宇宙演化周期律

杨新国

宁夏大学 生态环境学院

未发表论文，转载引用请注明。欢迎讨论指正 xinguoyang1976@163.com

周期表演化规则，即宇宙演化周期律，整合了斐波那契数列与场函数两种数学形式，其中斐波那契数列满足，

f(0) = 0，f(1) = 1，f(n) = f(n-1)+ f(n-2)，n∈[2, 7]

斐波那契数列自然划分了物质周期、生命周期和智能周期内部8个具有自相似性的演化阶段。

场是物质存在的“实在”。本文中，场函数跨周期的应用，突出了“相互作用”在宇宙演化周期表中的基础规则地位。跨周期的场函数物理原型一般化设定为，

F(p, t)

其中，p位置参数，t时间参数。定义场函数自变量空间维数F1，场值空间维数F2，分别对应各自空间自由度大小。七种场函数物理学原型的具体构建以及两大特征维数的构成及定义可参考方法部分。并设定跨物质、生命和智能演化周期场函数在形式上保持一致。

同时，引入一个强制约束条件，

F1=n, F2= f(n)

作为斐波那契函数的赋值规则，由此在数学形式上完成了宇宙演化周期律的宏观架构定义。其中，自变量空间维数F1，描述了物理事件赖以展开的时空流形维度，决定了时空对称性（坐标变换下物理规律的保持）。场值空间维数F2，描述了场的内部自由度所张成的抽象空间的维度，决定了内部对称性（场在取值空间内的变换下物理规律的保持）。由此，在宏观演化上赋予了斐波那契数列明确的物理学内涵。

场函数原型的选择以物质周期不同阶段演化主体在周期表中的演化地位和前后关系为依据，在宏观尺度选择暗能量密度场、暗物质密度场为原型，在微观尺度选择原子核形变场（复数场）、氢电子概率流密度场（矢量场）和恒星核聚变辐射场（复合场）为原型，在周期溢出层选择RNA构象变化场、蛋白质构象变化场为原型。本文侧重论证了跨周期演化场函数物理原型与引申生物学场函数在数学形式上的自相似性。

（1）早期暗能量密度场/早期原核生物密度场函数F(t)

物理原型（暗能量）：采用标准宇宙模型（Kolb & Turner, 1990）。宇宙尺度暗能量密度场各向同性，大小恒定，因此场函数仅由尺度因子a(t)决定，这是一个仅与时间t有关的函数。

生物引申（原核生物）：基于细菌扩散与代谢的特殊性，35亿年前细菌已经遍布全球（Baumgartner et al., 2019））。可以理论设定的是，在近二十亿年细菌独立演化的时空尺度下，全球尺度细菌密度场变化在统计上总体上是围绕一个稳态值（环境容纳量k，存在缓慢漂移）的随机涨落，密度变化的空间差异可忽略（二十亿年沧海桑田完全可以使得每个点之间的细菌密度涨落轮廓趋同（从理论上的极低到极高的遍历）；在这样一个空间尺度固定，时间尺度足够长的背景下，统计上可以认为细菌密度场是一个各态历经的系统），因此依然采用F(t)函数形式，由单一时间因子描述。关于细菌无处不在（Everything is everywhere, but the environment selects）的经验论断（Baas Becking, 2015），在宏观上依然是成立的。

暗能量创造时空（宇宙大小的界定范畴），推动宇宙骨架（暗物质）形成。细菌创造生命可生存的时空（全球尺度生物圈大小与细菌分布范围是一种等价存在），推动全球尺度生物圈骨架（真核生物）形成。暗能量创造宇宙时空通过暴胀过程瞬间实现，细菌则花费了二十多亿年的时间。早期生命采取时间换空间的策略，达到了与暗能量演化的同样效果，两者在各自演化中的地位作用及其密度场函数形式上的一致性，一个是空间尺度使然，一个是时间尺度使然。

（2）早期暗物质/原生生物密度场函数F(r, t)

物理原型（暗物质）：采用亚宇宙尺度（暗物质晕）球对称坍缩模型（Gunn and Gott, 1972）。暗物质密度变化依赖于到对称中心（即暗物质晕的中心）的距离r和时间t。暗物质密度场函数需要两个自变量共同描述F(r, t)。

生物引申（原生生物）：早期真核生物演化对细菌具有高度的依赖性，例如内共生事件，叠层石避难所，食物关系等，包括最新研究所揭示的古菌与细菌共生的直接观测证据（Nobs et al., 2026）。同时，最新研究也表明（Appler et al., 2026），古菌具有独立的氧化磷酸化基因，早期即可以不依赖内共生事件存在于好氧细菌分布的有氧环境，而不是早先认为的被长期限制在无氧等极端环境下。因此，在全球尺度上单细胞真核生物之于细菌应该是一种多点伴随演化模式，可类比与早期暗物质的形成演化中外部斥力与内部引力相互作用下宇宙膜上的多点发生。

