Abstract The management of germplasm banks is complex, especially when many accessions are involved. Microsatellite markers are an efficient tool for assessing the genetic diversity of germplasm collections, optimizing their use in breeding programs. This study genetically characterizes a large collection of 410 grapevine accessions maintained at the Agronomic Institute of Campinas (IAC) (Brazil). The accessions were genotyped with 17 highly polymorphic microsatellite markers. Genetic data were analyzed to determine the genetic structure of the germplasm, quantify its allelic diversity, suggest the composition of a core collection, and discover cases of synonymy, duplication, and misnaming. A total of 304 alleles were obtained, and 334 unique genotypes were identified. The molecular profiles of 145 accessions were confirmed according to the literature and databases, and the molecular profiles of more than 100 genotypes were reported for the first time. The analysis of the genetic structure revealed different levels of stratification. The primary division was between accessions related to Vitis vinifera and V. labrusca , followed by their separation from wild grapevine. A core collection of 120 genotypes captured 100% of all detected alleles. The accessions selected for the core collection may be used in future phenotyping efforts, in genome association studies, and for conservation purposes. Genetic divergence among accessions has practical applications in grape breeding programs, as the choice of relatively divergent parents will maximize the frequency of progeny with superior characteristics. Together, our results can enhance the management of grapevine germplasm and guide the efficient exploitation of genetic diversity to facilitate the development of new grape cultivars for fresh fruits, wine, and rootstock.

Abstract Hevea brasiliensis (rubber tree) is a large tree species of the Euphorbiaceae family with inestimable economic importance. Rubber tree breeding programs currently aim to improve growth and production, and the use of early genotype selection technologies can accelerate such processes, mainly with the incorporation of genomic tools, such as marker-assisted selection (MAS). However, few quantitative trait loci (QTLs) have been used successfully in MAS for complex characteristics. Recent research shows the efficiency of genome-wide association studies (GWAS) for locating QTL regions in different populations. In this way, the integration of GWAS, RNA-sequencing (RNA-Seq) methodologies, coexpression networks and enzyme networks can provide a better understanding of the molecular relationships involved in the definition of the phenotypes of interest, supplying research support for the development of appropriate genomic based strategies for breeding. In this context, this work presents the potential of using combined multiomics to decipher the mechanisms of genotype and phenotype associations involved in the growth of rubber trees. Using GWAS from a genotyping-by-sequencing (GBS) Hevea population, we were able to identify molecular markers in QTL regions with a main effect on rubber tree plant growth under constant water stress. The underlying genes were evaluated and incorporated into a gene coexpression network modelled with an assembled RNA-Seq-based transcriptome of the species, where novel gene relationships were estimated and evaluated through in silico methodologies, including an estimated enzymatic network. From all these analyses, we were able to estimate not only the main genes involved in defining the phenotype but also the interactions between a core of genes related to rubber tree growth at the transcriptional and translational levels. This work was the first to integrate multiomics analysis into the in-depth investigation of rubber tree plant growth, producing useful data for future genetic studies in the species and enhancing the efficiency of the species improvement programs.

Abstract Several genomic prediction models incorporating genotype × environment (G×E) interactions have recently been developed and used in genomic selection (GS) in plant breeding programs. G×E interactions decrease selection accuracy and limit genetic gains in plant breeding. Two genomic data sets were used to compare the prediction ability of multi-environment G×E genomic models and two kernel methods (a linear kernel (genomic best linear unbiased predictor, GBLUP) (GB) and a nonlinear kernel (Gaussian kernel, GK)) and prediction accuracy (PA) of five genomic prediction models: (1) one without environmental data (BSG); (2) a single-environment, main genotypic effect model (SM); (3) a multi-environment, main genotypic effect model (MM); (4) a multi-environment, single variance GxE deviation model (MDs); and (5) a multi-environment, environment-specific variance GxE deviation model (MDe). We evaluated the utility of GS with 435 rubber tree individuals in two sites and genotyped the individuals with genotyping-by-sequencing (GBS) of single-nucleotide polymorphisms (SNPs). Prediction models were estimated for diameter (DAP) and height (AP) at different ages, with a heritability ranging from 0.59 to 0.75 for both traits. Applying the model (BSG, SM, MM, MDs, and MDe) and kernel method (GBLUP and GK) combinations to rubber tree data showed that models with the nonlinear GK and linear GBLUP kernel had similar PAs. Multi-environment models were superior to single-environment genomic models regardless the kernel (GBLUP or GK), suggesting that introducing interactions between markers and environmental conditions increases the proportion of variance explained by the model and, more importantly, the PA. In the best scenario (well-watered (WW / GK), an increase of 6.7 and 8.7 fold of genetic gain can be obtained for AP and DAP, respectively, with multi-environment GS (MM, MDe and MDS) than by conventional genetic breeding model (CBM). Furthermore, GS resulted in a more balanced selection response in DAP and AP and if used in conjunction with traditional genetic breeding programs will contribute to a reduction in selection time. With the rapid advances in and declining costs of genotyping methods, balanced against the overall costs of managing large progeny trials and potential increased gains per unit time, we are hopeful that GS can be implemented in rubber tree breeding programs.

