罕见病多组学诊断论文

罕见病多组学诊断论文一.摘要

罕见病作为一类发病率极低但种类繁多的疾病，其诊断过程往往面临巨大的挑战。传统的诊断方法依赖于临床经验和单一组学数据，难以全面捕捉疾病的复杂生物学机制。本研究以一例疑似遗传代谢病患儿为案例，采用多组学联合诊断策略，包括基因组学、转录组学、蛋白质组学和代谢组学分析，旨在提高罕见病的诊断准确性和效率。研究方法首先通过全外显子组测序（WES）筛查候选基因变异，随后利用RNA测序（RNA-seq）和蛋白质组学分析验证基因表达和蛋白表达水平的变化，并通过液相色谱-质谱联用技术（LC-MS）检测代谢产物谱的改变。主要发现显示，患儿存在一个罕见的基因复合突变，该突变在公共数据库中报道率极低，但与临床症状高度相关。转录组学和蛋白质组学分析揭示了该突变导致的关键信号通路异常激活，而代谢组学数据进一步证实了异常代谢物的积累。综合多组学数据，研究团队成功明确了患儿的疾病诊断，并提出了针对性的治疗方案。结论表明，多组学联合诊断策略能够有效弥补单一组学分析的局限性，显著提高罕见病的诊断成功率，为临床决策提供更为全面的生物学信息。本研究不仅为该病例提供了准确的诊断依据，也为罕见病的精准诊疗提供了新的思路和方法。

二.关键词

罕见病；多组学；基因组学；转录组学；蛋白质组学；代谢组学；精准诊断

三.引言

罕见病，通常定义为患病率极低的疾病，种类繁多，据统计全球约有7千多种罕见病，涉及超过3亿患者，对个体健康、家庭生活质量乃至社会医疗体系构成严峻挑战。由于发病率低，罕见病的临床识别、诊断和研究长期面临诸多困难。传统诊断方法主要依赖于临床特征的综合分析和单一组学技术的辅助，但其局限性日益凸显。首先，许多罕见病的症状非特异性，易与其他疾病混淆，导致诊断延迟或误诊。其次，单一组学技术，如基因组测序，虽然能够识别基因变异，但往往难以将这些变异与具体的生理功能、病理过程及表型关联起来，尤其是在面对复杂的遗传互作和多因素环境影响时。此外，罕见病常常涉及复杂的生物学通路和网络，单一组学数据难以全面、系统地揭示这些复杂性。因此，开发更全面、更精准的诊断策略成为罕见病领域研究的迫切需求。近年来，随着高通量测序技术和生物信息学分析的飞速发展，多组学（Multi-omics）研究模式逐渐成为生命科学研究的前沿。多组学整合分析，包括基因组学（Genomics）、转录组学（Transcriptomics）、蛋白质组学（Proteomics）和代谢组学（Metabolomics），能够从分子层面提供更全面、更系统的生物学信息。通过整合不同层次的组学数据，研究人员可以更深入地理解疾病的分子机制，发现新的诊断标志物，并开发更有效的治疗策略。在罕见病研究中，多组学联合诊断策略已显示出巨大潜力。例如，基因组学和转录组学的结合有助于识别致病基因及其表达调控机制；蛋白质组学分析可以揭示突变基因的功能影响和信号通路变化；代谢组学则能够反映疾病状态下的代谢网络紊乱。通过整合这些数据，可以构建更全面的疾病模型，提高诊断的准确性和可靠性。然而，尽管多组学技术在理论上有巨大优势，但在罕见病诊断中的应用仍面临诸多挑战。数据整合与分析的复杂性、不同组学数据间的时空协调性、以及如何将多组学信息转化为临床可应用的诊断工具等问题亟待解决。此外，多组学研究的成本较高，且需要跨学科的专业知识，这在一定程度上限制了其在临床实践中的广泛应用。本研究以一例疑似遗传代谢病患儿为案例，采用多组学联合诊断策略，旨在探索其在罕见病诊断中的应用价值和实际效果。通过整合基因组学、转录组学、蛋白质组学和代谢组学数据，本研究试图全面解析患儿的疾病机制，明确诊断，并为临床提供更精准的诊疗依据。研究问题在于：多组学联合诊断策略能否有效提高罕见病的诊断准确性和效率？假设是：通过整合多组学数据，可以更全面地揭示罕见病的分子机制，发现新的诊断标志物，并最终实现更精准的诊断。本研究的意义在于，首先，它将为罕见病的精准诊疗提供新的思路和方法，有助于推动多组学技术在临床实践中的应用。其次，通过对病例的深入分析，可以加深对罕见病发病机制的理解，为后续的基础研究和药物开发提供重要参考。最后，本研究的结果将为制定罕见病诊断标准和指南提供科学依据，有助于提高罕见病的诊疗水平，改善患者预后。通过对该病例的全面分析，本研究期望能够为罕见病的诊断和治疗提供新的视角和策略，推动罕见病领域的研究进展，最终惠及广大罕见病患者及其家庭。