从现有研究证据看，在数十亿年尺度上真核生物总体上遵循了从极端生境（如深海热泉）到浅海（叠层石避难所）乃至陆地，或反之（如地球冰冻期）的扩散模式（Hoffman et al., 1998; Yuan et al., 2011; Spang et al., 2015）。从分子演化证据上，早期真核生物呈现主要分支近乎同时的大规模辐射，进而独立并行演化的发生模式（Gray, 1999; Porter, 2004），提供了径向扩散模式的一个间接证据（相较于细菌，存在一个扩散的中心点）。借鉴 Gunn & Gott（1972）的壳层演化思想，早期真核生物的分布潜在呈现出一种类似于暗物质晕-核结构的空间模式：它以环境（如低氧的原始海洋）为基底，以局部热点（如浅海叠层石、海底热液口）为核心，通过原始的趋化性 (chemotaxis)，在十亿年里不断聚集演化。

理论上，在保证真核生物场的空间尺度远小于地球半径，场内的化学梯度（温度、离子浓度、氧化还原电位）大致呈放射状分布的条件下，近似认为可用一个径向密度场F(r, t)来描述其宏观动力学行为。其中，r=真核生物到“热点”的距离。

（1）原子核形变场/植物生长场F(θ, ϕ, t)

物理原型（原子核）：采用以球谐函数为解的原子核形变场函数F(θ, ϕ, t)( Bohr and Mottelson, 1975)。以电磁斥力与强力（残余效应）平衡点为中心构建一个球坐标系，利用极角θ、方位角ϕ，时间t定义原子核表面上点的运动。原子核形变既是宇宙中重元素合成的核心驱动力，也是决定核素稳定性与衰变路径的关键变量，在物质演化中起着关键性的“开关”的作用（Heyde and Wood, 2016）。

生物引申（植物）：球谐函数已经被广泛应用于植物生长建模（Gastellu-Etchegorry et al., 1996; Cabral, 2011; Shabanov & Gastellu-Etchegorry, 2018; Suwardhi et al., 2022; Le Louëdec & Cielniak, 2020）。植物生长场函数（冠层尺度）与原子核形变场函数在形式上完全一致。植物形态可塑性（冠层尺度）是连接个体适应与生态系统功能的关键枢纽：它决定植物对光环境的历史性适应；并通过调控冠层光截获与填充效率，直接影响群落生产力（Jucker et al., 2015）。

两者的场函数除了形式上的一致性，背后的动力学机制也存在很高的相似性：第一，在相互作用的结构上，原子核形变是库仑力与强力（残余效应-表面张力）两种相反作用力下的动态平衡；植物可塑性生长则可归结为细胞壁张力与细胞膨压两种相反作用力的紧密配合（Coen & Cosgrove, 2023）。在力学机制上，原子核形变多采用液滴模型E(β)=E_表面+E_库仑，植物可塑性生长则采用膨压-壁模型G(ε)=弹性能+膨压功，反映了连续介质中应力各向异性导致的非球形平衡，都满足拉普拉斯压力-张力关系。

（2）电子云场/动物觅食场F(r, θ, ϕ, t)

物理原型（氢原子）：采用电子云概率流密度场函数F(r, θ, ϕ, t)（Schrödinger, 1928）。利用径向距离r、极角θ、方位角ϕ，时间t定义电子运动。电子云赋予原子稳定性并决定化学键合与周期律，电磁力主导的电子活动始终扮演着物质、生命与信息世界微观引擎的角色（Blundy, 2020）。

生物引申（动物）：经典捕食模型通过矢量描述捕食者和猎物的相对运动（Haselsteiner et al., 2014），可引申作为以猎物/食物为中心的动物觅食活动场函数的一般表述。形式上与电子云场函数完全一致。觅食活动不仅塑造了动物的形态、行为与物种多样性，更通过营养级联、养分循环等机制，深刻调控着整个生态系统的结构与功能（Stephens et al., 2007）。

在动力学机制上，动物觅食最优理论与电子基态原理（能量最低原则）是同一数学家族（变分法）在物理世界与生物世界的平行体现，但由于系统性质（保守 vs 耗散）不同，优化目标正好相反。但是如果从“最小化时间成本”这一层面看，两者具有深刻的机制统一性。

（3）恒星核聚变辐射场/菌根网络传输场F(r, θ, ϕ; ϑ, φ)

物理原型（恒星）：在恒星内部核聚变区域，光子与物质强耦合，辐射场不仅在空间分布，还在方向上有复杂的角结构（Mihalas, 1978）。采用恒星核聚变辐射场函数F(r, θ, ϕ; ϑ, φ)，其中r, θ, ϕ描述粒子在恒星内部的位置；ϑ, φ描述光子传播的方向。恒星内部逐级进行的热核聚变将初始的氢、氦转化为碳、氧乃至铁等重元素，并以强烈辐射的形式为行星系统及生命提供长期稳定的能量来源, 是推动物质演化的核心引擎（Nomoto et al., 2013）

