Inducible epigenetic changes in eukaryotes are believed to enable rapid adaptation to environmental fluctuations. We have found distinct regions of the Arabidopsis genome that are susceptible to DNA (de)methylation in response to hyperosmotic stress. The stress-induced epigenetic changes are associated with conditionally heritable adaptive phenotypic stress responses. However, these stress responses are primarily transmitted to the next generation through the female lineage due to widespread DNA glycosylase activity in the male germline, and extensively reset in the absence of stress. Using the CNI1/ATL31 locus as an example, we demonstrate that epigenetically targeted sequences function as distantly-acting control elements of antisense long non-coding RNAs, which in turn regulate targeted gene expression in response to stress. Collectively, our findings reveal that plants use a highly dynamic maternal 'short-term stress memory' with which to respond to adverse external conditions. This transient memory relies on the DNA methylation machinery and associated transcriptional changes to extend the phenotypic plasticity accessible to the immediate offspring.

MicroRNAs (miRNAs) are processed from primary transcripts that contain partially self-complementary foldbacks. As in animals, the core microprocessor in plants is a Dicer protein, DICER-LIKE1 (DCL1). Processing accuracy and strand selection is greatly enhanced through the RNA binding protein HYPONASTIC LEAVES 1 (HYL1) and the zinc finger protein SERRATE (SE). We have combined a luciferase-based genetic screen with whole-genome sequencing for rapid identification of new regulators of miRNA biogenesis and action. Among the first six mutants analyzed were three alleles of C-TERMINAL DOMAIN PHOSPHATASE-LIKE 1 (CPL1)/FIERY2 (FRY2). In the miRNA processing complex, SE functions as a scaffold to mediate CPL1 interaction with HYL1, which needs to be dephosphorylated for optimal activity. In the absence of CPL1, HYL1 dephosphorylation and hence accurate processing and strand selection from miRNA duplexes are compromised. Our findings thus define a new regulatory step in plant miRNA biogenesis.

Abstract Whole-genome bisulfite sequencing (WGBS) is the standard method for profiling DNA methylation at single-nucleotide resolution. Many WGBS-based studies aim to identify biologically relevant loci that display differential methylation between genotypes, treatment groups, tissues, or developmental stages. Over the years, different tools have been developed to extract differentially methylated regions (DMRs) from whole-genome data. Often, such tools are built upon assumptions from mammalian data and do not consider the substantially more complex and variable nature of plant DNA methylation. Here, we present MethylScore, a pipeline to analyze WGBS data and to account for plant-specific DNA methylation properties. MethylScore processes data from genomic alignments to DMR output and is designed to be usable by novice and expert users alike. It uses an unsupervised machine learning approach to segment the genome by classification into states of high and low methylation, substantially reducing the number of necessary statistical tests while increasing the signal-to-noise ratio and the statistical power. We show how MethylScore can identify DMRs from hundreds of samples and how its data-driven approach can stratify associated samples without prior information. We identify DMRs in the A. thaliana 1001 Genomes dataset to unveil known and unknown genotype-epigenotype associations. MethylScore is an accessible pipeline for plant WGBS data, with unprecedented features for DMR calling in small- and large-scale datasets; it is built as a Nextflow pipeline and its source code is available at https://github.com/Computomics/MethylScore .

Summary Hybrid offspring can look very different from their parents, including having greatly increased or decreased fitness. In many plant species, conflicts between divergent elements of the immune system can cause hybrids to express autoimmunity, a generally deleterious syndrome known as hybrid necrosis. We are investigating multiple hybrid necrosis cases in Arabidopsis thaliana that are caused by allele-specific interactions between different variants at two unlinked resistance (R) gene clusters. One is the RESISTANCE TO PERONOSPORA PARASITICA 7 (RPP7) cluster, which encodes an intracellular nucleotide binding site-leucine rich repeat (NLR) immune receptors that confer strain-specific resistance to oomycetes. The other is the RESISTANCE TO POWDERY MILDEW 8 (RPW8)/HOMOLOG OF RPW8 (HR) locus, which encodes atypical resistance proteins that can confer broad-spectrum resistance to filamentous pathogens. There is extensive structural variation in the RPW8/HR cluster, both at the level of gene copy number and at the level of C-terminal protein repeats of unknown function. We demonstrate that the number of RPW8/HR repeats correlate, albeit in a complex manner, with the severity of hybrid necrosis when these alleles are combined with specific RPP7 variants. This observation suggests that gross structural differences, rather than individual amino acid polymorphisms, guide the genetic interaction between RPW8/HR and RPP7 alleles. We discuss these findings in light of the similarity of RPW8/HR proteins with pore-forming toxins, MLKL and HET-S, from mammals and fungi.