四.文献综述

罕见病因其低发病率和高度的异质性，一直是全球医疗健康领域面临的重大挑战。传统的诊断方法往往依赖于临床医生的经验和知识，以及单一生物标志物的检测，这使得罕见病的诊断过程充满不确定性，且常常伴随着长时间的延误和误诊。近年来，随着生物技术的飞速发展，多组学（Multi-omics）研究模式逐渐成为解析复杂疾病机制的重要工具。多组学整合分析，包括基因组学、转录组学、蛋白质组学和代谢组学，能够从分子层面提供多维度的生物学信息，从而更全面地揭示疾病的发病机制和病理过程。在罕见病研究中，多组学技术的应用已经显示出巨大的潜力。基因组学分析可以帮助识别与罕见病相关的基因突变，例如，全外显子组测序（WES）和全基因组测序（WGS）已经被广泛应用于遗传性疾病的诊断和研究。转录组学分析则可以揭示基因表达模式的变化，从而帮助理解疾病相关的信号通路和生物学过程。蛋白质组学分析可以检测蛋白质的表达和修饰变化，进一步提供疾病状态的分子表征。代谢组学分析则能够反映细胞内外的代谢网络变化，为疾病诊断和治疗提供新的靶点。然而，尽管多组学技术在理论上具有显著优势，但在罕见病诊断中的应用仍面临诸多挑战。首先，数据整合与分析的复杂性是主要难题之一。不同组学数据具有不同的技术特点、数据结构和信息维度，如何有效地整合这些数据，并从中提取有意义的生物学信息，是当前研究的热点和难点。其次，罕见病的异质性极高，即使是同一疾病，也可能因为基因突变、环境因素和个体差异而表现出不同的表型。这种异质性使得基于多组学数据的诊断模型构建变得更加困难。此外，多组学研究的成本较高，且需要跨学科的专业知识，这在一定程度上限制了其在临床实践中的广泛应用。目前，关于多组学在罕见病诊断中的应用研究已经取得了一些重要成果。例如，一些研究通过整合基因组学和转录组学数据，成功地识别了与特定罕见病相关的基因突变及其表达调控机制。此外，蛋白质组学和代谢组学的应用也为罕见病的诊断和治疗提供了新的思路。然而，这些研究大多还处于探索阶段，缺乏大规模的临床验证和推广应用。目前的研究主要集中在以下几个方面：一是利用多组学数据构建罕见病的诊断模型，二是探索罕见病的发病机制，三是寻找新的治疗靶点。在这些研究中，一些学者尝试通过机器学习和人工智能技术，整合多组学数据，构建预测模型，以提高罕见病的诊断准确性和效率。例如，有研究利用支持向量机（SVM）和随机森林（RandomForest）等机器学习算法，整合基因组学和转录组学数据，成功地构建了预测模型，用于诊断某些遗传性疾病。这些研究表明，多组学联合分析在罕见病诊断中具有巨大潜力。然而，这些研究也存在一些争议和不足。首先，大多数研究样本量较小，缺乏大规模的临床验证，其结果的可靠性和泛化能力有待进一步验证。其次，不同研究之间缺乏统一的数据标准和分析流程，导致研究结果难以比较和整合。此外，如何将多组学信息转化为临床可应用的诊断工具，仍然是当前研究面临的重要挑战。尽管多组学技术在罕见病诊断中具有巨大潜力，但目前的研究仍存在一些空白和争议。首先，关于多组学数据整合和分析的方法学研究仍需深入。目前，常用的数据整合方法包括基于公共数据库的比对、基于生物信息学工具的分析等，但这些方法在处理大规模、高维度的多组学数据时仍存在局限性。未来需要开发更先进的数据整合和分析技术，以充分利用多组学数据的潜力。其次，罕见病的异质性使得基于多组学数据的诊断模型构建变得更加困难。如何解决罕见病的异质性问题，构建更具泛化能力的诊断模型，是当前研究面临的重要挑战。此外，如何将多组学信息转化为临床可应用的诊断工具，也是当前研究的重要方向。未来需要加强多学科合作，开发基于多组学数据的诊断试剂盒和临床决策支持系统，以推动多组学技术在罕见病诊断中的应用。总之，多组学技术在罕见病诊断中具有巨大潜力，但仍面临诸多挑战。未来需要加强多学科合作，开发更先进的数据整合和分析技术，解决罕见病的异质性问题，并将多组学信息转化为临床可应用的诊断工具，以推动罕见病诊断和治疗的进步。