Mixed-cytotype populations are ideal to understand polyploid establishment and diversification. We used the orchid Zygopetalum mackayi to understand how facultative apomictic reproduction relates to polyploidy. Sexual diploids and facultative apomictic tetraploids occur under distinct niches, with a contact zone where triploids occur. We hypothesized that facultative apomictic reproduction increases the fitness of tetraploids through reproductive interference between cytotypes. We predict patterns of genetic diversity of allopatric tetraploid populations to be significantly different from contact zone populations as a result of dominant apomictic reproduction in the later. We also describe the contact nature of diploids and tetraploids and the role of the intermediate triploids based on patterns of genetic structure within and among pure and mixed-cytotype populations. We designed eight microsatellite markers and genotyped 155 individuals from six populations resulting in 237 alleles. We described patterns of genetic diversity and structure within and among populations and cytotypes. Genotypic diversity is similarly high among all populations and cytotypes. Each cytotype emerged as a genetically cluster, combining individuals from different populations. Triploids clustered in an intermediate position between diploids andtetraploids. We rejected the hypothesis of reproductive interference between cytotypes of Z. mackayi. Patterns of genetic diversity are incongruent with the occurrence of apomict reproduction in tetraploids. Mixed-cytotype populations originate from secondary contact and triploids are hybrids between diploids and tetraploids and act as a reproductive barrier. We suggest polyploidy rather than facultative apomixis explains higher fitness of tetraploids in this species and, therefore, eco-geographical patterns of distribution.

Rubber tree ( Hevea brasiliensis ) is the main feedstock for commercial rubber; however, its long vegetative cycle has hindered the development of more productive varieties via breeding programs. With the availability of H. brasiliensis genomic data, several linkage maps with associated quantitative trait loci (QTLs) have been constructed and suggested as a tool for marker-assisted selection (MAS). Nonetheless, novel genomic strategies are still needed, and genomic selection (GS) may facilitate rubber tree breeding programs aimed at reducing the required cycles for performance assessment. Even though such a methodology has already been shown to be a promising tool for rubber tree breeding, increased model predictive capabilities and practical application are still needed. Here, we developed a novel machine learning-based approach for predicting rubber tree stem circumference based on molecular markers. Through a divide-and-conquer strategy, we propose a neural network prediction system with two stages: (1) subpopulation prediction and (2) phenotype estimation. This approach yielded higher accuracies than traditional statistical models in a single-environment scenario. By delivering large accuracy improvements, our methodology represents a powerful tool for use in Hevea GS strategies. Therefore, the incorporation of machine learning techniques into rubber tree GS represents an opportunity to build more robust models and optimize Hevea breeding programs.

