Abstract Rice (Oryza sativa), a salt-sensitive species, has considerable genetic variation for salt tolerance within the cultivated gene pool. Two indica rice genotypes, FL478, a recombinant inbred line derived from a population developed for salinity tolerance studies, and IR29, the sensitive parent of the population, were selected for this study. We used the Affymetrix rice genome array containing 55,515 probe sets to explore the transcriptome of the salt-tolerant and salt-sensitive genotypes under control and salinity-stressed conditions during vegetative growth. Response of the sensitive genotype IR29 is characterized by induction of a relatively large number of probe sets compared to tolerant FL478. Salinity stress induced a number of genes involved in the flavonoid biosynthesis pathway in IR29 but not in FL478. Cell wall-related genes were responsive in both genotypes, suggesting cell wall restructuring is a general adaptive mechanism during salinity stress, although the two genotypes also had some differences. Additionally, the expression of genes mapping to the Saltol region of chromosome 1 were examined in both genotypes. Single-feature polymorphism analysis of expression data revealed that IR29 was the source of the Saltol region in FL478, contrary to expectation. This study provides a genome-wide transcriptional analysis of two well-characterized, genetically related rice genotypes differing in salinity tolerance during a gradually imposed salinity stress under greenhouse conditions.

Summary Drought is the major environmental factor limiting crop productivity worldwide. We hypothesized that it is possible to enhance drought tolerance by delaying stress‐induced senescence through the stress‐induced synthesis of cytokinins in crop‐plants. We generated transgenic rice ( Oryza sativa ) plants expressing an isopentenyltransferase ( IPT ) gene driven by P SARK , a stress‐ and maturation‐induced promoter. Plants were tested for drought tolerance at two yield‐sensitive developmental stages: pre‐ and post‐anthesis . Under both treatments, the transgenic rice plants exhibited delayed response to stress with significantly higher grain yield (GY) when compared to wild‐type plants. Gene expression analysis revealed a significant shift in expression of hormone‐associated genes in the transgenic plants. During water‐stress (WS), P SARK ::IPT plants displayed increased expression of brassinosteroid‐related genes and repression of jasmonate‐related genes. Changes in hormone homeostasis were associated with resource(s) mobilization during stress. The transgenic plants displayed differential expression of genes encoding enzymes associated with hormone synthesis and hormone‐regulated pathways. These changes and associated hormonal crosstalk resulted in the modification of source/sink relationships and a stronger sink capacity of the P SARK ::IPT plants during WS. As a result, the transgenic plants had higher GY with improved quality (nutrients and starch content).

Abstract Transgressive segregation is common in plant breeding populations, where a small minority of recombinants are outliers relative to parental phenotypes. While this phenomenon has been attributed to complementation and epistatic effects, the physiological, biochemical, and molecular bases have not been fully illuminated. By systems-level scrutiny of the IR29 x Pokkali recombinant inbred population of rice, we addressed the hypothesis that novel salt tolerance phenotypes are created by positive or negative coupling or uncoupling effects and novel regulatory networks. Hyperspectral profiling distinguished the transgressive individuals in terms of stress penalty to growth. Non-parental network signatures that led to either optimal or non-optimal integration of developmental with stress-related mechanisms were evident at the macro-physiological, biochemical, metabolic, and transcriptomic levels. The large positive net gain in super-tolerant progeny was due to ideal complementation of beneficial traits, while shedding antagonistic traits. Super-sensitivity was explained by the stacking of multiple antagonistic traits and loss of major beneficial traits. The mechanisms elucidated in this study are consistent with the Omnigenic Theory, emphasizing the synergy or lack thereof between core and peripheral components. This study supports a breeding paradigm based on genomic modeling to create the novel adaptive phenotypes for the crops of the 21 st century.

Abstract High-throughput genotyping coupled with molecular breeding approaches has dramatically accelerated crop improvement programs. More recently, improved plant phenotyping methods have led to a shift from manual measurements to automated platforms with increased scalability and resolution. Considerable effort has also gone into the development of large-scale downstream processing of the imaging datasets derived from high-throughput phenotyping (HTP) platforms. However, most available tools require some programing skills. We developed PhenoImage – an open-source GUI based cross-platform solution for HTP image processing with the aim to make image analysis accessible to users with either little or no programming skills. The open-source nature provides the possibility to extend its usability to meet user-specific requirements. The availability of multiple functions and filtering parameters provides flexibility to analyze images from a wide variety of plant species and platforms. PhenoImage can be run on a personal computer as well as on high-performance computing clusters. To test the efficacy of the application, we analyzed the LemnaTec Imaging system derived RGB and fluorescence shoot images from two plant species: sorghum and wheat differing in their physical attributes. In the study, we discuss the development, implementation, and working of the PhenoImage . Highlight PhenoImage is an open-source application designed for analyzing images derived from high-throughput phenotyping.

ABSTRACT Accurate measurement of seed size parameters is essential for both: breeding efforts□aimed at□enhancing yields and basic research□focused on discovering genetic components that regulate seed size. To address this need, we have developed an open-source graphical user interface (GUI) software, SeedExtractor that□determines seed size and shape (including area, perimeter, length, width, circularity, and centroid), and seed color with capability to process a large number of images in a time-efficient manner. In this context, our application takes ∼2 seconds for analyzing an image, i.e. significantly less compared to the other tools. As this software is open-source, it can be modified by users□to serve more specific needs. The adaptability of SeedExtractor was demonstrated by analyzing scanned seeds from multiple crops. We further validated the utility of this application by analyzing mature-rice seeds from 231 accessions in Rice Diversity Panel 1. The derived seed-size traits, such as seed length, width, were subjected to genome-wide association analysis. We identified well-known loci for regulating seed length ( GS3 ) and width ( qSW5/GW5 ) in rice, which demonstrated the accuracy of this application to extract seed phenotypes and accelerate trait discovery. In summary, we present a publicly available application that can be used to determine key yield-related traits in crops. HIGHLIGHT SeedExtractor is an open-source application designed to accurately measure seed size and seed color in a time-efficient manner for a wide variety of plant species.

