ABSTRACT Transcription bridges genetic information and phenotypes. Here, we evaluated how changes in transcriptional regulation enable maize ( Zea mays ), a crop originally domesticated in the tropics, to adapt to temperate environments. We generated 572 unique RNA-seq datasets from the roots of 340 maize genotypes. Genes involved in core processes such as cell division, chromosome organization and cytoskeleton organization showed lower heritability of gene expression. While genes involved in anti-oxidation activity exhibited higher expression heritability. An expression genome-wide association study (eGWAS) identified 19,602 expression quantitative trait loci (eQTLs) associated with the expression of 11,444 genes. A GWAS for alternative splicing identified 49,897 splicing QTLs (sQTLs) for 7,614 genes. Rare allele burden within genomic intervals with trans -eQTLs correlated with extremes of expression in target genes as previously reported for cis -eQTLs. Genes harboring both cis -eQTLs and cis -sQTLs in linkage disequilibrium were disproportionately likely to encode transcription factors or were annotated as responding to one or more stresses. Independent component analysis of gene expression data identified loci regulating co-expression modules involved in phytohormone pathways, cell wall biosynthesis, lipid metabolism and stress response. Several genes involved in cell proliferation, flower development, DNA replication and gene silencing showed lower gene expression variation explained by genetic factors between temperate and tropical maize lines. A GWAS of 27 previously published phenotypes identified several candidate genes overlapping with genomic intervals showing signatures of selection during adaptation to temperate environments. Our results illustrate how maize transcriptional regulatory networks enable changes in transcriptional regulation to adapt to temperate regions.

ABSTRACT Classical genetic studies have identified many cases of pleiotropy where mutations in individual genes alter many different phenotypes. Quantitative genetic studies of natural genetic variants frequently examine one or a few traits, limiting their potential to identify pleiotropic effects of natural genetic variants. Widely adopted community association panels have been employed by plant genetics communities to study the genetic basis of naturally occurring phenotypic variation in a wide range of traits. High-density genetic marker data – 18M markers – from two partially overlapping maize association panels comprising 1,014 unique genotypes grown in field trials across at least seven US states and scored for 162 distinct trait datasets enabled the identification of of 2,154 suggestive marker-trait associations and 697 confident associations in the maize genome using a resampling-based genome-wide association strategy. The precision of individual marker-trait associations was estimated to be three genes based a reference set of genes with known phenotypes. Examples were observed of both genetic loci associated with variation in diverse traits (e.g. above-ground and below-ground traits), as well as individual loci associated with the same or similar traits across diverse environments. Many significant signals are located near genes whose functions were previously entirely unknown or estimated purely via functional data on homologs. This study demonstrates the potential of mining community association panel data using new higher density genetic marker sets combined with resampling-based genome-wide association tests to develop testable hypotheses about gene functions, identify potential pleiotropic effects of natural genetic variants, and study genotype by environment interaction.

ABSTRACT Community association populations are composed of phenotypically and genetically diverse accessions. Once these populations are genotyped, the resulting marker data can be reused by different groups investigating the genetic basis of different traits. Because the same genotypes are observed and scored for a wide range of traits in different environments, these populations represent a unique resource to investigate both pleiotropy and genotype by environment interactions. Here we assembled a set of 234 separate trait datasets for the Sorghum Association Panel, a group of 406 sorghum genotypes widely employed by the sorghum genetics community. Comparison of genome wide association studies conducted with two independently generated marker sets for this population demonstrate that existing genetic marker sets do not saturate the genome and likely capture only 35-43% of potentially detectable loci controlling variation for traits scored in this population. While limited evidence for pleiotropy was apparent in cross-GWAS comparisons, a multivariate adaptive shrinkage approach recovered both known pleiotropic effects of existing loci and new pleiotropic effects, particularly significant impacts of known dwarfing genes on root architecture. In addition, we identified new loci with pleiotropic effects consistent with known trade-offs in sorghum development. These results demonstrate the potential for mining existing trait datasets from widely used community association populations to enable new discoveries from existing trait datasets as new, denser genetic marker datasets are generated for existing community association populations.

