首页 > 分享 > 技术介绍 | 多组学联合分析（转录+蛋白+代谢）

技术介绍 | 多组学联合分析（转录+蛋白+代谢）

花匠小妙招
2025-09-23 14:25

多组学联合分析

生物学现象复杂多变，基因表达调控复杂，进行单一组学研究时结论往往不够全面，因此单一组学研究存在瓶颈。多组学技术（Multi-Omics）结合两种或两种以上组学研究方法，如基因组、转录组、蛋白组或代谢组，对生物样本进行系统研究。

多组学整合分析对来自不同生物分子层次的批量数据进行归一化处理、比较分析和相关性分析等统计学分析，建立不同层次分子间的数据关系。同时结合KEGG通路富集、分子互作等生物功能分析，系统全面地解析生物分子功能和调控机制。

转录组+蛋白质组

产品简介

转录组学和蛋白质组学都是获得基因表达情况的重要工具，从生物学角度上看，转录组代表了基因表达的中间状态，可以反映诸如转录调控、转录后调控的机理；而蛋白质是生物体直接的功能执行者，因而对其表达水平的研究有着不可替代的优势。要全面探究生物体疾病机理、胁迫机制，精确研究重要基因的表达模式和调控机理，只有联合转录组学和蛋白组学表达量数据对生物样本进行系统研究，才能真正观察到基因-蛋白质关联性，进而从整体上解释生物学问题。

分析流程

应用领域

农林领域：抗逆胁迫机制，生长发育机制，育种保护研究等；畜牧业：肉类及乳品质研究，致病机理研究等；基础医学、临床诊断：生物标志物，疾病机理机制，疾病分型，个性化治疗等；生物医药：药物作用机理，药效评价，药物开发等；

技术优势

构建蛋白质数据库，大幅度提高蛋白质鉴定数量；不同层面表达水平分析，构建表达“全景图”；多组学交叉验证：深层次挖掘其中调控机制；对基因突变信息在蛋白水平上进行验证；精准医疗：实现genomics到protegenomics的转变。

转录组+代谢组

产品简介

将转录组学和代谢组学整合分析，对来自转录组和代谢组的批量数据进行归一化处理及统计学分析，建立不同层次分子间数据关系；同时结合功能分析、代谢通路富集、分子互作等生物功能分析，系统全面地解析生物分子功能和调控机制，最终实现对生物变化大趋势与方向的综合了解，进而提出分子生物学变化机制模型，并筛选出重点代谢通路或者基因、代谢产物进行后续深入实验分析与应用。目前，转录组和代谢组联合分析已被广泛用于各种生命科学研究。

分析流程

应用领域

生长发育机制研究抗逆胁迫机制研究遗传育种保护研究疾病机理机制研究免疫应答研究生物标志物研究

技术优势

通过对不同层面的表达水平分析，实现对组学的全谱分析；同时实现从“因”和“果”两个方向探究生物学问题，相互间的验证作用更明显；阐述分子调控-表型间的关联机制，系统全面地解析生物分子功能和调控机制；从海量的数据中去伪存真，筛选出重点代谢通路或者基因、代谢产物进行后续深入实验分析与应用。

转录组+蛋白质组+代谢组

产品简介

多数生理过程由许多复杂的网络和相互依赖的途径共同推进，帮助生物体进行正常的生长发育、胁迫应激等过程。这个复杂的系统并不是多条独立的线性途径的简单加和，而是涉及到大量的基因表达、蛋白质功能执行和代谢水平的协同改变。结合转录组、蛋白组和代谢组研究方法，打通表型与分子机制间的关系，系统解析生物学模型。

分析流程

应用领域

农学医学

抗逆胁迫机制研究生物标志物研究

生长发育机制研究疾病机理机制研究

遗传育种保护研究药物作用机理研究

植物生理病理研究免疫应答研究

中药活性物质研究微生物感染致病机理研究

技术优势

更准确

弥补单一组学分析时，由于数据噪音、缺失等因素带来的数据问题。

更可靠

多组学数据资源之间可以进行相互验证，减少单一组学分析带来的假阳性。

更深入

多组学数据联合分析更有利于从不同层面、不同角度，系统解析生物学模型的多层次机制或机制表型的联系。

分析结果展示

KEGG通路图

关联富集柱状图

O2PLS-DA 荷载图

九象限散点图

相关性网络图

PCA比较分析

经典案例分享

案例1：绵羊心房的转录组和蛋白质组图谱揭示了房颤动态进展的分子特征 [1]

