To begin to understand the genetic architecture of natural variation in gene expression, we carried out genetic linkage analysis of genomewide expression patterns in a cross between a laboratory strain and a wild strain of Saccharomyces cerevisiae . Over 1500 genes were differentially expressed between the parent strains. Expression levels of 570 genes were linked to one or more different loci, with most expression levels showing complex inheritance patterns. The loci detected by linkage fell largely into two categories: cis-acting modulators of single genes and trans-acting modulators of many genes. We found eight such trans-acting loci, each affecting the expression of a group of 7 to 94 genes of related function.

Many studies have identified quantitative trait loci (QTLs) that contribute to continuous variation in heritable traits of interest. However, general principles regarding the distribution of QTL numbers, effect sizes, and combined effects of multiple QTLs remain to be elucidated. Here, we characterize complex genetics underlying inheritance of thousands of transcript levels in a cross between two strains of Saccharomyces cerevisiae . Most detected QTLs have weak effects, with a median variance explained of 27% for highly heritable transcripts. Despite the high statistical power of the study, no QTLs were detected for 40% of highly heritable transcripts, indicating extensive genetic complexity. Modeling of QTL detection showed that only 3% of highly heritable transcripts are consistent with single-locus inheritance, 17–18% are consistent with control by one or two loci, and half require more than five loci under additive models. Strikingly, analysis of parent and progeny trait distributions showed that a majority of transcripts exhibit transgressive segregation. Sixteen percent of highly heritable transcripts exhibit evidence of interacting loci. Our results will aid design of future QTL mapping studies and may shed light on the evolution of quantitative traits.

Eric Schadt and colleagues report the construction of yeast regulatory networks from multiple sources of large-scale functional genomic data, and show that a network constructed from the integration of genotypic, transcription factor binding site, and protein–protein interaction data is the most predictive. A key goal of biology is to construct networks that predict complex system behavior. We combine multiple types of molecular data, including genotypic, expression, transcription factor binding site (TFBS), and protein–protein interaction (PPI) data previously generated from a number of yeast experiments, in order to reconstruct causal gene networks. Networks based on different types of data are compared using metrics devised to assess the predictive power of a network. We show that a network reconstructed by integrating genotypic, TFBS and PPI data is the most predictive. This network is used to predict causal regulators responsible for hot spots of gene expression activity in a segregating yeast population. We also show that the network can elucidate the mechanisms by which causal regulators give rise to larger-scale changes in gene expression activity. We then prospectively validate predictions, providing direct experimental evidence that predictive networks can be constructed by integrating multiple, appropriate data types.

Elucidating the connection between genotype, phenotype, and adaptation in wild populations is fundamental to the study of evolutionary biology, yet it remains an elusive goal, particularly for microscopic taxa, which comprise the majority of life. Even for microbes that can be reliably found in the wild, defining the boundaries of their populations and discovering ecologically relevant phenotypes has proved extremely difficult. Here, we have circumvented these issues in the microbial eukaryote Neurospora crassa by using a “reverse-ecology” population genomic approach that is free of a priori assumptions about candidate adaptive alleles. We performed Illumina whole-transcriptome sequencing of 48 individuals to identify single nucleotide polymorphisms. From these data, we discovered two cryptic and recently diverged populations, one in the tropical Caribbean basin and the other endemic to subtropical Louisiana. We conducted high-resolution scans for chromosomal regions of extreme divergence between these populations and found two such genomic “islands.” Through growth-rate assays, we found that the subtropical Louisiana population has a higher fitness at low temperature (10 °C) and that several of the genes within these distinct regions have functions related to the response to cold temperature. These results suggest the divergence islands may be the result of local adaptation to the 9 °C difference in average yearly minimum temperature between these two populations. Remarkably, another of the genes identified using this unbiased, whole-genome approach is the well-known circadian oscillator frequency , suggesting that the 2.4°–10.6° difference in latitude between the populations may be another important environmental parameter.

ABSTRACT Decades of successes in statistical genetics have revealed the molecular underpinnings of traits as they vary across individuals of a given species. But standard methods in the field can’t be applied to divergences between reproductively isolated taxa. Genome-wide reciprocal hemizygosity mapping (RH-seq), a mutagenesis screen in an inter-species hybrid background, holds promise as a method to accelerate the progress of interspecies genetics research. Here we describe an improvement to RH-seq in which mutants harbor barcodes for cheap and straightforward sequencing after selection in a condition of interest. As a proof of concept for the new tool, we carried out genetic dissection of the difference in thermotolerance between two reproductively isolated budding yeast species. Experimental screening identified dozens of candidate loci at which variation between the species contributed to the thermotolerance trait. Hits were enriched for mitosis genes and other housekeeping factors, and among them were multiple loci with robust sequence signatures of positive selection. Together, these results shed new light on the mechanisms by which evolution solved the problems of cell survival and division at high temperature in the yeast clade, and they illustrate the power of the barcoded RH-seq approach.

