Transcription factors (TFs) are the main players in transcriptional regulation in eukaryotes. However, it remains unclear what role TFs played in the origin of all of the different eukaryotic multicellular lineages. In this paper, we explore how the origin of TF repertoires shaped eukaryotic evolution and, in particular, their role into the emergence of multicellular lineages. We traced the origin and expansion of all known TFs through the eukaryotic tree of life, using the broadest possible taxon sampling and an updated phylogenetic background. Our results show that the most complex multicellular lineages (i.e., those with embryonic development, Metazoa and Embryophyta) have the most complex TF repertoires, and that these repertoires were assembled in a stepwise manner. We also show that a significant part of the metazoan and embryophyte TF toolkits evolved earlier, in their respective unicellular ancestors. To gain insights into the role of TFs in the development of both embryophytes and metazoans, we analyzed TF expression patterns throughout their ontogeny. The expression patterns observed in both groups recapitulate those of the whole transcriptome, but reveal some important differences. Our comparative genomics and expression data reshape our view on how TFs contributed to eukaryotic evolution and reveal the importance of TFs to the origins of multicellularity and embryonic development.

Phylostratigraphy is a computational framework for dating the emergence of sequences (usually genes) in a phylogeny. It has been extensively applied to make inferences on patterns of genome evolution, including patterns of disease gene evolution, ontogeny and de novo gene origination. Phylostratigraphy typically relies on BLAST searches along a species tree, but new simulation studies have raised concerns about the ability of BLAST to detect remote homologues and its impact on phylostratigraphic inferences. These simulations called into question some of our previously published work on patterns of gene emergence and evolution inferred from phylostratigraphy. Here, we re-assessed these simulations and found major problems including unrealistic parameter choices, irreproducibility, statistical flaws and partial representation of results. We found that, even with a possible overall BLAST false negative rate between 5-15%, the large majority (≥74%) of sequences assigned to a recent evolutionary origin by phylostratigraphy is unaffected by technical concerns about BLAST. Where the results of the simulations did cast doubt on our previous findings, we repeated our analyses but now excluded all questionable sequences. The originally described patterns remained essentially unchanged. These new analyses strongly support our published inferences, including: genes that emerged after the origin of eukaryotes are more likely to be expressed in the ectoderm than in the endoderm or mesoderm in Drosophila, and the de novo emergence of protein-coding genes from non-genic sequences occurs through proto-gene intermediates in yeast. We conclude that BLAST is an appropriate and sufficiently sensitive tool in phylostratigraphic analysis.