Abstract Advances in genomics have expedited the improvement of several agriculturally important crops but similar efforts in wheat ( Triticum spp.) have been more challenging. This is largely owing to the size and complexity of the wheat genome 1 , and the lack of genome-assembly data for multiple wheat lines 2,3 . Here we generated ten chromosome pseudomolecule and five scaffold assemblies of hexaploid wheat to explore the genomic diversity among wheat lines from global breeding programs. Comparative analysis revealed extensive structural rearrangements, introgressions from wild relatives and differences in gene content resulting from complex breeding histories aimed at improving adaptation to diverse environments, grain yield and quality, and resistance to stresses 4,5 . We provide examples outlining the utility of these genomes, including a detailed multi-genome-derived nucleotide-binding leucine-rich repeat protein repertoire involved in disease resistance and the characterization of Sm1 6 , a gene associated with insect resistance. These genome assemblies will provide a basis for functional gene discovery and breeding to deliver the next generation of modern wheat cultivars.

The Arabidopsis NPR1 gene is essential in activating systemic, inducible plant defense responses. To gain a better understanding of NPR1 function, we conducted a yeast two-hybrid screening procedure and identified a differential interaction between NPR1 and all known members of the Arabidopsis TGA family of basic leucine zipper transcription factors. In the electrophoretic mobility shift assay, NPR1 substantially increased the binding of TGA2 to its cognate promoter element (as-1) as well as to a positive salicylic acid–inducible element (LS7) and a negative element (LS5) in the promoter of the pathogenesis-related PR-1 gene. Proteins encoded by npr1 mutants interacted poorly with TGA2 and did not substantially increase TGA2 binding to the as-1, LS5, or LS7 elements, thus establishing a link between the loss of disease resistance and the loss of TGA2 interaction and NPR1-enhanced DNA binding. Coupled with observations that the DNA binding activity of TGA factors is deregulated in npr1 plants, the results suggest that NPR1-mediated DNA binding of TGA2 is critical for activation of defense genes.

The Arabidopsis NPR1 protein is essential for regulating salicylic acid–dependent gene expression during systemic acquired resistance. NPR1 interacts differentially with members of the TGA class of basic domain/Leu zipper transcription factors and regulates their DNA binding activity. Here, we report that although TGA1 does not interact with NPR1 in yeast two-hybrid assays, treatment with salicylic acid induces the interaction between these proteins in Arabidopsis leaves. This phenomenon is correlated with a reduction of TGA1 Cys residues. Furthermore, site-directed mutagenesis of TGA1 Cys-260 and Cys-266 enables the interaction with NPR1 in yeast and Arabidopsis. Together, these results indicate that TGA1 relies on the oxidation state of Cys residues to mediate the interaction with NPR1. An intramolecular disulfide bridge in TGA1 precludes interaction with NPR1, and NPR1 can only stimulate the DNA binding activity of the reduced form of TGA1. Unlike its animal and yeast counterparts, the DNA binding activity of TGA1 is not redox regulated; however, this property is conferred by interaction with the NPR1 cofactor.

Abstract In differential gene expression data analysis, one objective is to identify groups of co-expressed genes from a large dataset to detect the association between such a group of genes and a phenotypic trait. This is often done through a clustering approach, such as k -means or bipartition hierarchical clustering, based on particular similarity measures in the grouping process. In such a dataset, the gene differential expression itself is an innate attribute that can be used in the feature extraction process. For example, in a dataset consisting of multiple treatments versus their controls, the expression of a gene in each treatment would have three possible behaviors, up-, down- regulated, or unchanged. We propose here a differential expression feature extraction (DEFE) method by using a string consisting of three numerical values at each character to denote such behavior, i.e. 1=up, 2=down, and 0=unchanged, which results in up to 3 B differential expression patterns across all B comparisons. This approach has been successfully applied in many datasets, of which we present in this study two sets of RNA-sequencing (RNA-seq) data on wheat challenged with stress related phytohormones or Fusarium graminearum , the causal agent of fusarium head blight (FHB), a devastating wheat disease to illustrate the algorithm. Combinations of multiple schemes of DEFE patterns revealed groups of genes putatively associated with resistance or susceptibility to FHB. DEFE enabled discovery of genes closely associated with defense related signaling molecules such as JAZ10, shikimate and chorismate biosynthesis pathway and groups of wheat genes with differential effects between more or less virulent strains of Fusarium graminearum .

Durum wheat (

In RNA-seq data processing, short read alignments are usually of one species against its own genome; however, in plant-microbe interaction systems, reads from both host and pathogen samples are blended together. In contrast to single-genome, both pathogen and host reference genomes are involved in the alignment process. In such circumstances, the order of alignment to the host, the pathogen, or simultaneously to both genomes results in differences in read counts of certain genes, especially at the advanced infection stage. It is crucial to have an appropriate strategy for aligning the reads to their respective genomes, yet the existing strategies of either sequential or parallel alignment become a problem when mapping mixed reads to their corresponding reference genomes. The challenge lies in the determination of which reads belong to which species, especially when homology exists between the two genomes. This study proposes a combo-genome alignment strategy after comparing three alignment scenarios. Simulation results demonstrated that the degree of discrepancy in the results is correlated with phylogenetic distance of the two species in the mixture which was attributable to the extent of homology between the two genomes involved. This correlation was also found in the analysis using two real RNA-seq datasets of Fusarium-challenged wheat plants. Comparisons of the three RNA-seq processing strategies on three simulation datasets and two real Fusarium-infected wheat datasets showed that an alignment to a combo-genome, consisting of both host and pathogen genomes, improves mapping quality as compared to sequential alignment procedures.

Seed quality traits of oilseed rape, Brassica napus ( B. napus ), exhibit quantitative inheritance determined by its genetic makeup and the environment via the mediation of a complex genetic architecture of hundreds to thousands of genes. Thus, instead of single gene analysis, network-based systems genomics and genetics approaches that combine genotype, phenotype, and molecular phenotypes offer a promising alternative to uncover this complex genetic architecture. In the current study, systems genetics approaches were used to explore the genetic regulation of lignin traits in B. napus seeds. Four QTL (qLignin_A09_1, qLignin_A09_2, qLignin_A09_3, and qLignin_C08) distributed on two chromosomes were identified for lignin content. The qLignin_A09_2 and qLignin_C08 loci were homologous QTL from the A and C subgenomes, respectively. Genome-wide gene regulatory network analysis identified eighty-three subnetworks (or modules); and three modules with 910 genes in total, were associated with lignin content, which was confirmed by network QTL analysis. eQTL (expression quantitative trait loci) analysis revealed four cis-eQTL genes including lignin and flavonoid pathway genes, cinnamoyl-CoA-reductase ( CCR1 ), and TRANSPARENT TESTA genes TT4 , TT6 , TT8 , as causal genes. The findings validated the power of systems genetics to identify causal regulatory networks and genes underlying complex traits. Moreover, this information may enable the research community to explore new breeding strategies, such as network selection or gene engineering, to rewire networks to develop climate resilience crops with better seed quality.