1. 多组学靶点发现工程导论

药物研发的起点，往往不是化合物，而是"靶点"——一个被证明与疾病因果相关、且可被药物干预的分子节点。传统靶点筛选通常从单一组学出发：差异表达基因、GWAS显著位点、或某个通路中的关键激酶。这类方法能快速给出候选清单，但假阳性率高、可成药性差、临床转化失败率居高不下。多组学靶点发现工程要解决的，正是"如何把分散在不同分子层面的证据，收敛成一个可验证、可干预、可成药的靶点"这一系统性问题。

核心目标：从"相关"走向"因果+可干预"

多组学靶点发现工程的核心目标可以概括为三层递进：第一层是证据收敛，即把基因组、转录组、蛋白组、代谢组、表观组等不同层面的信号，映射到同一批候选分子上，找出多层面共同指向的节点；第二层是因果判定，通过遗传学证据（如pQTL、eQTL、孟德尔随机化）区分"伴随变化"与"驱动变化"；第三层是可干预性评估，判断该节点是否有可结合口袋、是否有已知配体、是否处于可调控的信号位置。只有三层同时成立，候选才具备进入验证实验的价值。

这与单组学筛选的差异是结构性的。单组学筛选的输出是"一张排序列表"，多组学工程的输出是"一张带证据权重和因果标注的靶点图谱"。前者回答"谁变了"，后者回答"谁在驱动、谁能被药物碰到"。

技术栈：四层能力缺一不可

多组学靶点发现工程的技术栈可拆为四层。最底层是数据产生层：WGS/WES、RNA-seq、scRNA-seq、质谱蛋白组、代谢组、ATAC-seq、甲基化芯片等，各自产生不同维度、不同噪声结构的数据。第二层是数据处理与整合层：包括比对、定量、批次校正、归一化，以及跨组学整合方法，如基于矩阵分解的MOFA、基于网络的相似性融合SNF、基于概率图模型的iCluster。第三层是靶点推断层：差异分析、共表达网络、因果推断（MR、贝叶斯网络）、通路富集、可成药性注释。第四层是验证与转化层：CRISPR敲除、siRNA、过表达、类器官、动物模型、PDX，以及最终的临床样本验证。

这四层不是线性流水线，而是带反馈的闭环。验证层的结果会反向修正推断层的权重，甚至回到数据产生层补充新的组学维度。

工程化流程：从样本到靶点验证的完整链路

一个可复现的多组学靶点发现工程，通常按以下链路推进。以"某实体瘤寻找可成药靶点"为例，假设样本为30例肿瘤与30例癌旁配对组织，已产生RNA-seq、蛋白组和全外显子数据。

1. 样本与元数据设计：明确配对关系、临床分期、治疗史，建立样本ID与组学文件的映射表。元数据缺失会直接导致后续批次校正失效。
2. 各组学独立质控与定量：RNA-seq用STAR+featureCounts得到count矩阵，蛋白组用MaxQuant得到LFQ强度，WES用GATK得到体细胞突变。各自过滤低表达、低覆盖、高缺失。
3. 跨组学整合：对RNA和蛋白矩阵做log2转换与分位数归一化，用MOFA提取共同因子，或用SNF构建样本相似性网络。目标是得到"样本×因子"矩阵和"因子×特征"载荷。
4. 候选靶点推断：在载荷中筛选同时高负载于RNA和蛋白的基因，叠加WES中的错义突变、拷贝数扩增，以及公共数据库的可成药性注释（如DGIdb、Open Targets）。
5. 因果与优先级排序：用eQTL/pQTL数据做孟德尔随机化，判断基因表达或蛋白水平是否因果影响疾病风险；结合通路位置、组织特异性、已知药物状态，输出排序表。
6. 实验验证：对Top候选做CRISPR敲除或siRNA，在细胞系和类器官中检测增殖、凋亡、迁移表型；进一步用PDX或动物模型确认体内效果。

这条链路的关键工程约束是：每一步都要保留可追溯的中间文件与参数记录，否则跨组学整合的结果无法复现，也无法在验证失败时定位是数据问题还是推断问题。

与单组学筛选的差异：一张对比表

需要强调的是，多组学不是"组学越多越好"。每增加一个组学维度，都会引入新的批次效应、缺失模式和整合偏差。工程上更常见的做法是：先以2～3个互补维度（如转录组+蛋白组+遗传学）建立稳定链路，再按需扩展。

完整链路示意

下图把上述链路压缩为一张信号流与证据收敛图，重点展示各组学输入如何汇聚到候选靶点，以及因果与可成药性标注在哪个环节介入。

图中右侧的虚线回路表示验证结果对推断层权重的反向修正。工程实践中，这一反馈通常以"验证失败靶点降权、验证成功靶点升权"的方式写入下一轮迭代，而不是一次性分析定稿。