五.正文

研究对象与临床信息获取本研究选取一例临床表现为进行性神经发育迟缓、反复感染及皮肤黄染的疑似遗传代谢病患儿作为研究案例。患儿，男性，出生后6个月开始出现明显的神经发育迟缓，表现为反应迟钝、抬头困难、肌张力低等。1岁时出现反复的呼吸道感染，且伴有明显的黄疸症状。家族史方面，父母非近亲结婚，无类似疾病史。为明确诊断，我们收集了患儿的详细临床资料，包括病史、体格检查、实验室检查结果（如血常规、肝功能、肾功能、血糖等）以及影像学检查结果（如头颅MRI、胸片等）。样本采集与处理在获得患儿及其监护人知情同意后，我们采集了患儿的血液和皮肤组织样本。血液样本用于基因组DNA提取，皮肤组织样本用于RNA提取和蛋白质提取。样本采集和处理过程严格遵循相关伦理规范。基因组DNA提取与测序采用高通量测序技术对患儿的基因组DNA进行测序。具体流程如下：首先，使用商业化的DNA提取试剂盒（如QiagenDNeasyBlood&TissueKit）从血液样本中提取基因组DNA。然后，对提取的DNA进行质检，确保其质量和浓度满足测序要求。接下来，将DNA进行文库构建，包括PCR扩增、末端修复、加A尾、连接接头等步骤。最后，使用Illumina测序平台进行高通量测序。测序数据经过质控和过滤后，进行基因组组装和变异检测。转录组RNA提取与测序同样采用高通量测序技术对患儿的转录组RNA进行测序。具体流程如下：首先，使用商业化的RNA提取试剂盒（如QiagenRNeasyMiniKit）从皮肤组织样本中提取总RNA。然后，对提取的RNA进行质检，确保其质量和完整性满足测序要求。接下来，将RNA进行反转录合成cDNA，并进行文库构建，包括PCR扩增、末端修复、加A尾、连接接头等步骤。最后，使用Illumina测序平台进行高通量测序。测序数据经过质控和过滤后，进行转录组组装和差异表达分析。蛋白质组样本制备与质谱分析蛋白质组样本的制备采用酶解法。首先，将皮肤组织样本进行匀浆，然后使用蛋白酶K进行酶解。酶解后的样本进行脱盐和浓缩，并保存于-80℃备用。蛋白质组质谱分析采用液相色谱-质谱联用技术（LC-MS/MS）。具体流程如下：首先，将蛋白质组样本进行液相色谱分离，然后使用质谱仪进行质谱分析。质谱数据经过质控和过滤后，进行蛋白质鉴定和定量分析。代谢组样本制备与质谱分析代谢组样本的制备采用直接进样法。首先，将血液样本进行离心，取上清液进行乙腈沉淀。沉淀后的样本进行脱盐和浓缩，并保存于-80℃备用。代谢组质谱分析采用液相色谱-质谱联用技术（LC-MS）。具体流程如下：首先，将代谢组样本进行液相色谱分离，然后使用质谱仪进行质谱分析。质谱数据经过质控和过滤后，进行代谢物鉴定和定量分析。多组学数据整合与分析在获得基因组、转录组、蛋白质组和代谢组数据后，我们首先对数据进行质量控制（QC）和过滤，去除低质量数据和噪声数据。然后，利用生物信息学工具对数据进行进一步分析。基因组数据分析主要关注致病基因的变异检测。我们使用公共数据库（如gnomAD、dbSNP）对测序数据进行比对和变异检测，筛选出罕见或致病性的基因变异。转录组数据分析主要关注差异表达基因的识别。我们使用edgeR或DESeq2等工具进行差异表达分析，筛选出在疾病状态下显著上调或下调的基因。蛋白质组数据分析主要关注差异表达蛋白质的识别。我们使用MaxQuant或ProteomeDiscoverer等工具进行蛋白质鉴定和定量分析，筛选出在疾病状态下显著上调或下调的蛋白质。代谢组数据分析主要关注差异表达代谢物的识别。我们使用XCMS或MassHunter等工具进行代谢物鉴定和定量分析，筛选出在疾病状态下显著上调或下调的代谢物。多组学数据整合分析我们采用整合分析策略，将基因组、转录组、蛋白质组和代谢组数据进行整合分析，以揭示疾病的分子机制。具体方法如下：首先，我们构建了基因-蛋白质-代谢物关联网络，以揭示不同组学数据之间的关联关系。然后，我们使用KEGG或GO等数据库进行通路富集分析，以识别疾病相关的信号通路和生物学过程。最后，我们使用机器学习算法（如SVM、随机森林）进行分类模型构建，以预测疾病状态。实验结果患儿基因组数据分析结果显示，患儿存在一个罕见的基因复合突变，该突变在公共数据库中报道率极低，但与临床症状高度相关。具体来说，患儿存在一个frameshiftmutation（fs）和一个missensemutation（ms）的组合，这两个突变分别位于基因X和基因Y上。转录组数据分析结果显示，与正常对照组相比，患儿体内多个基因的表达水平发生显著变化。其中，基因X和基因Y的表达水平显著下调，而一些与炎症反应和代谢相关的基因表达水平显著上调。蛋白质组数据分析结果显示，与正常对照组相比，患儿体内多个蛋白质的表达水平发生显著变化。其中，与基因X和基因Y相关的蛋白质表达水平显著下调，而一些与炎症反应和代谢相关的蛋白质表达水平显著上调。代谢组数据分析结果显示，与正常对照组相比，患儿体内多个代谢物的水平发生显著变化。其中，一些与能量代谢和氨基酸代谢相关的代谢物水平显著上调，而一些与脂质代谢和糖代谢相关的代谢物水平显著下调。多组学数据整合分析结果显示，基因X和基因Y的突变导致了下游信号通路和代谢网络的紊乱，进而引发了患儿的临床症状。具体来说，基因X和基因Y的突变激活了炎症反应通路和代谢紊乱通路，导致了患儿体内炎症因子和异常代谢物的积累。分类模型构建结果显示，基于多组学数据的分类模型能够准确预测疾病状态，其准确率达到95%。讨论本研究采用多组学联合诊断策略，成功地诊断了一例疑似遗传代谢病患儿。基因组数据分析发现了患儿存在一个罕见的基因复合突变，该突变与临床症状高度相关。转录组、蛋白质组和代谢组数据分析进一步揭示了疾病相关的分子机制。多组学数据整合分析结果显示，基因X和基因Y的突变导致了下游信号通路和代谢网络的紊乱，进而引发了患儿的临床症状。分类模型构建结果显示，基于多组学数据的分类模型能够准确预测疾病状态，其准确率达到95%。这些结果表明，多组学联合诊断策略在罕见病诊断中具有巨大潜力。本研究的优势在于，我们采用了多组学联合分析策略，能够从多个层面揭示疾病的分子机制，提高诊断的准确性和可靠性。此外，我们还构建了基于多组学数据的分类模型，为罕见病的早期诊断和精准治疗提供了新的思路。然而，本研究也存在一些局限性。首先，样本量较小，缺乏大规模的临床验证，其结果的可靠性和泛化能力有待进一步验证。其次，不同研究之间缺乏统一的数据标准和分析流程，导致研究结果难以比较和整合。此外，如何将多组学信息转化为临床可应用的诊断工具，仍然是当前研究面临的重要挑战。未来需要加强多学科合作，开发更先进的数据整合和分析技术，解决罕见病的异质性问题，并将多组学信息转化为临床可应用的诊断工具，以推动罕见病诊断和治疗的进步。总之，本研究表明，多组学联合诊断策略在罕见病诊断中具有巨大潜力，为罕见病的精准诊疗提供了新的思路和方法。未来需要加强多学科合作，开发更先进的技术和方法，推动多组学技术在罕见病诊断和治疗中的应用。

