课程介绍与背景：微生物组多组学整合
各位同学好，我是这门课的主讲。在正式开始之前，我想先聊聊一个核心问题：我们为什么要做多组学整合？
单纯看一套数据，比如16S测序，你只能知道“谁在那里”。宏基因组能告诉你“他们有什么基因”。宏转录组能看到“谁在干活”。代谢组则呈现“实际产物是什么”。
但是，你想想看，细菌的基因存在，不代表它一定表达；基因表达了，蛋白不一定有活性；蛋白有活性了，代谢物也可能被宿主调控。单组学数据就像盲人摸象——每个角度都对，但都不完整。
我最早做项目时，就踩过这个坑。当时拿到16S数据，发现某个菌属丰度特别高，就推测它主导了某种代谢功能。结果宏转录组一出来，发现那个菌属根本没在表达。其实就是死的菌或者休眠的菌被检出来了。从那以后，我再也不敢单看一套数据就下结论。
常见数据类型：五个维度的信息
我们这门课程会涉及五种核心数据类型。我把它们的核心特征和输出列出来，方便你快速建立概念。
| 数据类型 | 回答的问题 | 核心输出 | 我个人的定位 |
|---|---|---|---|
| 16S rRNA 扩增子 | 谁在那里？ | OTU/ASV 表、物种分类、α/β多样性 | 快速普查，看个大概轮廓 |
| 宏基因组 (WMS) | 他们有什么基因？ | 基因丰度、物种/功能注释、组装结果 | 摸清“武器库”里有什么 |
| 宏转录组 | 谁在干活？ | 基因表达谱、活跃通路 | 看清现场谁在“动手” |
| 宏蛋白组 | 谁实际执行了？ | 蛋白质鉴定与定量、酶活性标记 | 确认“干活”的人 |
| 代谢组 | 留下了什么痕迹？ | 代谢物列表、差异代谢物、通路富集 | 最终“产品”的账本 |
你可能会问：为什么要把宏蛋白组和宏转录组分得这么清楚？我在一个肠道微生物组项目里遇到过这种情况：某个基因在转录组里表达很高，蛋白组里却找不到对应的肽段。后来发现是翻译后修饰或者降解太快。这就是典型的转录-蛋白不一致，单看一组数据根本发现不了。
整合分析的核心目标
说白了，多组学整合不是把几个表格拼在一起。它的目标是回答三个层次的问题：
- 因果推断：A菌群变化，到底是不是导致B代谢物变化的直接原因？
- 通路重构：从基因到蛋白到代谢物，这条完整通路到底能不能走得通？
- 关键驱动者识别：这么多微生物和分子，哪些才是真正的“话事人”？
我在实际管线开发中，最头疼的问题就是尺度差异。16S数据是分类尺度，宏基因组是基因尺度，代谢物又是小分子尺度。强行放在一起比，会出大问题。
另外，整合分析还有一个常常被忽略的目标：假阳性过滤。单组学分析里，差异微生物或者差异代谢物可能会有大量因多重比较而产生的假阳性。但如果两个甚至三个组学层面都能交叉验证同一个结论，那可信度就会高很多。
本章知识体系总览
我把第一节的内容画成了一张结构图，帮你快速掌握框架。这张图展示了从五种数据源到整合分析目标的完整链路。
最后，我想强调一点：整合是手段，不是目的。我们做多组学整合，不是为了炫技或者堆砌图表。目标是找到那个在复杂互作网络中起决定性作用的节点，要么是一个关键的菌群，要么是一个枢纽代谢物，要么是一个调控蛋白。我在自己的管线里，最看重的是可复现性和可解释性。管线再花哨，如果不同实验室根本跑不出相同的结果，那就没有实际价值。
好了，这一节的内容就是这些。你只要把五种数据类型各自的定位搞清楚，把整合的三个核心目标记住，这张框架图能随时在脑子里浮现出来，后面的管线实战就会轻松很多。