The current availability of genotypes for very large numbers of single nucleotide polymorphisms (SNPs) is leading to more accurate estimates of inbreeding coefficients and more detailed approaches for detecting inbreeding depression. In the present study, genome-wide information was used to detect inbreeding depression for two reproductive traits (total number of piglets born and number of piglets born alive) in an ancient strain of Iberian pigs (the Guadyerbas strain) that is currently under serious danger of extinction. A total of 109 sows with phenotypic records were genotyped with the PorcineSNP60 BeadChip v1. Inbreeding depression was estimated using a bivariate animal model in which the inbreeding coefficient was included as a covariate. We used two different measures of genomic inbreeding to perform the analyses: inbreeding estimated on a SNP-by-SNP basis and inbreeding estimated from runs of homozygosity. We also performed the analyses using pedigree-based inbreeding. Significant inbreeding depression was detected for both traits using all three measures of inbreeding. Genome-wide information allowed us to identify one region on chromosome 13 associated with inbreeding depression. This region spans from 27 to 54 Mb and overlaps with a previously detected quantitative trait locus and includes the inter-alpha-trypsin inhibitor gene cluster that is involved with embryo implantation. Our results highlight the value of high-density SNP genotyping for providing new insights on where genes causing inbreeding depression are located in the genome. Genomic measures of inbreeding obtained on a SNP-by-SNP basis or those based on the presence/absence of runs of homozygosity represent a suitable alternative to pedigree-based measures to detect inbreeding depression, and a useful tool for mapping studies. To our knowledge, this is the first study in domesticated animals using the SNP-by-SNP inbreeding coefficient to map specific regions within chromosomes associated with inbreeding depression.

Abstract Inferring changes in effective population size (Ne) in the recent past is of special interest for conservation of endangered species and for human history research. Current methods for estimating the very recent historical Ne are unable to detect complex demographic trajectories involving multiple episodes of bottlenecks, drops, and expansions. We develop a theoretical and computational framework to infer the demographic history of a population within the past 100 generations from the observed spectrum of linkage disequilibrium (LD) of pairs of loci over a wide range of recombination rates in a sample of contemporary individuals. The cumulative contributions of all of the previous generations to the observed LD are included in our model, and a genetic algorithm is used to search for the sequence of historical Ne values that best explains the observed LD spectrum. The method can be applied from large samples to samples of fewer than ten individuals using a variety of genotyping and DNA sequencing data: haploid, diploid with phased or unphased genotypes and pseudohaploid data from low-coverage sequencing. The method was tested by computer simulation for sensitivity to genotyping errors, temporal heterogeneity of samples, population admixture, and structural division into subpopulations, showing high tolerance to deviations from the assumptions of the model. Computer simulations also show that the proposed method outperforms other leading approaches when the inference concerns recent timeframes. Analysis of data from a variety of human and animal populations gave results in agreement with previous estimations by other methods or with records of historical events.

Survival during an epidemic is partly determined by host genetics. While quantitative genetic studies typically consider survival as an indicator for disease resistance (an individuals propensity to avoid becoming infected or diseased), mortality rates of populations undergoing an epidemic are also affected by endurance (the propensity of diseased individual to survive the infection) and infectivity (i.e. the propensity of an infected individual to transmit disease). Few studies have demonstrated genetic variation in disease endurance, and no study has demonstrated genetic variation in host infectivity, despite strong evidence for considerable phenotypic variation in this trait. Here we propose an experimental design and statistical models for estimating genetic diversity in all three host traits. Using an infection model in fish we provide, for the first time, direct evidence for genetic variation in host infectivity, in addition to variation in resistance and endurance. We also demonstrate how genetic differences in these three traits contribute to survival. Our results imply that animals can evolve different disease response types affecting epidemic survival rates, with important implications for understanding and controlling epidemics.

Over the past decade, there has been a growing interest in common octopus aquaculture, prompted by several factors such as the increase in market demand, the decline in overall fisheries and the search for more sustainable food resources. Nevertheless, this interest has raised concerns about the potential impact of large-scale production and intensified farming practices in the future. This study aims to establish a baseline understanding of the natural microbial communities that inhabit skin mucus of the common octopus, describe its core microbiota, and assess the impact of captive rearing on these communities and animal welfare. The skin microbiome of wild-captured octopuses was compared with that of reared in aquaculture using 16S ribosomal RNA metabarcoding. The findings show that the core microbiota of octopus mucosal skin is dominated by the phyla Bacteroidota and Pseudomonadota, with Aurantivirga , Pseudofulvibacter , and Rubritalea being the most abundant genera. Despite differences in abundance, the microbiota composition and diversity between wild and aquaculture octopuses were similar. Wild samples had an enrichment of Gammaproteobacteria, including potentially pathogenic species such as Vibrio spp., Photobacterium swingsii , and Lactococcus garvieae , which were less prevalent or absent in aquaculture samples. KEGG functional pathways predictions indicated a higher enrichment in functional pathways related to xenobiotic remediation in wild samples, reflecting their need to adapt to a more variable and potentially contaminated environment. This is the first study to characterize the mucosal skin microbiome of the common octopus and to compare wild and aquaculture specimens. The results suggest that current aquaculture practices support animal welfare through the use of controlled hatchery environments and high-quality water conditions. These insights are valuable for the development of sustainable and responsible aquaculture practices, with the octopus microbiome serving as a potential biomarker for health status and animal welfare.