Advances in genome sequencing and assembly technologies are generating many high-quality genome sequences, but assemblies of large, repeat-rich polyploid genomes, such as that of bread wheat, remain fragmented and incomplete. We have generated a new wheat whole-genome shotgun sequence assembly using a combination of optimized data types and an assembly algorithm designed to deal with large and complex genomes. The new assembly represents >78% of the genome with a scaffold N50 of 88.8 kb that has a high fidelity to the input data. Our new annotation combines strand-specific Illumina RNA-seq and Pacific Biosciences (PacBio) full-length cDNAs to identify 104,091 high-confidence protein-coding genes and 10,156 noncoding RNA genes. We confirmed three known and identified one novel genome rearrangements. Our approach enables the rapid and scalable assembly of wheat genomes, the identification of structural variants, and the definition of complete gene models, all powerful resources for trait analysis and breeding of this key global crop.

Abstract Improvements in crop resistance to pathogens can reduce yield losses and address global malnourishment today. Gene-for-gene -type interactions can identify new sources of resistance but genetic resistance is often short lived. Ultimately an understanding of how pathogens rapidly adapt will allow us to both increase resistance gene durability and more effectively target chemical treatments. Until recently all agricultural pathogens were living on wild hosts. To understand crop pathogen evolution, we compared genetic diversity in agricultural and wild populations. Wild reservoirs may be the source of emergent pathogen lineages, but here we outline a strategy for comparison of wild and agricultural pathogen populations to highlight genes adapting to agriculture. To address this, we have selected and developed the beet rust system ( Beta vulgaris , Uromyces beticola , respectively) as our wild-agricultural model. Our hypothesis is that pathogen adaptation to agricultural crops will be evident as divergence in comparisons of wild and agricultural plant pathogen populations. We sampled isolates in both the wild and agriculture, sequenced and assembled and annotated a large fungal genome and analysed genetic diversity in 42 re-sequenced rust isolates. We found population differentiation between isolates in the wild compared to a predominantly agricultural group. Fungal effector genes are co-evolving with host resistance and are important for successful colonisation. We predicted (and found) that these exhibit a greater signal of diversification and adaptation and more importantly displayed increased wild agricultural divergence. Finding a signal of adaptation in these genes highlights this as an important strategy to identify genes which are key to pathogen success, that analysis of agricultural isolates alone cannot. Author Summary As quickly as we develop new strategies for crop defence, pathogens evolve to circumvent them. Novel crop pathogen strains emerge periodically and sweep through the agricultural system. However, because of the (often) clonal nature of these crop pathogens it is difficult to identify the trait that is key to their success. In other words, if there is a trait that is key for success in agriculture, all agricultural isolates will have it (or die without it). What we need is a case and control system where we identify genes important to pathogen success in agricultural by comparing them to pathogens that live in the wild. Here we exemplify this strategy by focussing on genes already known to specifically adapt for the successful colonisation of the host, the fungal effector genes. We find that these genes appear to be evolving quickly and that they are more different between the wild and agriculture than other non-effector genes. These differences between wild and agricultural pathogens suggest we are observing adaptation to agriculture. We do this work in the sugar beet rust system because of its tractability to sample but this understanding about how to identify genetic variation that is key to pathogen success in agriculture is applicable to crop systems where pathogen reservoirs exist as well as other pathogen reservoir systems (e.g. zoonoses).

ABSTRACT Miscanthus is a commercial lignocellulosic biomass crop owing to its high biomass productivity and low chemical input requirements. Interspecific Miscanthus hybrids with high biomass yield were shown to have low concentrations of starch and sucrose but high concentrations of fructose. We performed a transcriptional RNA-seq analysis between selected Miscanthus hybrids with contrasting values for these phenotypes to clarify how these phenotypes are genetically controlled. We observed that genes directly involved in the synthesis and degradation of starch and sucrose were down-regulated in high yielding Miscanthus hybrids. At the same time, glycolysis and export of triose phosphates were up-regulated in high yielding Miscanthus hybrids. Our results evidence a direct relationship between high expression of essential enzymatic genes in the starch and sucrose pathways, high starch concentrations, and lower biomass production. The strong interconnectivity between genotype, chemotype and agronomic traits opens the door to use the expression of well-characterised genes in the starch and sucrose pathway for the early selection of high biomass yielding genotypes from large Miscanthus populations.

The ability to identify and quantify the constituent plant species that make up a mixed-species sample of pollen has important applications in ecology, conservation, and agriculture. Recently, metabarcoding protocols have been developed for pollen that can identify constituent plant species, but there are strong reasons to doubt that metabarcoding can accurately quantify their relative abundances. A PCR-free, shotgun metagenomics approach has greater potential for accurately quantifying species relative abundances, but applying metagenomics to eukaryotes is challenging due to low numbers of reference genomes. We have developed a pipeline, RevMet (Reverse Metagenomics), that allows reliable and semi-quantitative characterization of the species composition of mixed-species eukaryote samples, such as bee-collected pollen, without requiring reference genomes. Instead, reference species are represented only by 'genome skims': low-cost, low-coverage, shortread sequence datasets. The skims are mapped to individual long reads sequenced from mixed-species samples using the MinION, a portable nanopore sequencing device, and each long read is uniquely assigned to a plant species. We genome-skimmed 49 wild UK plant species, validated our pipeline with mock DNA mixtures of known composition, and then applied RevMet to pollen loads collected from wild bees. We demonstrate that RevMet can identify plant species present in mixed-species samples at proportions of DNA >1%, with few false positives and false negatives, and reliably differentiate species represented by high versus low amounts of DNA in a sample. The RevMet pipeline could readily be adapted to generate semi-quantitative datasets for a wide range of mixed eukaryote samples, which could include characterising diets, quantifying allergenic pollen from air samples, quantifying soil fauna, and identifying the compositions of algal and diatom communities. Our per-sample costs were GBP 90 per genome skim and GBP 60 per pollen sample, and new versions of sequencers available now will further reduce these costs.

Advances in genome sequencing and assembly technologies are generating many high quality genome sequences, but assemblies of large, repeat-rich polyploid genomes, such as that of bread wheat, remain fragmented and incomplete. We have generated a new wheat whole-genome shotgun sequence assembly using a combination of optimised data types and an assembly algorithm designed to deal with large and complex genomes. The new assembly represents more than 78% of the genome with a scaffold N50 of 88.8kb that has a high fidelity to the input data. Our new annotation combines strand-specific Illumina RNAseq and PacBio full-length cDNAs to identify 104,091 high confidence protein-coding genes and 10,156 non-coding RNA genes. We confirmed three known and identified one novel genome rearrangements. Our approach enables the rapid and scalable assembly of wheat genomes, the identification of structural variants, and the definition of complete gene models, all powerful resources for trait analysis and breeding of this key global crop.