多组学联合分析整体思路
 
简介
 
对于发病原因复杂的疾病通常很难用单一的理论模式进行表述。系统生物学研究方法为疾病发病机制的研究提供了新思路。系统生物学是通过整合生物系统中诸多相互联系和作用的组分来研究复杂生物过程的机制，即研究生物系统中所有组成成分（基因、RNA、蛋白质、表观遗传和代谢产物等）的构成以及在特定条件下这些组分间的相互作用和关系，并分析生物系统在某种或某些因素干预扰动下在一定时间内的动力学过程及其规律。高通量的组学（Omics）技术为系统生物学提供了海量的实验数据，而多组学联合分析技术除了提供数据的拼接以及挖掘，更是对生物学解释的深入研究，为基础生物学以及疾病研究提供新思路。
 
多组学联合分析的优势
 
单一组学分析方法可以提供不同生命进程或者疾病组与正常组相比差异的生物学过程的信息。但是，这些分析往往有局限性。多组学方法整合几个组学水平的信息，为生物机制提供了更多证据，从深层次挖掘候选关键因子。通过将基因、mRNA、调控因子、蛋白、代谢等不同层面之间信息进行整合，构建基因调控网络，深层次理解各个分子之间的调控及因果关系，从而更深入的认识生物进程和疾病过程中复杂性状的分子机理和遗传基础。
 
多组学联合分析应用领域
 
生物医药：通过对基因组、转录组、蛋白组、微生物组和代谢组实验数据进行整合分析，可获得应激扰动、病理生理状态或药物治疗疾病后的变化信息，富集和追索到变化最大、最集中的通路，通过对基因到 RNA、蛋白质，再到体内小分子，对整体变化物质分子进行综合分析，包括原始通路的分析及新通路的构建，反映出组织器官功能和代谢状态，从而对生物系统进行全面的解读。在生物医药领域可应用于生物标志物，疾病机理机制，药物靶标、疾病分型，个性化治疗等研究；
农林领域：生长发育研究、胁迫和非胁迫机制、作物育种、珍稀物种保护研究、药用植物研究等；
微生物：致病机理，耐药机制，病原体-宿主相互作用研究等；
畜牧业：生长发育研究、畜禽重要经济性状功能基因的挖掘、致病机理研究、牧草生物斜坡和逆境转录因子挖掘等；
环境科学：发酵过程优化，生物燃料生产，环境危定风险评估研究等；
海洋水产：生长发育研究、生物进化研究和、毒理学和水产品安全等。
 
分析领域
 
多组学整合分析包括：转录组与蛋白组联合分析， 转录组与代谢组联合分析， 蛋白组与代谢组联合分析， 代谢组与微生物组联合分析， 转录组与脂质组联合分析， 蛋白组与脂质组联合分析， 转录组+蛋白组+代谢组联合分析，以及各类RNA+蛋白组+基因组等多组学联合分析。
 
多组学联合分析整体框架及技术流程
 

目前组学的数据越来越多。其中代谢组学也是其中一个热点。关于代谢组学的相关分析目前用的最多的还是MetaboAnalyst 。之前这个数据库一直都是4.0版本。最近刚刚更新了5.0的版本。趁着刚刚更新，我们也就来顺带的介绍这个数据库吧。
 
PS: 从18到现在被引次数就到了1700。可见这个数据库的权威以及研究代谢的人多呀
 
 
关于MetaboAnalyst。其主要是基于作者开放的一个R语言包MetaboAnalystR来进行分析了。如果有相关R语言操作基础的。也是可以使用这个包进行分析的。
 
 
 
 
 
数据库主要功能介绍
 
 
 
目前作者把代谢组学的数据分析基于不同的数据类型和分析目的分成了13个功能。我们可以基于这自己的数据类型和分析目的来选择不同的功能即可。
 
 
 
文章剩余内容<<<<
 
 
 
 

