ABSTRACT Accurate measurement of seed size parameters is essential for both: breeding efforts□aimed at□enhancing yields and basic research□focused on discovering genetic components that regulate seed size. To address this need, we have developed an open-source graphical user interface (GUI) software, SeedExtractor that□determines seed size and shape (including area, perimeter, length, width, circularity, and centroid), and seed color with capability to process a large number of images in a time-efficient manner. In this context, our application takes ∼2 seconds for analyzing an image, i.e. significantly less compared to the other tools. As this software is open-source, it can be modified by users□to serve more specific needs. The adaptability of SeedExtractor was demonstrated by analyzing scanned seeds from multiple crops. We further validated the utility of this application by analyzing mature-rice seeds from 231 accessions in Rice Diversity Panel 1. The derived seed-size traits, such as seed length, width, were subjected to genome-wide association analysis. We identified well-known loci for regulating seed length ( GS3 ) and width ( qSW5/GW5 ) in rice, which demonstrated the accuracy of this application to extract seed phenotypes and accelerate trait discovery. In summary, we present a publicly available application that can be used to determine key yield-related traits in crops. HIGHLIGHT SeedExtractor is an open-source application designed to accurately measure seed size and seed color in a time-efficient manner for a wide variety of plant species.

Intestinal cholesterol absorption is an important contributor to systemic cholesterol homeostasis. Niemann-Pick C1 Like 1 (NPC1L1), the target of the drug ezetimibe (EZ), assists in the initial step of dietary cholesterol uptake. However, how cholesterol moves downstream of NPC1L1 is unknown. Here we show that Aster-B and Aster-C are critical for non-vesicular cholesterol movement in enterocytes, bridging NPC1L1 at the plasma membrane (PM) and ACAT2 in the endoplasmic reticulum (ER). Loss of NPC1L1 diminishes accessible PM cholesterol in enterocytes and abolishes Aster recruitment to the intestinal brush border. Enterocytes lacking Asters accumulate cholesterol at the PM and display evidence of ER cholesterol depletion, including decreased cholesterol ester stores and activation of the SREBP-2 transcriptional pathway. Aster-deficient mice have impaired cholesterol absorption and are protected against diet-induced hypercholesterolemia. Finally, we show that the Aster pathway can be targeted with a small molecule inhibitor to manipulate dietary cholesterol uptake. These findings identify the Aster pathway as a physiologically important and pharmacologically tractable node in dietary lipid absorption.Identification of a targetable pathway for regulation of dietary cholesterol absorption.

Global nighttime temperatures are rising at twice the rate of daytime temperatures and pose a challenge for rice (Oryza sativa) production. High nighttime temperature (HNT) stress affects rice yield by reducing grain weight, size, and fertility. Although the genes associated with these yield parameters have been identified and characterized under normal temperatures, the genetic basis of grain weight regulation under HNT stress remains less explored. We examined the natural variation for rice single grain weight (SGW) under HNT stress imposed during grain development. A genome-wide association analysis identified several loci associated with grain weight under HNT stress. A locus, single grain weight 1 (SGW1), specific to HNT conditions resolved to LONELY GUY-Like 1 (LOGL1), which encodes a putative cytokinin activation enzyme. We demonstrated that LOGL1 contributes to allelic variation at SGW1. Accessions with lower LOGL1 transcript abundance had higher grain weight under HNT. This was supported by higher grain weight of logl1 mutants relative to the wild type under HNT. Compared to logl1 mutants, LOGL1 over-expressers showed increased sensitivity to HNT. We showed that LOGL1 regulates the thiamine biosynthesis pathway, which is under circadian regulation, which in turn is likely perturbed by HNT stress. These findings provide a genetic source to enhance rice adaptation to warming night temperatures and improve our mechanistic understanding of HNT stress tolerance pathways.

Abstract The asymmetric increase in average nighttime temperatures relative to increase in average daytime temperatures due to climate change is decreasing grain yield and quality in rice. Therefore, a better understanding of the impact of higher night temperature on single grain at whole genome level is essential for future development of more resilient rice. We investigated the utility of metabolites obtained from grains to classify high night temperature conditions of genotypes, and metabolites and single nucleotide polymorphisms to predict grain length, width, and perimeter phenotypes using a rice diversity panel. We found that the metabolic profiles of rice genotypes alone could be used to classify control and high night temperature conditions with high accuracy using random forest or extreme gradient boosting. The best linear unbiased prediction and BayesC showed greater metabolic prediction performance than machine learning models for grain-size phenotypes. Metabolic prediction was most effective for grain width, resulting in the highest prediction performance. Genomic prediction performed better than metabolic prediction. Integrating metabolites and genomics simultaneously in a prediction model slightly improved prediction performance. We did not observe a difference in prediction between the control and high night temperature conditions. Several metabolites were identified as auxiliary phenotypes that could be used to enhance the multi-trait genomic prediction of grain-size phenotypes. Our results showed that, in addition to single nucleotide polymorphisms, metabolites collected from grains offer rich information to perform predictive analyses, including classification modeling of high night temperature responses and regression modeling of grain size-related phenotypes in rice.

Background: Recent advances in image-based plant phenotyping have improved our capability to study vegetative stage growth dynamics. However, more complex agronomic traits such as inflorescence architecture (IA), which predominantly contributes to grain crop yield are more challenging to quantify and hence are relatively less explored. Previous efforts to estimate inflorescence-related traits using image-based phenotyping have been limited to destructive end-point measurements. Development of non-destructive inflorescence phenotyping platforms could accelerate the discovery of the phenotypic variation in the inflorescence development dynamics and mapping of the underlying genes regulating critical yield components. Results: The major objective of this study is to evaluate the post-flowering development and growth dynamics of inflorescence at high spatial and temporal resolution in rice. For this, we developed the Panicle Imaging Platform (PI-Plat) to comprehend multi-dimensional features of IA in a non-destructive method. We used 11 rice accessions to capture multi-view images of primary panicle on weekly basis after fertilization. These images were used to reconstruct a 3D point cloud of the panicle, which enabled us to extract digital traits such as voxel count and color intensity. We found that voxel count of developing panicles is positively correlated with mature panicle seed number and weight. The 3D-reconstruction-based voxel count from developing panicles projected overall volumes that increased during the grain filling phase, wherein quantification of color intensity estimates the rate of panicle maturation. Conclusions: For harnessing the potential of the existing genetic resources, we need a comprehensive understanding of the genotype-to-phenotype relationship. Low cost sequencing platforms have facilitated high-throughput genotyping, while phenotyping, especially for complex traits, has posed major challenges for crop improvement. PI-Plat offers a 3D reconstruction-based approach for controlled environment studies by using multi-view images to phenotype inflorescence-related traits. The 3D reconstruction-derived traits generated by PI-Plat can be useful to explore the genetic variation for inflorescence traits in crops as the approach does not require destructive sampling and has potential for automation of high-throughput phenotyping.