The evolutionary processes governing variability within genomic regions of low recombination have been the focus of many studies. Here, I investigate the statistical properties of a measure of intrlocus genetic associations under the assumption that mutations are selectively neutral and sites are completely linked. This measure, denoted ZnS, is based on the squared correlation of allelic identity at pairs of polymorphic sites. Upper bounds for ZnS are determined by simulations. Various deviations from the neutral model, including several different forms of natural selection, will inflate the value of ZnS relative to its neutral theory expectations. Larger than expected values of ZnS are observed in genetic samples from the yellow-ac-scute and Adh regions of Drosophila melanogaster.

We describe a statistical framework for QTL mapping using bulk segregant analysis (BSA) based on high throughput, short-read sequencing. Our proposed approach is based on a smoothed version of the standard statistic, and takes into account variation in allele frequency estimates due to sampling of segregants to form bulks as well as variation introduced during the sequencing of bulks. Using simulation, we explore the impact of key experimental variables such as bulk size and sequencing coverage on the ability to detect QTLs. Counterintuitively, we find that relatively large bulks maximize the power to detect QTLs even though this implies weaker selection and less extreme allele frequency differences. Our simulation studies suggest that with large bulks and sufficient sequencing depth, the methods we propose can be used to detect even weak effect QTLs and we demonstrate the utility of this framework by application to a BSA experiment in the budding yeast Saccharomyces cerevisiae.

Abstract Evolution by natural selection occurs when the frequencies of genetic variants change because individuals differ in Darwinian fitness components such as survival or reproductive success. Differential fitness has been demonstrated in field studies of many organisms, but our ability to quantitatively predict allele frequency changes from fitness measurements remains unclear. Here, we characterize natural selection on millions of Single Nucleotide Polymorphisms (SNPs) across the genome of the annual plant Mimulus guttatus . We use fitness estimates to calibrate population genetic models that effectively predict observed allele frequency changes into the next generation. Hundreds of SNPs experienced “male selection” in 2013 with one allele at each SNP elevated in frequency among successful male gametes relative to the entire population of adults. In the following generation, allele frequencies at these SNPs consistently shifted in the predicted direction. A second year of study revealed that SNPs had effects on both viability and reproductive success with pervasive trade-offs between fitness components. SNPs favored by male selection were, on average, detrimental to survival. These trade-offs (antagonistic pleiotropy and temporal fluctuations in fitness) may be essential to the long-term maintenance of alleles undergoing substantial changes from generation to generation. Despite the challenges of measuring selection in the wild, the strong correlation between predicted and observed allele frequency changes suggests that population genetic models have a much greater role to play in forward-time prediction of evolutionary change. Author summary For the last 100 years, population geneticists have been deriving equations for Δp, the change in allele frequency owing to mutation, selection, migration, and genetic drift. Seldom are these equations used directly, to match a prediction for Δp to an observation of Δp. Here, we apply genomic sequencing technologies to samples from natural populations, obtaining millions of observations of Δp. We estimate natural selection on SNPs in a natural population of yellow monkeyflowers and find extensive evidence for selection through differential male success. We use the SNP-specific fitness estimates to calibrate a population genetic model that predicts observed Δp into the next generation. We find that when male selection favored one nucleotide at a SNP, that nucleotide increased in frequency in the next generation. Since neither observed nor predicted Δp are generally large in magnitude, we developed a novel method called “haplotype matching” to improve prediction accuracy. The method leverages intensive whole genome sequencing of a reference panel (187 individuals) to infer sequence-specific selection in thousands of field individuals sequenced at much lower coverage. This method proved essential to accurately predicting Δp in this experiment and further development may facilitate population genetic prediction more generally.

Polymorphic chromosomal rearrangements, which can bind together hundreds of genes into single genetic loci with diverse effects, are increasingly associated with local adaptation and speciation. They may also be an important component of genetic variation within populations. We genetically and phenotypically characterized a novel segregating inversion (inv6) in the Iron Mountain (IM) population of Mimulus guttatus (yellow monkeyflower). We first identified a region of recombination suppression in three F2 mapping populations resulting from crosses among IM plants; in each case, the F1 hybrid parent was heterozygous for a homogenous derived haplotype (inv6) across markers spanning over 4.2 Mb of Linkage Group 6. Genotype-phenotype associations in the three F2 populations demonstrated negative inv6 effects on male and female fitness components. In addition, inv6 carriers suffered a ~30% loss of pollen viability in the field. Despite these costs, inv6 exists at moderate and apparently stable frequency (~7%) in the natural population, suggesting counter-balancing fitness benefits that maintain the polymorphism. Across four years of monitoring in the field, inv6 had an overall significant positive effect on the seed production (lifetime female fitness) of carriers. This benefit was particularly strong in harsh years and may be mediated (in part) by strong positive inv6 effects on flower production. These data suggest that opposing fitness effects maintain an intermediate frequency, and as a consequence, inv6 generates inbreeding depression and high genetic variance. We discuss these findings in the context of theory about the genetic basis of inbreeding depression and the role for chromosomal rearrangements in population divergence with gene flow.