简介
 
蛋白质是生物体最终的功能执行着，其含量随着生物体的生长、环境应激反应、疾病发生发展的过程不断变化，因此，对蛋白质的解析意义重大。转录组是连接基因组和蛋白质组的中间模块，从DNA转录成mRNA，再翻译成蛋白质的过程中，涉及到一整套精细的表达调控机制，如转录调控，转录后调控，翻译调控，翻译后调控等。研究表明转录组和蛋白质组的相关系数并不高，表明在这个过程中，翻译和翻译后调控对蛋白质的表达具有非常重要的调控作用。
 
蛋白质组学与转录组学联合分析， 就是通过对转录组数据和和蛋白质组数据进行联合分析，挖掘mRNA与蛋白的表达水平，充分利用转录组和蛋白质组研究的差异性和互补性，对基因的表达水平进行全方位的衡量，以获得基因表达各个步骤表达和调控的全景图，发掘常规单个组学未能发现的新结果。全面探究生物体疾病机理，生长发育机制等。
 
蛋白质组学与转录组学联合分析一般分析流程
 
 主要分析内容
 
定性关联分析
共有基因分析
转录组与蛋白组定量关联分析。
mRNA与蛋白表达趋势一致的基因pathway分析。
mRNA与蛋白表达趋势相反的基因pathway分析。
蛋白表达无变化，对差异表达mRNA对应的基因进行pathway分析。
mRNA表达无变化，对差异表达蛋白对应的基因进行pathway分析。
转录组与蛋白组表达模式分析。
蛋白相互作用网络分析。
 
应用示例
 
人类结肠癌的蛋白基因组分析揭示了新的治疗机会
 
Proteogenomic Analysis of Human Colon Cancer Reveals New Therapeutic Opportunities
 文章链接 https://www.sci-hub.ren/10.1016/j.cell.2019.03.030
 
 蛋白组学与多组学联合分析，揭示Rb的磷酸化与结肠癌的进程密切相关并可作为治疗靶点
 

比较基因组学简介
 人类基因组计划的实施（The Human Genome Project）开启了基因组时代。随着测序技术的不断进步和测序成本的下降，越来越多的物种基因组被测序，随着原核生物以及真核生物等各种不同物种基因组数据的产生以及研究的深入，开阔了人类对物种进化及生命之树认识的眼界，推动了物种间的比较基因组学的研究。
 比较基因组学（Comparative genomics）是基于基因组图谱和测序技术,对一个物种的多个个体（群体）基因组或多个物种基因组的结构和功能基因区域进行比较分析。基因组的结构和功能基因区域主要包括DNA序列，基因，基因家族，基因排序，调控序列，和其它的基因组结构标志。比较基因组学分析，具体来讲就是借助生物信息学的方法通过对多个物种的基因组结构特征进行比较，找出其中的的异同。进而研究物种间基因家族收缩与扩张，分化时间和演化关系，以及新基因的产生与进化等。
 
 
比较基因组学一般分析流程
 
 比较基因组学一般分析流程
 
比较基因组学分析内容：
 比较基因组学分析通过比较多物种蛋白序列或者基因位置与相对顺序，包括基因的丢失、复制、水平转移等。鉴定物种之间保守的基因（找物种相似之处），或者某个生物自身特有的基因（找物种不同之处），旨在阐释物种多样性的分子遗传基础。
 
基因家族聚类分析
查找直系同源基因
系统进化分析
物种分歧时间的估算分析
鉴定基因融合与基因簇
信号通路基因簇重构
基因家族收缩与扩张
全基因组复制事件分析
全基因组共线性比较
 
参考文献
 
Yang, Y, et al. Prickly waterlily and rigid hornwort genomes shed light on early angiosperm evolution[J]. Nature Plants， 2020. 6(3): 215-222.
Nobrega M A, Pennacchio L A. Comparative genomic analysis as a tool for biological discovery[J]. The Journal of Physiology, 2004, 554(1):31-39.