生物引申（真菌）：菌根网络活动集中体现在高度耦合的物质运输和信号传导两部分（Figueiredo et al., 2021），总体围绕核心“枢纽”（如母树效应中心）进行高效的物质-信息传输（Liang et al., 2020）。在球坐标参考系下，场函数可以由F(r, θ, ϕ)-物质运输项（细胞质内，三维空间相对位置主导）和F(ϑ, φ)-信号传导项（细胞膜上，角度主导）的叠加来表示。菌根网络传输场函数在数学形式上与核聚变辐射场完全一致，这由两者所共同遵循的中心-辐射式运动性质，以及光子（信号）与物质的强耦合关系所决定。本文采用菌根网络作为场构建的对象，正是考虑到了其在生命演化以及生态系统中的关键地位与作用（Simard et al., 2012）。菌根网络传输与恒星聚变辐射之于各自系统的地位作用是等价的；包括植物（原子核）、动物（电子）在内，这是物质周期与生命周期演化自相似性的深刻体现。

（1）RNA构象场/病毒活动场F(x, y, z; Θ, Φ, Ψ)

物理原型（RNA）：采用刚性分子经典力学场函数F(x, y, z; Θ, Φ, Ψ)，将自变量空间设为平动项F(x, y, z) 和转动项F (Θ, Φ, Ψ)的6个自由度组合（Tung et al., 1994）。八个骨干二面角（α, β, γ, δ, ε, ζ, χ, P）作为场值空间构成，共同定义了单个核苷酸单元的局部构象信息（Olson et al., 2001）。RNA构象场是定义在分子刚体运动群SE(3)上的八维序参量场，场值编码了该RNA 分子在特定空间位置和取向下每个独立核苷酸单元的完整局部几何信息。

生物引申（病毒）：待定。病毒场函数数学形式上与RNA保持一致，但是形式与逻辑有待统一。病毒活动需要宿主细胞参与，涉及病毒与宿主间侵染-复制-释放等相互作用环节。场函数的引申构建，存在自变量空间和场值空间系统定义的问题。

（2）蛋白质构象变化场/神经元运算场F(x, y, z; Θ, Φ, Ψ; λ)

物理原型（蛋白质）：采用刚性分子经典力学场函数F(x, y, z; Θ, Φ, Ψ; λ)，在RNA场函数基础上引入一个反应坐标项λ，即一维的构象表达进程参数(Tama and Sanejouand, 2001)。场值空间的构建基于DescribePROT 数据库（2023版）的13个功能描述符（Basu et al., 2024），编码在给定构象态下，该蛋白质执行某一特定功能的可能性强度。该定义将蛋白质构象变化视作一个能够响应生化信号、改变内部功能位点暴露程度的“功能态序参量场”。

生物引申（神经元）：待定。神经元场函数数学形式上与蛋白质保持一致，但是形式和逻辑有待统一。问题同上。

如果RNA和蛋白质用“序列-结构-功能”的物理（信息）原型定义了信息周期的一般演化模式，场函数构建的一个可能路径来自于AlphaFold与DescribePROT实践的推广：前者是实现蛋白质折叠“信息拓扑”高精度预测的技术内核，后者则是这个内核所输出结果的功能注释版图，并在本文中被直接应用与场值空间定义。作者认为，病毒和神经元场函数的构建大概率也要走这样一条技术路线。

1. 暗能量密度场函数

F: R⟶R

F(t) = ρ_Λ(t)

在标准宇宙学原理的假设下，暗能量均匀分布于全空间，其动力学仅由时间坐标决定。暗能量密度场是定义在时间轴上的标量场，场值代表暗能量的局部能量密度。该密度唯一决定了宇宙背景演化方程中的真空能量贡献，是最简单的宇宙学标量场。

场自变量空间（1维），由自变量t——宇宙学时间坐标定义，描述大尺度上的演化进程。

场值空间（1维），由场值分量——暗能量密度ρ_Λ(t)定义，即单位体积内含有的暗能量质量（或等效能量密度），驱动宇宙加速膨胀。

在斐波那契数列中，暗能量对应f(1)=1，由数列直接赋值，由宇宙学常数定义。

2. 暗物质晕密度场函数

F: R²⟶R

F(r, t) = ρ_DM(r, t)

在暗物质晕尺度上，晕的密度分布近似满足球对称性。暗物质晕密度场是定义在二维时空流形（径向空间+时间）上的标量场，场值为局部暗物质质量密度。该场是冷暗物质宇宙学中结构形成理论的基本场量，决定了引力势阱的形状和星系的形成环境。

