Abstract Nowadays, studies on genetic by environment interactions (G×E) are receiving increasing attention because of its theoretical and practical importance in explaining individual behavioral traits. Use information from different environments to improve the statistical power of genome-wide association and prediction in the hope of obtaining individuals with better breeding value is the most expedient way. However, there are significant challenges when performing genome-wide association studies (GWAS) and genomic selection (GS) using multiple environments or traits, mainly because most diseases and quantitative traits have numerous associated loci with minimal effects. Therefore, this study constructed a new genotype design model program (GbyE) for genome-wide association and prediction using Kronecker product, which can enhance the statistical power of GWAS and GS by utilizing the interaction effects of multiple environments or traits. The data of 282 maize, 354 yaks and 255 peaches were used to evaluate the power of the model at different levels of heritability and genetic correlation. The results show that GbyE can provide higher statistical power for the traditional GWAS and GS models in any heritability and genetic correlation, and can detect more real loci. In addition, GbyE has increased statistical power to three Bayesian models (BRR, BayesA, and BayesCpi). GbyE can make full use of multiple environment or trait informations to increase the statistical power of the model, which can help us understand the G×E and provide a method for predicting association loci for complex traits.

Most living organisms exhibit diurnal rhythms as an adaptation to the daily light-dark (diel) cycle. However, diurnal rhythms have not been found in viruses. Here, we studied the diel infection patterns of bacteriophages infecting the unicellular cyanobacteria Prochlorococcus and Synechococcus, which are the most abundant photosynthetic organisms in the oceans. With lab cultures, we found that cyanophages used three infection strategies in the dark: no adsorption, adsorption but no replication, and replication. Interestingly, the former two exhibited rhythmic infection patterns under light-dark cycles. We further showed in the South China Sea and the Western Pacific Ocean that cyanophage abundances varied rhythmically, with a peak at night. Moreover, diel transcriptional rhythms of many cyanophage genes were found in the North Pacific Subtropical Gyre, which also peaked at night. Our results suggested that cyanophage infection of Prochlorococcus is synchronized to the light-dark cycle, which may result in a synchronized release of dissolved organic matter to the marine food web.

Marine phytoplankton contributes to about one half of global primary production, and a significant proportion of their photosynthetically fixed organic carbon is released after viral infection as dissolved organic matter (DOM). This DOM pool is known to be consumed by heterotrophic microorganisms; however, its impact on the uninfected co-occurring phytoplankton remains largely unknown. Here, we conducted transcriptomic analyses to study the effects of viral lysis products on the unicellular cyanobacterium Prochlorococcus, which is the most abundant photosynthetic organism on Earth. While Prochlorococcus growth was not affected by viral lysis products, many tRNAs increased in abundance, which was also seen after amino acid addition, suggesting that amino acids are one of the compounds in viral lysis products that affected the expression of tRNA genes. The decreased transcript abundances of N metabolism genes also suggested that Prochlorococcus responded to organic N compounds, consistent with abundant amino acids in viral lysis products. The addition of viral lysis products to Prochlorococcus reduced the maximum photochemical efficiency of photosystem II and CO2 fixation while increased its respiration rate, consistent with differentially expressed genes related to photosynthesis and respiration. One of the highest positive fold-changes was observed for the 6S RNA, a non-coding RNA functioning as a global transcriptional regulator in bacteria. The high level of 6S RNA might be responsible for some of the observed transcriptional responses. Taken together, our results revealed the transcriptional regulation of Prochlorococcus in response to viral lysis products and suggested its metabolic potential to utilize organic N compounds.

Abstract With the development of molecular biology and genetics, deep sequencing technology has become the main way to discover genetic variation and reveal the molecular structure of genome. Due to the complexity of the whole genome segment structure, a large number of missing genotypes have appeared after sequencing, and these missing genotypes can be imputed by genotype imputation method. With the in-depth study of genotype imputation methods, computational intensive and computationally efficient imputation software come into being. Beagle software, as an efficient imputation software, is widely used because of its advantages of low memory consumption, fast running speed and relatively high imputation accuracy. K-Means clustering can divide individuals with similar population structure into a class, so that individuals in the same class can share longer haplotype fragments. Therefore, combining K-Means clustering algorithm with Beagle software can improve the interpolation accuracy. The Beagle and KBeagle method was used to compare the imputation efficiency. The KBeagle method presents a higher imputation matching rate and a shorter computing time. In the genome selection and heritability estimated section, the genotype dataset after imputed, unimputed, and with real genotype show similar prediction accuracy. However the estimated heritability using genotype dataset after imputed is closer to the estimation by the dataset with real genotype. We generated a compounds and efficient imputation method, which presents valuable resource for improvement of imputation accuracy and computing time. We envisage the application of KBeagle will be focus on the livestock sequencing study under strong genetic structure.