High-density single nucleotide polymorphism (SNP) genotyping arrays are a powerful tool for studying genomic patterns of diversity, inferring ancestral relationships between individuals in populations and studying marker-trait associations in mapping experiments. We developed a genotyping array including about 90,000 gene-associated SNPs and used it to characterize genetic variation in allohexaploid and allotetraploid wheat populations. The array includes a significant fraction of common genome-wide distributed SNPs that are represented in populations of diverse geographical origin. We used density-based spatial clustering algorithms to enable high-throughput genotype calling in complex data sets obtained for polyploid wheat. We show that these model-free clustering algorithms provide accurate genotype calling in the presence of multiple clusters including clusters with low signal intensity resulting from significant sequence divergence at the target SNP site or gene deletions. Assays that detect low-intensity clusters can provide insight into the distribution of presence-absence variation (PAV) in wheat populations. A total of 46 977 SNPs from the wheat 90K array were genetically mapped using a combination of eight mapping populations. The developed array and cluster identification algorithms provide an opportunity to infer detailed haplotype structure in polyploid wheat and will serve as an invaluable resource for diversity studies and investigating the genetic basis of trait variation in wheat.

Domesticated crops experience strong human-mediated selection aimed at developing high-yielding varieties adapted to local conditions. To detect regions of the wheat genome subject to selection during improvement, we developed a high-throughput array to interrogate 9,000 gene-associated single-nucleotide polymorphisms (SNP) in a worldwide sample of 2,994 accessions of hexaploid wheat including landraces and modern cultivars. Using a SNP-based diversity map we characterized the impact of crop improvement on genomic and geographic patterns of genetic diversity. We found evidence of a small population bottleneck and extensive use of ancestral variation often traceable to founders of cultivars from diverse geographic regions. Analyzing genetic differentiation among populations and the extent of haplotype sharing, we identified allelic variants subjected to selection during improvement. Selective sweeps were found around genes involved in the regulation of flowering time and phenology. An introgression of a wild relative-derived gene conferring resistance to a fungal pathogen was detected by haplotype-based analysis. Comparing selective sweeps identified in different populations, we show that selection likely acts on distinct targets or multiple functionally equivalent alleles in different portions of the geographic range of wheat. The majority of the selected alleles were present at low frequency in local populations, suggesting either weak selection pressure or temporal variation in the targets of directional selection during breeding probably associated with changing agricultural practices or environmental conditions. The developed SNP chip and map of genetic variation provide a resource for advancing wheat breeding and supporting future population genomic and genome-wide association studies in wheat.

The locus Lr34/Yr18/Pm38 confers partial and durable resistance against the devastating fungal pathogens leaf rust, stripe rust, and powdery mildew. In previous studies, this broad-spectrum resistance was shown to be controlled by a single gene which encodes a putative ATP-binding cassette transporter. Alleles of resistant and susceptible cultivars differed by only three sequence polymorphisms and the same resistance haplotype was found in the three independent breeding lineages of Lr34/Yr18/Pm38. Hence, we used these conserved sequence polymorphisms as templates to develop diagnostic molecular markers that will assist selection for durable multi-pathogen resistance in breeding programs. Five allele-specific markers (cssfr1-cssfr5) were developed based on a 3 bp deletion in exon 11 of the Lr34-gene, and one marker (cssfr6) was derived from a single nucleotide polymorphism in exon 12. Validation of reference genotypes, well characterized for the presence or absence of the Lr34/Yr18/Pm38 resistance locus, demonstrated perfect diagnostic values for the newly developed markers. By testing the new markers on a larger set of wheat cultivars, a third Lr34 haplotype, not described so far, was discovered in some European winter wheat and spelt material. Some cultivars with uncertain Lr34 status were re-assessed using the newly derived markers. Unambiguous identification of the Lr34 gene aided by the new markers has revealed that some wheat cultivars incorrectly postulated as having Lr34 may possess as yet uncharacterised loci for adult plant leaf and stripe rust resistance.

Fusarium head blight (FHB) resistance is quantitative and difficult to evaluate. Genomic selection (GS) could accelerate FHB resistance breeding. We used U.S. cooperative FHB wheat nursery data to evaluate GS models for several FHB resistance traits including deoxynivalenol (DON) levels. For all traits we compared the models: ridge regression (RR), Bayesian LASSO (BL), reproducing kernel Hilbert spaces (RKHS) regression, random forest (RF) regression, and multiple linear regression (MLR) (fixed effects). For DON, we evaluated additional prediction methods including bivariate RR models, phenotypes for correlated traits, and RF regression models combining markers and correlated phenotypes as predictors. Additionally, for all traits, we compared different marker sets including genomewide markers, FHB quantitative trait loci (QTL) targeted markers, and both sets combined. Genomic selection accuracies were always higher than MLR accuracies, RF and RKHS regression were often the most accurate methods, and for DON, marker plus trait RF regression was more accurate than all other methods. For all traits except DON, using QTL targeted markers alone led to lower accuracies than using genomewide markers. This study indicates that cooperative FHB nursery data can be useful for GS, and prior information about correlated traits and QTL could be used to improve accuracies in some cases.

