Soybean (Glycine max) is a photoperiod-sensitive and self-pollinated species. Days to flowering (DTF) and maturity (DTM), duration of flowering-to-maturity (DFTM) and plant height (PH) are crucial for soybean adaptability and yield. To dissect the genetic architecture of these agronomically important traits, a population consisting of 309 early maturity soybean germplasm accessions was genotyped with the Illumina Infinium SoySNP50K BeadChip and phenotyped in multiple environments. A genome-wide association study (GWAS) was conducted using a mixed linear model that involves both relative kinship and population structure. The linkage disequilibrium (LD) decayed slowly in soybean, and a substantial difference in LD pattern was observed between euchromatic and heterochromatic regions. A total of 27, 6, 18 and 27 loci for DTF, DTM, DFTM and PH were detected via GWAS, respectively. The Dt1 gene was identified in the locus strongly associated with both DTM and PH. Ten candidate genes homologous to Arabidopsis flowering genes were identified near the peak single nucleotide polymorphisms (SNPs) associated with DTF. Four of them encode MADS-domain containing proteins. Additionally, a pectin lyase-like gene was also identified in a major-effect locus for PH where LD decayed rapidly. This study identified multiple new loci and refined chromosomal regions of known loci associated with DTF, DTM, DFTM and/or PH in soybean. It demonstrates that GWAS is powerful in dissecting complex traits and identifying candidate genes although LD decayed slowly in soybean. The loci and trait-associated SNPs identified in this study can be used for soybean genetic improvement, especially the major-effect loci associated with PH could be used to improve soybean yield potential. The candidate genes may serve as promising targets for studies of molecular mechanisms underlying the related traits in soybean.

Twenty-two loci for soybean SW and candidate genes conditioning seed development were identified; and prediction accuracies of GS and MAS were estimated through cross-validation and validation with unrelated populations. Soybean (Glycine max) is a major crop for plant protein and oil production, and seed weight (SW) is important for yield and quality in food/vegetable uses of soybean. However, our knowledge of genes controlling SW remains limited. To better understand the molecular mechanism underlying the trait and explore marker-based breeding approaches, we conducted a genome-wide association study in a population of 309 soybean germplasm accessions using 31,045 single nucleotide polymorphisms (SNPs), and estimated the prediction accuracy of genomic selection (GS) and marker-assisted selection (MAS) for SW. Twenty-two loci of minor effect associated with SW were identified, including hotspots on Gm04 and Gm19. The mixed model containing these loci explained 83.4 % of phenotypic variation. Candidate genes with Arabidopsis orthologs conditioning SW were also proposed. The prediction accuracies of GS and MAS by cross-validation were 0.75–0.87 and 0.62–0.75, respectively, depending on the number of SNPs used and the size of training population. GS also outperformed MAS when the validation was performed using unrelated panels across a wide range of maturities, with an average prediction accuracy of 0.74 versus 0.53. This study convincingly demonstrated that soybean SW is controlled by numerous minor-effect loci. It greatly enhances our understanding of the genetic basis of SW in soybean and facilitates the identification of genes controlling the trait. It also suggests that GS holds promise for accelerating soybean breeding progress. The results are helpful for genetic improvement and genomic prediction of yield in soybean.

ABSTRACT We report a meta-Genome Wide Association Study involving 73 published studies in soybean ( Glycine max L. [Merr.]) covering 17,556 unique accessions, with improved statistical power for robust detection of loci associated with a broad range of traits. De novo GWAS and meta-analysis were conducted for composition traits including fatty acid and amino acid composition traits, disease resistance traits, and agronomic traits including seed yield, plant height, stem lodging, seed weight, seed mottling, seed quality, flowering timing, and pod shattering. To examine differences in detectability and test statistical power between single- and multi-environment GWAS, comparison of meta-GWAS results to those from the constituent experiments were performed. Using meta-GWAS analysis and the analysis of individual studies, we report 483 quantitative trait loci (QTL) at 393 unique loci. Using stringent criteria to detect significant marker trait associations, 66 candidate genes were identified, including 17 candidate genes for agronomic traits, 19 for seed related traits, and 33 for disease reaction traits. This study identified potentially valuable candidate genes that affect multiple traits. The success in narrowing down the genomic region for some loci through overlapping mapping results of multiple studies is a promising avenue for community-based studies and plant breeding applications.

Abstract Shade-tolerance is a key trait for cultivars in inter/relay-cropped soybeans in maize field. Our previous genome-wide association study (GWAS) results on southern China soybean germplasm revealed that the shade-tolerance was conferred by a complex of genes with multiple alleles. To complete our understanding on shade-tolerance gene system, the GWAS with gene-allele sequences as markers (designated GASM-RTM-GWAS) was conducted in a recombinant inbred lines (RILs) population between two extreme parents using shade-tolerance index (STI) and relative pith-cell length (RCL) as indicators. Altogether, 211 genes, including 99 and 119 genes (seven shared) for STI and RCL, respectively, were identified and then annotated into a similar set of five biological categories. Furthermore, transcriptome analysis detected 7,837 differentially expressed genes (DEGs), indicating plentiful DEGs involved in the expression of regulatory/causal GWAS-genes. The protein-protein interaction (PPI) analysis and gene functional analysis for both GWAS-genes and DEGs showed a group of interrelated causal genes and a group of interrelated DEGs with that of the former including in the latter and their functions interconnected as a gene network. For further understanding of the response of soybean to shade stress in a sequential connection, six chronological gene modules were grouped as Signal-activation and transport, Signal-transduction, Signal-amplification, Gene expression, Regulated metabolites, and Material transport. From the modules, 12 key genes were selected as entry-points for further analysis. Our study characterizes with overview of shade tolerance gene network as a new insight into the complex trait genetic system, rather than the usual way starting from a handpicked single gene.