1. 多组学基础：核心概念与精准医学价值
多组学这个词，这几年在精准医学领域几乎无处不在。但说实话，很多人对它的理解还停留在「把几种组学数据堆在一起」。我个人习惯把多组学比作一个探照灯系统——单个组学像手电筒，只能照亮一个角落；多组学整合，才是一盏能把整个生物黑箱照亮的探照灯。
那这个探照灯到底怎么工作？我们先从最底层的四个核心组学说起。
1.1 基因组学：生命的蓝图
基因组学，说白了就是研究生物体全部DNA序列的学问。DNA像一本写满了遗传信息的书，你的身高、肤色、甚至对某种药物的代谢能力，都写在上面。
在精准医学中，基因组学的核心任务就是寻找与疾病相关的变异——SNP、Indel、拷贝数变异、结构变异。我做过一个肿瘤WES项目，当时在TP53基因上找到了一个罕见的错义突变，直接改变了患者的用药方案。嗯，这就是基因组学在临床上的直接价值。
下面是基因组变异数据最经典的存储格式——VCF，你后面做分析一定会碰到它：
##fileformat=VCFv4.2
#CHROM POS ID REF ALT QUAL FILTER INFO
chr17 7579472 rs28934574 G A 999.0 PASS AF=0.45;DP=120
chr13 32914451 rs80357147 T G 850.0 PASS AF=0.32;DP=98
chr7 55259522 rs121913529 C T 1200.0 PASS AF=0.67;DP=1561.2 转录组学：动态的基因表达
基因组是静态的蓝图，但转录组告诉你哪些基因真的在「工作」。RNA-seq是目前最主流的转录组检测技术，它能同时测量几万个基因的表达水平。
我记得有个项目，用RNA-seq把一群看似相同的乳腺癌患者分成了三种分子亚型，每种亚型对化疗的反应完全不一样。这就是转录组在精准医学中不可替代的作用——它不是看有没有突变，而是看基因的「开关」状态。
转录组数据最常见的格式就是表达矩阵。每一行是一个基因，每一列是一个样本：
GeneID Sample1 Sample2 Sample3 Sample4
TP53 12.45 8.32 22.10 3.87
EGFR 5.67 15.23 9.84 28.56
BRCA1 18.90 7.45 11.23 6.78
MYC 9.12 21.34 14.56 17.891.3 蛋白质组学：功能的执行者
基因转录成RNA，RNA翻译成蛋白质——但mRNA的表达量和蛋白质的表达量之间，相关性通常只有0.4-0.6。为什么？因为还有翻译调控、蛋白降解、翻译后修饰这些环节在起作用。你想想看，mRNA水平正常，但蛋白功能被磷酸化修饰抑制了，这种情况在癌症信号通路里比比皆是。
蛋白质组学的核心技术是质谱（MS），它可以直接鉴定和定量样本中的数千种蛋白质。在精准医学里，它的价值在于发现真正的功能执行者——很多药物靶点都是蛋白质，不是基因也不是RNA。
我建议在分析蛋白质组数据时，别只盯着表达量变化。翻译后修饰（乙酰化、磷酸化、泛素化）往往比表达量本身更能反映通路活性变化。
1.4 代谢组学：生理的终点
代谢组学是离表型最近的一个组学。代谢物是基因组、转录组、蛋白质组所有调控活动的最终产物。一个基因突变可能改变一个酶的活性，最终导致某种代谢物累积或减少——这个代谢物，可能就是疾病的生物标志物。
我曾经遇到一个坑：在代谢组学数据中，有很多代谢物是「假阳性」。为什么？因为样品采集后放置时间太长，细胞还在继续代谢，一些代谢物的浓度早就不是体内的真实水平了。所以做代谢组学，样品预处理的速度直接影响数据质量。
在精准医学中，代谢组学常用于先天性代谢疾病的筛查、肿瘤代谢重编程的研究、以及药物代谢相关个体差异的分析。
1.5 多组学整合框架
上面四个组学各有各的特点，但真正在临床上发挥价值的是它们的整合。下面这张图是我个人比较常用的框架，展示了从生物样本到精准医学应用的完整数据流：