查看“多组学”的源代码

<div style="padding: 0 4%; line-height: 1.8; color: #1e293b; font-family: 'Helvetica Neue', Helvetica, 'PingFang SC', Arial, sans-serif; background-color: #ffffff; max-width: 1200px; margin: auto;">

    <div style="margin-bottom: 30px; border-bottom: 1.2px solid #e2e8f0; padding-bottom: 25px;">
        <p style="font-size: 1.1em; margin: 10px 0; color: #334155; text-align: justify;">
            <strong>多组学</strong>（Multi-omics），又称<strong>泛组学</strong> (Pan-omics)，是一种整合的生物学分析方法，旨在结合来自不同“组学”层面的数据（如<strong>[[基因组学]]</strong>、<strong>[[转录组学]]</strong>、<strong>[[蛋白质组学]]</strong>、<strong>[[代谢组学]]</strong>及<strong>[[表观基因组学]]</strong>），以构建生物系统分子互作的整体全景图。与单一组学提供的片面视角不同，多组学分析能够揭示从“基因型”到“表型”的因果链条，解析复杂的调控网络。随着<strong>[[高通量测序]]</strong>技术和<strong>[[生物信息学]]</strong>算法的进步，多组学已成为<strong>[[系统生物学]]</strong>、<strong>[[精准医疗]]</strong>及<strong>[[肿瘤免疫]]</strong>研究的核心驱动力，特别是在寻找新型<strong>[[生物标志物]]</strong>和解析耐药机制方面表现出巨大优势。
        </p>
    </div>

    <div class="medical-infobox mw-collapsible mw-collapsed" style="width: 100%; max-width: 320px; margin: 0 auto 35px auto; border: 1.2px solid #bae6fd; border-radius: 12px; background-color: #ffffff; box-shadow: 0 8px 20px rgba(0,0,0,0.05); overflow: hidden;">
        
        <div style="padding: 15px; color: #1e40af; background: linear-gradient(135deg, #e0f2fe 0%, #bae6fd 100%); text-align: center; cursor: pointer;">
            <div style="font-size: 1.2em; font-weight: bold; letter-spacing: 1.2px;">多组学</div>
            <div style="font-size: 0.7em; opacity: 0.85; margin-top: 4px; white-space: nowrap;">Multi-omics / Pan-omics (点击展开)</div>
        </div>
        
        <div class="mw-collapsible-content">
            <div style="padding: 25px; text-align: center; background-color: #f8fafc;">
                <div style="width: 100px; height: 100px; background-color: #e2e8f0; border-radius: 50%; margin: 0 auto; display: flex; align-items: center; justify-content: center; color: #94a3b8; font-size: 0.8em;">
                    
                </div>
                <div style="font-size: 0.8em; color: #64748b; margin-top: 12px; font-weight: 600;">系统生物学的终极拼图</div>
            </div>

            <table style="width: 100%; border-spacing: 0; border-collapse: collapse; font-size: 0.85em;">
                <tr>
                    <th colspan="2" style="padding: 8px 12px; background-color: #e0f2fe; color: #1e40af; text-align: left; font-size: 0.9em; border-top: 1px solid #bae6fd;">学科概况</th>
                </tr>
                <tr>
                    <th style="text-align: left; padding: 6px 12px; background-color: #f8fafc; color: #475569; border-bottom: 1px solid #e2e8f0; width: 40%;">核心理念</th>
                    <td style="padding: 6px 12px; border-bottom: 1px solid #e2e8f0; color: #0f172a;">数据整合 (Integration)</td>
                </tr>
                <tr>
                    <th style="text-align: left; padding: 6px 12px; background-color: #f8fafc; color: #475569; border-bottom: 1px solid #e2e8f0;">数据特征</th>
                    <td style="padding: 6px 12px; border-bottom: 1px solid #e2e8f0; color: #1e40af;">高维, 异质性, 稀疏性</td>
                </tr>
                <tr>
                    <th style="text-align: left; padding: 6px 12px; background-color: #f8fafc; color: #475569; border-bottom: 1px solid #e2e8f0;">关键技术</th>
                    <td style="padding: 6px 12px; border-bottom: 1px solid #e2e8f0; color: #16a34a;">[[NGS]], [[质谱]], [[AI]]</td>
                </tr>
                <tr>
                    <th style="text-align: left; padding: 6px 12px; background-color: #f8fafc; color: #475569; border-bottom: 1px solid #e2e8f0;">分析算法</th>
                    <td style="padding: 6px 12px; border-bottom: 1px solid #e2e8f0; color: #0f172a;">MOFA, WGCNA</td>
                </tr>
                
