An ordered draft sequence of the 17-gigabase hexaploid bread wheat ( Triticum aestivum ) genome has been produced by sequencing isolated chromosome arms. We have annotated 124,201 gene loci distributed nearly evenly across the homeologous chromosomes and subgenomes. Comparative gene analysis of wheat subgenomes and extant diploid and tetraploid wheat relatives showed that high sequence similarity and structural conservation are retained, with limited gene loss, after polyploidization. However, across the genomes there was evidence of dynamic gene gain, loss, and duplication since the divergence of the wheat lineages. A high degree of transcriptional autonomy and no global dominance was found for the subgenomes. These insights into the genome biology of a polyploid crop provide a springboard for faster gene isolation, rapid genetic marker development, and precise breeding to meet the needs of increasing food demand worldwide.

The allohexaploid bread wheat genome consists of three closely related subgenomes (A, B, and D), but a clear understanding of their phylogenetic history has been lacking. We used genome assemblies of bread wheat and five diploid relatives to analyze genome-wide samples of gene trees, as well as to estimate evolutionary relatedness and divergence times. We show that the A and B genomes diverged from a common ancestor ~7 million years ago and that these genomes gave rise to the D genome through homoploid hybrid speciation 1 to 2 million years later. Our findings imply that the present-day bread wheat genome is a product of multiple rounds of hybrid speciation (homoploid and polyploid) and lay the foundation for a new framework for understanding the wheat genome as a multilevel phylogenetic mosaic.

Allohexaploid bread wheat ( Triticum aestivum L.) provides approximately 20% of calories consumed by humans. Lack of genome sequence for the three homeologous and highly similar bread wheat genomes (A, B, and D) has impeded expression analysis of the grain transcriptome. We used previously unknown genome information to analyze the cell type–specific expression of homeologous genes in the developing wheat grain and identified distinct co-expression clusters reflecting the spatiotemporal progression during endosperm development. We observed no global but cell type– and stage-dependent genome dominance, organization of the wheat genome into transcriptionally active chromosomal regions, and asymmetric expression in gene families related to baking quality. Our findings give insight into the transcriptional dynamics and genome interplay among individual grain cell types in a polyploid cereal genome.

ABSTRACT The search for quantitative trait loci (QTL) that explain complex traits such as yield and flowering time has been ongoing in all crops. Methods such as bi-parental QTL mapping and genome-wide association studies (GWAS) each have their own advantages and limitations. Multi-parent advanced generation intercross (MAGIC) populations contain more recombination events and genetic diversity than bi-parental mapping populations and reduce the confounding effect of population structure that is an issue in association mapping populations. Here we discuss the results of using a MAGIC population of doubled haploid (DH) maize lines created from 16 diverse founders to perform QTL mapping. We compare three models that assume bi-allelic, founder, and ancestral haplotype allelic states for QTL. The three methods have different power to detect QTL for a variety of agronomic traits. Although the founder approach finds the most QTL, there are also QTL unique to each method, suggesting that each model has advantages for traits with different genetic architectures. A closer look at a well-characterized flowering time QTL, qDTA8, which contains vgt1 , suggests a potential epistatic interaction and highlights the strengths and weaknesses of each method. Overall, our results reinforce the importance of considering different approaches to analyzing genotypic datasets, and show the limitations of binary SNP data for identifying multi-allelic QTL.9

Abstract Genotype by environment interactions are a significant challenge for crop breeding as well as being important for understanding the genetic basis of environmental adaptation. In this study, we analyzed genotype by environment interaction in a maize multi-parent advanced generation intercross population grown across five environments. We found that genotype by environment interactions contributed as much as genotypic effects to the variation in some agronomically important traits. In order to understand how genetic correlations between traits change across environments, we estimated the genetic variance-covariance matrix in each environment. Changes in genetic covariances between traits across environments were common, even among traits that show low genotype by environment variance. We also performed a genome-wide association study to identify markers associated with genotype by environment interactions but found only a small number of significantly associated markers, possibly due to the highly polygenic nature of genotype by environment interactions in this population.

