Abstract To improve the efficiency of high-density genotype data storage and imputation in bread wheat ( Triticum aestivum L.), we applied the Practical Haplotype Graph (PHG) tool. The wheat PHG database was built using whole-exome capture sequencing data from a diverse set of 65 wheat accessions. Population haplotypes were inferred for the reference genome intervals defined by the boundaries of the high-quality gene models. Missing genotypes in the inference panels, composed of wheat cultivars or recombinant inbred lines genotyped by exome capture, genotyping-by-sequencing (GBS), or whole-genome skim-seq sequencing approaches, were imputed using the wheat PHG database. Though imputation accuracy varied depending on the method of sequencing and coverage depth, we found 93% imputation accuracy with 0.01x sequence coverage, which was only slightly lower than the accuracy obtained using the 0.5x sequence coverage (96.9%). Compared to Beagle, on average, PHG imputation was ~4% ( p-value = 0.00027) more accurate, and showed 27% higher accuracy at imputing a rare haplotype introgressed from a wild relative into wheat. The reduced accuracy of imputation with GBS data (90.4%) is likely associated with the small overlap between GBS markers and the exome capture dataset, which was used for constructing PHG. The highest imputation accuracy was obtained with exome capture for the wheat D genome, which also showed the highest levels of linkage disequlibrium and proportion of identity-by-descent regions among accessions in our reference panel. We demonstrate that genetic mapping based on genotypes imputed using PHG identifies SNPs with a broader range of effect sizes that together explain a higher proportion of genetic variance for heading date and meiotic crossover rate compared to previous studies.

Aspects of how Burkholderia escape the host's intrinsic immune response to replicate in the cell cytosol remain enigmatic. Here, we show that Burkholderia has evolved two mechanisms to block the activity of Ring finger protein 213 (RNF213)-mediated non-canonical ubiquitylation of bacterial lipopolysaccharide (LPS), thereby preventing the initiation of antibacterial autophagy. First, Burkholderia's polysaccharide capsule blocks RNF213 association with bacteria and second, the Burkholderia deubiquitylase (DUB), TssM, directly reverses the activity of RNF213 through a previously unrecognized esterase activity. Structural analysis provides insight into the molecular basis of TssM esterase activity, allowing it to be uncoupled from its isopeptidase function. Furthermore, a putative TssM homolog also displays esterase activity and removes ubiquitin from LPS, establishing this as a virulence mechanism. Of note, we also find that additional immune-evasion mechanisms exist, revealing that overcoming this arm of the host's immune response is critical to the pathogen.

Grain yield is a trait of paramount importance in the breeding of all cereals. In wheat (Triticum aestivum L.), yield has steadily increased since the Green Revolution, though the current rate of increase is not forecasted to keep pace with demand due to growing world population and affluence. While several genome-wide association studies (GWAS) on yield and related component traits have been performed in wheat, the previous lack of a reference genome has made comparisons between studies difficult. In this study, a GWAS for yield and yield-related traits was carried out on a population of 324 soft red winter wheat lines across a total of four rain-fed environments in the state of Virginia using single-nucleotide polymorphism (SNP) marker data generated by a genotyping-by-sequencing (GBS) protocol. Two separate mixed linear models were used to identify significant marker-trait associations (MTAs). The first was a single-locus model utilizing a leave-one-chromosome-out approach to estimating kinship. The second was a sub-setting kinship multi-locus method (FarmCPU). The single-locus model identified nine significant MTAs for various yield-related traits, while the FarmCPU model identified 74 significant MTAs. The availability of the wheat reference genome allowed for the description of MTAs in terms of both genetic and physical positions, and enabled more extensive post-GWAS characterization of significant MTAs. The results indicate promising avenues for increasing grain yield by exploiting variation in traits relating to the number of grains per unit area, as well as phenological traits influencing grain-filling duration of genotypes.

Abstract The presence or absence of awns – whether wheat heads are ”bearded” or ”smooth”– is the most visible phenotype distinguishing wheat cultivars. Previous studies suggest that awns may improve yields in heat or water-stressed environments, but the exact contribution of awns to yield differences remains unclear. Here we leverage historical phenotypic, genotypic, and climate data to estimate the yield effects of awns under different environmental conditions over a 12-year period in the Southeast US. Lines were classified as awned or awnless based on sequence data, and observed heading dates were used to associate grain fill periods of each line in each environment with climatic data and grain yield. In most environments, awn suppression was associated with higher yields, but awns were associated with better performance in heat-stressed environments more common at southern locations. Wheat breeders in environments where awns are only beneficial in some years may consider selection for awned lines to reduce year-to-year yield variability, and with an eye towards future climates.

Abstract In plant breeding, selecting cross‐combinations that are more likely to result in superior lines for cultivar development is critical. This step, however, is subjective with decisions being based on available genomic and phenotypic data for prospective parents. Genomic prediction (GP) provides new opportunities to accelerate genetic gain for a target trait by identifying superior crosses through simulation of progeny performance. In this context, this study deployed GP using the phenotype and genotype of potential parents to predict the progeny genetic variance ( V G ) and means of overall, inferior 10%, and superior 10% ( μ, μ ip , and μ s p , respectively). This retrospective experimental design investigated whether the crosses that produced superior soft red winter wheat breeding lines would have been made if progeny simulations had guided crossing decisions of breeding programs. Here, data from historical wheat breeding lines were used to train GP models and predict V G and means for yield, test weight, heading date, and plant height for all combinations of 217 parents. Predicted and observed data for 670 lines derived from biparental crosses were compared to assess the accuracy of progeny simulations, and low‐to‐moderate prediction accuracy was observed for the four traits (0.25–0.52). Of the pedigrees that produced lines that were selected and advanced into later stage nurseries, 76% were predicted to give rise to progeny with above‐average yield. The moderate correlation found between predicted progeny means and observed line per se performance justifies using cross‐combination prediction as a tool to reduce crossing number and focus on segregating populations that harbor future cultivars.