转录组学与代谢组学联合分析

基于“参与同一生物过程中的基因或代谢物具有相同或相似的变化规律”。以相同生物学意义为基础，通过代谢组数据获得重要差异代谢物或重要代谢通路，联合转录组数据鉴定出重要代谢通路上发生变化的目标基因。或者从转录组数据入手，经过差异分析获取大量差异基因，再结合代谢组数据，快速鉴定代谢相关的差异功能基因。

基于表达量的分析策略更加多样：

a）：根据差异代谢物和差异基因表达量，利用"spearman"算法对差异的基因和代谢物进行相关性热图分析，或对相关系数设定阈值，对相关性强的关系对，绘制相关性网络图；

（b）：利用显著差异的代谢物和基因，分别构建O2PLS-DA模型。

我们可以通过KEGG等通路数据库来查询某一个通路内的基因都有哪些。

转录组与代谢组联合分析是基于两个组学各自的标准分析结果，将差异基因和差异代谢物在代谢通路上的注释结果进行关联分析，可以在代谢通路上更好地解释转录调控机制。基于KEGG功能通路和基于表达量数据的关联分析是当前转录组+代谢组常用的两种分析策略。

1）基于KEGG功能通路的关联分析策略

参与同一生物过程中的基因或代谢物具有相同/相似的变化规律。以相同生物学意义为基础，通过代谢组分析获得重要差异代谢物或重要代谢通路，联合转录组数据鉴定出重要代谢通路上发生变化的目标基因。或从转录组数据入手，通过差异分析获取大量差异基因，再结合代谢组数据，快速鉴定代谢相关的差异功能基因。

2）基于表达量数据的关联策略

当没有目标通路时或富集结果不理想时，我们可以根据差异代谢物和差异基因表达量进行相关性分析，获取潜在调控机制。相比于基因通路的关联策略，基于表达量的分析策略包括：①根据差异代谢物和差异基因表达量，利用斯皮尔曼算法对差异的基因和代谢物进行相关性聚类热图分析，或对相关系数设定阈值，对相关性强的关系对，绘制相关性网络图；②利用显著差异的代谢物和基因，分别构建O2PLS-DA模型。通过该分析，可以知道两组学数据是否有共同决定模型差异的趋势以及找出那些决定模型差异趋势有关联关系的变量。

总之，对于转录组+代谢组联合分析，我们有三个思路：①做完两个组学之后，联合分析讨论；②转录和代谢相互验证；③两个组学联合锁定到具体的点，然后针对这个点做后期验证。