Here we present Primer3Plus, a new web interface to the popular Primer3 primer design program as an enhanced alternative for the CGI- scripts that come with Primer3. Primer3 consists of a command line program and a web interface. The web interface is one large form showing all of the possible options. This makes the interface powerful, but at the same time confusing for occasional users. Primer3Plus provides an intuitive user interface using present-day web technologies and has been developed in close collaboration with molecular biologists and technicians regularly designing primers. It focuses on the task at hand, and hides detailed settings from the user until these are needed. We also added functionality to automate specific tasks like designing primers for cloning or step-wise sequencing. Settings and designed primer sequences can be stored locally for later use. Primer3Plus supports a range of common sequence formats, such as FASTA. Finally, primers selected by Primer3Plus can be sent to an order form, allowing tight integration into laboratory ordering systems. Moreover, the open architecture of Primer3Plus allows easy expansion or integration of external software packages. The Primer3Plus Perl source code is available under GPL license from SourceForge. Primer3Plus is available at http://www.bioinformatics.nl/primer3plus.

Abstract Seed germination is characterized by a constant change of gene expression across different time points. These changes are related to specific processes, which eventually determine the onset of seed germination. To get a better understanding on the regulation of gene expression during seed germination, we performed a quantitative trait locus mapping of gene expression (eQTL) at four important seed germination stages (primary dormant, after-ripened, six-hour after imbibition, and radicle protrusion stage) using Arabidopsis thaliana Bay x Sha recombinant inbred lines (RILs). The mapping displayed the distinctness of the eQTL landscape for each stage. We found several eQTL hotspots across stages associated with the regulation of expression of a large number of genes. Interestingly, an eQTL hotspot on chromosome five collocates with hotspots for phenotypic and metabolic QTLs in the same population. Finally, we constructed a gene co-expression network to prioritize the regulatory genes for two major eQTL hotspots. The network analysis prioritizes transcription factors DEWAX and ICE1 as the most likely regulatory genes for the hotspot. Together, we have revealed that the genetic regulation of gene expression is dynamic along the course of seed germination. One-sentence summary Two transcription factors, DEWAX and ICE1, may be important regulators of gene expression during seed germination, based on network analysis of eQTL hotspots.

Abstract Seeds are essential for plant reproduction, survival, and dispersal. Germination ability and successful establishment of young seedlings strongly depends on seed quality and on environmental factors such as nutrient availability. In tomato ( Solanum lycopersicum ) and many other species, seed quality and seedling establishment characteristics are determined by genetic variation, as well as the maternal environment in which the seeds develop and mature. The genetic contribution to variation in seed and seedling quality traits and environmental responsiveness can be estimated at transcriptome level in the dry seed by mapping genomic loci that affect gene expression (expression QTLs) in contrasting maternal environments. In this study, we applied RNA-sequencing to measure gene expression of seeds of a tomato RIL population derived from a cross between S. lycopersicum (cv. Moneymaker) and S. pimpinellifolium (G1.1554). The seeds matured on plants cultivated under different nutritional environments; i.e. on high phosphorus or low nitrogen. The obtained SNPs were subsequently used to construct a high-density genetic map. We show how the genetic landscape of plasticity in gene regulation in dry seeds is affected by the maternal nutrient environment. The combined information on natural genetic variation mediating (variation in) responsiveness to the environment may contribute to knowledge-based breeding programs aiming to develop crop cultivars that are resilient to stressful environments.

Abstract Studying genetic variation of gene expression provides a powerful way to unravel the molecular components underlying complex traits. Expression QTL studies have been performed in several different model species, yet most of these linkage studies have been based on genetic segregation of two parental alleles. Recently we developed a multi-parental segregating population of 200 recombinant inbred lines (mpRILs) derived from four wild isolates (JU1511, JU1926, JU1931 and JU1941) in the nematode Caenorhabditis elegans . We used RNA-seq to investigate how multiple alleles affect gene expression in these mpRILs. We found 1,789 genes differentially expressed between the parental lines. Transgression, expression beyond any of the parental lines in the mpRILs, was found for 7,896 genes. For expression QTL mapping almost 9,000 SNPs were available. By combining these SNPs and the RNA-seq profiles of the mpRILs, we detected almost 6,800 eQTLs. Most trans -eQTLs (63%) co-locate in six newly identified trans -bands. The trans -eQTLs found in previous 2-parental allele eQTL experiments and this study showed some overlap (17.5%- 46.8%), highlighting on the one hand that a large group of genes is affected by polymorphic regulators across populations and conditions, on the other hand it shows that the mpRIL population allows identification of novel gene expression regulatory loci. Taken together, the analysis of our mpRIL population provides a more refined insight into C. elegans complex trait genetics and eQTLs in general, as well as a starting point to further test and develop advanced statistical models for detection of multi-allelic eQTLs and systems genetics studying the genotype-phenotype relationship.