                <tr>
                    <th colspan="2" style="padding: 8px 12px; background-color: #e0f2fe; color: #1e40af; text-align: left; font-size: 0.9em; border-top: 1px solid #bae6fd;">应用领域</th>
                </tr>
                <tr>
                    <th style="text-align: left; padding: 6px 12px; background-color: #f8fafc; color: #475569; border-bottom: 1px solid #e2e8f0;">精准医疗</th>
                    <td style="padding: 6px 12px; border-bottom: 1px solid #e2e8f0; color: #1e40af;">患者分层, 靶点发现</td>
                </tr>
                <tr>
                    <th style="text-align: left; padding: 6px 12px; background-color: #f8fafc; color: #475569; border-bottom: 1px solid #e2e8f0;">单细胞层级</th>
                    <td style="padding: 6px 12px; border-bottom: 1px solid #e2e8f0; color: #1e40af;">[[CITE-seq]], [[scATAC-seq]]</td>
                </tr>
                 <tr>
                    <th style="text-align: left; padding: 6px 12px; background-color: #f8fafc; color: #475569; border-bottom: 1px solid #e2e8f0;">免疫学</th>
                    <td style="padding: 6px 12px; border-bottom: 1px solid #e2e8f0; color: #0f172a;">[[系统疫苗学]]</td>
                </tr>
                <tr>
                    <th style="text-align: left; padding: 6px 12px; background-color: #f8fafc; color: #475569;">主要挑战</th>
                    <td style="padding: 6px 12px; color: #e11d48;">维数灾难, 批次效应</td>
                </tr>
            </table>
        </div>
    </div>

    <h2 style="background: #f1f5f9; color: #0f172a; padding: 10px 18px; border-radius: 0 6px 6px 0; font-size: 1.25em; margin-top: 40px; border-left: 6px solid #0f172a; font-weight: bold;">整合层级：生命信息的全息图</h2>
    
    <p style="margin: 15px 0; text-align: justify;">
        多组学研究的核心在于将不同生物学层面的信息流（Information Flow）串联起来。每一层组学都提供了生命活动不同维度的快照。
    </p>

    