ABSTRACT Maize ( Zea mays ssp. mays ) populations exhibit vast amounts of genetic and phenotypic diversity. As sequencing costs have declined, an increasing number of projects have sought to measure genetic differences between and within maize populations using whole genome resequencing strategies, identifying millions of segregating single-nucleotide polymorphisms (SNPs) and insertions/deletions (InDels). Unlike older genotyping strategies like microarrays and genotyping by sequencing, resequencing should, in principle, frequently identify and score common genetic variants. However, in practice, different projects frequently employ different analytical pipelines, often employ different reference genome assemblies, and consistently filter for minor allele frequency within the study population. This constrains the potential to reuse and remix data on genetic diversity generated from different projects to address new biological questions in new ways. Here we employ resequencing data from 1,276 previously published maize samples and 239 newly resequenced maize samples to generate a single unified marker set of ∼366 million segregating variants and ∼46 million high confidence variants scored across crop wild relatives, landraces as well as tropical and temperate lines from different breeding eras. We demonstrate that the new variant set provides increased power to identify known causal flowering time genes using previously published trait datasets, as well as the potential to track changes in the frequency of functionally distinct alleles across the global distribution of modern maize.

Abstract Hyperspectral reflectance data can be collected from large plant populations in a high-throughput manner in both controlled and field environments. The efficacy of using hyperspectral leaf reflectance as a proxy for traits that typically require significant labor and time to collect has been evaluated in a number of studies. Commonly, estimating plant traits using hyperspectral reflectance involves collecting substantial amounts of ground truth data from plant populations, which may not be feasible for many researchers. In this study, we explore the potential of data-driven approaches to analyze hyperspectral reflectance data with little to no ground truth phenotypic measurements. Evaluations were performed using data on the reflectance of 2,151 individual wavelengths of light from the leaves of maize plants harvested from 1,658 field plots of a replicated trial including representatives of 752 maize genotypes from the Wisconsin Diversity Panel. We reduced the dimensionality of this dataset using an autoencoder neural network and principal component analyses, producing 10 latent variables and principal components, respectively. A subset of these principal components and latent variables demonstrated significant repeatability, indicating that a substantial proportion of the total variance in these variables was explained by genetic factors. Moreover, correlations were observed between variables derived from the autoencoder network and principal components with molecular traits. Notably, the most relevant latent variable (LV8) showed a much stronger correlation with chlorophyll content ( R 2 = 0.59) compared to the most correlated principal component (PC2; R 2 = 0.31). Furthermore, one latent variable exhibited modestly better performance than a partial least squares regression model in estimating leaf chlorophyll content (PLSR; R 2 = 0.58, LV8; R 2 = 0.59). A number of genetic markers in the maize genome were significantly correlated with variation in different latent variables in genome wide association studies. In a number of cases, significant signals in genome wide association studies were adjacent to genes with plausible links to traits expected to influence leaf hyperspectral reflectance patterns.

ABSTRACT Access to biologically available nitrogen is a key constraint on plant growth in both natural and agricultural settings. Variation in tolerance to nitrogen deficit stress and productivity in nitrogen limited conditions exists both within and between plant species. Here we quantified variation in the metabolic, physiological, and morphological responses of a sorghum association panel assembled to represent global genetic diversity to long term, moderate, nitrogen deficit stress and the relationship of these responses to grain yield under both conditions. Grain yield exhibits substantial genotype by environment interaction while many other morphological and physiological traits exhibited consistent responses to nitrogen stress across the population. Large scale nontargeted metabolic profiling for a subset of lines in both conditions identified a range of metabolic responses to long term nitrogen deficit stress as well as several metabolites associated with variation in the degree of yield plasticity specific sorghum genotypes exhibited in response to nitrogen deficit stress.

Transcriptome-wide association studies (TWAS) can provide single gene resolution for candidate genes in plants, complementing genome-wide association studies (GWAS) but efforts in plants have been met with, at best, mixed success. We generated expression data from 693 maize genotypes, measured in a common field experiment, sampled over a 2-h period to minimize diurnal and environmental effects, using full-length RNA-seq to maximize the accurate estimation of transcript abundance. TWAS could identify roughly 10 times as many genes likely to play a role in flowering time regulation as GWAS conducted data from the same experiment. TWAS using mature leaf tissue identified known true-positive flowering time genes known to act in the shoot apical meristem, and trait data from a new environment enabled the identification of additional flowering time genes without the need for new expression data. eQTL analysis of TWAS-tagged genes identified at least one additional known maize flowering time gene through trans-eQTL interactions. Collectively these results suggest the gene expression resource described here can link genes to functions across different plant phenotypes expressed in a range of tissues and scored in different experiments.