Abstract Photosynthesis is the only yield-related trait not yet substantially improved by plant breeding. Previously, we have established H. incana as the model plant for high photosynthetic light-use efficiency (LUE). Now we aim to unravel the genetic basis of this trait in H. incana, potentially contributing to the improvement of photosynthetic LUE in other species. Here, we compare its transcriptomic response to high light with that of Arabidopsis thaliana, Brassica rapa, and Brassica nigra, 3 fellow Brassicaceae members with lower photosynthetic LUE. We built a high-light, high-uniformity growing environment, in which the plants developed normally without signs of stress. We compared gene expression in contrasting light conditions across species, utilizing a panproteome to identify orthologous proteins. In-depth analysis of 3 key photosynthetic pathways showed a general trend of lower gene expression under high-light conditions for all 4 species. However, several photosynthesis-related genes in H. incana break this trend. We observed cases of constitutive higher expression (like antenna protein LHCB8), treatment-dependent differential expression (as for PSBE), and cumulative higher expression through simultaneous expression of multiple gene copies (like LHCA6). Thus, H. incana shows differential regulation of essential photosynthesis genes, with the light-harvesting complex as the first point of deviation. The effect of these expression differences on protein abundance and turnover, and ultimately the high photosynthetic LUE phenotype is relevant for further investigation. Furthermore, this transcriptomic resource of plants fully grown under, rather than briefly exposed to, a very high irradiance, will support the development of highly efficient photosynthesis in crops.

One of the fundamental tenets of biology is that the phenotype of an organism (Y) is determined by its genotype (G), the environment (E) and their interaction (GE). Quantitative phenotypes can then be modeled as Y=G+E+GE+e, where e is the biological variance. This simple and tractable model has long served as the basis for studies investigating the heritability of traits and decomposing the variability in fitness. Increasingly, the importance of microbe interactions on organismal phenotypes is being recognized, but it is currently unclear what the relative contribution of microbiomes to a given host phenotype is and how this translates into the traditional GE model. Here we address this fundamental question and propose an expansion of the original model, referred to as GEM, which explicitly incorporates the contribution of the microbiome (M) to the host phenotype, while maintaining the simplicity and tractability of the original GE model. We show that by keeping host, environment and microbiome as separate but interacting variables, the GEM model can capture the nuanced ecological interactions between these variables. Finally, we demonstrate with an in vitro experiment how the GEM model can be used to statistically disentangle the relative contributions of each component on specific host phenotypes.

Photosynthesis is the only yield-related trait that has not yet been substantially improved by plant breeding. The limited results of previous attempts to increase yield via improvement of photosynthetic pathways suggest that more knowledge is still needed to achieve this goal. To learn more about the genetic and physiological basis of high photosynthetic light-use efficiency (LUE) at high irradiance, we study Hirschfeldia incana. Here, we compare the transcriptomic response to high light of H. incana with that of three other members of the Brassicaceae, Arabidopsis thaliana, Brassica rapa, and Brassica nigra, which have a lower photosynthetic LUE. First, we built a high-light, high-uniformity growing environment in a climate-controlled room. Plants grown in this system developed normally and showed no signs of stress during the whole growth period. Then we compared gene expression in low and high-light conditions across the four species, utilizing a panproteome to group homologous proteins efficiently. As expected, all species actively regulate genes related to the photosynthetic process. An in-depth analysis on the expression of genes involved in three key photosynthetic pathways revealed a general trend of lower gene expression in high-light conditions. However, H. incana distinguishes itself from the other species through higher expression of certain genes in these pathways, either through constitutive higher expression, as for LHCB8, ordinary differential expression, as for PSBE, or cumulative higher expression obtained by simultaneous expression of multiple gene copies, as seen for LHCA6. These differentially expressed genes in photosynthetic pathways are interesting leads to further investigate the exact relationship between gene expression, protein abundance and turnover, and ultimately the LUE phenotype. In addition, we can also exclude thousands of genes from "explaining" the phenotype, because they do not show differential expression between both light conditions. Finally, we deliver a transcriptomic resource of plant species fully grown under, rather than briefly exposed to, a very high irradiance, supporting efforts to develop highly efficient photosynthesis in crop plants.