场自变量空间（2维），由径向坐标r以及演化时间t共同描述。其中, r描述了到暗物质晕中心的距离，采用球对称近似；t描述了晕的增长与并合过程。

场值空间（1维），由场值分量——暗物质质量密度ρ_DM(r, t)定义，即在半径r处单位体积内的暗物质质量，常用 NFW 轮廓等描述。

在斐波那契数列中，暗物质对应f(2)= f(1)+ f(0)=1+0=1，是第一个通过递归计算得到的数值。对暗物质场而言，只有一个场值实维数，即径向距离r。

3. 原子核形变场函数

F: S²×R⟶T(S²)

F(θ, ϕ, t) = (u_θ(θ, ϕ , t), u_ϕ(θ, ϕ, t))

其中T(S²)为二维球面的切丛。在液滴模型和不可压缩近似下，原子核低能集体激发主要表现为表面在切平面内的流动。原子核形变场是定义在二维球面与时间直积空间上的切向量场，场值描述了核表面各点偏离球形平衡位置的切向位移。

场自变量空间（3维），由余纬角θ、方位角ϕ、时间t共同描述，定义了球坐标系下原子核表面点位置与时间信息。

场值空间（2维），由切向位移θ分量u_θ和切向位移ϕ分量u_ϕ共同描述，分别定义了点沿核表面经线和纬线的切向位移。

在斐波那契数列中，原子核对应f(3)= f(2)+ f(1) =1+1=2。对原子核而言，存在两个场值实维数，即极角项(1) u_θ与方位角项(1) u_ϕ。

4. 氢电子概率流密度场

F: R³×R⟶R³

F(r, θ, ϕ, t) = J(r, θ, ϕ, t)

氢电子概率流密度场是定义在四维时空上的三维矢量场，其三个分量完全刻画了电子概率在不同空间方向的输运情况。

场自变量空间（4维），由径向坐标r、余纬角θ、方位角ϕ、时间t共同描述，定义了球坐标系下电子相对于原子核的位置及其时间信息，其中r代表了电子到原子核的距离。

场值空间（3维），由概率流密度的r分量J_r、θ分量J_θ和ϕ分量J_ϕ共同描述，分别定义了单位时间内沿径向穿过单位面积的概率流动、沿经线方向的概率流动、沿纬线方向的概率流动。

在斐波那契数列中，电子云对应f(4)= f(3)+ f(2) =2+1=3。对电子云而言，存在三个场值实维数，即角动量项(2) J_θ、J_ϕ 和径动量项(1) J_r。

5. 恒星核聚变辐射场——无迹辐射压张量场

Π: R³×S²⟶R⁵

Π(r, θ, ϕ; ϑ, φ)=(Π₁, Π₂, Π₃, Π₄, Π₅)

其中 (ϑ, φ)是光子传播方向的空间角。在恒星内部核聚变区域，光子与物质强耦合，辐射场不仅在空间分布，还在方向上有复杂的角结构。

恒星核聚变辐射场是定义在五维相空间（位置+传播方向）上的五维无迹辐射压张量场，其场值完整描述了去除各向同性平均分量后辐射场方向不均匀性的所有独立模式（四极各向异性）。五个独立分量对应二阶无迹对称辐射压张量的独立元素（表5-2）。它们共同构成无迹且对称的3×3矩阵Π_ij，满足tr(Π)=0。

在斐波那契数列中，恒星f(5)= f(4)+ f(3) =3+2=5。对恒星聚变辐射而言，存在五个场值实维数，即剪切项(3) Π₃, Π₄, Π₅, 与各向异性项(2) Π₁, Π₂。

6. RNA构象场函数

F: R³×SO(3)⟶R⁸

F(x, y, z; Θ, Φ, Ψ) = (α, β, γ, δ, ε, ζ, χ, P)

RNA 分子质心位置与整体取向，共 6 维（参数化刚体运动群SE(3)），不含内部反应坐标 λ（表6-1）。

八个骨干二面角（及糖折叠参数），共同定义单个核苷酸单元的局部构象信息。每维场值即真实二面角值（单位：弧度或角度），其组合态编码了功能信息（表6-2）。RNA 分子的局部构象由这些骨干二面角的精确取值决定。

RNA构象场是定义在分子刚体运动群SE(3)上的八维序参量场，场值编码了该RNA 分子在特定空间位置和取向下每个独立核苷酸单元的完整局部几何信息。构象变化表现为这8个二面角在各自允许域内的协同移动。用信息论的语言说，这八个数字就构成了该核苷酸位点上可被下游相互作用的分子读取的功能信息。场的演化即构象变化，等价于信息在8维构象空间中的跃迁。

在斐波那契数列中，RNA对应f(6)= f(5)+ f(4) =5+3=8。对RNA构象场而言，存在八个场值实维数，即主链磷酸-糖骨架项(5) α, β, γ, ε, ζ, 糖环-碱基项(3) δ, χ, P。

7. 蛋白质构象场函数

F: R³×SO(3)×R⟶[0,1]¹³

F(x, y, z; Θ, Φ, Ψ; λ) = (s1,s2,…,s13)