Abstract Drought intensity as experienced by plants depends upon soil moisture status and atmospheric variables such as temperature, radiation, and air vapour pressure deficit (VPD). Although the role of shoot architecture with these edaphic and atmospheric factors is well-characterized, the extent to which shoot and root dynamic interactions as a continuum are controlled by genotypic variation is less known. Here, we targeted these interactions using a wild emmer introgression line (IL20) with a distinct drought-induced shift in the shoot-to-root ratio and its drought-sensitive recurrent parent Svevo. Using a gravimetric platform, we show that IL20 maintained higher root water influx and gas exchange under drought stress, which supported a greater growth. Interestingly, the advantage of IL20 in root water influx and transpiration was expressed earlier during the daily diurnal cycle under lower VPD and therefore supported higher transpiration efficiency. Application of structural equation model indicates that under drought, VPD and radiation are antagonistic to transpiration rate, whereas the root water influx operates as feedback for the higher atmospheric responsiveness of leaves. Collectively, our results suggest that a drought-induced shift in root-to-shoot ratio can improve plant water uptake potential in a short preferable time window determined by both water and atmospheric parameters.

Abstract Water deficit is a major limiting factor for wheat ( Triticum sp.) development and productivity. One approach to increase water stress adaptation in wheat is incorporating novel alleles from the drought-adapted wheat progenitor, wild emmer ( T. turgidum ssp. dicoccoides ). We explored this idea in the context of vegetative growth by examining the phenotypic consequence of a series of wild emmer ( acc . Zavitan) introgressions into elite durum wheat ( cv . Svevo) under water-limited conditions. Using image-based phenotyping we cataloged divergent (from Svevo) growth responses to water stress ranging from high plasticity to high stability among the introgression lines. We identified an introgression line (IL20) that exhibits a highly plastic response to water stress by shifting its root-to-shoot biomass ratio for detailed characterization. By combining genotypic information with root transcriptome analysis, we propose several candidate genes (including a root-specific kinase) that can confer the shoot-to-root carbon resource allocation in IL20 under water stress. Discovery of high plasticity trait in IL20 in response to water stress highlights the potential of wild introgressions for enhancing stress adaptation via mechanisms that may be absent or rare in elite breeding material.

Global nighttime temperatures are rising at twice the rate of daytime temperatures and pose a challenge for rice (Oryza sativa) production. High nighttime temperature (HNT) stress affects rice yield by reducing grain weight, size, and fertility. Although the genes associated with these yield parameters have been identified and characterized under normal temperatures, the genetic basis of grain weight regulation under HNT stress remains less explored. We examined the natural variation for rice single grain weight (SGW) under HNT stress imposed during grain development. A genome-wide association analysis identified several loci associated with grain weight under HNT stress. A locus, single grain weight 1 (SGW1), specific to HNT conditions resolved to LONELY GUY-Like 1 (LOGL1), which encodes a putative cytokinin activation enzyme. We demonstrated that LOGL1 contributes to allelic variation at SGW1. Accessions with lower LOGL1 transcript abundance had higher grain weight under HNT. This was supported by higher grain weight of logl1 mutants relative to the wild type under HNT. Compared to logl1 mutants, LOGL1 over-expressers showed increased sensitivity to HNT. We showed that LOGL1 regulates the thiamine biosynthesis pathway, which is under circadian regulation, which in turn is likely perturbed by HNT stress. These findings provide a genetic source to enhance rice adaptation to warming night temperatures and improve our mechanistic understanding of HNT stress tolerance pathways.

With the advent of high-throughput phenotyping platforms, plant breeders have a means to assess many traits for large breeding populations. However, understanding the genetic interdependencies among high-dimensional traits in a statistically robust manner remains a major challenge. Since multiple phenotypes likely share mutual relationships, elucidating the interdependencies among economically important traits can better inform breeding decisions and accelerate the genetic improvement of plants. The objective of this study was to leverage confirmatory factor analysis and graphical modeling to elucidate the genetic interdependencies among a diverse agronomic traits in rice. We used a Bayesian network to depict conditional dependencies among phenotypes, which can not be obtained by standard multi-trait analysis. We utilized Bayesian confirmatory factor analysis which hypothesized that 48 observed phenotypes resulted from six latent variables including grain morphology, morphology, flowering time, physiology, yield, and morphological salt response. This was followed by studying the genetics of each latent variable, which is also known as factor, using single nucleotide polymorphisms. Bayesian network structures involving the genomic component of six latent variables were established by fitting four algorithms (i.e., Hill Climbing, Tabu, Max-Min Hill Climbing, and General 2-Phase Restricted Maximization algorithms). Physiological components influenced the flowering time and grain morphology, and morphology and grain morphology influenced yield. In summary, we show the Bayesian network coupled with factor analysis can provide an effective approach to understand the interdependence patterns among phenotypes and to predict the potential influence of external interventions or selection related to target traits in the interrelated complex traits systems.