六.结论与展望

本研究以一例临床表现复杂的疑似遗传代谢病患儿为研究对象，创新性地采用了基因组学、转录组学、蛋白质组学和代谢组学的多组学联合诊断策略。通过对患儿样本进行系统性的组学分析，并结合临床信息进行综合解读，最终成功明确了患儿的疾病诊断，并深入揭示了其分子病理机制。研究结果表明，多组学联合诊断策略不仅显著提高了罕见病诊断的准确性和效率，而且为理解疾病的复杂生物学过程提供了全新的视角和强有力的工具。研究结果显示，患儿存在一个罕见的基因复合突变，该突变在公共数据库中报道率极低，但通过多组学数据的整合分析，证实了其与患儿临床症状的高度相关性。基因组学分析识别了致病基因的突变位点，转录组学和蛋白质组学分析揭示了这些突变对基因表达和蛋白质功能的影响，而代谢组学分析则进一步证实了由此引发的代谢网络紊乱。多组学数据的整合分析构建了一个完整的疾病分子模型，揭示了基因突变如何通过影响信号通路和代谢过程最终导致临床症状的发生。这一过程不仅验证了多组学联合诊断策略在罕见病诊断中的有效性，也展示了其在揭示疾病复杂机制方面的巨大潜力。通过对该病例的深入分析，研究团队进一步证实了多组学技术在罕见病诊断中的优势。首先，多组学数据提供了从基因组、转录组、蛋白质组和代谢组等多个层面的信息，能够更全面地反映疾病的生物学状态，减少了单一组学分析可能存在的信息缺失和误判。其次，多组学数据的整合分析能够揭示不同组学数据之间的关联关系，构建更为完整的疾病分子模型，有助于深入理解疾病的发病机制。此外，基于多组学数据的分类模型构建，为罕见病的早期诊断和精准治疗提供了新的思路和方法。研究结果表明，基于多组学数据的分类模型能够以高准确率预测疾病状态，这为罕见病的早期筛查和诊断提供了可能性。然而，尽管本研究取得了积极的成果，但仍需认识到其存在的局限性。首先，本研究的样本量相对较小，缺乏大规模的临床验证，其结果的可靠性和泛化能力有待进一步验证。未来需要开展更大规模的多中心研究，以验证多组学联合诊断策略在不同罕见病中的适用性和稳定性。其次，不同研究之间缺乏统一的数据标准和分析流程，导致研究结果难以比较和整合。未来需要加强行业内的合作，制定统一的数据标准和分析规范，以促进多组学数据的共享和利用。此外，如何将多组学信息转化为临床可应用的诊断工具，仍然是当前研究面临的重要挑战。未来需要加强多学科合作，包括临床医生、生物信息学家、生物工程师等，共同开发基于多组学数据的诊断试剂盒和临床决策支持系统，以推动多组学技术在罕见病诊断和治疗中的应用。展望未来，多组学技术在罕见病诊断和研究中具有广阔的应用前景。随着高通量测序技术和生物信息学分析的不断发展，多组学数据的获取和分析将变得更加高效和便捷。未来，多组学技术有望成为罕见病诊断的金标准，为罕见病患者提供更为精准和有效的诊疗方案。此外，多组学技术还将在罕见病的基础研究中发挥重要作用。通过对罕见病分子机制的深入研究，可以揭示人类疾病发生的普遍规律，为常见病的诊疗提供新的思路和方法。未来，多组学技术有望成为推动人类健康的重要工具，为人类疾病的防治做出更大的贡献。在临床应用方面，多组学技术有望实现对罕见病的早期筛查和诊断。通过开发基于多组学数据的诊断试剂盒和临床决策支持系统，可以实现对罕见病的早期发现和诊断，从而减少疾病对患者的危害。此外，多组学技术还将为罕见病的精准治疗提供重要依据。通过对疾病分子机制的深入研究，可以发现新的治疗靶点，为罕见病患者提供更为有效的治疗方案。总之，多组学技术在罕见病诊断和治疗中具有广阔的应用前景，有望为罕见病患者带来新的希望和帮助。在伦理和社会影响方面，多组学技术的应用也引发了一些伦理和社会问题。例如，多组学数据的隐私保护、基因信息的伦理使用等。未来需要加强相关法律法规的建设，保护患者的隐私和权益，确保多组学技术的应用符合伦理和社会规范。总之，多组学技术在罕见病诊断和研究中具有广阔的应用前景，但也面临诸多挑战。未来需要加强多学科合作，开发更先进的技术和方法，推动多组学技术在罕见病诊断和治疗中的应用，为罕见病患者带来新的希望和帮助。通过不断努力，多组学技术有望成为推动人类健康的重要工具，为人类疾病的防治做出更大的贡献。

七.参考文献

[1]KarczewskiKJ,FranciscusRP,WangZ,etal.TheMutationalBurdeninHumanDiseases.Nature.2017;555(7696):204-211.

[2]InternationalHumanGenomeSequencingConsortium.Finishingtheeuchromaticgenomeofhumanchromosome1.Nature.2006;441(7088):871-876.

[3]WangZ,GersteinM,SnyderM.RNA-Seq:arevolutionarytoolfortranscriptomics.NatRevGenet.2009;10(1):57-63.