其中，定义域R³×SO(3)×R为 7 维平滑流形，到达域[0,1]¹³为 13 维功能信息超立方体。根据蛋白质构象变化与功能表达的特殊性，自变量空间在RNA基础上增加了一个λ反应坐标项。场值空间的构建基于DescribePROT 数据库（2023版）的13个功能描述符(用于注释蛋白质的功能与活动)，该定义将蛋白质构象变化视作一个能够响应生化信号、改变内部功能位点暴露程度的“功能态序参量场”。

这 7 个坐标构成了蛋白质构象变化的最小外部参数化。在忽略连续介质溶剂效应时，刚体运动（SE(3)）与内部构象进程分离，λ即表征从初始态到终态沿最低自由能路径的进程（表7-1）。

场值(s1,s2,…,s13)是定义在[0,1]上的实值函数，编码在给定构象态下，该蛋白质执行某一特定功能的可能性强度——信息势。s_i→1：该位点处于高概率功能活跃态（构象展现强功能倾向）。s_i→0：该位点被埋藏、无序化或构象失配，功能沉默。中间值代表热力学概率分布中的部分占据，等价于构象系综加权平均。

场值(s1,s2,…,s13) 即13个功能描述符揭示了蛋白质如何与其他分子“对话”，以及自身的活性如何被“调控”：

（1）分子识别与信号介导位点：这组描述符可预测蛋白质上能与特定分子发生物理相互作用的位点。s1~s4均为直接参与分子间结合的位点。s5虽为化学修饰，但磷酸化常作为蛋白质-蛋白质相互作用的识别开关（如SH2结构域识别磷酸化酪氨酸），并在信号转导中起核心介导作用，因此将其归入此类，使该组集中反映蛋白质与其它分子对话的“接口”和“开关”

蛋白质结合（s1）：预测残基是否参与蛋白质-蛋白质相互作用（PPIs），这是大多数细胞过程的核心。

分子识别特征（s2）：特指固有无序蛋白（IDPs）中，能在结合其他蛋白时发生“诱导折叠”的短片段，是重要的功能区域。

DNA（s3）/RNA（s4）结合：注释可能结合核酸的残基，用于识别转录因子、RNA结合蛋白等基因调控的关键元件。

磷酸化（s5）：由激酶催化，通常是信号转导的起始或终止开关。

（2）化学修饰与稳态调控位点：这组描述符预测氨基酸残基上可能发生的化学修饰，它们是调控蛋白质活性、定位和稳定性的“开关”。 这些修饰主要影响蛋白质的降解、定位、折叠、结构稳定性和运输等过程，虽有时也间接影响相互作用，但核心功能是调控蛋白质自身状态，因此归为同一组。

泛素化（s6） / SUMO化（s7）：常标记蛋白质进行降解，或改变其定位及与其他蛋白质的相互作用。

乙酰化（s8） / 甲基化（s9）：组蛋白上的乙酰化和甲基化能调控染色质结构和基因表达。

糖基化（s10） / 棕榈酰化 （s11）：糖基化影响蛋白质折叠与运输；棕榈酰化将蛋白质锚定到细胞膜；

羟基化（s12）/吡咯烷酮羧酸化（s13）：羟基化则对胶原蛋白等结构的稳定至关重要。吡咯烷酮羧酸化是一种使蛋白质N端发生环化的翻译后修饰，通过改变蛋白质结构来增强其稳定性、协助其正确行使生理功能。

在斐波那契数列中，蛋白质对应f(7)= f(6)+ f(5) =8+5=13。对蛋白质构象场而言，存在十三个场值实维数，即化学修饰与稳态调控项(8) s6, s7, s8, s9, s10, s11, s12, s13, 分子识别与信号介导项(5) s1, s2, s3, s4, s5。

Alaux, P. L., Zhang, Y., Gilbert, L., et al. (2021). Can common mycorrhizal fungal networks be managed to enhance ecosystem functionality? Plants, People, Planet 3(5): 433-444.

Appler, K. E., Lingford, J. P., Gong, X., et al. (2026). Oxygen metabolism in descendants of the archaeal-eukaryotic ancestor. Nature 652: 405–415.

Baas Becking, L. G. M. (2015). Baas Becking’s Geobiology: Or Introduction to Environmental Science. Ed. D. E. Canfield. Trans. D. Sherwood and M. Stuip. Wiley.

Bains, W. (2004). Many chemistries could be used to build living systems. Astrobiology 4(2): 137-167.

Barnosky, A. D. (2001). Distinguishing the effects of the Red Queen and Court Jester on Miocene mammal evolution in the northern Rocky Mountains. Journal of Vertebrate Paleontology 21(1): 172-185.

Bartel, D. P. (2018). Metazoan microRNAs. Cell 173(1): 20–51.

Basu S, Zhao B, Biró B, et al. (2024). DescribePROT in 2023: more, higher-quality and experimental annotations and improved data download options. Nucleic Acids Research 52(D1): D426–D433.