本研究建立了一种快速诱导的长期持续性心房颤动的临床相关绵羊模型，对在房颤进展过程中从对照、中间（过渡）和晚期时间点分离的心肌细胞(CMs)，进行了转录组和蛋白质组分析。证明了这些变化发生在疾病的早期过渡阶段，而不是在后期阶段，并且左心房在其表达过程中明显比右心房经历了更显著的变化。基因和蛋白质表达的动态变化模式的分析表明，早期发生显着变化，其中包括以前未描述的线粒体增加、心房 CM 染色质的变化以及与神经功能和细胞增殖相关的基因。

案例2：急性运动的分子编排 [5]

本研究对36名表征明确的志愿者在一轮症状控制运动前后的血浆和外周血单核细胞进行了纵向多组学分析，包括代谢组、脂质组、免疫组、蛋白质组和转录组。时间序列分析揭示了成千上万的分子变化和精心编排的生物过程，涉及能量代谢、氧化应激、炎症、组织修复、生长因子反应以及调节途径。在胰岛素阻抗的参与者中，这些过程中的大多数被抑制，一些被逆转。最后，发现了参与心肺运动反应的生物途径，并开发了预测模型，揭示了潜在的静息血液的峰值耗氧量生物标志物。

参考文献

[1] Alvarez-Franco A, Rouco R, Ramirez R J, et al. Transcriptome and proteome mapping in the sheep atria reveal molecular featurets of atrial fibrillation progression[J]. Cardiovascular research, 2021, 117(7): 1760-1775.

[2] He Y, Chen H, Zhao J, et al. Transcriptome and metabolome analysis to reveal major genes of saikosaponin biosynthesis in Bupleurum chinense[J]. BMC genomics, 2021, 22(1): 1-14.

[3] Grigoreva E , Tkachenko A , Arkhimandritova S , et al. Identification of Key Metabolic Pathways and Biomarkers Underlying Flowering Time of Guar (Cyamopsis tetragonoloba (L.) Taub.) via Integrated Transcriptome-Metabolome Analysis[J]. Genes, 2021, 12(7):952.

[4] Su L , Yang C , Meng J , et al. Comparative transcriptome and metabolome analysis of Ostrinia furnacalis female adults under UV-A exposure[J]. Scientific Reports, 2021, 11(1).

[5] Contrepois K , Wu S , Moneghetti K J , et al. Molecular Choreography of Acute Exercise[J]. 2020.

[6] Debski K J, Ceglia N, Ghestem A, et al. The circadian dynamics of the hippocampal transcriptome and proteome is altered in experimental temporal lobe epilepsy[J]. Science advances, 2020, 6(41): eaat5979.

[7] Zhou J, Lu M, Yu S, et al. In-depth understanding of Camellia oleifera self-incompatibility by comparative transcriptome, proteome and metabolome[J]. International journal of molecular sciences, 2020, 21(5): 1600.

[8] Yuan G, Bian S, Han X, et al. An integrated transcriptome and proteome analysis reveals new insights into russeting of bagging and non-bagging “Golden Delicious” apple[J]. International journal of molecular sciences, 2019, 20(18): 4462.

[9] Xin W , Zhang L , Zhang W , et al. An Integrated Analysis of the Rice Transcriptome and Metabolome Reveals Differential Regulation of Carbon and Nitrogen Metabolism in Response to Nitrogen Availability[J]. International Journal of Molecular Sciences, 2019, 20(9).

[10] Wang D , Eraslan B , Wieland T , et al. A deep proteome and transcriptome abundance atlas of 29 healthy human tissues[J]. Cold Spring Harbor Laboratory, 2018(2).