Abstract Leaf rolling in maize crops is one of the main plant reactions to water stress that may be visually scored in the field. However, the leaf scoring did not reach the high-throughput desired by breeders for efficient phenotyping. This study investigates the relationship between leaf rolling score and the induced canopy structure changes that may be accessed by high-throughput remote sensing techniques. Results gathered over a field phenotyping platform run in 2015 and 2016 show that leaf starts to roll for the water stressed conditions around 9:00 and reaches its maximum around 15:00. Conversely, genotypes conducted under well watered conditions do not show any significant rolling during the same day. Leaf level rolling was very strongly correlated to canopy structure changes as described by the fraction of intercepted radiation fIPAR WS derived from digital hemispherical photography. The changes in fIPAR WS were stronly correlated ( R 2 =0.86, n =50) to the leaf level rolling visual score. Further, a very good consistency of the genotype ranking of the fIPAR WS changes during the day was found (ρ=0.62). This study demonstrating the strong coordination between leaf level rolling and its impact on canopy structure changes poses the basis for new high-throughput remote sensing methods to quantify this water stress trait. Highligh The diurnal dynamics of leaf rolling scored visually is strongly related to canopy structure changes that can be documented using Digital hemispherical photography. Consequences for high-throughput field phenotyping are discussed

Background Insertions/deletions (InDels) and more specifically presence/absence variations (PAVs) are pervasive in several species and have strong functional and phenotypic effect by removing or drastically modifying genes. Genotyping of such variants on large panels remains poorly addressed, while necessary for approaches such as association mapping or genomic selection.Results We have developed, as a proof of concept, a new high-throughput and affordable approach to genotype InDels. We first identified 141,000 InDels by aligning reads from the B73 line against the genome of three temperate maize inbred lines (F2, PH207, and C103) and reciprocally. Next, we designed an Affymetrix® Axiom® array to target these InDels, with a combination of probes selected at breakpoint sites (13%) or within the InDel sequence, either at polymorphic (25%) or non-polymorphic sites (63%) sites. The final array design is composed of 662,772 probes and targets 105,927 InDels, including PAVs ranging from 35bp to 129kbp. After Affymetrix® quality control, we successfully genotyped 86,648 polymorphic InDels (82% of all InDels interrogated by the array) on 445 maize DNA samples with 422,369 probes. Genotyping InDels using this approach produced a highly reliable dataset, with low genotyping error (~3%), high call rate (~98%), and high reproducibility (>95%). This reliability can be further increased by combining genotyping of several probes calling the same InDels (<0.1% error rate and >99.9% of call rate for 5 probes). This “proof of concept” tool was used to estimate the kinship matrix between 362 maize lines with 57,824 polymorphic InDels. This InDels kinship matrix was highly correlated with kinship estimated using SNPs from Illumina 50K SNP arrays.Conclusions We efficiently genotyped thousands of small to large InDels on a sizeable number of individuals using a new Affymetrix® Axiom® array. This powerful approach opens the way to studying the contribution of InDels to trait variation and heterosis in maize. The approach is easily extendable to other species and should contribute to decipher the biological impact of InDels at a larger scale.* List of abbreviations : GBA : Genotyping by array GBS : Genotyping by sequencing SNP : Single nucleotide polymorphism InDel : Insertion / Deletion BP : Breakpoint MONO : Monomorphic OTV : Off Target Variant QC : Quality control PHR : Poly High Resolyion VCF : Variant Call Format PAR : Presence / Absence Region PAV : Presence / Absence Variant SV : Structural variant CNV : Copy Number Variant TE : Transposable Element CGH : Comparative Genomic Hybridization NGS : Next Generation Sequencing FW : Forward REV : Reverse NAM : Nested Association Mapping DNA : Deoxyribonucleic Acid PCR : Polymerase Chain Reaction PcoA : Principal Coordinate Analysis Mbp : Millions of Base Pairs bp : base pair FreqDiff01 : Frequency of lines not fully consistent between probes within InDel