    <div style="overflow-x: auto; margin: 20px auto;">
        <table style="width: 100%; border-collapse: collapse; border: 1.2px solid #cbd5e1; font-size: 0.9em; text-align: left;">
            <tr style="background-color: #f1f5f9; border-bottom: 2px solid #0f172a;">
                <th style="padding: 12px; border: 1px solid #cbd5e1; color: #0f172a; width: 20%;">组学层面</th>
                <th style="padding: 12px; border: 1px solid #cbd5e1; color: #1e40af; width: 30%;">信息类型</th>
                <th style="padding: 12px; border: 1px solid #cbd5e1; color: #475569; width: 50%;">生物学意义</th>
            </tr>
            <tr>
                <td style="padding: 10px; border: 1px solid #cbd5e1; font-weight: 600;">[[基因组学]] (Genomics)</td>
                <td style="padding: 10px; border: 1px solid #cbd5e1;">SNV, CNV, Indel</td>
                <td style="padding: 10px; border: 1px solid #cbd5e1;"><strong>可能性 (Potential)：</strong> 揭示遗传易感性和突变负荷（TMB）。</td>
            </tr>
            <tr>
                <td style="padding: 10px; border: 1px solid #cbd5e1; font-weight: 600;">[[表观基因组学]] (Epigenomics)</td>
                <td style="padding: 10px; border: 1px solid #cbd5e1;">甲基化, 染色质开放性</td>
                <td style="padding: 10px; border: 1px solid #cbd5e1;"><strong>可及性 (Accessibility)：</strong> 决定基因是否处于“可转录”状态（如 [[ATAC-seq]]）。</td>
            </tr>
            <tr>
                <td style="padding: 10px; border: 1px solid #cbd5e1; font-weight: 600;">[[转录组学]] (Transcriptomics)</td>
                <td style="padding: 10px; border: 1px solid #cbd5e1;">mRNA, miRNA, lncRNA</td>
                <td style="padding: 10px; border: 1px solid #cbd5e1;"><strong>计划 (Plan)：</strong> 反映基因表达的活跃程度和调控网络。</td>
            </tr>
            <tr>
                <td style="padding: 10px; border: 1px solid #cbd5e1; font-weight: 600;">[[蛋白质组学]] (Proteomics)</td>
                <td style="padding: 10px; border: 1px solid #cbd5e1;">蛋白丰度, 磷酸化修饰</td>
                <td style="padding: 10px; border: 1px solid #cbd5e1;"><strong>执行 (Execution)：</strong> 生命功能的直接执行者，药物的主要靶点。</td>
            </tr>
            <tr>
                <td style="padding: 10px; border: 1px solid #cbd5e1; font-weight: 600;">[[代谢组学]] (Metabolomics)</td>
                <td style="padding: 10px; border: 1px solid #cbd5e1;">小分子代谢物, 脂质</td>
                <td style="padding: 10px; border: 1px solid #cbd5e1;"><strong>结果 (Result)：</strong> 基因与环境互作的最终表型读出。</td>
            </tr>
        </table>
    </div>

    <h2 style="background: #f1f5f9; color: #0f172a; padding: 10px 18px; border-radius: 0 6px 6px 0; font-size: 1.25em; margin-top: 40px; border-left: 6px solid #0f172a; font-weight: bold;">单细胞多组学：精度革命</h2>
    
    <p style="margin: 15px 0; text-align: justify;">
        传统的群体测序（Bulk Sequencing）只能获得平均值，掩盖了细胞异质性。<strong>单细胞多组学 (Single-cell Multi-omics)</strong> 允许在同一个细胞内同时检测多种模态，是当前研究的热点。
    </p>

    

    <div style="background-color: #f0f9ff; border-left: 5px solid #1e40af; padding: 15px 20px; margin: 20px 0; border-radius: 4px;">
        <ul style="margin: 0; padding-left: 20px; color: #334155;">
            <li style="margin-bottom: 8px;"><strong>[[CITE-seq]]：</strong> 结合 scRNA-seq 和抗体衍生标签（ADT），同时检测单细胞的<strong>转录组</strong>和<strong>表面蛋白</strong>。解决了 RNA 与蛋白表达不一致的问题，极大地提高了细胞分群的准确性。</li>
            <li style="margin-bottom: 8px;"><strong>scNMT-seq：</strong> 同时检测单细胞的核小体占位、甲基化和转录组，解析表观遗传调控机制。</li>
            <li style="margin-bottom: 8px;"><strong>[[VDJ-seq]]：</strong> 在测定转录组的同时，解析 T 细胞或 B 细胞的抗原受体序列（<strong>[[CDR3]]</strong>），实现克隆追踪与功能表型的关联。</li>
            <li style="margin-bottom: 0;"><strong>[[空间转录组]]：</strong> 虽然严格意义上不算单细胞，但结合了空间位置信息的多组学技术，对于解析<strong>[[肿瘤微环境]]</strong>中的细胞通讯至关重要。</li>
        </ul>
    </div>

    <h2 style="background: #f1f5f9; color: #0f172a; padding: 10px 18px; border-radius: 0 6px 6px 0; font-size: 1.25em; margin-top: 40px; border-left: 6px solid #0f172a; font-weight: bold;">生物信息学挑战：数据融合</h2>
    