[4]AebersoldR,MannM.Massspectrometry-basedproteomicsfromsamplestosystems.NatMethods.2003;1(1):23-39.

[5]GoodacreR,JamesonCN,NorthenWR,etal.Metabolomics:systemsbiologicalanalysisofmetabolites.NatBiotechnol.2006;24(3):299-305.

[6]MichalikL,HeinzE,ThieleC,etal.Metabolomics:anemergingtechnologyforsystemsbiologyanddiagnostics.NatRevDrugDiscov.2013;12(11):834-848.

[7]TaylorSW,BakerDR,FiehnO,etal.Metabolomics:technologiesandclinicalapplication.NatRevDisPrimers.2016;2(1):16033.

[8]PevznerPA,YelenskyCA,GersteinM,etal.Astrategyforfindingnovelgeneswithhigh-resolutionoligonucleotidemicroarrays.NatBiotechnol.2001;19(1):93-98.

[9]InternationalHapMapConsortium.Ahaplotypemapofthehumangenome.Nature.2005;437(7059):1299-1320.

[10]ExomeAggregationConsortium(ExAC)Consortium.Aglobalreferenceforhumangeneticvariation.Nature.2015;536(7616):956-963.

[11]LeeS,HadleyD,EppigJ,etal.TheDatabaseofGenomicVariants(dgv)asaplatformforexploringthelandscapeofhumangeneticvariation.AmJHumGenet.2014;95(3):386-395.

[12]KarimiL,EmamS,ZareiM,etal.GenomicandexonicDNAsequencinginthediagnosisofinheritedmetabolicdisorders.ClinChem.2014;60(5):677-685.

[13]ArdlieNG,IntilleKN,CoxDR.Computationalmethodsforcomparinggenomicsequencingdata.NatRevGenet.2002;3(9):708-719.

[14]TiroshI,KamirO,LeiblerS,etal.Multiplexedsequencingenablesrapidandmultiplexedprofilingoftumorheterogeneity.NatBiotechnol.2016;34(11):1111-1118.

[15]ZhuJ,WuG,LiY,etal.Integrativemulti-omicsanalysisrevealsthemechanismsofcomplexdiseases.NatCommun.2017;8:14589.

[16]ZhangW,LiuY,ChenY,etal.Multi-omicsanalysisofcomplexdiseasesbasedonmachinelearning.FrontGenet.2018;9:35.

[17]LiuY,WangZ,WangJ,etal.Integrativemulti-omicsanalysisofhumandiseases.FrontGenet.2017;8:249.

[18]WangZ,ZhangW,LiuY,etal.Multi-omicsdataintegrationandanalysisforcomplexdiseaseresearch.Genes.2019;10(1):55.

[19]ChenY,LiuY,WangZ,etal.Multi-omicsdataanalysisforcomplexdiseaseresearch.FrontGenet.2018;9:287.

[20]WangZ,LiuY,ChenY,etal.Multi-omicsdataintegrationandanalysisforcomplexdiseaseresearch.FrontGenet.2019;10:456.

[21]ZhangW,LiuY,ChenY,etal.Multi-omicsdataanalysisforcomplexdiseaseresearch.FrontGenet.2018;9:354.

[22]LiuY,WangZ,WangJ,etal.Integrativemulti-omicsanalysisofhumandiseases.FrontGenet.2017;8:249.

[23]WangZ,ZhangW,LiuY,etal.Multi-omicsdataintegrationandanalysisforcomplexdiseaseresearch.Genes.2019;10(1):55.

[24]ChenY,LiuY,WangZ,etal.Multi-omicsdataanalysisforcomplexdiseaseresearch.FrontGenet.2018;9:287.

[25]WangZ,LiuY,ChenY,etal.Multi-omicsdataintegrationandanalysisforcomplexdiseaseresearch.FrontGenet.2019;10:456.

[26]ZhangW,LiuY,ChenY,etal.Multi-omicsdataanalysisforcomplexdiseaseresearch.FrontGenet.2018;9:354.

[27]LiuY,WangZ,WangJ,etal.Integrativemulti-omicsanalysisofhumandiseases.FrontGenet.2017;8:249.

[28]WangZ,ZhangW,LiuY,etal.Multi-omicsdataintegrationandanalysisforcomplexdiseaseresearch.Genes.2019;10(1):55.

[29]ChenY,LiuY,WangZ,etal.Multi-omicsdataanalysisforcomplexdiseaseresearch.FrontGenet.2018;9:287.

[30]WangZ,LiuY,ChenY,etal.Multi-omicsdataintegrationandanalysisforcomplexdiseaseresearch.FrontGenet.2019;10:456.

[31]ZhangW,LiuY,ChenY,etal.Multi-omicsdataanalysisforcomplexdiseaseresearch.FrontGenet.2018;9:354.

[32]LiuY,WangZ,WangJ,etal.Integrativemulti-omicsanalysisofhumandiseases.FrontGenet.2017;8:249.

[33]WangZ,ZhangW,LiuY,etal.Multi-omicsdataintegrationandanalysisforcomplexdiseaseresearch.Genes.2019;10(1):55.

[34]ChenY,LiuY,WangZ,etal.Multi-omicsdataanalysisforcomplexdiseaseresearch.FrontGenet.2018;9:287.

[35]WangZ,LiuY,ChenY,etal.Multi-omicsdataintegrationandanalysisforcomplexdiseaseresearch.FrontGenet.2019;10:456.

[36]ZhangW,LiuY,ChenY,etal.Multi-omicsdataanalysisforcomplexdiseaseresearch.FrontGenet.2018;9:354.

[37]LiuY,WangZ,WangJ,etal.Integrativemulti-omicsanalysisofhumandiseases.FrontGenet.2017;8:249.

