1. 多组学样本质量控制导论

多组学实验的核心价值，在于把同一份生物样本的基因组、转录组、蛋白质组、代谢组等不同层次信息整合起来，回答单一组学无法回答的问题。但多组学有一个天然约束：所有组学数据最终都要回到“同一份样本”这个共同起点。如果样本本身已经降解、混杂或标注错误，那么再精密的仪器、再深的测序深度、再复杂的生信分析，都无法把错误的信息还原成正确的生物学结论。样本质量控制（Sample Quality Control，Sample QC）因此不是实验流程中的“可选项”，而是决定整个多组学研究可信度的前置条件。

一、多组学实验流程概览

一个典型的多组学实验，从样本到结论大致经过五个阶段：样本采集与保存 → 样本前处理与分配 → 各组学检测 → 数据预处理 → 整合分析。以一块肿瘤组织为例，研究者通常需要把同一份组织切成多份：一份用于基因组DNA提取，一份用于总RNA提取，一份用于蛋白裂解，一份用于代谢物淬灭。这意味着样本在进入检测之前，就已经被“拆分”到不同物理管中，每一管的质量状态都会独立影响对应组学。

这里有一个容易被忽视的关键点：多组学的QC不是单组学QC的简单叠加。单组学QC只关心“这一管样本能不能测出好数据”；多组学QC还要额外关心“这几管样本是不是来自同一份原始样本、是否具有可比性”。例如DNA样本合格、RNA样本合格，但两者其实来自不同患者，那么后续的跨组学关联分析就是无效的。因此多组学QC包含两个层次：单组学质量合格与跨组学样本对应关系正确。

二、样本质量控制的定义与目标

样本质量控制，是指在样本采集、保存、处理、检测的全过程中，通过一系列可观测的指标和判断标准，确认样本是否满足下游实验要求，并对不合格样本做出标记、剔除或补救决策的过程。它的目标可以归纳为三点：

• 完整性：样本中的目标分子（DNA、RNA、蛋白、代谢物）没有发生显著降解或丢失。
• 纯度：样本中没有干扰下游检测的污染物，如蛋白、盐、有机溶剂、其他物种或个体来源的核酸。
• 一致性：同一批次、同一分组内的样本在质量指标上处于可比范围，避免因质量差异引入虚假的组间差异。

其中“一致性”最容易被低估。假设一组样本的RNA完整性普遍较高，另一组因采集延迟而普遍偏低，那么差异表达分析中出现的“差异基因”，很可能只是RNA降解程度的差异，而不是真实的生物学差异。这类由质量差异导致的假阳性，在多组学研究中非常常见。

三、常见样本类型及其质量风险

不同样本类型的质量风险差异很大，下表列出常见类型及其主要风险点与代表性QC指标（示例参数为常见经验范围，具体阈值需按实验类型和检测平台确定）：

可以看到，同一份样本在不同组学中的“合格线”并不相同。例如代谢组对样本淬灭时间极其敏感，而基因组对短时间室温放置的容忍度相对较高。因此多组学实验在设计采样方案时，必须按“最敏感组学”的要求来约束采样和保存条件，而不是按最宽松的组学来执行。

四、质量控制在整个实验中的位置

QC不是流程末端的一次性检查，而是贯穿全程的多节点控制。下图展示了多组学实验从样本到数据的主要环节，以及各环节对应的QC节点与判断关系：

图中可以看到，QC节点与实验环节是一一对应的：采集阶段记录缺血时间和样本编号，前处理阶段检查外观与冻融次数，提取后测定RIN、DV200和纯度比值，检测后评估测序质量与离群样本，最后在整合分析前核对跨组学样本ID一致性。任何一个节点不通过，都应触发“标记—判断—处理”的闭环，而不是带着问题继续往下走。

五、多组学QC的实践要点

在实际项目中，多组学QC最容易出问题的往往不是仪器指标，而是记录与对应关系。建议在实验开始前就建立一份样本追踪表，至少包含：样本唯一编号、受试者/分组信息、采集时间与缺血时间、保存方式与冻融次数、各组学分配去向、各管提取后的QC指标、是否合格及处理决定。这份表在多组学整合阶段是排查“样本错配”的第一手依据。

总结来说，多组学样本质量控制是一项贯穿采集、保存、提取、检测和分析全过程的系统性工作。它的核心不是某一个指标的高低，而是用可观测、可记录、可判断的指标，确保进入整合分析的每一份样本都真实、完整、可比。理解了这一点，后续各组学的具体QC指标、阈值设定和异常处理，才有统一的判断框架。