Abstract The protein kinase (PK) superfamily constitutes one of the largest and most conserved protein families in eukaryotic genomes, comprising core components of signaling pathways in cell regulation. Despite its remarkable relevance, only a few kinase families have been studied in Hevea brasiliensis . A comprehensive characterization and global expression analysis of the PK superfamily, however, is currently lacking. In this study, with the aim of providing novel inferences about the mechanisms associated with the stress response developed by PKs and retained throughout evolution, we identified and characterized the entire set of PKs, also known as the kinome, present in the Hevea genome. A total of 1,809 PK genes were identified using the current reference genome assembly at the scaffold level, and 1,379 PK genes were identified using the latest chromosome-level assembly and combined into a single set of 2,842 PKs. These proteins were further classified into 20 different groups and 122 families, exhibiting high compositional similarities among family members and with two phylogenetically close species ( Manihot esculenta and Ricinus communis ). Different RNA-sequencing datasets were employed to identify tissue-specific expression patterns and potential correspondences between different rubber tree genotypes. In addition, coexpression networks under several abiotic stress conditions, such as cold, drought and latex overexploitation, were employed to elucidate associations between families and tissues/stresses. Through the joint investigation of tandemly duplicated kinases, transposable elements, gene expression patterns, and coexpression events, we provided insights into the understanding of the cell regulation mechanisms in response to several conditions, which can often lead to a significant reduction in rubber yield.

Among rubber tree species, which belong to the Hevea genus of the Euphorbiaceae family, Hevea brasiliensis (Willd. ex Adr.de Juss.) Muell. Arg. is the main commercial source of natural rubber production worldwide. Knowledge of the population structure and linkage disequilibrium (LD) of this species is essential for the efficient organization and exploitation of genetic resources. Here, we obtained single-nucleotide polymorphisms (SNPs) using a genotyping-by-sequencing (GBS) approach and then employed the SNPs for the following objectives: (i) to identify the positions of SNPs on a genetic map of a segregating mapping population, (ii) to evaluate the population structure of a germplasm collection, and (iii) to detect patterns of LD decay among chromosomes for future genetic association studies in rubber tree. A total of 626 genotypes, including both germplasm accessions (368) and individuals from a genetic mapping population (254), were genotyped. A total of 77,660 and 21,283 SNPs were detected by GBS in the germplasm and mapping populations, respectively. The mapping population, which was previously mapped, was constructed with 1,062 markers, among which only 576 SNPs came from GBS, reducing the average interval between two adjacent markers to 4.4 cM. SNPs from GBS genotyping were used for the analysis of genetic structure and LD estimation in the germplasm accessions. Two groups, which largely corresponded to the cultivated and wild populations, were detected using STRUCTURE and via principal coordinate analysis (PCoA). LD analysis, also using the mapped SNPs, revealed that non-random associations varied along chromosomes, with regions of high LD interspersed with regions of low LD. Considering the length of the genetic map (4,693 cM) and the mean LD (0.49 for cultivated and 0.02 for wild populations), a large number of evenly spaced SNPs would be needed to perform genome-wide association studies in rubber tree, and the wilder the genotypes used, the more difficult the mapping saturation.

Rubber tree (Hevea brasiliensis) cultivation is the main source of natural rubber worldwide and has been extended to areas with suboptimal climates and lengthy drought periods; this transition affects growth and latex production. High-density genetic maps with reliable markers support precise mapping of quantitative trait loci (QTL), which can help reveal the complex genome of the species, provide tools to enhance molecular breeding, and shorten the breeding cycle. In this study, QTL mapping of the stem diameter, tree height, and number of whorls was performed for a full-sibling population derived from a GT1 and RRIM701 cross. A total of 225 simple sequence repeats (SSRs) and 186 single-nucleotide polymorphism (SNP) markers were used to construct a base map with 18 linkage groups and to anchor 671 SNPs from genotyping by sequencing (GBS) to produce a very dense linkage map with small intervals between loci. The final map was composed of 1,079 markers, spanned 3,779.7 cM with an average marker density of 3.5 cM, and showed collinearity between markers from previous studies. Significant variation in phenotypic characteristics was found over a 59-month evaluation period with a total of 38 QTLs being identified through a composite interval mapping method. Linkage group 4 showed the greatest number of QTLs (7), with phenotypic explained values varying from 7.67% to 14.07%. Additionally, we estimated segregation patterns, dominance, and additive effects for each QTL. A total of 53 significant effects for diameter were observed, and these effects were mostly related to additivity in the GT1 clone. Associating accurate genome assemblies and genetic maps represents a promising strategy for identifying the genetic basis of phenotypic traits in the rubber trees. Then, further research can benefit from the QTLs identified herein, providing a better understanding of the key determinant genes associated with growth of Hevea brasiliensis under limiting water conditions.