associated with changing agricultural practices or environmental conditions. The developed SNP chip and map of genetic variation provide a resource for advancing wheat breeding and supporting future population genomic and genome-wide association studies in wheat.

Fungal disease meets its match Fusarium head blight (FHB), caused by a fungus, reduces wheat crop yield and introduces toxins into the harvest. From the assembly of the genome of Thinopyrum elongatum , a wild relative of wheat used in breeding programs to improve cultivated wheat, Wang et al. cloned a gene that can address both problems (see the Perspective by Wulff and Jones). The encoded glutathione S -transferase detoxifies the trichothecene toxin and, when expressed in wheat, confers resistance to FHB. Science , this issue p. eaba5435 ; see also p. 822

A key step in domestication of cereals was loss of seed shattering. Jianming Yu and colleagues show that seed shattering is controlled by alleles at Sh1 in sorghum. The authors also identify an insertion in the ortholog of Sh1 in a shattering-resistant mutant in rice and orthologs of Sh1 located in two narrow quantitative trait locus (QTL) intervals that regulate shattering in maize. The data suggest parallel selection on Sh1 in the domestication of cereals. A key step during crop domestication is the loss of seed shattering. Here, we show that seed shattering in sorghum is controlled by a single gene, Shattering1 (Sh1), which encodes a YABBY transcription factor. Domesticated sorghums harbor three different mutations at the Sh1 locus. Variants at regulatory sites in the promoter and intronic regions lead to a low level of expression, a 2.2-kb deletion causes a truncated transcript that lacks exons 2 and 3, and a GT-to-GG splice-site variant in the intron 4 results in removal of the exon 4. The distributions of these non-shattering haplotypes among sorghum landraces suggest three independent origins. The function of the rice ortholog (OsSh1) was subsequently validated with a shattering-resistant mutant, and two maize orthologs (ZmSh1-1 and ZmSh1-5.1+ZmSh1-5.2) were verified with a large mapping population. Our results indicate that Sh1 genes for seed shattering were under parallel selection during sorghum, rice and maize domestication.

Drought tolerance is a key trait for increasing and stabilizing barley productivity in dry areas worldwide. Identification of the genes responsible for drought tolerance in barley (Hordeum vulgare L.) will facilitate understanding of the molecular mechanisms of drought tolerance, and also facilitate the genetic improvement of barley through marker-assisted selection or gene transformation. To monitor the changes in gene expression at the transcriptional level in barley leaves during the reproductive stage under drought conditions, the 22K Affymetrix Barley 1 microarray was used to screen two drought-tolerant barley genotypes, Martin and Hordeum spontaneum 41-1 (HS41-1), and one drought-sensitive genotype Moroc9-75. Seventeen genes were expressed exclusively in the two drought-tolerant genotypes under drought stress, and their encoded proteins may play significant roles in enhancing drought tolerance through controlling stomatal closure via carbon metabolism (NADP malic enzyme, NADP-ME, and pyruvate dehydrogenase, PDH), synthesizing the osmoprotectant glycine-betaine (C-4 sterol methyl oxidase, CSMO), generating protectants against reactive-oxygen-species scavenging (aldehyde dehydrogenase,ALDH, ascorbate-dependent oxidoreductase, ADOR), and stabilizing membranes and proteins (heat-shock protein 17.8, HSP17.8, and dehydrin 3, DHN3). Moreover, 17 genes were abundantly expressed in Martin and HS41-1 compared with Moroc9-75 under both drought and control conditions. These genes were possibly constitutively expressed in drought-tolerant genotypes. Among them, seven known annotated genes might enhance drought tolerance through signalling [such as calcium-dependent protein kinase (CDPK) and membrane steroid binding protein (MSBP)], anti-senescence (G2 pea dark accumulated protein, GDA2), and detoxification (glutathione S-transferase, GST) pathways. In addition, 18 genes, including those encoding Δl-pyrroline-5-carboxylate synthetase (P5CS), protein phosphatase 2C-like protein (PP2C), and several chaperones, were differentially expressed in all genotypes under drought; thus they were more likely to be general drought-responsive genes in barley. These results could provide new insights into further understanding of drought-tolerance mechanisms in barley.

Abstract To improve the efficiency of high-density genotype data storage and imputation in bread wheat ( Triticum aestivum L.), we applied the Practical Haplotype Graph (PHG) tool. The wheat PHG database was built using whole-exome capture sequencing data from a diverse set of 65 wheat accessions. Population haplotypes were inferred for the reference genome intervals defined by the boundaries of the high-quality gene models. Missing genotypes in the inference panels, composed of wheat cultivars or recombinant inbred lines genotyped by exome capture, genotyping-by-sequencing (GBS), or whole-genome skim-seq sequencing approaches, were imputed using the wheat PHG database. Though imputation accuracy varied depending on the method of sequencing and coverage depth, we found 93% imputation accuracy with 0.01x sequence coverage, which was only slightly lower than the accuracy obtained using the 0.5x sequence coverage (96.9%). Compared to Beagle, on average, PHG imputation was ~4% ( p-value = 0.00027) more accurate, and showed 27% higher accuracy at imputing a rare haplotype introgressed from a wild relative into wheat. The reduced accuracy of imputation with GBS data (90.4%) is likely associated with the small overlap between GBS markers and the exome capture dataset, which was used for constructing PHG. The highest imputation accuracy was obtained with exome capture for the wheat D genome, which also showed the highest levels of linkage disequlibrium and proportion of identity-by-descent regions among accessions in our reference panel. We demonstrate that genetic mapping based on genotypes imputed using PHG identifies SNPs with a broader range of effect sizes that together explain a higher proportion of genetic variance for heading date and meiotic crossover rate compared to previous studies.