Understanding genomic structural variation such as inversions and translocations is a key challenge in evolutionary genetics. In this paper, we tackle this challenge by developing a novel statistical approach to comparative genetic mapping. The procedure couples a Hidden Markov Model with a Genetic Algorithm to detect large-scale structural variation using low-level sequencing data from multiple genetic mapping populations. We demonstrate the method using five distinct crosses within the flowering plant genus Mimulus. The synthesis of data from these experiments is first used to correct numerous errors (misplaced sequences) in the M. guttatus reference genome. Second, we confirm and/or detect eight large inversions polymorphic within the M. guttatus species complex. Finally, we show how this method can be applied in genomic scans to improve the accuracy and resolution of Quantitative Trait Locus (QTL) mapping.

Across western North America, Mimulus guttatus exists as many local populations adapted to site-specific challenges including salt spray, temperature, water availability, and soil chemistry. Gene flow between locally adapted populations will effect genetic diversity in both local demes and across the larger meta-population. A single population of annual M. guttatus from Iron Mountain, Oregon (IM) has been extensively studied and we here building off this research by analyzing whole genome sequences from 34 inbred lines from IM in conjunction with sequences from 22 Mimulus individuals from across the geographic range. Three striking features of these data address hypotheses about migration and selection in a locally adapted population. First, we find very high intra-population polymorphism (synonymous π = 0.033). Variation outside genes may be even higher, but is difficult to estimate because excessive divergence affects read mapping. Second, IM exhibits a significantly positive genome-wide average for Tajima's D. This indicates allele frequencies are typically more intermediate than expected from neutrality, opposite the pattern observed in other species. Third, IM exhibits a distinctive haplotype structure. There is a genome-wide excess of positive associations between minor alleles; consistent with an important effect of gene flow from nearby Mimulus populations. The combination of multiple data types, including a novel, tree-based analytic method and estimates for structural polymorphism (inversions) from previous genetic mapping studies, illustrates how the balance of strong local selection, limited dispersal, and meta-population dynamics manifests across the genome.

Secondary contact between previously allopatric lineages offers a test of reproductive isolating mechanisms that may have accrued in isolation. Such instances of contact can produce stable hybrid zones-where reproductive isolation can further develop via reinforcement or phenotypic displacement-or result in the lineages merging. Ongoing secondary contact is most visible in continental systems, where steady input from parental taxa can occur readily. In oceanic island systems, however, secondary contact between closely related species of birds is relatively rare. When observed on sufficiently small islands, relative to population size, secondary contact likely represents a recent phenomenon. Here, we examine the dynamics of a group of birds whose apparent widespread hybridization influenced Ernst Mayr's foundational work on allopatric speciation: the whistlers of Fiji (Aves:

The degree to which genomic architecture varies across space and time is central to the evolution of genomes in response to natural selection. Bulked-segregant mapping combined with pooled sequencing provides an efficient method to estimate the effect of genetic variants on quantitative traits. We develop a novel likelihood framework to identify segregating variation within multiple populations and generations while accommodating estimation error on a sample-and SNP-specific basis. We use this method to map loci for flowering time within natural populations of Mimulus guttatus, collecting the early and late flowering plants from each of three neighboring populations and two consecutive generations. We find appreciable variation in genetic effects on flowering time across both time and space; the greatest differences evident between populations. Structural variants, such as inversions, and genes from multiple flowering time pathways exhibit the strongest associations with flowering time. It is also clear that genotype-by-environment interactions are an important influence on flowering time variation.

ABSTRACT We measured the floral bud transcriptome of 151 fully sequenced lines of Mimulus guttatus from one natural population. Thousands of single nucleotide polymorphisms (SNPs) are implicated as transcription regulators, but there is a striking difference in the Allele Frequency Spectrum (AFS) of cis-acting and trans-acting mutations. Cis-SNPs have intermediate frequencies (consistent with balancing selection) while trans-SNPs exhibit a rare-alleles model (consistent with purifying selection). This pattern only becomes clear when transcript variation is normalized on a gene-to-gene basis. If a global normalization is applied, as is typically in RNAseq experiments, asymmetric transcript distributions combined with “rarity disequilibrium” produce a super-abundance of false positives for trans-acting SNPs. To explore the cause of purifying selection on trans-acting mutations, we identified gene expression modules as sets of co-expressed genes. The extent to which trans-acting mutations influence modules is a strong predictor of allele frequency. Mutations altering expression of genes with high “connectedness” (those that are highly predictive of the representative module expression value) have the lowest allele frequency. The expression modules can also predict whole-plant traits such as flower size. We find that a substantial portion of the genetic (co)variance among traits can be described as an emergent property of genetic effects on expression modules.