ABSTRACT Poaceae, among the most abundant plant families, includes many economically important polyploid species, such as forage grasses and sugarcane ( Saccharum spp.). These species have elevated genomic complexities and limited genetic resources, hindering the application of marker-assisted selection strategies. Currently, the most promising approach for increasing genetic gains in plant breeding is genomic selection. However, due to the polyploidy nature of these polyploid species, more accurate models for incorporating genomic selection into breeding schemes are needed. This study aims to develop a machine learning method by using a joint learning approach to predict complex traits from genotypic data. Biparental populations of sugarcane and two species of forage grasses ( Urochloa decumbens, Megathyrsus maximus ) were genotyped, and several quantitative traits were measured. High-quality markers were used to predict several traits in different cross-validation scenarios. By combining classification and regression strategies, we developed a predictive system with promising results. Compared with traditional genomic prediction methods, the proposed strategy achieved accuracy improvements exceeding 50%. Our results suggest that the developed methodology could be implemented in breeding programs, helping reduce breeding cycles and increase genetic gains.

Abstract A major disease affecting sugarcane, a leading sugar and energy crop, is sugarcane yellow leaf (SCYL), caused by the sugarcane yellow leaf virus (SCYLV). Despite damages caused by SCYLV, the genetic basis of resistance to this virus remains largely unknown. Several methodologies have arisen to identify molecular markers associated with SCYLV resistance, which are crucial for marker-assisted selection and understanding response mechanisms to this virus. We investigated the genetic basis of SCYLV resistance using dominant and codominant markers and genotypes of interest for breeding. A sugarcane panel inoculated with SCYLV was analyzed for SCYL symptoms, and viral titer was estimated by RT-qPCR. This panel was genotyped with 662 dominant markers and 70,888 SNPs and indels with allele proportion information. We used polyploid-adapted genome-wide association analyses and machine-learning algorithms coupled with feature selection methods to establish marker-trait associations. While each approach identified unique marker sets associated with phenotypes, convergences were observed between them, demonstrating their complementarity. Lastly, we annotated these markers, identifying genes encoding emblematic participants in virus resistance mechanisms and previously unreported candidates involved in viral responses. Our approach could accelerate sugarcane breeding targeting SCYLV resistance and facilitate studies on biological processes leading to this trait.

Abstract The protein kinase (PK) superfamily is one of the largest superfamilies in plants and is the core regulator of cellular signaling. Even considering this substantial importance, the kinomes of sugarcane and sorghum have not been profiled. Here we identified and profiled the complete kinomes of the polyploid Saccharum spontaneum (Ssp) and Sorghum bicolor (Sbi), a close diploid relative. The Sbi kinome was composed of 1,210 PKs; for Ssp, we identified 2,919 PKs when disregarding duplications and allelic copies, which were related to 1,345 representative gene models. The Ssp and Sbi PKs were grouped into 20 groups and 120 subfamilies and exhibited high compositional similarities and evolutionary divergences. By utilizing the collinearity between these species, this study offers insights about Sbi and Ssp speciation, PK differentiation and selection. We assessed the PK subfamily expression profiles via RNA-Seq, identifying significant similarities between Sbi and Ssp. Moreover, through coexpression networks, we inferred a core structure of kinase interactions with specific key elements. This study is the first to categorize the allele specificity of a kinome and provides a wide reservoir of molecular and genetic information, enhancing the understanding of the evolutionary history of Sbi and Ssp PKs. Highlight This study describes the catalog of kinase gene family in Saccharum spontaneum and Sorghum bicolor , providing a reservoir of molecular features and expression patterns based on RNA-Seq and co-expression networks.