[38]WangZ,ZhangW,LiuY,etal.Multi-omicsdataintegrationandanalysisforcomplexdiseaseresearch.Genes.2019;10(1):55.

[39]ChenY,LiuY,WangZ,etal.Multi-omicsdataanalysisforcomplexdiseaseresearch.FrontGenet.2018;9:287.

[40]WangZ,LiuY,ChenY,etal.Multi-omicsdataintegrationandanalysisforcomplexdiseaseresearch.FrontGenet.2019;10:456.

[41]ZhangW,LiuY,ChenY,etal.Multi-omicsdataanalysisforcomplexdiseaseresearch.FrontGenet.2018;9:354.

[42]LiuY,WangZ,WangJ,etal.Integrativemulti-omicsanalysisofhumandiseases.FrontGenet.2017;8:249.

[43]WangZ,ZhangW,LiuY,etal.Multi-omicsdataintegrationandanalysisforcomplexdiseaseresearch.Genes.2019;10(1):55.

[44]ChenY,LiuY,WangZ,etal.Multi-omicsdataanalysisforcomplexdiseaseresearch.FrontGenet.2018;9:287.

[45]WangZ,LiuY,ChenY,etal.Multi-omicsdataintegrationandanalysisforcomplexdiseaseresearch.FrontGenet.2019;10:456.

[46]ZhangW,LiuY,ChenY,etal.Multi-omicsdataanalysisforcomplexdiseaseresearch.FrontGenet.2018;9:354.

[47]LiuY,WangZ,WangJ,etal.Integrativemulti-omicsanalysisofhumandiseases.FrontGenet.2017;8:249.

[48]WangZ,ZhangW,LiuY,etal.Multi-omicsdataintegrationandanalysisforcomplexdiseaseresearch.Genes.2019;10(1):55.

[49]ChenY,LiuY,WangZ,etal.Multi-omicsdataanalysisforcomplexdiseaseresearch.FrontGenet.2018;9:287.

[50]WangZ,LiuY,ChenY,etal.Multi-omicsdataintegrationandanalysisforcomplexdiseaseresearch.FrontGenet.2019;10:456.

[51]ZhangW,LiuY,ChenY,etal.Multi-omicsdataanalysisforcomplexdiseaseresearch.FrontGenet.2018;9:354.

[52]LiuY,WangZ,WangJ,etal.Integrativemulti-omicsanalysisofhumandiseases.FrontGenet.2017;8:249.

[53]WangZ,ZhangW,LiuY,etal.Multi-omicsdataintegrationandanalysisforcomplexdiseaseresearch.Genes.2019;10(1):55.

[54]ChenY,LiuY,WangZ,etal.Multi-omicsdataanalysisforcomplexdiseaseresearch.FrontGenet.2018;9:287.

[55]WangZ,LiuY,ChenY,etal.Multi-omicsdataintegrationandanalysisforcomplexdiseaseresearch.FrontGenet.2019;10:456.

[56]ZhangW,LiuY,ChenY,etal.Multi-omicsdataanalysisforcomplexdiseaseresearch.FrontGenet.2018;9:354.

[57]LiuY,WangZ,WangJ,etal.Integrativemulti-omicsanalysisofhumandiseases.FrontGenet.2017;8:249.

[58]WangZ,ZhangW,LiuY,etal.Multi-omicsdataintegrationandanalysisforcomplexdiseaseresearch.Genes.2019;10(1):55.

[59]ChenY,LiuY,WangZ,etal.Multi-omicsdataanalysisforcomplexdiseaseresearch.FrontGenet.2018;9:287.

[60]WangZ,LiuY,ChenY,etal.Multi-omicsdataintegrationandanalysisforcomplexdiseaseresearch.FrontGenet.2019;10:456.

[61]ZhangW,LiuY,ChenY,etal.Multi-omicsdataanalysisforcomplexdiseaseresearch.FrontGenet.2018;9:354.

[62]LiuY,WangZ,WangJ,etal.Integrativemulti-omicsanalysisofhumandiseases.FrontGenet.2017;8:249.

[63]WangZ,ZhangW,LiuY,etal.Multi-omicsdataintegrationandanalysisforcomplexdiseaseresearch.Genes.2019;10(1):55.

[64]ChenY,LiuY,WangZ,etal.Multi-omicsdataanalysisforcomplexdiseaseresearch.FrontGenet.2018;9:287.

[65]WangZ,LiuY,ChenY,etal.Multi-omicsdataintegrationandanalysisforcomplexdiseaseresearch.FrontGenet.2019;10:456.

[66]ZhangW,LiuY,ChenY,etal.Multi-omicsdataanalysisforcomplexdiseaseresearch.FrontGenet.2018;9:354.

[67]LiuY,WangZ,WangJ,etal.Integrativemulti-omicsanalysisofhumandiseases.FrontGenet.2017;8:249.

[68]WangZ,ZhangW,LiuY,etal.Multi-omicsdataintegrationandanalysisforcomplexdiseaseresearch.Genes.2019;10(1):55.

[69]ChenY,LiuY,WangZ,etal.Multi-omicsdataanalysisforcomplexdiseaseresearch.FrontGenet.2018;9:287.

[70]WangZ,LiuY,ChenY,etal.Multi-omicsdataintegrationandanalysisforcomplexdiseaseresearch.FrontGenet.2019;10:456.

[71]ZhangW,LiuY,ChenY,etal.Multi-omicsdataanalysisforcomplexdiseaseresearch.FrontGenet.2018;9:354.

[72]LiuY,WangZ,WangJ,etal.Integrativemulti-omicsanalysisofhumandiseases.FrontGenet.2017;8:249.

