2026年6月4日
"多组学"这个术语或许看似令人生畏，这并非没有道理。这门雄心勃勃的学科拥有揭示诸多未知的力量。距离科学家完成人类基因组计划仅过去了23年。这一历史性里程碑开启了基因组学的大门。自那次突破以来，已知的罕见遗传病从40种增长到了7,000种。但更重要的是，我们认识到了自己的无知。
从癌症到传染病再到心血管研究，相关基因蕴含着大量关键信息，但它们无法告诉我们一切。确定哪些基因正在表达，或哪些蛋白质存在，有助于诊断、疾病监测和药物发现。但还有其他多个"组学"对我们的生物学至关重要。多组学技术帮助完善生物学理解的图景。在本系列文章中，我们将逐一解析科学家如今越来越多地整合到健康研究中的几种"组学"。它们是什么？组学能告诉我们哪些关于人类健康和疾病的信息？实验室如何实施这些技术？
让我们从一个简单的定义开始。
什么是多组学？
多组学是同时研究生物学多个层面——即多个"组学"——的学科。
最广为人知的层面是基因组学，即对基因组的全面研究，包括任何生物体中完整的遗传信息集合。通过新一代测序等技术，研究人员可以研究基因组的结构、基因功能、序列变化以及基因位置（基因图谱）。基因组学及当今先进的分析技术，使科学家能够以空前的规模、速度和精度研究DNA在健康和疾病中的作用。
在过去二十年中，科学家超越了基因组学，解析基因组的分子并分析它们的相互作用。在此过程中，我们创建了全新的学科：基因组学、转录组学、蛋白质组学、表观基因组学等。它们统称为多组学，采用系统方法研究分子生物学，认识到任何单一"组学"只能揭示更大拼图中的一块。
多组学能告诉我们什么
虽然每个特定的"组学"都有其优势，但也可能遗漏信息。多组学方法将这些关联的分子过程统一起来，为驱动生物学、健康和疾病的机制提供更完整的认识。多组学可以在基因组学、蛋白质组学、表观基因组学、转录组学等层面提供连贯、关联的整体视图。
基因组学是研究基因的极佳方式，包括基因组的编码区和非编码区。然而，知道所有20,000个人类基因的序列并不能揭示哪些基因在任一时刻正在表达。
此外，当基因转录时，mRNA编码区通常以不同方式剪接（剪接变体），产生具有不同功能的独特蛋白质。有时，这些变异非常显著。基因组学无法揭示这些剪接变异，但转录组学可以。
转录组学识别哪些基因正在表达以及mRNA如何剪接。空间转录组学解析组织内的基因表达模式。
然而，mRNA转录并不一定意味着蛋白质会被合成。细胞具有多种调控机制，可阻止mRNA转录完成其使命。蛋白质组学显示哪些蛋白质已被合成，以及它们的外观。
这在生物分子中尤为重要，因为结构决定功能。了解蛋白质的折叠方式与其组成氨基酸的排列方式同等重要。每种形状都讲述着一个故事。
即使蛋白质合成后，它们还会经历一个称为翻译后修饰的过程，在此期间细胞添加不同的分子以增强功能。例如，磷酸化是一种关键修饰，通过添加磷酸基团来激活蛋白质，尤其是酶。基因组学和转录组学无法揭示这一重要细节，蛋白质组学可以。
表观基因组如同计算机操作系统，精确调控基因表达，使静态的基因组变得更加动态。最重要的是，表观基因组会对环境信号做出反应。因此，表观基因组学可以提供关于环境因素如何影响表达的关键数据。
对于多组学研究，研究人员可以选择多种多模态技术。批量测序可以汇集细胞群体、组织和其他样本，得出平均测量值。单细胞测序是一种先进方法，可在单个细胞的分辨率下分析组学序列——是评估群体异质性的理想选择。最后，空间测序提供了细胞活动的背景视图，它将完整组织中的组学信息结合起来。
多组学帮助我们理解所有这些层面如何作为一个统一的系统协同工作。这些信息帮助研究人员可视化细胞如何做出决策，以及疾病如何迫使细胞做出不同选择。
因美纳的多组学方法
因美纳通过文库制备工作流程、高通量测序平台和分析解决方案的组合支持多组学研究。我们致力于提供完整的洞察生态系统。应用特异性的文库制备方法支持基因组学、转录组学（包括单细胞和空间）和表观基因组学 检测，可在Illumina NovaSeq X系列等系统上进行测序。这些基于测序的数据集随后可与蛋白质组学等互补模态在下游分析框架中结合。
因美纳的愿景是在核心平台上实现全套组学模态，推动这些方法更广泛的普及——无需客户购买多种类型或连续型号的仪器。研究人员享受完整的工作流优势，高效地从样本获得答案。
我们的部分最新创新包括5碱基解决方案，可同时实现甲基化分析和高精度遗传变异检测。
虽然NovaSeq及其他技术可产生多组学数据，因美纳也在开发快速分析这些信息并简化解读的工具，包括DRAGEN二级分析和Illumina Connected Multiomics (ICM)。
ICM 利用人工智能整合多样化的组学数据集，并帮助研究者区分信号与噪声。该技术帮助研究人员混合搭配数据类型——基因组学、蛋白质组学、空间组学、单细胞组学——以获得真正整合的生物学视图。此外，ICM 提供关键的生物学背景，通过Illumina Correlation Engine及其他资源将实验室数据与大型精选数据库相连接。
研究人员如何使用多组学
多组学相较于任何单一组学学科的主要优势之一，是它可以帮助科学家超越相关性，识别因果关系。这可能在理解生物学、开发诊断方法、发现潜在治疗靶点以及开发修饰这些靶点的药物方面产生深远影响。
· 因美纳与Broad Clinical Labs正利用多组学工具开发大规模细胞图谱，以加速疾病建模和药物开发。
· 在一项早期研究中，南加州大学癌症生物学教授 Bodour Salhia, PhD 联合使用表观基因组学、转录组学和蛋白质组学，提高了卵巢癌诊断的准确性。
· 牛津和剑桥的研究人员正利用多组学区分CD4 T细胞，以更好地理解免疫系统。
· 这项由埃默里大学主导的多组学研究，结合全基因组关联研究与蛋白质组学，以观察阿尔茨海默病的发病机制。
· 奥斯陆的科学家正将甲基化生物标志物添加到液体活检中，以提高其准确性。
精准医疗及其他应用的前景与潜力
多组学在极大改善药物发现方面具有巨大潜力。通过比较基因组/转录组/蛋白质组/表观基因组不同部分的疾病特征，研究人员可以可视化整个通路，并研究特定药物如何调节该通路。
这可以在发现过程的早期揭示副作用，而非在晚期临床试验阶段，同时提高疗效。它还可以帮助临床医生理解为何部分患者对药物有反应而另一些患者没有。
如今，研究者可以追踪细胞信息的整个连续体——从基因组到蛋白质组及更远——以观察组织如何运作。这如同获得一本全新的细胞生物学用户手册。
