现有的组学数据主要包括：基因组（数量性状位点、拷贝数变异和单核苷酸多态性），表观组（DNA酶高敏感位点、甲基化和组蛋白修饰）和转录组（基因表达、小RNA表达、长非编码RNA表达、基因融合和可变剪接）。单组学数据分析是传统的疾病靶点研究策略，帮助科研及临床研究人员确定了许多候选疾病靶点。但生命体是一个复杂的调控系统，疾病的发生与发展涉及基因变异、表观遗传改变、基因表达异常以及信号通路紊乱等诸多层次的复杂调控机制，利用单一组学数据分析致病因子的局限性愈发显著。通过对多种层次和来源的高通量组学数据的整合分析，系统地研究临床发病机理、确定最佳疾病靶点已经成为精准医学研究的重要发展方向，将为疾病研究提供新的思路，并对疾病的早期诊断、个体化治疗和指导用药等提供新的理论依据。多组学的整合策略详见本期谢兵兵等的“整合分析多组学数据筛选疾病靶点的精准医学策略”一文（第655~665页）。设计说明：左侧的层叠图片是不同组学数据的信息学展示，充分体现了组学数据的多样性以及分析的成熟性。图片上方的染色体结构显示出了组学数据产生的生物学层次，整合分析这些组学数据将为病人找到更有效的药物靶点以及精准的治疗方案。 ...[展开]