设备

Linux机器
ç 动态数值设置：在软件部分仅在Linux环境下运行的程序提到多数; 因此，建议在可访问BASH shell（终端）的Linux机器上执行分析。在具有64 GB RAM和8核处理器设置的通用Linux工作站上，执行基因家族分析所需的平均时间为1-1.5天。该分析所需的磁盘空间小于1 GB。

小号oftware

来自BLAST + 模块v2.9.0的tblastn 和blastp （Camacho et al。，2009）（ftp://ftp.ncbi.nlm.nih.gov/blast/executables/blast+/LATEST/）
faSomeRecords ：来自UCSC的Linux 二进制文件（http://hgdownload.cse.ucsc.edu/admin/exe/linux.x86_64/）
TransDecoder V5.5.0 （哈斯等人，2013年）（transdecoder.github.io）
MEME 基序发现V5.1.0 （贝利等人，2009年）（http://meme-suite.org/）
ScanProsite 网络工具（https://prosite.expasy.org/scanprosite）
InterProScan v5.38-76.0 （Jones 等人，2014）（https://github.com/ebi-pf-team/interproscan）
MAFFT v7 （Katoh 和Standley，2013）（https://mafft.cbrc.jp/alignment/software/）
JalView （Waterhouse 等人，2009年）（https://www.jalview.org/）
ModelFinder （Kalyaanamoorthy 等人，2017）（一ccessed 作为内置模块从IQ-TREE）
ModelTest -NG （Darriba 等人，20 20 ）（https://github.com/ddarriba/modeltest）
PartitionFinder v2 （Lanfear et al。，2012）（http://www.robertlanfear.com/partitionfinder/）
IQ-TREE v1.6.12 （Nguyen 等人，2015）（http://www.iqtree.org）
RAxML v8 （Stamatakis，2014）（https://cme.h-its.org/exelixis/web/software/raxml/index.html）
PHYML V3.3 （金敦等人，2010）（https://github.com/stephaneguindon/phyml）
MrBayes v3.2.7 （Ronquist et al。，2012）（https://github.com/NBISweden/MrBayes）
iTOL v4 （Letunic和Bork，2019）（https://itol.embl.de）
Linux BASH shell（终端）的'cut，sort and uniq '函数（https://tiswww.case.edu/php/chet/bash/bashref.html）
可通过GitHub（https://github.com/sumanthmutte/Phylogenomics）获得用于自动化协议中某些步骤的脚本

数据

OneKP 数据集（1000个植物转录组项目）：包含来自1179种物种的1341个转录组，涵盖所有主要类别的陆地植物，绿藻，红藻和青生植物（Carpenter 等人，2019年;一千个植物转录组倡议，2019年）; http://datacommons.cyverse.org/browse/iplant/home/shared/commons_repo/curated/oneKP_capstone_2019
MMETSP数据集（海洋微生物真核生物转录组测序项目）：包含410个物种的678个转录组，涵盖Stramenopila 和Alveolata的所有主要类别以及许多未分类的（单细胞）海洋真核生物（Keeling 等人，2014）；https://gold.jgi.doe.gov/study?id=Gs0128947

程序

命令使用的，沿与所述参数用于在每个步骤的的协议，与步骤编号对应于图1 中给出的下面。前开始的协议，我们先创建一个BLAST 数据库为每个转录或蛋白质。这被进行了仅一次为每一个转录或蛋白质组使用的makeblastdb 功能，其中“ -in ” 需要一个FASTA 文件的的转录，或在蛋白质组和“ - DBTYPE ” 是所述数据库类型具有NUCL 和PROT 为转录和蛋白质组，分别。

$ makeblastdb - DBTYPE NUCL -in transcriptome.fasta

$ makeblastdb - DBTYPE PROT -in proteome.fasta

图1.方法示意图，显示了用于直系同源物鉴定和系统树构建的方案的各个步骤。圆圈的数字对应于所述各个步骤的所述协议作为指示在该程序。程序/软件/算法使用被指示的下一个到所述箭头在灰色。文件格式的文本和FASTA 被描绘为显示在传奇。

