转录组代谢组联合分析

转录组代谢组联合分析（完整百科）

转录组代谢组联合分析_多组学整合分析_代谢通路调控机制研究

转录组代谢组联合分析,多组学分析,代谢组学,转录组测序,联合分析,KEGG通路分析,代谢调控网络,生物标志物,基因代谢关联,差异基因差异代谢物

转录组代谢组联合分析专栏提供完整的多组学整合分析方法、流程、工具与案例，聚焦基因表达与代谢物丰度的关联机制，助力植物抗逆、疾病机制、药物研发、品质调控等研究，从因果层面深度解析生物分子调控网络。

转录组代谢组联合分析（Transcriptome and Metabolome Integration Analysis）是将基因表达水平（转录组，“因”）与小分子代谢物丰度（代谢组，“果”）进行系统关联的多组学技术，通过“上游调控—下游表型”的双向验证，完整揭示生物过程的分子调控网络与因果机制，是当前生命科学、医学、农学领域最主流的联合组学方案。

 一、核心原理：因→果的分子链条

 1. 两组学的互补关系

转录组（RNAseq）：检测样本中所有mRNA的表达量，反映潜在的调控能力（基因是否转录、表达高低），属于上游调控层面。

代谢组（LCMS/GCMS）：检测样本中所有小分子代谢物（<1500Da）的丰度，反映真实的生理表型（物质积累、能量状态、应激响应），属于下游终端层面。

 2. 联合逻辑

基因表达变化 → 酶活性改变 → 代谢通路流量变化 → 代谢物丰度波动 → 表型差异

单看转录组：假阳性高（转录≠翻译≠酶活），无法确定是否真正影响表型；

单看代谢组：知其然不知其所以然，无法追溯代谢波动的上游调控基因；

联合分析：因果互证、双向锁定，从海量数据中精准定位关键基因 + 关键代谢物 + 核心通路。

 二、标准分析流程（6步）

 1. 样本与数据准备

同批次、同来源样本（生物学重复≥3）；

转录组：差异表达基因（DEGs，FDR<0.05, |log2FC|≥1）；

代谢组：差异代谢物（DMs，VIP>1, P<0.05）。

 2. 数据预处理

标准化、去批次效应、缺失值填充；

样本对齐（按样本ID匹配两组学数据）。

 3. 关联分析方法（核心）

 （1）相关性分析（最常用）

Pearson/Spearman相关：计算每个差异基因 ↔ 每个差异代谢物的相关系数（R）与显著性（P）；

筛选：|R|>0.8、P<0.01的强显著关联对；

可视化：相关性热图、九象限图、基因代谢物互作网络。

 （2）KEGG通路联合富集（最关键）

将DEGs与DMs同时映射到KEGG通路；

筛选两组学共同显著富集的通路（如类黄酮合成、糖酵解、TCA循环）；

通路可视化：通路图高亮、气泡图、桑基图，直观展示“基因上调→代谢物积累”的级联效应。

 （3）多变量统计（高级）

典型相关分析（CCA）：多基因 ↔ 多代谢物整体关联；

O2PLS：分离两组学共享与特有变异；

WGCNA：构建基因共表达模块，关联代谢物模块，挖掘协同调控单元。

 （4）调控网络构建

整合转录因子（TF）+ 靶基因 + 代谢物；

构建“TF→基因→代谢物→表型”的调控通路。

 4. 核心结果解读

1. 九象限图：

   第Ⅰ/Ⅶ象限：基因与代谢物趋势一致（正/负相关）→ 高可信因果对；

   第Ⅲ/Ⅴ象限：趋势相反 → 存在反馈抑制或其他层面调控（如翻译后修饰）。

2. 联合富集通路：

   锁定同时扰动的通路（如逆境下“苯丙烷通路”基因与黄酮类代谢物同步上调）。

3. 关键分子：

   Hub基因：关联代谢物最多、Degree最高的基因；

   核心代谢物：关联基因最多、表型贡献最大的代谢物。

 5. 实验验证

qPCR验证关键基因表达；

代谢物靶向定量；

基因过表达/敲除 → 观测代谢物变化。

 6. 生物学机制阐释

完整回答：哪些基因调控哪些代谢物、通过哪些通路、导致什么表型。

 三、主流应用领域

 1. 植物科学（最广泛）

逆境响应（干旱/盐/低温/病害）：锁定抗逆关键基因 + 渗透保护代谢物（脯氨酸、甜菜碱）；

品质调控（果实成熟、香气、色素）：如番茄成熟中RIN基因 → 乙烯 → 类胡萝卜素通路；

药用植物：挖掘活性成分（生物碱/黄酮）的生物合成基因簇。

 2. 医学与疾病研究

疾病机制：癌基因 → 代谢重编程（Warburg效应）→ 肿瘤代谢物；

生物标志物：基因+代谢物联合诊断 panel（比单一组学灵敏度更高）；

药物靶点：筛选同时调控基因与代谢通路的候选靶点。

 3. 微生物与食品

菌株改造：优化目标产物（氨基酸/抗生素）合成通路；

食品风味：解析风味代谢物（酯/醇/醛）的合成基因。

 四、优势与局限

  优势

1. 因果闭环：从“因”到“果”完整解析；

2. 降低假阳性：两组学相互验证；

3. 深度挖掘：发现单一组学无法揭示的中间调控环节。

  局限

1. 成本较高：需同时测转录组+代谢组；

2. 数据异质性：两组学技术平台不同，整合难度大；

3. 相关性≠因果性：仍需实验验证。

 五、常用工具

生信软件：MetaboAnalyst、IPA、OmicsBean、R（WGCNA/ggplot2）；

数据库：KEGG、MetaboLights、HMDB、TCGA。

 六、典型研究思路（案例）

研究：水稻盐胁迫响应机制

1. 转录组：筛选1200个差异基因（抗逆相关TF、转运蛋白）；

2. 代谢组：筛选80个差异代谢物（脯氨酸、柠檬酸、多胺）；

3. 联合分析：MYB转录因子与脯氨酸合成基因、脯氨酸代谢物强正相关；

4. 结论：MYB→P5CS基因→脯氨酸积累→水稻耐盐。