生物领域的分子系统发生学（molecular phylogeny）是利用生物的DNA、蛋白质序列等各种分子数据构建生物实体之间的起源和演化关系。20世纪80年代后期，随着保守引物PCR扩增和DNA测序技术的应用，系统发生（也称系统发育）研究迎来了分子数据的时代。生物分子序列的同源位点数量远远超过传统的形态数据，大大增强了系统发育推论的数据力度，从而使得分子序列成为了系统发育研究的主流数据。数据革新伴随着一系列新算法的出现，常用的分子系统发育研究方法有距离法（Distance Based Method）、简约法（Maximum Parsimony）、最大似然法（Maximum Likelihood）和贝叶斯推论法（Bayesian Inference）等。最大似然法和贝叶斯推论法是当前主流的系统发育分析算法，它们不仅具有坚实的统计学理论支撑，还支持可以表征真实进化历史的序列进化模型，从而提升了系统发育关系推导的准确性。

然而，使用这些算法进行系统发育分析需要一定的知识积累和时间成本。因为随着测序和组装技术的飞速发展，越来越多物种的基因组（核基因组、细胞器基因组等）被测序，基于基因组数据的系统发育研究应运而生，即系统发育基因组学（phylogenomics）；该方法可以整合基因组中多个基因的信息一起进行系统发育分析，如联合多个基因推导系统发育树；数据量增加导致分析难度增加，研究者不仅需要额外学习生物学科以外的知识，如计算机操作技巧、编程技术等，还需要耗费大量时间掌握复杂的系统发育分析方法和分析步骤；这些步骤包括序列下载及筛选、序列提取、序列比对、序列修剪（可选）、基因串联、最优分区策略和进化模型的选择、系统发育树重建及美化等；每个步骤可能有多种软件可以选择，每种软件适用于不同数据或情形，例如，MAFFT、MUSCLE、PRANK等均可用于序列比对，IQ-TREE、RAxML等可用于最大似然法系统发育树推导，MrBayes、PhyloBayes等可用于贝叶斯法系统发育树推导；此外，不同软件往往要求不同的输入和输出文件格式。这些复杂的步骤和分析要求无疑加高了初学者的入门门槛，同时压缩了科研人员钻研科学问题的时间。因此，迫切需要一个更简单、更易学易用的综合性分析平台。

鉴于此，我们团队经过三年的努力，开发了一个操作简单、界面直观友好、无需编程基础、流程化输入输出的系统发育分析平台——PhyloSuite。该平台整合并流程化了上述分析步骤所需的软件，适用于单基因及多基因联合的系统发育分析，不仅对系统发育分析初学者友好，还可以提高使用者的分析效率。PhyloSuite不仅继承了MEGA、Geneious等经典软件的核心可视化系统发育分析功能，还拥有流程化运行、批量操作、支持分区模型选择和建树等多项优势。PhyloSuite平台于2019年10月在Molecular Ecology Resources期刊发表后，得到了国内外同行的认可和广泛使用，4年累计被Nature、Nature Communications、New Phytologist和Molecular Biology and Evolution等期刊正面引用近1600次（谷歌学术搜索）。平台在开发过程中融入了开发者多年的分析和“踩坑”经验教训，特别是针对初学者经常遇到的问题和难点进行了优化，因此成为入门系统发育分析的首选工具。PhyloSuite平台被编入《进化生态学》《动物系统分类学专题》和《动物分类与系统进化》3门课程的授课内容，纳入8期约500人次的系统发育分析专题培训（含1期美国北卡罗来纳大学的真菌分类学术沙龙）。相关推介视频累计播放约3万次。

全基因组数据快速增长推动着分子系统发生学朝着数据类型越来越多、数据量越来越大、操作步骤越来越繁琐、分析要求越来越高的方向发展。新数据，如核基因组、非编码区、基因顺序等，新算法，如基于全基因组位点的溯祖法已渐渐登上系统发育分析的舞台。它们在带来新的系统发育关系视角的同时，也抬高了分析门槛，如需要使用者学习Linux系统、命令行软件使用、大数据处理技巧以及复杂的分析流程等。为解决上述问题以及更好地适应新时代的系统发育分析需求，我们团队将在PhyloSuite已有功能的基础上，进行以下几个方面的优化：（1）新增全基因组的同源基因的鉴定功能；（2）新增基于全基因组位点的溯祖法系统发育分析功能；（3）整合消除复杂数据的异质性的算法；（4）进一步流程化繁琐的系统发育分析功能，降低使用门槛，提高分析效率。

分子系统发生学已在系统分类、种群遗传、分子定年以及物种适应性进化研究等方面有广泛应用，并逐渐渗透到生物/生态学科的各个领域。然而，这种跨学科的趋势也带来了新的挑战，即需要学习计算机、编程等非生物专业领域的知识，这对许多研究人员来说是棘手的问题。集成了可视化分析、无需编程基础、并将繁琐的系统发育分析步骤整合为流程的PhyloSuite分析平台能够有效地解决这些问题，进而减轻科研人员的负担，提升科研效率。这一类型工具的推广有望消除分子系统发育分析的技术门槛，让更多的从业人员能够交叉应用分子系统发生学手段来解决生物学和生态学领域的问题，从而推动整个学科的发展。