同源鉴定
为了执行一个BLAST 搜索到的相应的（多个）数据库，我们创建了一个查询蛋白序列文件（在FASTA 格式），与序列从（相对）以及注解的基因组和从一个不同范围的物种，如果存在，跨越多个王国。一个列表的各个品种使用以及用一个链接到的序列数据资源是可以在附录1。
使用第Ë 查询序列文件（-query）进行BLAST搜索用TBLASTN 和BLASTP 模块，对转录组和蛋白质组数据库（ - 分贝）表示。当吨他E值切-邻FF（ - 安勤）我S小于0.01 ，保存在一个制表符分隔的文本文件的输出（-out）用所示- 指定outfmt 6。该参数的其余部分都保持在默认设置。
$ TBLASTN -query filename.fa - 分贝transcriptome.fasta -out output.blast - 安勤0.01 - 指定outfmt '6 qseqid sseqid SLEN QSTART QEND SSTART 发送安勤bitscore 得分长度pident nident 阳性的PPO 失配间隙的帧qcovs qcovhsp SSEQ '

$ BLASTP -query filename.fa - 分贝proteome.fasta -out output.blast - 安勤0.01 - 指定outfmt '6 qseqid sseqid SLEN QSTART QEND SSTART 发送安勤bitscore 得分长度pident nident 阳性的PPO 失配间隙的帧qcovs qcovhsp SSEQ '

所述BLAST 输出包含所有的得分信息有关的主题（转录物/蛋白质）序列其具有一个相似于所述对应的查询序列。到检索的对象序列标识符从所述BLAST 输出，我们已经使用的“剪切” ，“排序” 和“ uniq的” 功能的一个Linux的BASH 壳（终端）。“ 切割” 取的BLAST 输出（output.blast ）从所述先前的步骤，和以第二柱（-f2），即，主题序列标识符和发送/管他们（|）到所述“排序” 功能。后分选，它们被传递上，以在“ uniq的” 功能以除去所述重复和所述输出被写入到该文件（SubjectIdentifiers.txt）。

$ cut -f2 output.blast | 排序| uniq > SubjectIdentifiers.txt

使用这些标识符（SubjectIdentifiers.txt）提取相应转录物（SelectedTranscripts.fasta ）或蛋白质序列（SelectedProteins.fasta 从相应的转录）或蛋白质组由运行在“ faSomeRecords ” 程序。

$ faSomeRecords transcriptome.fasta SubjectIdentifiers.txt SelectedTranscripts.fasta

$ faSomeRecords proteome.fasta SubjectIdentifiers.txt SelectedProteins.fasta

该蛋白质序列是由于更多的信息到更高数量的位点的模式和可以被直接用来对系统发育结构。然而，应使用具有默认设置的程序TransDecoder 将转录物序列翻译为蛋白质序列。首先，通过TransDecoder.LongOrfs 确定转录本的最长开放阅读框（长度至少为100个氨基酸的ORF）。然后CDS和这些ORF的相应氨基酸序列thorugh TransDecoder.Predict 。如果基于蛋白质序列的树导致较差的自举，我们建议使用CDS（DNA）序列生成树。