Abstract Pangenome graphs can represent all variation between multiple genomes, but existing methods for constructing them are biased due to reference-guided approaches. In response, we have developed PanGenome Graph Builder (PGGB), a reference-free pipeline for constructing unbi-ased pangenome graphs. PGGB uses all-to-all whole-genome alignments and learned graph embeddings to build and iteratively refine a model in which we can identify variation, measure conservation, detect recombination events, and infer phylogenetic relationships.

Motivation: The increasing availability of complete genomes demands for models to study genomic variability within entire populations. Pangenome graphs capture the full genetic diversity between multiple genomes, but their layouts may exhibit complex structures due to common, nonlinear patterns of genome variation and evolution. These structures hamper downstream analyses, visualization, and interpretation. Results: In response, we introduce a novel graph layout algorithm: the Path-Guided Stochastic Gradient Descent (PG-SGD). PG-SGD uses the genomes, represented in the pangenome graph as paths, to move pairs of nodes in parallel applying a modified HOGWILD! strategy. We show that our implementation efficiently computes the layout of gigabase-scale pangenome graphs, unveiling their biological features. Availability: We integrated PG-SGD in ODGI which is released as free software under the MIT open source license. Source code is available at https://github.com/pangenome/odgi. Contact: egarris5@uthsc.edu

By following the evolution of populations that are initially genetically homogeneous, much can be learned about core biological principles. For example, it allows for detailed studies of the rate of emergence of de novo mutations and their change in frequency due to drift and selection. Unfortunately, in multicellular organisms with generation times of months or years, it is difficult to set up and carry out such experiments over many generations. An alternative is provided by "natural evolution experiments" that started from colonizations or invasions of new habitats by selfing lineages. With limited or missing gene flow from other lineages, new mutations and their effects can be easily detected. North America has been colonized in historic times by the plant Arabidopsis thaliana, and although multiple intercrossing lineages are found today, many of the individuals belong to a single lineage, HPG1. To determine in this lineage the rate of substitutions -- the subset of mutations that survived natural selection and drift --, we have sequenced genomes from plants collected between 1863 and 2006. We identified 73 modern and 27 herbarium specimens that belonged to HPG1. Using the estimated substitution rate, we infer that the last common HPG1 ancestor lived in the early 17th century, when it was most likely introduced by chance from Europe. Mutations in coding regions are depleted in frequency compared to those in other portions of the genome, consistent with purifying selection. Nevertheless, a handful of mutations is found at high frequency in present-day populations. We link these to detectable phenotypic variance in traits of known ecological importance, life history and growth, which could reflect their adaptive value. Our work showcases how, by applying genomics methods to a combination of modern and historic samples from colonizing lineages, we can directly study new mutations and their potential evolutionary relevance.

Genetic drift is expected to remove polymorphism from populations over long periods of time, with the rate of polymorphism loss being accelerated when species experience strong reductions in population size. Adaptive forces that maintain genetic variation in populations, or balancing selection, might counteract this process. To understand the extent to which natural selection can drive the retention of genetic diversity, we document genomic variability after two parallel species-wide bottlenecks in the genus Capsella. We find that ancestral variation preferentially persists at immunity related loci, and that the same collection of alleles has been maintained in different lineages that have been separated for several million years. Our data point to long term balancing selection as an important factor shaping the genetics of immune systems in plants and as the predominant driver of genomic variability after a population bottleneck.

As regulators of gene expression in multicellular organisms, microRNAs (miRNAs) are crucial for growth and development. While a plethora of factors involved in their biogenesis and action in Arabidopsis thaliana have been described, these processes and their fine-tuning are not fully understood in plants. Here, we used plants expressing an artificial miRNA target mimic (MIM) to screen for negative regulators of miR156 activity. We identified a new mutant allele of the F-box protein HAWAIIAN SKIRT (HWS; At3G61590), hws-5, as a suppressor of the MIM156-induced developmental and molecular phenotypes. In hws plants, levels of endogenous miRNAs are increased and their mRNA targets decreased. Plants constitutively expressing full-length HWS — but not a truncated version lacking the F-box domain — display morphological and molecular phenotypes resembling those of mutants defective in miRNA biogenesis and activity. In combination with such mutants, hws loses its delayed floral organ abscission (‘skirt’) phenotype, suggesting epistasis. Also, the overall hws transcriptome profile partially resembles well-known miRNA mutants hyl1-2 and se-3, indicating action in a common pathway. We thus propose HWS as a novel, F-box dependent regulator of miRNA biogenesis.