基础认知

01什么是多组学？

多组学（Multi-omics）是系统生物学研究的核心策略，通过整合基因组、转录组、蛋白质组、代谢组、表观基因组等多个分子层面的数据，构建从基因到表型的完整调控网络。与传统单一组学相比，多组学能够从不同维度同时解析生物系统的复杂性：基因组揭示遗传潜能，转录组反映基因表达动态，蛋白质组呈现功能执行者，代谢组则是最接近表型的终末分子。通过交叉验证和整合分析，多组学不仅可以提高生物标志物发现的可靠性，还能揭示基因型如何通过多层调控影响表型，为精准医学、疾病机制研究和药物开发提供全面而深入的分子依据。

多组学的核心优势

• 更全面：覆盖 DNA→RNA→蛋白→代谢物的完整信息流
• 更精准：交叉验证提高生物标志物发现的可靠性
• 更深层的机制：揭示基因型如何通过多层调控影响表型
• 个性化：为精准医学提供多维度分子画像

常见多组学组合

• 基因组 + 转录组：解析 eQTL 与表达调控
• 转录组 + 蛋白质组：评估转录后调控效率
• 蛋白质组 + 代谢组：解析酶功能与通路活性
• 全组学整合：系统生物学最全面的策略

02各层次组学详解

基因组学 Genomics

研究生物体全部 DNA 序列及其变异。核心技术包括全基因组测序（WGS）、全外显子测序（WES）、靶向测序等。可检测 SNP、InDel、CNV、SV 等多种变异类型，是理解遗传基础的首要层次。

• 主要技术：Illumina NGS、PacBio HiFi、Oxford Nanopore
• 数据产出：每个样本 30–90 GB（WGS 30X）
• 分析内容：变异检测、注释、致病性评级

转录组学 Transcriptomics

定量研究细胞或组织中所有 RNA 转录本的种类和丰度。包括 mRNA、lncRNA、miRNA 等。单细胞 RNA-seq 和空间转录组进一步实现了细胞分辨率和空间定位。

• 主要技术：bulk RNA-seq、scRNA-seq、空间转录组
• 数据产出：每个样本 5–10 GB
• 分析内容：差异表达、通路富集、细胞聚类

蛋白质组学 Proteomics

大规模鉴定和定量蛋白质的表达、修饰和互作。质谱技术（DDA/DIA/PRM）是核心手段。4D 蛋白质组学（离子淌度）进一步提升了鉴定深度和定量准确性。

• 主要技术：DIA、TMT、PRM、4D-Proteomics
• 鉴定深度：单次运行可鉴定 8,000–12,000 个蛋白
• 分析内容：差异蛋白、PTM、蛋白互作网络

代谢组学 Metabolomics

检测生物系统中小分子代谢物（分子量 <1500 Da）的集合。代谢物是基因和蛋白功能的终末产物，直接反映生物体的生理和病理状态，是"最接近表型"的组学层次。

• 主要技术：LC-MS/MS、GC-MS、NMR
• 覆盖深度：可检测数百至数千种代谢物
• 分析内容：代谢物鉴定、通路分析、疾病标志物

表观基因组学 Epigenomics

研究不改变 DNA 序列但可遗传的基因表达调控机制。包括 DNA 甲基化、组蛋白修饰、染色质可及性等。表观遗传变化是环境与基因交互的重要桥梁。

• 主要技术：WGBS、RRBS、ChIP-seq、ATAC-seq
• 分析内容：甲基化水平、开放染色质区域、TF 结合位点
• 特色应用：早期发育、肿瘤发生、环境暴露研究

03多组学研究的一般流程

从科学问题到生物学发现，多组学研究遵循一套严谨的标准化流程

科学问题

明确生物学问题，确定研究目标与假设

实验设计

样本量估算、分组设计、批次效应控制

样本采集

标准化采样、分装、冻存、质控记录

上机检测

测序仪 / 质谱仪数据采集，原始数据产出

生信分析

数据质控、比对/搜库、定量、差异、富集

整合解读

多组学关联分析、通路整合、生物学结论

04各层次组学技术对比