Summary Developing early maturing lentil has the potential to minimize yield losses, mainly during terminal drought. Whole‐genome resequencing (WGRS) based QTL‐seq identified the loci governing earliness in lentil. The genetic analysis for maturity duration provided a good fit to 3:1 segregation (F 2 ), indicating earliness as a recessive trait. WGRS of Globe Mutant (late parent), late‐flowering, and early‐flowering bulks (from RILs) has generated 1124.57, 1052.24 million raw and clean reads, respectively. The QTL‐Seq identified three QTLs ( LcqDTF3 . 1 , LcqDTF3 . 2 , and LcqDTF3 . 3 ) on chromosome 3 having 246244 SNPs and 15577 insertions/deletions (InDels) and 13 flowering pathway genes. Of these, 11 exhibited sequence variations between bulks and validation (qPCR) revealed a significant difference in the expression of nine candidate genes ( LcGA20oxG , LcFRI , LcLFY , LcSPL13a , Lcu . 2RBY . 3g060720 , Lcu . 2RBY . 3g062540 , Lcu . 2RBY . 3g062760 , LcELF3a , and LcEMF1 ). Interestingly, the LcELF3a gene showed significantly higher expression in late‐flowering genotype and exhibited substantial involvement in promoting lateness. Subsequently, an InDel marker (I‐SP‐383.9; LcELF3a gene) developed from LcqDTF3 . 2 QTL region showed 82.35% PVE (phenotypic variation explained) for earliness. The cloning, sequencing, and comparative analysis of the LcELF3a gene from both parents revealed 23 SNPs and InDels. Interestingly, a 52 bp deletion was recorded in the LcELF3a gene of L4775, predicted to cause premature termination of protein synthesis after 4 missense amino acids beyond the 351st amino acid due to the frameshift during translation. The identified InDel marker holds significant potential for breeding early maturing lentil varieties.

A total of 96 melon germplasm from four horticultural groups were undertaken for genetic characterization using 107 microsatellitemarkers. The average diversity indices of microsatellite markers, viz., allele number, major allelic frequency, gene diversity, expectedheterozygosity and polymorphic information content, were 2.69, 0.84, 0.25, 0.06 and 0.22, respectively. The neighbor-joining dendrogramgrouped the melon germplasm into four major clusters with distinct separation of Indian reticulatus germplasm from that of the exoticgermplasm adapted in India and wild agrestis germplasm. Population structure analysis deciphered two main subpopulations broadlycorresponding sweet melon preferred by consumers from sub-species melo and non-sweet wild agrestis melon separately along withadmixtures. This finding was validated by principal coordinate analysis. AMOVA analysis further partitioned the whole genetic variationamong individuals (74%), within individuals (22%) and among populations (4%) with low genetic differentiation and high levels of geneflow among subpopulations. A total of 12 microsatellite markers produced 19 unique alleles among 24 germplasm, which would actas a distinct DNA fingerprint for germplasm identification and legal protection. The present study provided a deeper understanding ofthe genetic structure of melon germplasm and will assist in formulating future breeding programmes.

Genetic diversity existing between the chicken breeds can be used as a means to unravel the biological mechanisms affecting traits of commercial prominence. The present study attempted to compare the biological pathways enriched in pectoralis major muscles in five diverse chicken breeds. RNA sequencing data was generated from four biological replicates of pectoralis major muscles from Ankleshwar, Aseel, Kadaknath, Punjab Brown and Nicobari chicken. A total of 40 genes each for Nicobari and Aseel, 46 for Punjab Brown, 65 for Kadaknath and 86 for Ankaleshwar were found to be unique. The Neuroactive ligand-receptor interaction pathway was enriched in Ankaleshwar, Aseel and Kadaknath. However, the set of genes identified in this pathway were associated with different ligand receptors in each of the three breeds. The Wnt signaling pathway showed significant enrichment in Nicobari chicken while the Steroid biosynthesis pathway showed prominent expression in Punjab Brown chicken. The significant pathways pinpoint to genetic characteristics associated with each breed suggesting a transcriptome footprint. Our study is a first step toward determining the genetic basis of phenotypic diversity in chicken.