Abstract Aegilops tauschii, the diploid wild progenitor of the D-subgenome of bread wheat, constitutes a reservoir of genetic diversity for improving bread wheat performance and environmental resilience. To better define and understand this diversity, we sequenced 242 Ae. tauschii accessions and compared them to the wheat D-subgenome. We characterized a rare, geographically-restricted lineage of Ae. tauschii and discovered that it contributed to the wheat D-subgenome, thereby elucidating the origin of bread wheat from at least two independent hybridizations. We then used k -mer-based association mapping to identify discrete genomic regions with candidate genes for disease and pest resistance and demonstrated their functional transfer into wheat by transgenesis and wide crossing, including the generation of a library of ‘synthetic’ hexaploids incorporating diverse Ae. tauschii genomes. This pipeline permits rapid trait discovery in the diploid ancestor through to functional genetic validation in a hexaploid background amenable to breeding.

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.

ABSTRACT Fusarium head blight (FHB) is an economically and environmentally concerning disease of wheat ( Triticum aestivum L). A two-pronged approach of marker assisted selection (MAS) coupled with genomic selection (GS) has been suggested when breeding for FHB resistance. An historical dataset comprised of entries in the Southern Uniform Winter Wheat Scab Nursery (SUWWSN) from 2011-2021 was partitioned and used in genomic prediction. Two traits were curated from 2011-2021 in the SUWWSN: percent Fusarium damaged kernels (FDK) and Deoxynivalenol (DON) content. Heritability was estimated for each trait-by-environment combination. A consistent set of check lines was drawn from each year in the SUWWSN, and K-means clustering was performed across environments to assign environments into clusters. Two clusters were identified for FDK and three for DON. Cross-validation on SUWWSN data from 2011-2019 indicated no outperforming training population in comparison to the combined dataset. Forward validation for FDK on the SUWWSN 2020 and 2021 data indicated a predictive accuracy r ≈ 0.58 and r ≈ 0.53, respectively. Forward validation for DON indicated a predictive accuracy of r ≈ 0.57 and r ≈ 0.45, respectively. Forward validation using environments in cluster one for FDK indicated a predictive accuracy of r ≈ 0.65 and r ≈ 0.60, respectively. Forward validation using environments in cluster one for DON indicated a predictive accuracy of r ≈ 0.67 and r ≈ 0.60, respectively. These results indicated that selecting environments based on check performance may produce higher forward prediction accuracies. This work may be used as a model to create a public resource for genomic prediction of FHB resistance traits across public wheat breeding programs. CORE IDEAS The data from the Southern Uniform Winter Wheat Nursery may be used for genomic prediction. Creating training populations based on like-check performance improves forward genomic predictive accuracies. Filtering out locations with low genomic, per-plot, narrow-sense heritability may improve predictive accuracies.

Abstract Wheat is an important contributor to global food security, and further improvements are required to feed a growing human population. New functional genetics and genomics tools can help us to understand the function of different genes and to engineer beneficial changes. In this study, we used a promoter capture assay to sequence 2-kb regions upstream of all high-confidence annotated genes from 1,513 mutagenized plants from the tetraploid wheat variety Kronos. We identified 4.3 million induced mutations with an accuracy of 99.8%, resulting in a mutation density of 41.9 mutations per kb. We also remapped Kronos exome capture reads to Chinese Spring RefSeq v1.1, identified 4.7 million mutations, and predicted their effects on annotated genes. Using these predictions, we identified 59% more non-synonymous substitutions and 49% more truncation mutations than in the original study. To show the biological value of the new promoter dataset, we selected two mutations within the promoter of the VRN-A1 vernalization gene. Both mutations, located within transcription factor binding sites, significantly altered VRN-A1 expression, and one reduced the number of spikelets per spike. These publicly available sequenced mutant datasets provide rapid and inexpensive access to induced variation in the promoters and coding regions of most wheat genes. These mutations can be used to understand and modulate gene expression and phenotypes for both basic and commercial applications, where limited governmental regulations can facilitate deployment. These mutant collections, together with gene editing, provide valuable tools to accelerate functional genetic studies in this economically important crop. Significance Statement We sequenced 4.3 million induced mutations in the promoters and 4.7 million in the coding regions of most wheat genes. We also show how this public resource can be used to understand gene function, modulate gene expression, and generate changes in valuable wheat agronomic traits.

In barley ( Hordeum vulgare L.), lateral branches called tillers contribute to grain yield and define shoot architecture, but genetic control of tiller number and developmental rate are not well characterized. The primary objectives of this work were to examine relationships between tiller number and other agronomic and morphological traits and identify natural genetic variation associated with tiller number and rate, and related traits. We grew 768 lines from the USDA National Small Grain Core Collection in the field and collected data over two years for tiller number and rate, and agronomic and morphological traits. Our results confirmed that spike row-type and days to heading are correlated with tiller number, and as much as 28% of tiller number variance is attributed to these traits. In addition, negative correlations between tiller number and leaf width and stem diameter were observed, indicating trade-offs between tiller development and other vegetative growth. Thirty-three quantitative trait loci (QTL) were associated with tiller number or rate. Of these, 40% overlapped QTL associated with days to heading and 22% overlapped QTL associated with spike row-type, further supporting that tiller development is influenced by these traits. Despite this, some QTL associated with tiller number or rate, including the major QTL on chromosome 3H, were not associated with any other traits, suggesting that tiller number can be modified independently of other important agronomic traits. These results enhance our knowledge of the genetic control of tiller development in barley, which is important for optimizing tiller number and rate for yield improvement.