多组学

多组学（Multi-omics），又称泛组学 (Pan-omics)，是一种整合的生物学分析方法，旨在结合来自不同“组学”层面的数据（如基因组学、转录组学、蛋白质组学、代谢组学及表观基因组学），以构建生物系统分子互作的整体全景图。与单一组学提供的片面视角不同，多组学分析能够揭示从“基因型”到“表型”的因果链条，解析复杂的调控网络。随着高通量测序技术和生物信息学算法的进步，多组学已成为系统生物学、精准医疗及肿瘤免疫研究的核心驱动力，特别是在寻找新型生物标志物和解析耐药机制方面表现出巨大优势。

多组学

Multi-omics / Pan-omics (点击展开)

系统生物学的终极拼图

学科概况
核心理念	数据整合 (Integration)
数据特征	高维, 异质性, 稀疏性
关键技术	NGS, 质谱, AI
分析算法	MOFA, WGCNA
应用领域
精准医疗	患者分层, 靶点发现
单细胞层级	CITE-seq, scATAC-seq
免疫学	系统疫苗学
主要挑战	维数灾难, 批次效应

整合层级：生命信息的全息图

多组学研究的核心在于将不同生物学层面的信息流（Information Flow）串联起来。每一层组学都提供了生命活动不同维度的快照。

组学层面	信息类型	生物学意义
基因组学 (Genomics)	SNV, CNV, Indel	可能性 (Potential)： 揭示遗传易感性和突变负荷（TMB）。
表观基因组学 (Epigenomics)	甲基化, 染色质开放性	可及性 (Accessibility)： 决定基因是否处于“可转录”状态（如 ATAC-seq）。
转录组学 (Transcriptomics)	mRNA, miRNA, lncRNA	计划 (Plan)： 反映基因表达的活跃程度和调控网络。
蛋白质组学 (Proteomics)	蛋白丰度, 磷酸化修饰	执行 (Execution)： 生命功能的直接执行者，药物的主要靶点。
代谢组学 (Metabolomics)	小分子代谢物, 脂质	结果 (Result)： 基因与环境互作的最终表型读出。

单细胞多组学：精度革命

传统的群体测序（Bulk Sequencing）只能获得平均值，掩盖了细胞异质性。单细胞多组学 (Single-cell Multi-omics) 允许在同一个细胞内同时检测多种模态，是当前研究的热点。

• CITE-seq： 结合 scRNA-seq 和抗体衍生标签（ADT），同时检测单细胞的转录组和表面蛋白。解决了 RNA 与蛋白表达不一致的问题，极大地提高了细胞分群的准确性。
• scNMT-seq： 同时检测单细胞的核小体占位、甲基化和转录组，解析表观遗传调控机制。
• VDJ-seq： 在测定转录组的同时，解析 T 细胞或 B 细胞的抗原受体序列（CDR3），实现克隆追踪与功能表型的关联。
• 空间转录组： 虽然严格意义上不算单细胞，但结合了空间位置信息的多组学技术，对于解析肿瘤微环境中的细胞通讯至关重要。

生物信息学挑战：数据融合

多组学并非简单的数据堆叠，其难点在于如何将不同维度、不同信噪比的数据进行数学上的有效整合。
● 降维分析： 使用 MOFA (Multi-Omics Factor Analysis) 等算法，识别驱动数据变异的潜在因子，发现不同组学层面的共同模式。
● 网络分析： 构建基因-蛋白-代谢物互作网络，寻找关键枢纽（Hub）分子。
● 机器学习： 利用深度学习模型（如 Autoencoders）融合多模态数据，预测临床预后或药物敏感性。

       学术参考文献 [Academic Review]
       

[1] Hasin Y, Seldin M, Lusis A. (2017). Multi-omics approaches to disease. Genome Biology.
[点评]：系统综述了多组学在复杂疾病（如心血管病、癌症）研究中的策略和价值，强调了数据整合的重要性。

[2] Stoeckius M, et al. (2017). Simultaneous epitope and transcriptome measurement in single cells. Nature Methods.
[点评]：Satija 实验室开发 CITE-seq 的奠基性论文，标志着单细胞多组学时代的正式开启。

[3] Argelaguet R, et al. (2018). Multi-Omics Factor Analysis—a framework for unsupervised integration of multi-omics data sets. Molecular Systems Biology.
[点评]：介绍了 MOFA 算法，这是一种强大的无监督学习框架，用于从复杂的多组学数据中提取生物学特征。

           多组学技术体系 · 知识图谱