Abstract MicroRNAs are key players involved in stress responses in plants and reports are available on the role of miRNAs in drought stress response in rice. This work reports the development of a database, RiceMetaSys: Drought-miR, based on the meta-analysis of publicly available sRNA datasets. From 28 drought stress-specific sRNA datasets, we identified 216 drought-responsive miRNAs (DRMs). The major features of the database include genotype-, tissue- and miRNA ID-specific search options and comparison of genotypes to identify common miRNAs. Co-localization of the DRMs with the known quantitative trait loci (QTLs), i.e., meta-QTL regions governing drought tolerance in rice pertaining to different drought adaptive traits, narrowed down this to 37 promising DRMs. To identify the high confidence target genes of DRMs under drought stress, degradome datasets and web resource on drought-responsive genes (RiceMetaSys: DRG) were used. Out of the 216 unique DRMs, only 193 had targets with high stringent parameters. Out of the 1081 target genes identified by Degradome datasets, 730 showed differential expression under drought stress in at least one accession. To retrieve complete information on the target genes, the database has been linked with RiceMetaSys: DRG. Further, we updated the RiceMetaSys: DRGv1 developed earlier with the addition of DRGs identified from RNA-seq datasets from five rice genotypes. We also identified 759 putative novel miRNAs and their target genes employing stringent criteria. Novel miRNA search has all the search options of known miRNAs and additionally, it gives information on their in silico validation features. Simple sequence repeat markers for both the miRNAs and their target genes have also been designed and made available in the database. Network analysis of the target genes identified 60 hub genes which primarily act through abscisic acid pathway and jasmonic acid pathway. Co-localization of the hub genes with the meta-QTL regions governing drought tolerance narrowed down this to 16 most promising DRGs. Database URL: http://14.139.229.201/RiceMetaSys_miRNA Updated database of RiceMetaSys URL: http://14.139.229.201/RiceMetaSysA/Drought/

Potato is a globally significant crop, crucial for food security and nutrition. Assessing vital nutritional traits is pivotal for enhancing nutritional value. However, traditional wet lab methods for the screening of large germplasms are time- and resource-intensive. To address this challenge, we used near-infrared reflectance spectroscopy (NIRS) for rapid trait estimation in diverse potato germplasms. It employs molecular absorption principles that use near-infrared sections of the electromagnetic spectrum for the precise and rapid determination of biochemical parameters and is non-destructive, enabling trait monitoring without sample compromise. We focused on modified partial least squares (MPLS)-based NIRS prediction models to assess eight key nutritional traits. Various mathematical treatments were executed by permutation and combinations for model calibration. The external validation prediction accuracy was based on the coefficient of determination (RSQexternal), the ratio of performance to deviation (RPD), and the low standard error of performance (SEP). Higher RSQexternal values of 0.937, 0.892, and 0.759 were obtained for protein, dry matter, and total phenols, respectively. Higher RPD values were found for protein (3.982), followed by dry matter (3.041) and total phenolics (2.000), which indicates the excellent predictability of the models. A paired t-test confirmed that the differences between laboratory and predicted values are non-significant. This study presents the first multi-trait NIRS prediction model for Indian potato germplasm. The developed NIRS model effectively predicted the remaining genotypes in this study, demonstrating its broad applicability. This work highlights the rapid screening potential of NIRS for potato germplasm, a valuable tool for identifying trait variations and refining breeding strategies, to ensure sustainable potato production in the face of climate change.

Rice blast disease, instigated by Magnaporthe oryzae (M. oryzae), significantly impedes global rice production. Targeting the M. oryzae signaling protein, cAMP-Protein Kinase A (CPKA), which facilitates appressorium development and host penetration, this study explores the potential inhibitory effects of natural compounds. Virtual screening, molecular docking and text mining approaches were used to find the nimonol and curcumin that inhibit the CPKA protein. The MM-PBSA method was used to do the molecular dynamics (MD) simulation and the binding free energy analysis of the molecule. Their binding free energies (ΔGbind) of −78.81 kJ/mol and −117.65 kJ/mol, respectively, point to the potential efficacy of the CPKA-nimonol and CPKA-curcumin complexes as inhibitors. The inhibitory effects have been further verified by various MD analysis. This study emphasizes the need to conduct further study on the CPKA protein and gives important insights into the possibility of natural compounds as M. oryzae inhibitors.

Background: The identification and classification of natural products are vital in drug discovery and bioactive compound exploration. Traditional methods are laborious and timeconsuming, necessitating innovative tools for accurate predictions using advanced AI techniques. Objectives: This paper presents NaturePred, a user-friendly tool designed to predict the class of natural products and calculate eight physicochemical properties of protein sequences. It aims to accurately predict five distinct classes of natural product biosynthetic gene clusters (BGCs): Polyketide Synthases (PKS), Non-ribosomal Peptide Synthetases (NRPS), Ribosomally Synthesized and Post- Translationally Modified Peptides (RiPPs), Terpenes, and PKS-NRPS Hybrids. It also addresses reliability in multi-class classification with a 90% confidence score threshold. Method: NaturePred offers three input options: single protein sequence, CSV file, or GenBank (.gbk) file. It uses a pipeline with a Natural Language Processing model based on TF-IDF (Term Frequency- Inverse Document Frequency) and a Logistic Regression classifier. Predictions are made if the confidence score exceeds 90%; otherwise, "None of the above class" is predicted. Evaluation with unseen data from the MiBIG database shows high accuracy (~96%) in assigning BGCs. Results: NaturePred provides accurate predictions with high confidence scores, demonstrating reliability across different datasets. It calculates eight physicochemical properties of protein sequences, offering valuable insights for further analysis. Conclusion: NaturePred's integrated features, including versatile input options, accurate predictions, and physicochemical property calculations, make it an indispensable tool in natural product research. By addressing classification challenges, NaturePred facilitates drug discovery and bioactive compound exploration, advancing the field. Tool available: (http://login1.cabgrid.res.in:5101/).