Abstract Expression quantitative trait locus (eQTL) mapping has been widely used to study the genetic regulation of gene expression in Arabidopsis thaliana . As a result, a large amount of eQTL data has been generated for this model plant; however, only a few causal eQTL genes have been identified, and experimental validation is costly and laborious. A prioritization method could help speed up the identification of causal eQTL genes. This study extends the machine-learning-based QTG-Finder2 method for prioritizing candidate causal genes in phenotype QTLs to be used for eQTLs by adding gene structure, protein interaction, and gene expression. Independent validation shows that the new algorithm can prioritize sixteen out of twenty-five potential eQTL causal genes within the 20% rank percentile. Several new features are important in prioritizing causal eQTL genes, including the number of protein-protein interactions, unique domains, and introns. Overall, this study provides a foundation for developing computational methods to prioritize candidate eQTL causal genes. The prediction of all genes is available in the AraQTL workbench ( https://www.bioinformatics.nl/AraQTL/ ) to support the identification of gene expression regulators in Arabidopsis.

Abstract The quality of seeds contributes to plant performance, especially during germination and in the young seedling stage, and hence affects the economic value of seed crops. A seed’s innate quality is determined during seed development and the following seed maturation phase. It is tightly controlled by the genetic make-up of the mother plant and further shaped by the environmental conditions of the mother plant. The interaction between genotype and environment can result in substantial quantitative variation in seed traits like dormancy and viability. Making use of naturally occurring variation within the Arabidopsis thaliana germplasm, we studied the interaction between seed production environments and the genetic architecture of mother plants on diverse seed quality traits. An Arabidopsis Bayreuth-0 x Shahdara recombinant inbred line (RIL) population was grown in four different seed production environments: high temperature, high light, low phosphate, and control conditions. The seeds harvested from the mother plants that were exposed to these environments from flowering until seed harvest were subsequently subjected to germination assays under standard and mild stress conditions (cold, heat, osmotic stress and added phytohormone ABA). Quantitative trait locus (QTL) analysis identified many environmental-sensitive QTLs (QTL x E) as well as several interactions between the maternal and germination environments. Variation in the number and position of the QTLs was largely determined by the germination conditions, however effects of the maternal environment were clearly present regarding the genomic location as well as significance of the individual QTLs. Together, our findings uncover the extensive environmental modulation of the genetic influence on seed performance and how this is shaped by the genetic make-up of the mother plant. Our data provides a systems-view of the complex genetic basis of genotype-by-environment interactions determining seed quality.

Most angiosperms produce seeds that are desiccated on dispersal with the ability to retain viability in storage facilities for prolonged periods. However, some species produce desiccation sensitive seeds which rapidly lose viability in storage, precluding ex situ conservation. Current consensus is that desiccation sensitive seeds either lack or do not express mechanisms necessary for the acquisition of desiccation tolerance. We sequenced the genome of Castanospermum australe, a legume species producing desiccation sensitive seeds, and characterized its seed developmental physiology and -transcriptomes. C. australe has a low rate of evolution, likely due to its perennial life-cycle and long generation times. The genome is syntenic with itself, with several orthologs of genes from desiccation tolerant legume seeds, from gamma whole-genome duplication events being retained. Changes in gene expression during development of C. australe seeds, as compared to desiccation tolerant Medicago truncatula seeds, suggest they remain metabolically active, prepared for immediate germination. Our data indicates that the phenotype of C. australe seeds arose through few changes in specific signalling pathways, precluding or bypassing activation of mechanisms necessary for acquisition of desiccation tolerance. Such changes have been perpetuated as the habitat in which dispersal occurs is favourable for prompt germination.