?
伯豪生物多組學研究策略！
? ? ? ? 上海伯豪生物技術有限公司（以下簡稱“伯豪生物”）2008年12月成立，是一家以科技服務、疾病與健康檢測服務、分子檢測產品的開發和生產為主營業務的高新技術企業，并于2016年成立上海市院士專家工作站；并入選國家發展和改革委員會第一批基因檢測技術應用示范中心，以及“高發腫瘤及遺傳性疾病基因檢測示范中心”。伯豪生物建立了國內齊全的生物技術服務平臺，能夠應用生物芯片、基因測序、生物標志物篩選驗證、分子檢測、基因編輯等技術平臺在基因組、轉錄組及表觀遺傳等組學層面提供優質服務，并具有多年生物信息分析經驗。
? ? ? ?生命現象的發生和調控過程是極其復雜的，在腫瘤、自身免疫疾病、代謝疾病等復雜疾病的發生發展過程中，在干細胞分化、胚胎發育與物種進化等生命現象中，會涉及到基因組、轉錄組、蛋白質組及表觀遺傳等多層面的變化及調控。在大數據時代，將多個組學數據結合起來的整合研究——多組學（Multi-omics）研究，是一大趨勢。
? ? ? ?對于一個復雜的疾病或生命現象的研究，要綜合考慮其表型以及生理生化指標以及基因組、轉錄組、蛋白質組、表觀遺傳及代謝組等多層面的變化。將上述多組學的數據整合分析，以掌握其全局的變化過程，為研究其調控機制和精準醫療提供綜合解決方案。
組學數據的可靠性是多組學數據的質量基礎
? ? ? ?伯豪生物具備14年的芯片服務與8年的測序服務經驗，是Affymetrix與Agilent公司在中國多年的服務供應商，以及Illumina的認證服務供應商，以可靠而優質的數據質量深受客戶推崇。真實而可靠的數據質量是多組學數據分析的質量基礎。?
多年積累的數據庫和生信分析經驗是多組學數據的分析基礎
? ? ? ?多組學的數據分析中涉及到甲基化對mRNA與lncRNA乃至miRNA的轉錄前調控作用；lncRNA對mRNA的轉錄前及轉錄后調控作用；miRNA對mRNA的轉錄后降解和抑制的調控作用；內源競爭性RNA（ceRNA）通過對miRNA的結合而對mRNA的調控作用；CNV對基因表達的劑量效應；SNV對基因功能的影響以及對信號通路基因的激活和抑制作用。伯豪生物多年的數據分析中，建立了多組學不同分子間的相互作用模式，以及多組學數據庫，積累了豐富的組學數據分析經驗，為多組學的聯合分析，提供了數據庫和生信分析保證。
多組學項目方案設計策略
一、技術的選擇與實驗設計
? ? ? ?多組學項目的方案設計需對研究的疾病與現象深入了解與分析，根據不同疾病的內在特點，在基因組、轉錄組和表觀層面側重合理選擇適合技術。例如通過對3299份來自于12種實體瘤樣本的研究表明，腫瘤可以分為M class (mutation-driven，突變驅動) 和C class (copy number-driven，拷貝數變異驅動) 兩類，其中C class的腫瘤主要有卵巢癌、乳腺癌、肺(鱗)癌及頭頸癌等，此類腫瘤可以把重點放在拷貝數的研究中。所以根據疾病是否涉及基因組層面的變異或變異的側重點，在基因組層面上選擇外顯子測序或CNV芯片技術，另外可以根據疾病是否有可能影響到DNA甲基化、組蛋白修飾，以確定是否加入表觀層面的分析。
二、多組學數據的整體展示
? ? ? ?多組學的數據分析，不是單獨對幾個組學數據的羅列和展示，關鍵是整合分析項目中涉及到的基因組、轉錄組或表觀遺傳等層面的數據，展示出不同層面的相互作用與調控關系，以幫助研究者從全局上把握疾病發展中的內在變化，進而聚焦到關鍵的通路及基因。
（1） 熱圖展示
? ? ? ?在下圖中將甲基化、mRNA與lncRNA三種數據整合成一張熱圖，圖中的每一行不但代表了一個特定的基因的表達以及此基因對應的甲基化修飾，還體現了數據庫中有調控關系的lncRNA與mRNA的相互關系。在圖中，能夠看到甲基化對mRNA與lncRNA的轉錄前的負調控作用，以及lncRNA對mRNA的轉錄前及轉錄后的正調控及負調控作用。同時，在圖中還可以看到單個樣本在的甲基化和轉錄上的個性特征。直觀的展示了不同層面的差異表達基因和差異修飾位點的相互關系，同時為進一步的數據挖掘提供了指導。
（2） 染色體圖展示
? ? ? ?在多組學的分析中，不但可以根據靶基因的相互作用將不同層面的數據整合分析，也可以單純地通過位置關系將不同組學的數據相結合。如下圖中，通過CNV、基因表達與甲基化修飾的位置關系，將三個組學的數據有機的結合起來，分析CNV對于表達的劑量效應，以及甲基化對于基因表達的調控作用。
（3） 圈圖展示（Circos plot）
? ? ? ?也可以用Circos plot以圈圖從整體上展示全基因組水平上的甲基化水平及基因表達差異，也可以將CNV甚至是SNV也同時展示出來。
三、多組學數據的分型及整合分析
? ? ? ?多組學的數據分析，會得到多個層面的數據，這些數據都可以分別用非監督聚類的辦法對疾病的亞型分型。但分別針對不同分子層面的聚類會得到不同的聚類結果，而且有些樣本在不同的聚類中會分配到不同的亞型，所以推薦將多組學的數據整合考慮，得到綜合的分型結果。在理想的聯合分析中不但要綜合考慮到不同層面的分子變異還要考慮到不同變異間的相互關系，進而分析不同層面分子的上調、下調或激活、抑制等相互作用。例如，CNV的增加可能會增加基因的表達，DNA的甲基化可能會抑制基因表達，SNV對AA編碼的改變或終止密碼子的出現會不同程度地影響蛋白的功能，雖然mRNA水平上沒有改變，但功能的失活會影響pathway中的下游基因。不同層面的整合分型以及基因通路激活抑制的聯合分析構成了多組學數據挖掘的核心?？梢圆捎玫姆治龇椒òǎ夯谝呀洶l表文獻知識數據庫的Integrated Pathway Activities（IPA）分析；基于網絡分析的PAthway Recognition Algorithm using Data Integration on Genomic Models (PARADIGM) ，PARADIGM可實現不同層次表達以信號通路展示；此外常用的方法還有基于模型獨立的隨機樣本計算的雙向聚類方法（consensus clustering）以及基于每個不用平臺數據的協方差而整合聚類的Integrative clustering方法等。
三、多組學數據的進一步挖掘與展示
? ? ? ?多組學數據分析中的另一大難點是在錯綜復雜的數據中尋找到核心的通路與驅動基因。伯豪在多年的分析中建立了從基礎的GO與pathway富集分析到共表達網絡與ceRNA調控網絡分析，以及GSEA與WGCNA分析，到利用收費數據庫的IPA分析，為客戶提供了一整套分析方案和思路去挖掘各個組學中的關鍵基因與通路。同時利用多個層面數據間的相互關系，尋找相互具有調控關系的位點或基因。再通過復雜的網絡圖，將基因組變異、基因表達差異，甲基化修飾差異以及基因間的相互作用在同一張圖上展示出來。