Abstract To understand how complex genetic networks perform and regulate diverse cellular processes, the function of each individual component must be defined. Comprehensive phenotypic studies of mutant alleles have been successful in model organisms in determining what processes depend on the normal function of a gene. These results are often ported to newly sequenced genomes by using sequence homology. However, sequence similarity does not always mean identical function or phenotype, suggesting that new methods are required to functionally annotate newly sequenced species. We have implemented comparative analysis by high-throughput experimental testing of gene dispensability in Saccharomyces uvarum , a sister species of S. cerevisiae. We created haploid and heterozygous diploid Tn7 insertional mutagenesis libraries in S. uvarum to identify species dependent essential genes, with the goal of detecting genes with divergent functions and/or different genetic interactions. Comprehensive gene dispensability comparisons with S. cerevisiae predicted diverged dispensability at 12% of conserved orthologs, and validation experiments confirmed 22 differentially essential genes. Surprisingly, despite their differences in essentiality, these genes were capable of cross-species complementation, demonstrating that trans- acting factors that are background-dependent contribute to differential gene essentiality. This study demonstrates that direct experimental testing of gene disruption phenotypes across species can inform comparative genomic analyses and improve gene annotation. Our method can be widely applied in microorganisms to further our understanding of genome evolution.

Abstract A central goal of evolutionary genetics is to understand, at the molecular level, how organisms adapt to their environments. For a given trait, the answer often involves the acquisition of variants at unlinked sites across the genome. Genomic methods have achieved landmark successes in pinpointing adaptive loci. To figure out how a suite of adaptive alleles work together, and to what extent they can reconstitute the phenotype of interest, requires their transfer into an exogenous background. We studied the joint effect of adaptive, gain-of-function thermotolerance alleles at eight unlinked genes from Saccharomyces cerevisiae , when introduced into a thermosensitive sister species, S. paradoxus . Although the loci damped each other’s beneficial impact (that is, they were subject to negative epistasis), most boosted high-temperature growth alone and in combination, and none was deleterious. The complete set of eight genes was sufficient to confer ∼15% of the S. cerevisiae phenotype in the S. paradoxus background. The same loci also contributed to a heretofore unknown advantage in cold growth by S. paradoxus . Together, our data establish temperature resistance in yeasts as a model case of a genetically complex evolutionary tradeoff, which can be partly reconstituted from the sequential assembly of unlinked underlying loci. Author summary Organisms adapt to threats in the environment by acquiring DNA sequence variants that tweak traits to improve fitness. Experimental studies of this process have proven to be a particular challenge when they involve manipulation of a suite of genes, all on different chromosomes. We set out to understand how so many loci could work together to confer a trait. We used as a model system eight genes that govern the ability of the unicellular yeast Saccharomyces cerevisiae to grow at high temperature. We introduced these variant loci stepwise into a non-thermotolerant sister species, and found that the more S. cerevisiae alleles we added, the better the phenotype. We saw no evidence for toxic interactions between the genes as they were combined. We also used the eight-fold transgenic to dissect the biological mechanism of thermotolerance. And we discovered a tradeoff: the same alleles that boosted growth at high temperature eroded the organism’s ability to deal with cold conditions. These results serve as a case study of modular construction of a trait from nature, by assembling the genes together in one genome.

Climate warming is expected to shift the distributions of mosquitoes and mosquito-borne diseases, facilitating expansions at cool range edges and contractions at warm edges. However, whether mosquito populations could maintain their warm range edges through evolutionary adaptation remains unknown. Here, we investigate the potential for thermal adaptation in Aedes sierrensis , a congener of the major disease vector species that experiences large thermal gradients in its native range, by assaying tolerance to prolonged and acute heat exposure, and their genetic basis in a diverse, field-derived population. We found pervasive evidence of heritable genetic variation in acute heat tolerance, which phenotypically trades off with tolerance to prolonged heat exposure. A simple evolutionary model based on our data shows that, under most scenarios, the estimated maximum rate of evolutionary adaptation in mosquito heat tolerance exceeds that of projected climate warming. Our findings indicate that natural mosquito populations likely have the potential to track projected warming via genetic adaptation. Prior climate-based projections may thus underestimate the range of mosquito and mosquito-borne disease distributions under future climate conditions.