Baumgartner, R. J., Van Kranendonk, M. J., Wacey, D., et al. (2019). Nano-porous pyrite and organic matter in 3.5-billion-year-old stromatolites record primordial life. Geology 47(11): 1039-1043.

Ben-Jacob, E., Lu, M., Schultz, D. & Onuchic, J. N. (2014). The physics of bacterial decision making. Frontiers in Cellular and Infection Microbiology 4: 154.

Bertolami, O. & Rosenfeld, R. (2008). The Higgs portal and an unified model for dark energy and dark matter. International Journal of Modern Physics A 23(30): 4817-4827.

Blundy J. (2020). A symphony of electrons. Elements, 16(3): 151

Bohr, A., & Mottelson, B. R. (1975). Nuclear Structure (Vol. 2: Nuclear Deformations). W. A. Benjamin.

Bray, D. (1995). Protein molecules as computational elements in living cells. Nature 376(6538): 307–312.

Breaker, R. R. (2012). Riboswitches and the RNA world. Cold Spring Harbor Perspectives in Biology 4(2): a003566.

Cabral, M., Bonneel, N., Lefebvre, S., et al. (2011). Relighting photographs of tree canopies. IEEE Transactions on Visualization and Computer Graphics 17(10): 1459-1474.

Cavalier-Smith, T., Allsopp, M. T. E. P. & Chao, E. E. (1994). Chimeric conundra: Are nucleomorphs and chromists monophyletic or polyphyletic? Proceedings of the National Academy of Sciences 91(23): 11368-11372.

Chaisson, E. J. (2001). Cosmic evolution: The rise of complexity in nature. Harvard University Press.

Chuong, E. B., Elde, N. C. & Feschotte, C. (2016). Regulatory evolution of innate immunity through co-option of endogenous retroviruses. Science 351(6277): 1083–1087.

Coen, E. & Cosgrove, D. J. (2023). The mechanics of plant morphogenesis. Science 379(6631): eade8055.

Copeland, E. J., Sami, M. & Tsujikawa, S. (2006). Dynamics of dark energy. International Journal of Modern Physics D 15(11): 1753-1935.

Duéñez-Guzmán, E. A., Sadedin, S., Wang, J. X., et al. (2023). A social path to human-like artificial intelligence. Nature Machine Intelligence, 5(11), 1181–1188.

Elena, S. F. (2012). RNA virus genetic robustness. Current Opinion in Virology 2(5): 525-530.

Falkowski, P. G., Fenchel, T., & Delong, E. F. (2008). The microbial engines that drive Earth's biogeochemical cycles. Science, 320(5879), 1034–1039.

Faraoni, V. & Atieh, F. (2021). Generalized Fibonacci numbers, cosmological analogies, and an invariant. Symmetry 13(2): 200.

Fields, C. & Levin, M. (2025). Thoughts and thinkers: On the complementarity between objects and processes. Physics of Life Reviews, 52, 256-273

Figueiredo AF, Boy J, Guggenberger G. (2021). Common Mycorrhizae Network: A Review of the Theories and Mechanisms Behind Underground Interactions. Frontiers in Fungal Biology, 2: 735299.

Forterre, P. (2006). The origin of viruses and their possible roles in major evolutionary transitions. Virus Research 117(1): 5-16.

Gastellu-Etchegorry, J. P., Demarez, V., Pinel, V., et al. (1996). Modeling radiative transfer in heterogeneous 3-D vegetation canopies. Remote Sensing of Environment 58(2): 131-156.

Gilbert, W. (1986). Origin of life: The RNA world. Nature 319(6055): 618.

Gray, M. W., Burger, G. & Lang, B. F. (1999). Mitochondrial evolution. Science 283(5407): 1476-1481.

Gunn, J. E. & Gott III, J. R. (1972). On the infall of matter into clusters of galaxies and some effects on their evolution. The Astrophysical Journal 176: 1-19.

Hagedorn, F., Joseph, J., Peter, M., et al. (2016). Recovery of trees from drought depends on belowground sink control. Nature Plant 2(8): 1-5.

Haldane, J. B. S. (1929). The origin of life. The Rationalist Annual 148: 3-10.

Haselsteiner, A. F., Gilbert, C. & Wang, Z. J. (2014). Tiger beetles pursue prey using a proportional control law with a delay of one half-stride. Journal of The Royal Society Interface 11(95): 20140216.

Heyde K, Wood J L (2016). Nuclear shapes: from earliest ideas to multiple shape coexisting structures. Physica Scripta, 91(8): 083008.

Hodgkin, A. L. & Huxley, A. F. (1952). A quantitative description of membrane current and its application to conduction and excitation in nerve. The Journal of Physiology 117(4): 500–544.

Hoffman PF, Kaufman AJ, Halverson GP, et al. (1998). A Neoproterozoic Snowball Earth. Science, 281(5381): 1342–1346.

