Подход, объединяющий несколько высокопроизводительных наборов данных, таких как транскриптомы, протеомы и метаболомы.Мультиомика — это подход, при котором из одного и того же биологического образца измеряют несколько разных классов молекул и анализируют их совместно. Каждый «омиксный» слой отражает один уровень биологии: геномика изучает последовательность ДНК, транскриптомика — РНК-транскрипты, протеомика — белки, а метаболомика — малые молекулы. Один слой даёт лишь частичную картину; их объединение позволяет исследователям увидеть, как изменение на одном уровне передаётся на другой.
Это важно, потому что биологическая функция не определяется каким-то одним слоем. Ген может присутствовать, но не экспрессироваться; РНК может синтезироваться, но не транслироваться в белок; белок может присутствовать, но быть неактивным. Измеряя несколько слоёв в одних и тех же образцах, мультиомика позволяет различить эти случаи и указать на истинные движущие силы состояния. Она широко применяется в исследованиях рака, где опухоли различаются по профилям ДНК, РНК и белков, а также в изучении того, как организмы реагируют на лечение или условия среды.
Подход объясняет, как связать генотип с фенотипом: он связывает генетический вариант с транскриптами, белками и метаболитами, на которые тот влияет, и может выявить регуляторные связи, которых не показывает ни один отдельный набор данных. Основные трудности носят практический характер — разные слои требуют разной подготовки образцов, а интеграция наборов данных с разными масштабами и уровнями шума требует тщательной статистики.
Термин «мультиомика» появился в 2000-х годах, когда высокопроизводительное секвенирование и масс-спектрометрия сделали возможным одновременное измерение нескольких молекулярных слоёв. Ранние интегрированные исследования объединяли транскриптомику и протеомику, и подход расширялся по мере развития метаболомики и других методов.
Образцы разделяют так, чтобы каждый омиксный слой измерялся из одного и того же биологического материала, а затем полученные наборы данных интегрируют вычислительно. Интеграция может проводиться на уровне признаков — путём связывания генов с их транскриптами и белками, — или на уровне образцов — путём поиска общих закономерностей между слоями. Статистические методы ищут корреляции и причинные связи между молекулами разных слоёв, а модели машинного обучения часто используются для объединения их в единую предсказательную сигнатуру. Цель — выявить небольшой набор молекул, объясняющих наблюдаемую биологию, вместо того чтобы перечислять тысячи изменений по отдельности.
Она применяется в персонализированной медицине для подбора пациентам лечения, в исследованиях рака для классификации опухолей по их молекулярным профилям, а также в микробиологии и науках о растениях для изучения того, как организмы реагируют на окружающую среду.
Слово «омика» — это обратное словообразование от «геномики», и распространение таких терминов привело к шутливому названию «оме-омика» для изучения самих омик.