$ perl TransDecoder.LongOrfs -t SelectedTranscripts.fasta

$ perl TransDecoder.Predict -t SelectedTranscripts.fasta

直系同源物检测
并非所有E值<0.01的序列都是查询蛋白的真实直系同源物。因此，需要额外的过滤器以去除非直系同源物。一种这样的过滤器是相同的结构域的存在小号在直向同源蛋白。对于某些注释良好的蛋白质（例如，Auxin响应因子，激酶等），可以在InterPro 域数据库中轻松获得域信息。扫描亲来自前面步骤TEIN序列（ - 我SelectedProteins.fasta ），用于使用公知的结构域的存在InterProScan的工具（interproscan.sh），其产生的制表符分隔（TSV）文件以及HTML / XML文件（ - TSV，HTML，XML），并在每个蛋白质序列中标识了所有域以及相应的InterPro 标识符（-iprlookup ）。开发了一个Python脚本（InterproscanSummary.py）来处理该TSV文件，以提取具有目标域的最终蛋白质序列集（更多信息，请参见GITHUB页）。InterProScan 是一个耗时的步骤，因此为了节省时间，我们在可用时使用了预先注释的数据，或减少了扫描数据库的数量（使用-appl Pfam 和CDD 设置）。在某些情况下，我们将数据分成较小的批次，然后在多个处理器上运行。

$ interproscan.sh -f TSV ，HTML，XML - iprlookup - i SelectedProteins.fasta

$ python InterproscanSummary.py

某些蛋白质（例如克，漱石在拟南芥; 吉田等人，2019 ）缺乏注释的（功能性）域信息。使用的MEME 程序吨ö预测的保守基序/与零个或一个的出现每个序列的标准（-mod那些蛋白质结构域zoops ）和10的最小宽度（ - minw ），每组预测最多10个基序（ - nmotifs ）。的MEME 输出基序与它们在HTML / TEXT格式图案沿。然后，使用T HESE 主题的图案在ScanProsite Web的工具，以确定该领域中的蛋白质序列是根本不具有注释域。我们已经应用这种方法成功地以注释的漱石蛋白家族和确定它的直系同源基因（面包车DOP 等，2020 ）。

$ 米姆ProteinSequences.fa -o OutputName -蛋白质-mod zoops - nmotifs 10 - minw 10

选择有感兴趣的领域的蛋白质序列后，他们被查询回到中使用的物质的蛋白质组步骤A1 以确认使用最好的双向BLAST命中（BBH）的策略直系关系。这里，我们使用最大靶序列的选择或最好命中在输出数- （max_target_seqs 有时2时域是丰富的基因组（为）到1组，或例如，的bHLH ）0.01，用E值< （-evalue ）。被考虑中的蛋白质击中的最后一组蛋白质被认为是“真正的”直系同源蛋白质，需要进一步分析。与步骤A2 （-outfmt 6）相同，输出记录在TSV文件中。

$ BLASTP -query filename.fa - 分贝ArabidopsisProteome.fasta -out BBhits.blastp - max_target_seqs 1 - 安勤0.01 - 指定outfmt '6 qseqid sseqid SLEN QSTART QEND SSTART 发送安勤bitscore 得分长度pident nident 阳性的PPO 失配间隙的帧qcovs qcovhsp SSEQ '

系统发育施工
邻这些“真实”套rthologs 被用于对准其次是系统进化树。MAFFT 我š用于对准的蛋白质序列。的E-INS- 我（- genafpair ）算法被同时对准蛋白具有多个域分离通过保守性差的序列（使用例如，ARF或AUX / IAA蛋白），而G-INS- 我（- globalpair ）被使用，而仅比对结构域特异性序列（例如，PB1结构域）。迭代细化方法是在两种情况下使用的，具有最大的1000次迭代（- maxiterate 千），之后，最终对准被写入到一个文件FASTA（OUTPUT_FILE ）。