Joyce, G. F. & Szostak, J. W. (2018). Protocells and RNA self-replication. Cold Spring Harbor Perspectives in Biology 10(9): a034801.

Jucker T, Bouriaud O, Coomes DA (2015). Crown plasticity enables trees to optimize canopy packing in mixed‐species forests. Functional Ecology, 29(8): 1078-1086.

Kauffman, S. A. (2019). A world beyond physics: The emergence and evolution of life. Oxford: Oxford University Press.

Kolb, E. W. & Turner, M. S. (1990). The Early Universe. Addison-Wesley.

Lane, N. & Martin, W. (2010). The energetics of genome complexity. Nature 467(7318): 929-934.

Le Louëdec, J., & Cielniak, G. (2020). Determining shape of strawberry crops with spherical harmonics. In UKRAS20 Conference: "Robots into the real world" Proceedings (pp. 122–124). EPSRC UK-RAS Network.

LeCun, Y., Bengio, Y. & Hinton, G. (2015). Deep learning. Nature 521(7553): 436–444.

Levin, M. (2013). Reprogramming cells and tissue patterning via bioelectrical pathways: molecular mechanisms and biomedical opportunities. Wiley Interdisciplinary Reviews: Systems Biology and Medicine, 5(6), 657-676.

Liang, M., Johnson, D., Burslem, D. F. R. P., et al. (2020). Soil fungal networks maintain local dominance of ectomycorrhizal trees. Nature Communications, 11, 2636.

Macé, N., Jagannathan, A. & Piéchon, F. (2016). Fractal dimensions of wave functions and local spectral measures on the Fibonacci chain. Physical Review B 93(20): 205153.

Marblestone, A. H., Wayne, G. & Kording, K. P. (2016). Toward an integration of deep learning and neuroscience. Frontiers in Computational Neuroscience 10: 94.

Margulis, L. (1970). Origin of eukaryotic cells: evidence and research implications for a theory of the origin and evolution of microbial, plant, and animal cells on the Precambrian earth. Yale University Press.

Maynard Smith, J. & Szathmáry, E. (1997). The major transitions in evolution. Oxford: Oxford University Press.

McCulloch, W. S. & Pitts, W. (1943). A logical calculus of the ideas immanent in nervous activity. Bulletin of Mathematical Biophysics 5(4): 115–133.

Mcfadden, G. I. (2001). Primary and secondary endosymbiosis and the origin of plastids. Journal of Phycology 37(6): 951-959.

Merckx, V. S. F. T., Gomes, S. I. F., Wang, D., et al. (2024). Mycoheterotrophy in the wood-wide web. Nature Plants 10: 710-718.

Mihalas, D. (1978). Stellar Atmospheres (2nd ed.). W. H. Freeman.

Mills, D. B. (2020). The origin of phagocytosis in Earth history. Interface Focus 10(4): 20200019.

Nobs, S. J., Johnson, M. D., Williams, T. J., et al. (2026). An Asgard archaeon from a modern analog of ancient microbial mats. Current Biology. doi:10.1016/j.cub.2026.03.041.

Nomoto K, Kobayashi C, Tominaga N. (2013) Nucleosynthesis in Stars and the Chemical Enrichment of Galaxies. Annual Review of Astronomy and Astrophysics, 51: 457-509

Olson WK, Bansal M, Burley SK, et al. (2001) A standard reference frame for the description of nucleic acid base-pair geometry. Journal of Molecular Biology, 313(1): 229-237.

Oparin, A. I. (1924). The Origin of Life. Moscow: Moscow Worker

Penrose, R. (2014). On the gravitization of quantum mechanics 2: Conformal cyclic cosmology. Foundations of Physics 44(8): 873-890.

Pérot, P., Bolze, P. A. & Mallet, F. (2012). From viruses to genes: Syncytins. In Witzany, G. (ed.) Viruses: Essential Agents of Life. Dordrecht: Springer.

Petkowski, J. J., Bains, W. & Seager, S. (2020). On the potential of silicon as a building block for life. Life 10(6): 84.

Porter, S. M. (2004). The fossil record of early eukaryotic diversification. The Paleontological Society Papers 10: 35-50.

Prosdocimi, F., & de Farias, S. T. (2025). Virus-first theory revisited: Bridging RNP-world and cellular life. Microbiological Research 16(7): 154.

Ptashne, M. (2004). A genetic switch: Phage lambda revisited (3rd ed.). Cold Spring Harbor Laboratory Press.

Ratra B and Vogeley M S. (2008). The Beginning and Evolution of the Universe. Publications of the Astronomical Society of the Pacific, 120(865), 235-265.

Rosner, J. L. (2003). Resource letter: The standard model and beyond. American Journal of Physics 71(4): 302.

Rumelhart, D. E., McClelland, J. L. & the PDP Research Group. (1986). Parallel distributed processing: Explorations in the microstructure of cognition (Vol. 1: Foundations). MIT Press.