Abstract The development of CRISPR-based editors having different protospacer adjacent motif (PAM) recognition specificities, or guide RNA length/structure requirements broadens the range of possible genome editing applications. Here, we evaluated the natural and engineered variants of Cas12a (FnCas12a from Francisella novicida and LbCas12a from Lachnospiraceae bacterium ) and Cas9 for wheat genome editing efficiency and ability to induce heritable mutations in endogenous genes controlling important agronomic traits in wheat. Unlike FnCas12a, LbCas12a was able to induce mutations in the wheat genome in the current study, even though with a lower rate than that reported for SpCas9. The eight-fold improvement in the gene editing efficiency was achieved for LbCas12a by using the guide RNAs flanked by ribozymes and driven by the RNA polymerase II promoter from switchgrass. The efficiency of multiplexed genome editing (MGE) using LbCas12a was mostly similar to that obtained using the simplex RNA guides. A LbCas12a-MGE construct was successfully applied for generating heritable mutations in a gene controlling grain size and weight in wheat. We show that the range of editable loci in the wheat genome could be expanded by using the engineered variants of Cas12a (LbCas12a-RVR) and Cas9 (Cas9-NG and xCas9) that recognize the TATV and NG PAMs, respectively, with the Cas9-NG showing higher editing efficiency on the targets with atypical PAMs compared to xCas9. In conclusion, our study reports the set of validated natural and engineered variants of Cas12a and Cas9 editors for targeting loci in the wheat genome not amenable to Cas9-based modification.

ABSTRACT Fusarium head blight (FHB) is a devastating disease in wheat that causes million dollars of wheat yield losses annually in the U.S.A. Recently we demonstrated that wheat carry FHB susceptible genes and knocking out the susceptible gene increased FHB resistance, which suggests that manipulating susceptible genes using gene editing may open a new avenue to create new sources of FHB resistance. However, wheat genome editing uses gene transformation to deliver CRISPR/Cas9 and gRNA into plants, and most wheat genotypes are not suitable for transformation due to low rates of callus induction and regeneration, therefore it cannot be used in practical wheat breeding. In this study, we developed a new Barley stripe mosaic virus (BSMV)-mediated gRNA delivery system that does not need the gene transformation and tissue culture and it can be used in any genotypes for gene function validation and editing. We used this system edited the susceptible allele of Fhb1 , a major FHB resistance gene. We demonstrated that the edited trait is heritable in different genetic backgrounds and knocking out Fhb1 susceptible allele improved FHB resistance in wheat. We also modified system to improve editing efficiency by using floral dip agroinfiltration and adding RNA mobility sequences to the gRNA in the viral vectors. We believe this work will facilitate wheat FHB resistance research and gene editing in cereal crops and will benefit cereal crop researchers and breeders worldwide.

Integrating high-throughput phenotyping (HTP) based traits into phenomic and genomic selection (GS) can accelerate the breeding of high-yielding and climate-resilient wheat cultivars. In this study, we explored the applicability of Unmanned Aerial Vehicles (UAV)-assisted HTP combined with deep learning (DL) for the phenomic or multi-trait (MT) genomic prediction of grain yield (GY), test weight (TW), and grain protein content (GPC) in winter wheat. Significant correlations were observed between agronomic traits and HTP-based traits across different growth stages of winter wheat. Using a deep neural network (DNN) model, HTP-based phenomic predictions showed robust prediction accuracies for GY, TW, and GPC for a single location with R

Fusarium head blight (FHB) remains one of the most destructive diseases of wheat (Triticum aestivum L.), causing considerable losses in yield and end-use quality. Phenotyping of FHB resistance traits, Fusarium-damaged kernels (FDK), and deoxynivalenol (DON), is either prone to human biases or resource expensive, hindering the progress in breeding for FHB-resistant cultivars. Though genomic selection (GS) can be an effective way to select these traits, inaccurate phenotyping remains a hurdle in exploiting this approach. Here, we used an artificial intelligence (AI)-based precise FDK estimation that exhibits high heritability and correlation with DON. Further, GS using AI-based FDK (FDK_QVIS/FDK_QNIR) showed a two-fold increase in predictive ability (PA) compared to GS for traditionally estimated FDK (FDK_V). Next, the AI-based FDK was evaluated along with other traits in multi-trait (MT) GS models to predict DON. The inclusion of FDK_QNIR and FDK_QVIS with days to heading as covariates improved the PA for DON by 58% over the baseline single-trait GS model. We next used hyperspectral imaging of FHB-infected wheat kernels as a novel avenue to improve the MT GS for DON. The PA for DON using selected wavebands derived from hyperspectral imaging in MT GS models surpassed the single-trait GS model by around 40%. Finally, we evaluated phenomic prediction for DON by integrating hyperspectral imaging with deep learning to directly predict DON in FHB-infected wheat kernels and observed an accuracy (R