在過去的十年里，測序技術極大程度地推動了生命科學和人類健康研究的發展。隨著基因、RNA層面的信息被大量解析和應用，以及質譜技術的飛速發展，獲取分子數據的能力大大提高。前沿的研究者們已經開始逐漸提高了對蛋白質、代謝關注度，并嘗試用更多生物分子層次來全面地探討生物功能執行與表型變化。 多數生理過程由許多復雜的網絡和相互依賴的途徑共同推進，幫助生物體進行正常的生長發育、脅迫應激等過程。這個復雜的系統并不是多條獨立的線性途徑的簡單加和，而是涉及到大量的基因表達、蛋白質功能執行和代謝水平的協同改變。 傳統單一層面的組學研究能夠在一定程度上對特揭示遺傳信息、蛋白功能或代謝通路進行闡釋。但是，僅通過單一組學數據很難對復雜的生物網絡調控進行系統全面的解釋，且不足以解釋遺傳信息表達調控的傳遞鏈條。因此，多組學數據整合成為了系統生物學研究的發展趨勢，其優勢如下： 更準確——彌補單一組學分析時，由于數據噪音、缺失等因素帶來的數據問題。 更可靠——多組學數據資源之間可以進行相互驗證，減少單一組學分析帶來的假陽性。 更深入——多組學數據聯合分析更有利于從不同層面、不同角度，系統解析生物學模型的多層次機制或機制表型的聯系。 參考資料：Annual Review of Plant Biology 數據信息完整度的大幅提升，可以幫助研究人員拓寬研究視野。但同時也帶來了新的困難與問題：多個組學的數據應該如何有機整合？ 要回答這個問題，需要先了解各個層次組學交互的意義。 （左圖來源：Front Plant Sci.） 1. 轉錄組+蛋白質組—分子調控機制信息互補： （1）調控機制信息有效互補。由于各種轉錄后調控機制（如miRNA，蛋白質泛素化系統等）的存在，生物體內RNA與蛋白質的表達相關性往往并不高（相關性系數大約平均在0.6左右）。作為生命活動的功能執行者，蛋白質的表達水平往往更能真實地反應生物表型變化。然而，受限于檢測技術，蛋白質組學的檢測數據量相對轉錄組學較低。尤其針對一些低豐度表達的重要功能蛋白（如轉錄調控因子等），蛋白質組學可以獲得的信息相對有限，而轉錄組數據則可進行補充。因此，轉錄組和蛋白質組各自具有技術優勢，轉錄靈敏度高、蛋白更貼近表型，兩個組學的聯合可以實現優勢互補，獲得更完整有效的信息。 （2）物種研究更深入。非模式物種的蛋白質組數據庫往往不夠完善，從而導致蛋白組分析注釋受到較大限制。通過無參轉錄組的轉錄本拼接注釋，可為蛋白質組學提供數據庫信息，極大程度地提高數據注釋度。對于蛋白組數據較為完善的物種，轉錄組測序分析得到的新轉錄本、可變剪切、堿基突變插入缺失（SNP/InDel）等信息，可以使蛋白數據庫更完整，從而增加蛋白質組學分析的覆蓋度和精確度。 2. 轉錄/蛋白質組+代謝組： 在實際研究中經常會存在這樣的困擾：差異比較分析后獲得的許多基因和蛋白，其功能看似與表型差異沒有直接的聯系。這種情況下，無論是對組學數據的討論，或是選定某些關鍵基因深入研究其分子功能機制都是一個不小的難題。 因此，轉錄/蛋白質組與代謝組聯合分析的意義也體現在兩方面： （1）對于熱門研究領域，已經有非常多的報導顯示表型與一些關鍵代謝物有直接關聯。如腫瘤與能量代謝、植物抗逆與植物激素、消化道疾病與膽汁酸、短鏈脂肪酸等等。無論是通過已知的基因-代謝物的關聯數據庫（如常用的KEGG），或是通過基因表達與代謝物濃度的統計關聯，都可以幫助找出代謝物背后與它緊密相關的基因或蛋白質，實現差異表型與關鍵基因/蛋白的信息關聯，為進一步收斂聚焦關鍵分子機制提供更可靠的信息。 （2）針對新興研究領域，轉錄/蛋白質組與代謝組的聯合可以提供一幅更全景式的分子關聯網絡。在諸多的差異組學分子中，通過挑選其中有相互關聯的功能或通路進行重點討論和研究，為該領域的拓荒提供更有指導性的方向，最終實現對生物變化大趨勢與方向的綜合了解。 針對上述組學聯合的意義，近期，中科新生命推出了三組學聯合特色分析，從轉錄、蛋白到代謝，打通表型與分子機制間的關系，以高分文獻為參考，梳理數據邏輯，有機整合分析。對數據簡單堆砌說再見。 轉錄-蛋白-代謝組三組學聯合分析流程及分析展示
