Abstract Cotton fiber length and strength are key determinants of its quality. Dynamic changes in the pectin, xyloglucan, xylan, and cellulose polysaccharide epitopes content during fiber growth contribute to complex remodeling of fiber cell wall (CW) and quality. Detailed knowledge about polysaccharide compositional and structural alteration in the fiber during fiber elongation and strengthening is vastly limited. Here, large-scale glycome profiling coupled with fiber phenotype and transcriptome profiling was conducted on fiber collected daily covering the most critical fiber developmental window. High temporal resolution profiling allowed us to identify specific polysaccharide epitopes associated with distinct fiber phenotypes that might contribute to fiber quality. This study revealed the critical role of highly branched RG-I pectin epitopes such as, β-1,4-linked-galactans, β-1,6-linked-galactans, and arabinogalactans, in addition to earlier reported homogalacturonans and xyloglucans in the formation of cotton-fiber-middle-lamella and contributing to fiber plasticity and elongation. We also propose the essential role of heteroxylans (Xyl-MeGlcA and Xyl-3Ar), as a guiding factor for secondary CW cellulose-microfibril arrangement, thus contributing to fiber strength. Correlation analysis of glycome and transcriptome data identified several key putative glycosyltransferases involved in synthesizing the critical polysaccharide epitopes. Novel details discovered here provide a foundation to identify molecular factors that dictate important fiber traits.

Abstract Co-Fractionation Mass Spectrometry (CFMS) enables the discovery of protein complexes and the systems-level analyses of multimer dynamics that facilitate responses to environmental and developmental conditions. A major challenge in the CFMS analyses, and other omics approaches in general, is to conduct validation experiments at scale and develop precise methods to evaluate the performance of the analyses. For protein complex composition predictions, CORUM is commonly used as a source of known complexes; however, the subunit pools in cell extracts are very rarely in the assumed fully assembled states. Therefore, a fundamental conflict exists between the assumed multimerization of the CORUM “gold standards” and the CFMS experimental datasets to be evaluated. In this paper, we develop a machine learning-based “small world” data analysis method. This method uses size exclusion chromatography profiles of predicted CORUM complex subunits to identify relatively rare instances of fully assembled complexes, as well as bona fide stable CORUM subcomplexes. Our method involves a two-stage machine learning approach that integrates information from CORUM and CFMS experiments to generate reliable gold standards of protein complexes. The predictions are evaluated by both statistical significance and size comparison between calculated and predicted complexes. These validated gold standards are then used to assess the overall reliability of CFMS-based protein complex composition predictions.

Abstract Cotton fiber development relies on complex and intricate biological processes to transform newly differentiated fiber initials into the mature, extravagantly elongated cellulosic cells that are the foundation of this economically important cash crop. Here we extend previous research into cotton fiber development by employing controlled conditions to minimize variability and utilizing time-series sampling and analyses to capture daily transcriptomic changes from early elongation through the early stages of secondary wall synthesis (6 to 24 days post anthesis; DPA). A majority of genes are expressed in fiber, largely partitioned into two major coexpression modules that represent genes whose expression generally increases or decreases during development. Differential gene expression reveals a massive transcriptomic shift between 16 and 17 DPA, corresponding to the onset of the transition phase that leads to secondary wall synthesis. Subtle gene expression changes are captured by the daily sampling, which are discussed in the context of fiber development. Coexpression and gene regulatory networks are constructed and associated with phenotypic aspects of fiber development, including turgor and cellulose production. Key genes are considered in the broader context of plant secondary wall synthesis, noting their known and putative roles in cotton fiber development. The analyses presented here highlight the importance of fine-scale temporal sampling on understanding developmental processes and offer insight into genes and regulatory networks that may be important in conferring the unique fiber phenotype.

The economic value of cotton is based on long, thin, strong, and twisted trichoblast cells that emerge from the ovule epidermis. The mature dried cell reflects the final outcome of a complicated morphogenesis process that includes rapid tapering of the nascent trichoblast, weeks of polarized diffuse growth, followed by a transition to persistent secondary cell wall synthesis. Cellulose microfibril-based anistropic growth control is central to this process. It is widely assumed that the transition to secondary wall synthesis causes a reduced growth rate. However, the biomechanical details that directly link cell wall properties, with fiber morphogenesis is very poorly understood. In this paper, we developed novel imaging quantitative phenotyping, and computational modeling pipelines to analyze fiber growth at a daily resolution. We uncovered unexpected variability in growth rate, cell wall properties, and cell geometry across a broad developmental window. Finite element computational modeling of fiber growth was used to predict how spatial gradients of fiber and matrix material properties can interact to dictate the patterns of shape change. Cellulose patterning is central to the developmental process, and as an initial step toward gaining insight into the molecular control the expression profiles of a broad set of genes known to orchestrate cellulose biosynthesis were quantified across the same developmental timeline and correlated with fiber phenotypes. This analysis identified specific Gossypium hirsutum targets for fiber quality improvement.