    <p style="margin: 15px 0; text-align: justify;">
        多组学并非简单的数据堆叠，其难点在于如何将不同维度、不同信噪比的数据进行数学上的有效整合。
        <br>
        ● <strong>降维分析：</strong> 使用 <strong>[[MOFA]] (Multi-Omics Factor Analysis)</strong> 等算法，识别驱动数据变异的潜在因子，发现不同组学层面的共同模式。
        <br>
        ● <strong>网络分析：</strong> 构建基因-蛋白-代谢物互作网络，寻找关键枢纽（Hub）分子。
        <br>
        ● <strong>[[机器学习]]：</strong> 利用深度学习模型（如 Autoencoders）融合多模态数据，预测临床预后或药物敏感性。
    </p>

    <div style="font-size: 0.92em; line-height: 1.6; color: #1e293b; margin-top: 50px; border-top: 2px solid #0f172a; padding: 15px 25px; background-color: #f8fafc; border-radius: 0 0 10px 10px;">
        <span style="color: #0f172a; font-weight: bold; font-size: 1.05em; display: inline-block; margin-bottom: 15px;">学术参考文献 [Academic Review]</span>
        
        <p style="margin: 12px 0; border-bottom: 1px solid #e2e8f0; padding-bottom: 10px;">
            [1] <strong>Hasin Y, Seldin M, Lusis A. (2017).</strong> <em>Multi-omics approaches to disease.</em> <strong>[[Genome Biology]]</strong>. <br>
            <span style="color: #475569;">[点评]：系统综述了多组学在复杂疾病（如心血管病、癌症）研究中的策略和价值，强调了数据整合的重要性。</span>
        </p>

        <p style="margin: 12px 0; border-bottom: 1px solid #e2e8f0; padding-bottom: 10px;">
            [2] <strong>Stoeckius M, et al. (2017).</strong> <em>Simultaneous epitope and transcriptome measurement in single cells.</em> <strong>[[Nature Methods]]</strong>. <br>
            <span style="color: #475569;">[点评]：Satija 实验室开发 CITE-seq 的奠基性论文，标志着单细胞多组学时代的正式开启。</span>
        </p>

        <p style="margin: 12px 0;">
            [3] <strong>Argelaguet R, et al. (2018).</strong> <em>Multi-Omics Factor Analysis—a framework for unsupervised integration of multi-omics data sets.</em> <strong>[[Molecular Systems Biology]]</strong>. <br>
            <span style="color: #475569;">[点评]：介绍了 MOFA 算法，这是一种强大的无监督学习框架，用于从复杂的多组学数据中提取生物学特征。</span>
        </p>
    </div>

    <div style="margin: 40px 0; border: 1px solid #e2e8f0; border-radius: 8px; overflow: hidden; font-family: 'Helvetica Neue', Arial, sans-serif; font-size: 0.9em;">
        <div style="background-color: #eff6ff; color: #1e40af; padding: 8px 15px; font-weight: bold; text-align: center; border-bottom: 1px solid #dbeafe;">
            多组学技术体系 · 知识图谱
        </div>
        <table style="width: 100%; border-collapse: collapse; background-color: #ffffff;">
            <tr style="border-bottom: 1px solid #f1f5f9;">
                <td style="width: 85px; background-color: #f8fafc; color: #334155; font-weight: 600; padding: 10px 12px; text-align: right; vertical-align: middle;">上级学科</td>
                <td style="padding: 10px 15px; color: #334155;">[[系统生物学]] • [[生物信息学]] • [[精准医疗]]</td>
            </tr>
            <tr style="border-bottom: 1px solid #f1f5f9;">
                <td style="width: 85px; background-color: #f8fafc; color: #334155; font-weight: 600; padding: 10px 12px; text-align: right; vertical-align: middle;">关键技术</td>
                <td style="padding: 10px 15px; color: #334155;">[[CITE-seq]] • [[ATAC-seq]] • [[质谱流式]] • [[空间转录组]]</td>
            </tr>
            <tr>
                <td style="width: 85px; background-color: #f8fafc; color: #334155; font-weight: 600; padding: 10px 12px; text-align: right; vertical-align: middle;">分析方法</td>
                <td style="padding: 10px 15px; color: #334155;">[[降维分析]] (MOFA) • 网络分析 • [[机器学习]]</td>
            </tr>
        </table>
    </div>

</div>