Abstract Photosynthetic organisms must cope with rapid fluctuations in light intensity. Nonphotochemical quenching (NPQ) enables the dissipation of excess light energy as heat under high light conditions, whereas its relaxation under low light maximizes photosynthetic productivity. We quantified variation in NPQ kinetics across a large sorghum ( Sorghum bicolor ) association panel in four environments, uncovering significant genetic control for NPQ. A genome-wide association study (GWAS) identified 20 unique regions in the sorghum genome associated with NPQ. We detected strong signals from the sorghum ortholog of Arabidopsis thaliana SUPPRESSOR OF VARIEGATION3 ( SVR3 ) involved in plastid–nucleus signaling and tolerance to cold. By integrating GWAS results for NPQ across maize ( Zea mays ) and sorghum association panels, we identified a second gene, NON-YELLOWING 1 ( NYE1 ), originally identified by Gregor Mendel in pea ( Pisum sativum ) and involved in the degradation of photosynthetic pigments in light-harvesting complexes, along with OUTER ENVELOPE PROTEIN 37 ( OEP37 ), that encodes a transporter in chloroplast envelope. Analysis of nye1 insertion alleles in A. thaliana confirmed the effect of this gene on NPQ kinetics across monocots and eudicots. We extended our comparative genomics GWAS framework across the entire maize and sorghum genomes, identifying four additional loci involved in NPQ kinetics. These results provide a baseline for engineering crops with improved NPQ kinetics and increasing the accuracy and speed of candidate gene identification for GWAS in species with high linkage disequilibrium.

Abstract Estimates of plant traits derived from hyperspectral reflectance data have the potential to efficiently substitute for traits, which are time or labor intensive to manually score. Typical workflows for estimating plant traits from hyperspectral reflectance data employ supervised classification models that can require substantial ground truth datasets for training. We explore the potential of an unsupervised approach, autoencoders, to extract meaningful traits from plant hyperspectral reflectance data using measurements of the reflectance of 2151 individual wavelengths of light from the leaves of maize ( Zea mays ) plants harvested from 1658 field plots in a replicated field trial. A subset of autoencoder‐derived variables exhibited significant repeatability, indicating that a substantial proportion of the total variance in these variables was explained by difference between maize genotypes, while other autoencoder variables appear to capture variation resulting from changes in leaf reflectance between different batches of data collection. Several of the repeatable latent variables were significantly correlated with other traits scored from the same maize field experiment, including one autoencoder‐derived latent variable (LV8) that predicted plant chlorophyll content modestly better than a supervised model trained on the same data. In at least one case, genome‐wide association study hits for variation in autoencoder‐derived variables were proximal to genes with known or plausible links to leaf phenotypes expected to alter hyperspectral reflectance. In aggregate, these results suggest that an unsupervised, autoencoder‐based approach can identify meaningful and genetically controlled variation in high‐dimensional, high‐throughput phenotyping data and link identified variables back to known plant traits of interest.

Abstract Non-photochemical quenching (NPQ) protects plants from photodamage caused by excess light energy. The mechanism of NPQ appears to be conserved across flowering plants. However, substantial variation in NPQ has been reported within different genotypes of the same species grown under the environmental conditions. Individual maize genotypes from a diversity panel exhibited a range of responses to low nitrogen with some genotypes exhibiting increased NPQ between control and low nitrogen conditions and others exhibiting no change. These patterns were consistent for the same genotypes across multiple field seasons. NPQ increases under low nitrogen were correlated with shifts in the ratio of chlorophyll a to chlorophyll b consistent with a decrease in reaction centers. Both photosynthetic capacity and dry biomass accumulation decreased more in maize genotypes which were unable to maintain constant NPQ levels between control and low N conditions. Collectively these results suggest that the ability to maintain sufficient numbers of reaction centers under low nitrogen conditions and avoid dissipating a greater proportion of absorbed light energy via the NPQ pathway may play a key role in increasing carbon fixation and productivity in nitrogen-limited environments. Highlights Substantial variation in NPQ kinetics exists in maize on both low and control N. In early and late-vegetative stages a similar portion of genotypes increased, no-change or decreased NPQ max in response to low N while in the post-flowering stage substantially more genotypes decreased NPQ max . In low nitrogen conditions, the NPQ max strongly correlates with shifts in Chl a /Chl b ratios.