$ MAFFT - genafpair - maxiterate 1000 INPUT_FILE > OUTPUT_FILE

$ MAFFT - globalpair - maxiterate 1000 INPUT_FILE > OUTPUT_FILE

一旦比对被产生，使用的trimAl 与多于50间％-80％的间隙删除序列位置（列），因为它们被认为缺乏系统发育信号。因此，对于系统树的构建，仅使用没有虚假间隔的序列。的0.2的间隙阈值（ - GT 0.2），被设置以删除所有位置中的对准与间隙在80％（或更多）的所述序列。对于该基因家族的是已适度保守结构域（例如，ARF，AUX / IAA），使用一个阈值的0.3 或0.4，而对于差的保守结构域（例如，PB1）它被设定在0.2，并且为高度保守的蛋白质（例如，ROP，ROPGEF）它被设置之间0.6 和0.8。一个附加的（可选的）检查被保持在的地方，其中所述的序列即是短比1/4 个的所述平均序列长度被进一步除去在JalView 。
注：有是各种工具，专门用于在清理中的定位，这样的GBlocks ，指导，AliScore ，佐罗等。然而，一个简单的间隙基于微调在trimAl 导致在（几乎）在相同质量的校准和树形拓扑当相比于这些专业工具。因此，摆在我们编trimAl 用于对准清理整个这项研究。

$ trimal -in inputfile.fa -out outputfile.fa - fasta - gt 0.2

然后我们è 这种“干净”的定位来确定的最合适的模式的演变对于每个蛋白质家族。ModelFinder 和MODELTEST -NG 被使用于预测的最佳模型基础上的Akaike- 和Bayesian- 信息准则（AIC 和BIC）。对于在广大的的蛋白质家族，两个方案提供的相同型号的的最佳模式。的情况，其中有是一个不匹配之间的2个程序，使用一个第三个节目（无论是PartitionFinder 或一个Perl的脚本，从RAxML 分布）来决定对在最佳模型基础上的多数统治。正如预期，各种蛋白质进化方式不同，导致对不同车型的演变。ModelFinder 是运行作为一个部分的IQ-TREE，因此它并没有要求任何额外的步骤。MODELTEST -NG 需要小号的类型（无论是氨基酸或核苷酸-d）的输入数据集（ - 我INFILE）和写入所述统计和所述最佳模型到所述输出文件（-o OUTFILE）。PartitionFinder 要求的对准，在所述PHYLIP 格式（代替的FASTA 格式如在其他）放置在该文件夹“ partition_finder_models ”，其中所述输出统计和最好的模型是也记录下来。FASTA 到PHYLIP 格式转换可以被制成通过所述的Perl 脚本（fasta2relaxedPhylip.pl），这需要输入FASTA （-f input.fa ）和写入的输出在PHYLIP 格式（-o output.phylip ）。

$ modeltest -ng -d aa- i INFILE -o OUTFILE

$ perl RAxML_ProteinModelSelection.pl alignment.fasta

$ perl fasta2relaxedPhylip.pl -f 输入.fa -o 输出.phylip

$ python PartitionFinderProtein.py partition_finder_models

Phylogene 抽动树被建立主要使用IQ-TREE 和RAxML 基于上的“干净” 对准产生在步骤C 10 和所述进化模型预测在步骤C 11 。对于该系统发育树制成通过IQ-TREE ，我们已经使用1000个快速引导程序（-BB 1000）和SH-像近似似然比检验（ - ALRT 1000），结合与自动模式的发现通过ModelFinder （-m MFP + MERGE）。对于该树由具有RAxML ，我们都还用快速引导和最大似然搜索中的相同的运行（-f A），但有一个扩展的多数规则（ - ＃autoMRE ）基于bootstopping 标准。在此外，我们得到一个随机种子数（-x 和-p）到接通快速引导和简约性推理，而-m 需要在所述模型从所述先前的小号TEPÇ 11 。˚F 或树木与非常差引导支撑为大多数的所述分支，我们使用另一个系统发生树结构程序，PHYML ，用100个自举重复（-b 100），经验氨基酸频率（-f e）中，伽马形状参数估计从最大似然（-a E）和该拓扑被搜查基础上的子树剪枝和重新嫁接方法（-s SPR）。后运行这些多个程序，该树得到了比较，以了解在整体拓扑基础上的一致分支（见下一步骤）。我们都还尝试和测试各种贝叶斯方法（使用MrBayes ），但该树从来没有收敛，即使后几个月的计算，并提供各种不一致的拓扑结构。因此，所有的分析都进行与最大似然方法。

