转录组+非靶代谢联合分析
随着实验技术的进步，高通量组学方法的应用产生了大量的组学数据。以往针对各个组学基本都是进 行独立的分析来研究该组学数据与生物学过程的关系。虽然，通过单一组学数据的分析，已经对部分物种 的遗传信息和代谢通路进行了阐释。但是，仅通过单一组学数据很难对复杂的生物学过程和生物网络调控 进行解释。整合多组学数据进行分析可以弥补单一组学数据分析时数据缺失、噪音等因素带来的数据问题。 而且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。更重要的是多组学数据联 合分析更有利于对生物学模型进行表型与生物学过程调控机制的研究。
转录和代谢组学整合分析，是指对来自转录组和代谢组等不同生物分子层次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。
目前关于转录学和代谢组学整合分析的思路非常多，最常见的就是基于同一条 KEGG 通路的数据整 合。通过对不同组别间的转录组比较分析，我们可以找到参与某条重要的代谢通路的差异表达的基因，同 时，在代谢组学分析结果中，我们需要重点关注该通路中代谢物的变化关系，进一步探讨基因的变化所引 起的代谢物的改变。
此外，相关性分析可以度量样本中基因与代谢物之间的关联程度，为研究基因与代谢物之间的相关性 提供了一个新的视角。利用 Spearman 统计方法分析样本中筛选到的显著性差异基因与显著性差异代谢物 之间的相关性系数，并结合 R 语言和 Cytoscape 软件进行矩阵热图、层次聚类、相关性网络等分析，多 角度挖掘基因-代谢物之间的相互作用关系。
另外，借助 SIMCA 的 O2PLS 高级分析也是非常好用的不同组学数据整合的工具，可以帮助我们快 速锁定组学中的关键变量及组学间的关联分析，进而借助相关性分析和回归分析，帮助我们寻找或验证可 能相关的其他组学的变量。
English