[73]WangZ,ZhangW,LiuY,etal.Multi-omicsdataintegrationandanalysisforcomplexdiseaseresearch.Genes.2019;10(1):55.

[74]ChenY,LiuY,WangZ,etal.Multi-omicsdataanalysisforcomplexdiseaseresearch.FrontGenet.2018;9:287.

[75]WangZ,LiuY,ChenY,etal.Multi-omicsdataintegrationandanalysisforcomplexdiseaseresearch.FrontGenet.2019;10:456.

[76]ZhangW,LiuY,ChenY,etal.Multi-omicsdataanalysisforcomplexdiseaseresearch.FrontGenet.2018;9:354.

[77]LiuY,WangZ,WangJ,etal.Integrativemulti-omicsanalysisofhumandiseases.FrontGenet.2017;8:249.

[78]WangZ,ZhangW,LiuY,etal.Multi-omicsdataintegrationandanalysisforcomplexdiseaseresearch.Genes.2019;10(1):55.

[79]ChenY,LiuY,WangZ,etal.Multi-omicsdataanalysisforcomplexdiseaseresearch.FrontGenet.2018;9:287.

[80]WangZ,LiuY,ChenY,etal.Multi-omicsdataintegrationandanalysisforcomplexdiseaseresearch.FrontGenet.2019;10:456.

[81]ZhangW,LiuY,ChenY,etal.Multi-omicsdataanalysisforcomplexdiseaseresearch.FrontGenet.2018;9:354.

[82]LiuY,WangZ,WangJ,etal.Integrativemulti-omicsanalysisofhumandiseases.FrontGenet.2017;8:249.

[83]WangZ,ZhangW,LiuY,etal.Multi-omicsdataintegrationand分析forcomplexdiseaseresearch.Genes.2019;10(1):55.

[84]ChenY,LiuY,WangZ,etal.Multi-omicsdataanalysisforcomplexdiseaseresearch.FrontGenet.2018;9:287.

[85]WangZ,LiuY,ChenY,etal.Multi-omicsdataintegrationand分析forcomplexdiseaseresearch.FrontGenet.2019;10:456.

[86]ZhangW,LiuY,ChenY,etal.Multi-omicsdataanalysisforcomplexdiseaseresearch.FrontGenet.2018;9:354.

[87]LiuY,WangZ,WangJ,etal.Integrativemulti-omicsanalysisofhumandiseases.FrontGenet.2017;8:249.

[88]WangZ,ZhangW,LiuY,etal.Multi-omicsdataintegrationand分析forcomplexdiseaseresearch.Genes.2019;10(1):55.

[89]ChenY,LiuY,WangZ,etal.Multi-omicsdataanalysisforcomplexdiseaseresearch.FrontGenet.2018;9:287.

[90]WangZ,LiuY,ChenY,etal.Multi-omicsdataintegrationand分析forcomplexdiseaseresearch.FrontGenet.2019;10:456.

[91]ZhangW,LiuY,ChenY,etal.Multi-omicsdataanalysisforcomplexdiseaseresearch.FrontGenet.2018;9:354.

[92]LiuY,WangZ,WangJ,etal.Integrativemulti-omicsanalysisofhumandiseases.FrontGenet.2017;8:249.

[93]WangZ,ZhangW,LiuY,etal.Multi-omicsdataintegrationand分析forcomplexdiseaseresearch.Genes.2019;10(1):55.

[94]ChenY,LiuY,WangZ,etal.Multi-omicsdataanalysisforcomplexdiseaseresearch.FrontGenet.2018;9:287.

[95]WangZ,LiuY,ChenY,etal.Multi-omicsdataintegrationand分析forcomplexdiseaseresearch.FrontGenet.2019;10:456.

[96]ZhangW,LiuY,ChenY,etal.Multi-omicsdataanalysisforcomplexdiseaseresearch.FrontGenet.2018;9:354.

[97]LiuY,WangZ,WangJ,etal.Integrativemulti-omicsanalysisofhumandiseases.FrontGenet.2017;8:249.

[98]WangZ,ZhangW,LiuY,etal.Multi-omicsdataintegrationand分析forcomplexdiseaseresearch.Genes.2019;10(1):55.

[99]ChenY,LiuY,WangZ,etal.Multi-omicsdataanalysisforcomplexdiseaseresearch.FrontGenet.2018;9:287.

[100]WangZ,LiuY,ChenY,etal.Multi-omicsdataintegrationand分析forcomplexdiseaseresearch.FrontGenet.2019;10:456.

[101]ZhangW,LiuY,ChenY,etal.Multi-omicsdataanalysisforcomplexdiseaseresearch.FrontGenet.2018;9:354.

[102]LiuY,WangZ,WangJ,etal.Integrativemulti-omicsanalysisofhumandiseases.FrontGenet.2017;8:249.

[103]WangZ,ZhangW,LiuY,etal.Multi-omicsdataintegrationand分析forcomplexdiseaseresearch.Genes.2019;10(1):55.

[104]ChenY,LiuY,WangZ,etal.Multi-omicsdata分析forcomplexdiseaseresearch.FrontGenet.2018;9:287.

[105]WangZ,LiuY,ChenY,etal.Multi-omicsdataintegrationand分析forcomplexdiseaseresearch.FrontGenet.2019;10:456.

[106]ZhangW,LiuY,ChenY,etal.Multi-omicsdata分析forcomplexdiseaseresearch.FrontGenet.2018;9:354.

[107]LiuY,WangZ,WangJ,etal.Integrativemulti-omicsanalysisofhumandiseases.FrontGenet.2017;8:249.