$ iqtree -s CleanAlignment.fa -pre OutputName - alrt 1000 -bb 1000 -m MFP + MERGE

$ raxmlHPC-PTHREADS-AVX2 -fa -x 12345 -p 12345 -j- ＃autoMRE -m PROTGAMMAJTT -s CleanAlignment.fa -n OutputName

$ PhyML-3.1_linux64- i CleanAlignment.fa -d aa -b 100 -m JTT -fe -s SPR -ae

使用iTOL Web服务器可视化所有最终的系统发育树，然后查看系统发育树上的各种数据集。产生p rotein从域信息InterProScan的或MEME ，从序列长度TransDecoder 从和进化枝/分类信息OneKP 和MMETSP数据库下列中提供的说明iTOL 文档。
一旦树木被获得，他们是手动进行错误检查。手动删除的B 与牧场升翁分支的吸引，或部分序列或任何错位的类群。如果这些放错位置的分支比例太高，重新ANALY Ž e为来自其它物种的多个序列的系统发育，以及通过去除杂散序列。这些步骤被重复，直到获得更好的进化树是被不仅受到良好支撑白手起家，但也遵循这些门类的分类。

局限性和结论

由于到所述广义性质的的方法，它是难以以自动化的完整协议。因此，在任何可能的情况下，都使用专用于快速和并行处理的脚本/命令简化了该方法。在对其他另一方面，它给控制了在决策过程中基于对的蛋白质下考虑。当处理与高度冗余的蛋白家族，我们除去高度相似的蛋白质（> 90％的相似性），现有至系统发育，这减少了（计算）时间而不损失精度。在许多情况下，我们观察到的是在最佳命中在倒数-BLAST 是不是真的一个BBH，作为有时一个第二命中是静止的最好的一个，由于到一个或几个氨基酸差异（一个或多个）（特别是在蛋白质与公共域例如bHLH结构或PB1）。因此，在这些情况下，我们考虑了两个最佳命中点，并将两者都用于系统发育构建。的假阳性的直系同源物进行最终放置在所述外类群（或在至少分离从所述内部团体）中的系统发育树。由于我们是处理与转录，我们可能无法预测的实际基因拷贝数在每一个品种，但只有将祖先拷贝数为那类或门，通过比较的祖先副本跨越了大部分的的物种在那个门。另一个问题的处理与（低深度）转录为的是我们发现了许多局部的成绩单领先到了截短蛋白/域，或者我们可能会失败，以确定的成绩单说是不是表示在那个特定的组织或条件。在这方面，结合同源基因序列信息从多个转录或种类的各种家庭是必须要确认的祖先状态为每个类或门。

基于此协议和上述指南，我们在“王国”的“系统发育”空间中跨多个王国重建了各种蛋白质家族的祖先状态及其直系同源物。我们证明了如何对已知结构域定义明确的蛋白质，未知结构域定义的新型蛋白质，保守性较差的结构域以及在进化的各个阶段（消失）出现的门/王国特异性蛋白质实施该方法。该方法已成功应用于生长素信号转导的核心蛋白（核生长素途径（NAP））和生物合成途径。NAP包括生长素响应因子（ARF），生长素/吲哚-3-乙酸（Aux / IAA）和转运抑制剂响应1 /辅助信号F-Box（TIR1 / AFB; Mutte 等，2018 ）。生物合成途径蛋白包括TAA家族的氨基转移酶（TAA）和YUCCA家族的单加氧酶（YUC）。它也被应用于单个域Phox 和Bem1（PB1 ；Mutte 和Weijers 等，2020 ），以及生长素途径的各种下游靶标，例如SOSEKI（SOK； van Dop 等，2020），MOnopteros 5（TMO5）的目标及其交互伙伴Lonesome HighWay （LHW; Lu 等人，2020）。综上所述，通过遵循此协议并结合不断增长的高质量序列数据，以及系统发育学方法和算法的飞跃发展，对我们对蛋白质和关键途径的理解揭示了新的进化见解。