Sagan, L. (1967). On the origin of mitosing cells. Journal of Theoretical Biology 14(3): 255-274.

Schoenle, A., Francis, O., Archibald, J. M., et al. (2025). Protist genomics: key to understanding eukaryotic evolution. Trends in Genetics 41(10), 868–882.

Schreiber, G. (2024). The Virus World in Deep Time. In R. Gordon (Ed.), Origin of Life via Archaea: Shaped Droplets to Archaea First, with a Compendium of Archaea Micrographs (pp. 415–437). John Wiley & Sons, Inc.

Schrödinger, E. (1928). Collected papers on wave mechanics (J. F. Shearer & W. M. Deans, Trans.). Blackie & Son Limited.

Shabanov, N. V. & Gastellu-Etchegorry, J. P. (2018). The stochastic Beer–Lambert–Bouguer law and the three-dimensional radiative transfer equation inversion. Journal of Quantitative Spectroscopy and Radiative Transfer. 214: 18–32.

Sherwin, W. B. (2024). Pan-Evo: The evolution of information and biology’s part in this. Biology 13(7): 507.

Sikivie, P. (2008). Axion cosmology. In M. Kuster, G. Raffelt, & B. Beltrán (Eds.), Axions: Theory, Cosmology, and Experimental Searches (pp. 19–50). Springer.

Simard, S. W., Beiler, K. J., Bingham, M. A., et al. (2012). Mycorrhizal networks: Mechanisms, ecology and modelling. Fungal Biology Reviews 26: 39-60.

Simard, S. W., Perry, D. A., Jones, M. D., et al. (1997). Net transfer of carbon between ectomycorrhizal tree species in the field. Nature 388: 579-582.

Smalheiser, N. R. (2014). The RNA-centred view of the synapse: Non-coding RNAs and synaptic plasticity. Philosophical Transactions of the Royal Society B: Biological Sciences 369(1652): 20130504.

Smith, J. M. & Szathmáry, E. (1995). The major transitions in evolution. W. H. Freeman Spektrum.

Spang A, Saw JH, Jørgensen SL, et al. Complex archaea that bridge the gap between prokaryotes and eukaryotes. Nature, 2015, 521(7551): 173–179.

Steenkamp, E. T., Wright, J. & Baldauf, S. L. (2006). The protistan origins of animals and fungi. Molecular Biology and Evolution 23(1): 93-106.

Stephens, D. W., Brown, J. S., & Ydenberg, R. C. (Eds.). (2007). Foraging: Behavior and ecology. University of Chicago Press.

Tama, F., & Sanejouand, Y. H. (2001). Conformational change of proteins arising from normal mode calculations. Protein Engineering, 14(1), 1-6.

Tedersoo, L., Bahram, M. & Zobel, M. (2020). How mycorrhizal associations drive plant population and community biology. Science 367(6480): eaba1223.

Tegmark, M. (2014). Our mathematical universe: My quest for the ultimate nature of reality. New York: Knopf.

Timsit, Y. & Grégoire, S. P. (2021). Towards the idea of molecular brains. International Journal of Molecular Sciences, 22(21), 11868.

Tononi, G., Edelman, G. M., & Sporns, O. (1998). Complexity and coherency: Integrating information in the brain. Trends in Cognitive Sciences, 2(12), 474–484.

Tononi, G., Sporns, O. & Edelman, G. M. (1996). A complexity measure for selective matching of signals by the brain. Proceedings of the National Academy of Sciences 93(8), 3422-3427.

Tung, C. S., Soumpasis, D. M., & Hummer, G. (1994). An extension of the rigorous base-unit oriented description of nucleic acid structures. Journal of Biomolecular Structure and Dynamics, 11(6), 1327–1344

van der Heijden, M. G. A., Martin, F. M., Selosse, M. A., et al. (2015). Mycorrhizal ecology and evolution: The past, the present, and the future. New Phytologist 205(4): 1406-1423.

van Valen, L. (1973). A new evolutionary law. Evolutionary Theory 1(1): 1-30.

Vosseberg J, van Hooff J J E, Ettema T J G, et al. (2024) The emerging view on the origin and early evolution of eukaryotic cells. Nature, 633(8029): 295-305.

Walker, S. I., Davies, P. C. W. & Ellis, G. F. R. (Eds.). (2017). From matter to life: Information and causality. Cambridge University Press.

Whittaker, R. H. (1969). New concepts of kingdoms of organisms. Science 163: 150-160.

Wu, W. H., Li, Z. Z., Wang, W. X. (2024). Symmetry breaking of three self-organization rules: A general theory for the origin of complexity. International Journal of Bifurcation and Chaos 34(6): 2430012.

Yuan X, Chen Z, Xiao S, et al. (2011). An early Ediacaran assemblage of macroscopic and morphologically differentiated eukaryotes. Nature, 470(7334): 390–393.