Summary

 The bowhead whale (Balaena mysticetus) is estimated to live over 200 years and is possibly the longest-living mammal. These animals should possess protective molecular adaptations relevant to age-related diseases, particularly cancer. Here, we report the sequencing and comparative analysis of the bowhead whale genome and two transcriptomes from different populations. Our analysis identifies genes under positive selection and bowhead-specific mutations in genes linked to cancer and aging. In addition, we identify gene gain and loss involving genes associated with DNA repair, cell-cycle regulation, cancer, and aging. Our results expand our understanding of the evolution of mammalian longevity and suggest possible players involved in adaptive genetic changes conferring cancer resistance. We also found potentially relevant changes in genes related to additional processes, including thermoregulation, sensory perception, dietary adaptations, and immune response. Our data are made available online (http://www.bowhead-whale.org) to facilitate research in this long-lived species.

Abstract Can the microbiome serve as a reservoir of adaptive potential for hosts? To address this question, we leveraged ∼150 generations of experimental evolution in Drosophila melanogaster in a stressful, high-sugar (HS) diet. We performed a fully reciprocal transplant experiment using the control and evolved HS bacteria. If the microbiome confers benefits to hosts, then transplant recipients should gain fitness benefits compared to controls. Interestingly, we found that benefits do exist, but mismatches between fly evolution and microbiome exerted fitness costs by slowing development and reducing fecundity, especially in the stressful HS diet. The dominant HS bacteria ( Acetobacter pasteurianus ) uniquely encoded several genes to enable uric acid degradation, mediating the toxic effects of uric acid accumulation due to the HS diet for flies. Our study demonstrates that host genotype x microbiome x environment interactions have substantial effects on host phenotype, highlighting how host evolution and ecological context together shape the adaptive potential of the microbiome.

Abstract Sweat bees have repeatedly gained and lost eusociality, a transition from individual to group reproduction. Here, we generate chromosome-length genome assemblies for 17 species and identify genomic signatures of evolutionary trade-offs associated with transitions between social and solitary living. Both young genes and regulatory regions show enrichment for these molecular patterns. We also identify loci that show evidence of complementary signals of positive and relaxed selection linked specifically to the convergent gains and losses of eusociality in sweat bees. This includes two proteins that bind and transport juvenile hormone (JH) – a key regulator of insect development and reproduction. We find one of these JH binding proteins is primarily expressed in subperineurial glial cells that form the insect blood-brain barrier and that brain levels of JH vary by sociality. Our findings are consistent with a role of JH in modulating social behavior and suggest eusocial evolution was facilitated by alteration of the proteins that bind and transport JH, revealing how an ancestral, developmental hormone may have been co-opted during one of life’s major transitions. More broadly, our results highlight how trade-offs have structured the molecular basis of eusociality in these bees and demonstrate how both directional selection and release from constraint can shape trait evolution.

Significant advances in computational ethology have allowed the quantification of behavior in unprecedented detail. Tracking animals in social groups, however, remains challenging as most existing methods can either capture pose or robustly retain individual identity over time but not both. To capture finely resolved behaviors while maintaining individual identity, we built NAPS (NAPS is ArUco Plus SLEAP), a hybrid tracking framework that combines state-of-the-art, deep learning-based methods for pose estimation (SLEAP) with unique markers for identity persistence (ArUco). We show that this framework allows the exploration of the social dynamics of the common eastern bumblebee ( Bombus impatiens ). We provide a stand-alone Python package for implementing this framework along with detailed documentation to allow for easy utilization and expansion. We show that NAPS can scale to long timescale experiments at a high frame rate and that it enables the investigation of detailed behavioral variation within individuals in a group. Expanding the toolkit for capturing the constituent behaviors of social groups is essential for understanding the structure and dynamics of social networks. NAPS provides a key tool for capturing these behaviors and can provide critical data for understanding how individual variation influences collective dynamics.

Comparative genomic studies of social insects suggest that changes in gene regulation are associated with evolutionary transitions in social behavior, but the activity of predicted regulatory regions has not been tested empirically. We used STARR-seq, a high-throughput enhancer discovery tool, to identify and measure the activity of enhancers in the socially variable sweat bee, Lasioglossum albipes . We identified over 36,000 enhancers in the L. albipes genome from three social and three solitary populations. Many enhancers were identified in only a subset of L. albipes populations, revealing rapid divergence in regulatory regions within this species. Population-specific enhancers were often proximal to the same genes across populations, suggesting compensatory gains and losses of regulatory regions may preserve gene activity. We also identified 1182 enhancers with significant differences in activity between social and solitary populations, some of which are conserved regulatory regions across species of bees. These results indicate that social trait variation in L. albipes is driven both by the fine-tuning of ancient enhancers as well as lineage-specific regulatory changes. Combining enhancer activity with population genetic data revealed variants associated with differences in enhancer activity and identified a subset of differential enhancers with signatures of selection associated with social behavior. Together, these results provide the first empirical map of enhancers in a socially flexible bee and highlight links between cis-regulatory variation and the evolution of social behavior.

Abstract Natural variation can provide important insights into the genetic and environmental factors that shape social behavior and its evolution. The sweat bee, Lasioglossum baleicum , is a socially flexible bee capable of producing both solitary and eusocial nests. We demonstrate that within a single nesting aggregation, soil temperatures are a strong predictor of the social structure of nests. Sites with warmer temperatures in the spring have a higher frequency of social nests than cooler sites, perhaps because warmer temperatures provide a longer reproductive window for those nests. To identify the molecular correlates of this behavioral variation, we generated a de novo genome assembly for L. baleicum , and we used transcriptomic profiling to compare adults and developing offspring from eusocial and solitary nests. We find that adult, reproductive females have similar expression profiles regardless of social structure in the nest, but that there are strong differences between reproductive females and workers from social nests. We also find substantial differences in the transcriptomic profiles of stage-matched pupae from warmer, social-biased sites compared to cooler, solitary-biased sites. These transcriptional differences are strongly predictive of adult reproductive state, suggesting that the developmental environment may set the stage for adult behaviors in L. baleicum . Together, our results help to characterize the molecular mechanisms shaping variation in social behavior and highlight a potential role of environmental tuning during development as a factor shaping adult behavior and physiology in this socially flexible bee.

Here we present the Pop-Gen Pipeline Platform (PPP), a software platform with the goal of reducing the computational expertise required for conducting population genomic analyses. The PPP was designed as a collection of scripts that facilitate common population genomic workflows in a consistent and standardized Python environment. Functions were developed to encompass entire workflows, including: input preparation, file format conversion, various population genomic analyses, output generation, and visualization. By facilitating entire workflows, the PPP offers several benefits to prospective end users - it reduces the need of redundant in-house software and scripts that would require development time and may be error-prone, or incorrect. The platform has also been developed with reproducibility and extensibility of analyses in mind. The PPP is an open-source package that is available for download and use at https://ppp.readthedocs.io/en/latest/PPP_pages/install.html