基因层面的功能潜能有没有真的实现表达，表达量是高是低？下游合成的蛋白质行使了什么样得功能，代谢产物通过体循环到达靶器官，又是如何影响靶器官的工作运行的？

一个完整的生物学故事，中心法则贯穿始终：

而要围绕中心法则讲好一个生物学故事，则离不开多组学联合！

那么，有哪些好看又实用的多组学联合分析内容呢？用这些分析，都写就了什么样的精彩故事？

今天，就给大家介绍几款个性又大方，实用又美观的多组学联合分析项目：

相关性Heatmap图

如果有什么分析既好看又能体现趋势性变化，还能整合多方关系的，那一定是相关性heatmap图——微生态研究中的代谢物与微生物种类分布，或者转录组研究中基因表达与代谢产物的相关性，又或者表型参数与对应测序数据的联系——统统可以见到相关性Heatmap的应用。

诸如下图，研究人员就极好的将微生物群落构成与代谢物分布进行了关联，将IBD患者的微生态构成与检测到的代谢物共变特征用Heatmap图展现出来——横纵坐标清晰简明，颜色变化一目了然，展现出变量的相关性紧密程度，加上heatmap本身可体现聚类的特征，更能清晰体现样本或样本组间的相似或差异性特点。真的是多组学关联非常实在好用的小工具呢！

图例说明：横纵坐标分别代表用于分析的关键物种和代谢物，热图色块的颜色代表Pearson相关性分析得到的相关系数，红色代表正相关，蓝色代表负相关，+代表关键物种和代谢物具有显著的相关性并且p-value<0.05，++代表关键物种和代谢物具有极显著的相关性并且p-value<0.01

Cytoscape网络分析

炫酷的分析做图，莫过于cytoscape，利用不同颜色的节点代表调控网络的关键元素，诸如分析的关键物种及代谢物，转录因子等信息，结点连线体现两者间的显著相关关系，连线的不同颜色体现正负相关性等。乍一看，像绽放夜空的璀璨烟花——Cytoscape网络分析一经面世，就成为高级生信分析作图的典型代表。

基于节点间相互作用关系这一核心，Cytoscape分析的应用适用范围可以非常宽泛：从微生态研究中微生物之间的互作（下图1），到基因表达研究中分析基因调控关系，再到多组学整合中将不同的数据相关性进行网络化展现（下图2）——cytoscape网络分析在快速梳理复杂数据关系时均有出众表现。

图1 共丰度微生态网络

图2  微生态关键物种与代谢物的相关性分析

图例说明：Cytoscape分析作图灵活，可展现多层次信息：一般用不同的节点代表调控网络的关键元素，节点颜色进行分群，同时可利用加点大小展现丰度等信息，用不同颜色连线提示不同的相关性关系，亦可用连线长短表示关系亲疏性等。

WGCNA物种模块与代谢物相关性分析

做过转录组研究的老师们对WGCNA分析应该不陌生，在转录组研究中，基于基因的表达水平，可利用WGCNA分析构建基因共表达网络，是转录组研究中筛选和确定新基因功能的好工具。在微生态研究中，WGCNA一样大放光彩——利用样本微生物OTU丰度数据构建微生物的OTU共变化网络，获得理论上具有类似功能的物种OTU模块，再进一步与关键的差异代谢物进行相关性分析，可以直观展现组间差异代谢物与物种之间的相关性，这样分析获得的热图，信息量大的不一般呢！（如下图）

图例说明：横坐标为差异代谢物，纵坐标为WGCNA分析得到的物种聚类模块，图中色块为差异代谢物与物种聚类模块的相关性结果，红色代表正相关，蓝色代表负相关，色块中的第一行的数字为相关系数，括号中的数字为显著性p-value。

距离依赖相似性

距离依赖的群落相似性是微生物生态学中重要的群落塑造模式，其主要表现为微生物群落组成结构的相似性随着研究样本间地理距离的增加或样本间环境异质性的增加而降低的过程。参考类似的方法，同样可以使用距离依赖相似性评估研究样本微生物群落组成结构与代谢物组成结构之间是否存在协同变化关系。

图例说明：横坐标为样本两两之间的代谢组相似性，纵坐标为样本两两之间的微生物群落相似性，拟合曲线为两者相性回归结果。

泰森多边形

如果说有什么分析能够将多层次的组学研究结果嵌套在一起——那一定少不了泰森多边形——这个外形方正的分析做图，可以利用对空间平面的剖分，对多种组学数据进行分层结构化的展现，进而实现一张作图将多种组学的相关元素一次性组合，有效地将包含数千个层次结构的元素进行可视化。

例如下面的研究中，就利用泰森多边形分层次展现了代谢过程（A图），代谢过程中参与合成的蛋白质（B图），以及与之相关的微生物种类构成(D图)的情况。

图例说明：分割模块表示不同的大类别，如上图中是KEGG通路，再细化包含参与合成的蛋白质及微生物构成，也可以做基因表达、物种构成等分布说明。此外，可通过颜色变化表示基因表达的上下调，物种构成的变化趋势，差异倍数等。利用泰森多边形可看出物种-代谢通路-蛋白质构成等组学之间的相互关系。

其  他

多组学分析的内容千变万化，很多常见的分析图谱改换分析思路一样也能为多组学研究提供优质的可视化展现，例如下图的普氏分析，用在组学关联中就可以展现不同组学结果间的直接联系（如微生物群落与代谢组之间的关系等）

再比如，筛选出关键的代谢产物和微生物物种，用散点图展现样本中两者的相关性等。如下面的案例中就展现了相应的代谢产物对一些微生物物种的促生影响，进而可以挖掘样本健康状况的影响因素等。  

多组学整合分析的内容可以可谓是五花八门，不同的分析内容各有特色与侧重，大家可以根据自己开展的多组学研究和想要表达的内容选择合适的分析项目，更好的展现多组学研究的成果！

参考文献：

1.Gut microbiome structure andmetabolic activity in inflammatory bowel diseae. Nature Microbiology, 2018.

2.Gut microbiome and serummetabolome alterations in obesity and after weight-loss intervention.NatureMedicine, 2017.

3.Dysbiosis of Gut MicrobiotaAssociated with Clinical Parameters in Polycystic Ovary Syndrome.frontiers inMicrobiology, 2017.

4.Impact of dietary resistantstarch on the human gut microbiome, metaproteome,and metabolome. mBio, 2019.