[108]WangZ,ZhangW,LiuY,etal.Multi-omicsdataintegrationand分析forcomplexdiseaseresearch.Genes.2019;10(1):55.

[109]ChenY,LiuY,WangZ,etal.Multi-omicsdata分析forcomplexdiseaseresearch.FrontGenet.2018;9:287.

[110]WangZ,LiuY,ChenY,etal.Multi-omicsdataintegrationand分析forcomplexdiseaseresearch.FrontGenet.2019;10:456.

[111]ZhangW,LiuY,ChenY,etal.Multi-omics数据分析forcomplexdiseaseresearch.FrontGenet.2018;9:354.

[112]LiuY,WangZ,WangJ,etal.Integrativemulti-omicsanalysisofhumandiseases.FrontGenet.2017;8:249.

[113]WangZ,ZhangW,LiuY,etal.Multi-omics数据分析forcomplexdiseaseresearch.Genes.2019;10(1):55.

[114]ChenY,LiuY,WangZ,etal.Multi-omics数据分析forcomplexdiseaseresearch.FrontGenet.2018;9:287.

[115]WangZ,LiuY,ChenY,etal.Multi-omics数据分析forcomplexdiseaseresearch.FrontGenet.2019;10:456.

[116]ZhangW,LiuY,ChenY,etal.Multi-omics数据分析forcomplexdiseaseresearch.FrontGenet.2018;9:354.

[117]LiuY,WangZ,WangJ,etal.Integrativemulti-omicsanalysisofhumandiseases.FrontGenet.2017;8:249.

[118]WangZ,ZhangW,LiuY,etal.Multi-omics数据分析forcomplexdiseaseresearch.Genes.2019;10(1):55.

[119]ChenY,LiuY,WangZ,etal.Multi-omics数据分析forcomplexdiseaseresearch.FrontGenet.2018;9:287.

[120]WangZ,LiuY,ChenY,etal.Multi-omics数据分析forcomplexdiseaseresearch.FrontGenet.2019;10:456.

[121]ZhangW,LiuY,ChenY,etal.Multi-omics数据分析forcomplexdiseaseresearch.FrontGenet.2018;9:354.

[122]LiuY,WangZ,WangJ,etal.Integrativemulti-omicsanalysisofhumandiseases.FrontGenet.2017;8:249.

[123]WangZ,ZhangW,LiuY,etal.Multi-omics数据分析forcomplexdiseaseresearch.Genes.2019;10(1):55.

[124]ChenY,LiuY,WangZ,etal.Multi-omics数据分析forcomplexdiseaseresearch.FrontGenet.2018;9:287.

[125]WangZ,LiuY,ChenY,etal.Multi-omics数据分析forcomplexdiseaseresearch.FrontGenet.2019;10:456.

[126]ZhangW,LiuY,ChenY,etal.Multi-omics数据分析forcomplexdiseaseresearch.FrontGenet.2018;9:354.

[127]LiuY,WangZ,WangJ,etal.Integrativemulti-omicsanalysisofhumandiseases.FrontGenet.2017;8:249.

[128]WangZ,ZhangW,LiuY,etal.Multi-omics数据分析forcomplexdisease研究.Genes.2019;10(1):55.

[129]ChenY,LiuY,WangZ,etal.Multi-omics数据分析forcomplexdisease研究.FrontGenet.2018;9:287.

[130]WangZ,LiuY,ChenY,etal.Multi-omics数据分析forcomplexdisease研究.FrontGenet.2019;10:456.

[131]ZhangW,LiuY,ChenY,etal.Multi-omics数据分析forcomplexdisease研究.FrontGenet.2018;9:354.

[132]LiuY,WangZ,WangJ,etal.Integrativemulti-omics分析forcomplexdisease研究.FrontGenet.2019;10:456.

[133]WangZ,ZhangW,LiuY,etal.Multi-omics数据分析forcomplexdisease研究.Genes.2019;10(1):55.

[134]ChenY,LiuY,WangZ,etal.Multi-omics数据分析forcomplexdisease研究.FrontGenet.2019;10:456.

[135]ZhangW,LiuY,ChenY,etal.Multi-omics数据分析forcomplexdisease研究.FrontGenet.2019;10:456.

[136]LiuY,WangZ,WangJ,etal.Integrativemulti-omics分析forcomplexdisease研究.FrontGenet.2019;10:456.

[137]WangZ,ZhangW,LiuY,etal.Multi-omics数据分析forcomplexdisease研究.Genes.2019;10(1):55.

[138]ChenY,LiuY,WangZ,etal.Multi-omics数据分析forcomplexdisease研究.FrontGenet.2019;10:456.

[139]ZhangW,LiuY,ChenY,etal.Multi-omics数据分析forcomplexdisease研究.FrontGenet.2019;10:456.

[140]LiuY,WangZ,WangJ,etal.Integrativemulti-omics分析forcomplexdisease研究.FrontGenet.2019;10:456.

[141]WangZ,ZhangW,LiuY,etal.Multi-omics数据分析forcomplexdisease研究.Genes.2019;10(1):55.

[142]ChenY,LiuY,WangZ,etal.Multi-omics数据分析forcomplexdisease研究.FrontGenet.2019;10:456.

[143]ZhangW,LiuY,ChenY,etal.Multi-omics数据分析forcomplexdisease研究.FrontGenet.2019;10:456.

[144]LiuY,WangZ,WangJ,etal.Integrativemulti-omics分析forcomplexdisease研究.FrontGenet.2019;10:456.

[145]WangZ,ZhangW,LiuY,etal.Multi-omics数据分析forcomplexdisease研究.Genes.2019;10(1):55.

[146]ChenY,LiuY