Acknowledg 发言：

该作者将喜欢到感谢的1 ，000 植物转录组（OneKP ）和海洋微型真核转录组测序项目（MMETS P）财团为科学界提供了这样一个庞大的数据资源。所有作者的努力都高度赞赏，谁制定了系统发育许多非常有用和有效的程序和算法，并让他们对科学界可以自由进出。

利益争夺

作者宣称没有利益冲突。

参考文献

Bailey，TL，Boden，M.，Buske ，FA，Frith ，M.，Grant，CE，Clementi，L.，Ren，J.，Li，WW and Noble，WS（2009）。MEME SUITE：用于发现和搜索主题的工具。核酸研究37（Web服务器问题）：W202-208。
Burki ，F.，Roger，AJ，Brown，MW和Simpson，AGB（2019）。真核生物的新树。趋势Ecol Evol 35（1）：43-55。
卡马乔，C.，Coulouris ，G.，Avagyan，V.，马，N.，普洛斯，J.，Bealer ，K.和Madden，TL（2009）。BLAST + ：体系结构和应用程序。BMC生物信息学10：421。
卡彭特，EJ，Matasci ，N.，阿伊耶姆帕拉耶姆，S.，吴，S.，太阳，J.，玉，J.，希门尼斯·维埃拉，FR，保龄球，C.，Dorrell，RG，Gitzendanner ，马化腾，李彦宏，L 。，Du，W.，K，KU，Wickett ，NJ，Barkmann ，TJ，Barker，MS，Leebens -Mack，JH和Wong，GK（2019）。的1：从1173个植物物种获得RNA测序数据，000植物转录倡议（1KP）。Gigascience 8（10）。
Darriba ，D.，波萨达，D.，科兹洛夫，AM，Stamatakis，A.，莫瑞尔，B。和Flouri ，T.（20 20 ）。ModelTest-NG：一种新的可扩展的工具，用于选择DNA和蛋白质进化模型。摩尔生物学埃沃升37（1）：291-294 。
Guindon，S.，Dufayard ，JF，Lefort ，V.，Anisimova，M.，Hordijk ，W.和Gascuel ，O.（2010）。估计最大似然系统发育的新算法和方法：评估PhyML 3.0的性能。 Syst Biol 59（3）：307-321。
Haas，BJ，Papanicolaou，A.，Yassour ，M.，Grabherr ，M.，Blood，PD，Bowden，J.，Couger ，MB，Eccles，D.，Li，B.，Lieber，M.，MacManes ，MD ，Ott，M.，Orvis，J.，Pochet ，N.，Strozzi ，F.，Weeks，N.，Westerman ，R.，William，T。，杜威，CN，Henschel，R.，LeDuc ，RD，Friedman ，N。和Regev，A.（2013）。使用Trinity平台从RNA-seq进行从头转录本序列重建，用于参考生成和分析。纳特Protoc 8（8）：1494至1512年。
琼斯，P.，宾斯，D.，长安，HY，弗雷泽，M.，李，W.，McAnulla ，C.，McWilliam，H.，马斯兰，J.，米切尔，A.，努卡，G.，Pesseat ，S。，奎因，AF，Sangrador -Vegas，A.，Sheremetjew ，M.，Yong，SY，Lopez，R。和Hunter，S。（2014）。InterProScan 5：基因组规模的蛋白质功能分类。生物信息学30（9）：1236-1240。
Kalyaanamoorthy ，S.，Minh，BQ，Wong，TKF，von Haeseler ，A.和Jermiin ，LS（2017）。ModelFinder：快速模型选择，可进行准确的系统发育估计。Nat Methods 14（6）：587-589。
Katoh ，K.和Standley ，DM（2013）。MAFFT多序列比对软件版本7：性能和可用性方面的改进。Mol Biol Evol 30（4）：772-780。
基林，PJ，Burki ，F.，Wilcox，HM，Allam，B.，Allen，EE，Amaral-Zettler ，LA，Armbrust ，EV，Archibald，JM，Bharti，AK，Bell，CJ，Beszteri ，B.，Bidle ，KD，Cameron，CT，Campbell，L.，Caron，DA，Cattolico ，RA，Collier，JL，Coyne，K.，Davy，SK，Deschamps，P.，Dyhrman ，ST，Edvardsen ，B.，Gates，RD ，Gobler ，CJ，Greenwood，SJ，Guida ，SM，Jacobi，JL，Jakobsen，KS，James，ER，Jenkins，B.，John，U.，Johnson，MD，Juhl ，AR，Kamp，A.，Katz， LA，Kiene ，R.，库德里亚夫采夫，A.，利安德，BS，林，S.，洛夫乔伊，C.，琳，D.，马尔凯蒂，A.，麦克马纳斯，G.，内德尔库，AM，Menden- Deuer ，S 。，Miceli，C.，Mock，T.，Montresor，M.，Moran，MA，Murray，S.，Nadathur ，G.，Nagai，S.，Ngam ，PB，Palenik ，B.，Pawlowski，J. 彼得罗尼，G.，Piganeau ，G.，Posewitz ，MC，Rengefors ，K.，罗马诺，G.，Rumpho ，ME，赖尼尔森，T.，希林，KB，施罗德，DC，辛普森，AG，Slamovits ，CH，史密斯，DR，史密斯，GJ，史密斯，SR，Sosik ，HM，Stief ，P.，Theriot，E.，Twary ，SN，Umale ，PE，Vaulot ，D.，Wawrik ，B.，Wheeler，GL ，Wilson，WH，Xu，Y.，Zingone ，A. and Worden，AZ（2014）。海洋微生物真核生物转录组测序项目（MMETSP）：通过转录组测序阐明海洋中真核生物的功能多样性。PLoS Biol 12（6）：e1001889。
Lanfear ，R.，Calcott ，B.，Ho，SY and Guindon，S.（2012年）。分区查找器：分区方案和替代模型的组合选择，用于系统发育分析。Mol Biol Evol 29（6）：1695-1701。
Letunic ，I.和Bork，P.（2019）。交互式生命之树（iTOL）v4：最新更新和新发展。核酸Res 47（W1）：W256-W259。
Levy，SE和Myers，RM（2016）。下一代测序的进步。Annu Rev Genomics Hum Genet 17：95-115。
李，FW，维拉利尔，JC，凯利，S.，Rothfels ，CJ，Melkonian ，M.，Frangedakis ，E.，Ruhsam ，M.，西格尔，EM，明镜，JP Pittermann ，J.，伯奇，DO，POKORNY ，L.，Larsson，A.，Chen，T.，Weststrand ，S.，Thomas，P.，Carpenter，E.，Zhang，Y.，Tian，Z.，Chen，L.，Yan，Z.，Zhu ，Y.，Sun，X.，Wang，J.，Stevenson，DW，Crandall- Stotler ，BJ，Shaw，AJ，Deyholos ，MK，Soltis，DE，Graham，SW，Windham，MD，Langdale，JA，Wong， GK，Mathews，S. and Pryer ，KM（2014）。自适应嵌合感光体从苔藓植物到蕨类的水平转移。PROC国家科科学院科学USA 111（18）：6672-6677。
Lu KJ，van't Wout Hofland ，N.，Mor ，E.，Mutte ，S.，Abrahams，P.，Kato，H.，Vandepoele ，K.，Weijers ，D. and De Rybel ，B.（2020年））。通过重新部署古代的发育调节剂来维管植物的进化。PROC国家科科学院科学USA 117（1）：733-740。
Mutte ，SK，加藤，H.，Rothfels ，C.，Melkonian ，M.，黄，GK和Weijers ，D。（2018）。核生长素反应系统的起源和进化。网上生活7：e33399 。
Mutte ，SK，Weijers ，D.（2020年）。跨真核生物的Phox和Bem1（PB1）域的深层进化历史。科学代表10 ：3797。
Nguyen，LT，Schmidt，HA，von Haeseler ，A.和Minh，BQ（2015）。IQ-TREE：一种快速有效的随机算法，用于估计最大似然系统发育。Mol Biol Evol 32（1）：268-274。
一千个植物转录组，I.（2019）。一千个植物转录组和绿色植物的系统进化组。自然574（7780）：679-685。
Ronquist ，F.，Teslenko ，M.，范德华马克，P.，艾尔，DL，达林，A.，ħ ö HNA ，S.，Larget ，B.，刘，L.，祖哈德· ，MA和胡森贝克，JP （2012）。MrBayes 3.2：在大型模型空间中进行有效的贝叶斯系统发育推断和模型选择。Syst Biol 61（3）：539-542。
Stamatakis，A.（2014年）。RAxML版本8：用于大型系统发育分析和后分析的工具。生物信息学30（9）：1312-1313。
斯塔克，R.，Grzelak ，M。和哈德菲尔德，J。（2019）。RNA测序：十几岁。Nat Rev Genet 20（11）：631-656。
面包车DOP ，M.，费德勒，M.，Mutte ，S.，德Keijzer ，J.，Olijslager ，L.，阿尔布雷希，C.，辽，CY，詹森，M.，Bienz安，M.，和Weijers ， D.（2020年）。保守的生化范式是跨多细胞王国的细胞极性的基础。单元格（印刷中）。
Wang B.，Tseng，E.，Regulski ，M.，Clark，TA，Hon，T.，Jiao，Y.，Lu，Z.，Olson，A.，Stein，JC and Ware，D.（2016）。通过单分子长读测序揭示了玉米转录组的复杂性。Nat Commun 7：11708。
沃特豪斯（AM），普罗克特（Procter），新山（JB），马丁（DM），马克（Clamp）和M. Jalview第2版-多序列比对编辑器和分析工作台。生物信息学25（9）：1189-1191。
Wickett ，NJ，Mirarab ，S.，阮，N.，WARNOW ，T.，卡彭特，E.，Matasci ，N.，阿伊耶姆帕拉耶姆，S.，巴克，MS，伯利，JG，Gitzendanner ，MA，Ruhfel ，BR，Wafula ，E.，Der，JP，Graham，SW，Mathews，S.，Melkonian ，M.，Soltis，DE，Soltis，PS，Miles，NW，Rothfels ，CJ，Pokorny，L.，Shaw，AJ，DeGironimo ， L.，Stevenson，DW，Surek ，B.，Villarreal，JC，Roure ，B.，Philippe，H.，dePamphilis ，CW，Chen，T.，Deyholos ，MK，Baucom ，RS，Kutchan ，TM，Augustin，MM ，王建，张玉，田中，严Z.，吴新。，孙X.，Wong，GK和Leebens -Mack，J.（2014）。陆地植物起源和早期多样化的植物转录组学分析。PROC国家科科学院科学USA 111（45）：E4859-4868。
Yerramsetty ，P.，Stata，M.，Siford ，R.，Sage，TL，Sage，RF，Wong，GK，Albert，VA和Berry，JO（2016）。RLSB的进化，RLSB是一种核编码的S1域RNA结合蛋白，与维管植物中质体编码的rbcL mRNA的转录后调控相关。BMC Evol Biol 16（1）：141。
吉田，S.，范德华Schuren ，A.，面包车DOP ，M.，面包车盖伦，L.，塞加，S.，艾迪比，M.，莫勒，B.，十霍夫，CA，Marhavy ，P.，史密斯，R.，Friml，J.和Weijers ，D.（2019）。基于SOSEKI的坐标系可解释拟南芥中的整体极性提示。Nat Plants 5（2）：160-166。