多組學(xué)數(shù)據(jù)整合的代謝綜合征藥物靶點發(fā)現(xiàn)方案演講人CONTENTS多組學(xué)數(shù)據(jù)整合的代謝綜合征藥物靶點發(fā)現(xiàn)方案引言：代謝綜合征的復(fù)雜性挑戰(zhàn)與多組學(xué)整合的必然性多組學(xué)數(shù)據(jù)整合的理論基礎(chǔ)與技術(shù)平臺代謝綜合征多組學(xué)特征分析與關(guān)鍵靶點挖掘靶點驗證與轉(zhuǎn)化應(yīng)用：從實驗室到臨床的bridge總結(jié)與展望目錄01多組學(xué)數(shù)據(jù)整合的代謝綜合征藥物靶點發(fā)現(xiàn)方案02引言：代謝綜合征的復(fù)雜性挑戰(zhàn)與多組學(xué)整合的必然性引言：代謝綜合征的復(fù)雜性挑戰(zhàn)與多組學(xué)整合的必然性代謝綜合征（MetabolicSyndrome,MetS）是一組以中心性肥胖、高血壓、高血糖（或糖尿病）、血脂異常（高甘油三酯血癥和/或低高密度脂蛋白膽固醇）在個體集結(jié)為特征的臨床癥候群，顯著增加2型糖尿病（T2DM）、心血管疾病（CVD）及全因死亡風(fēng)險。據(jù)《柳葉刀》2022年數(shù)據(jù)，全球約20%成年人受MetS困擾，且在工業(yè)化國家與發(fā)展中地區(qū)呈持續(xù)上升趨勢。其病理機制核心在于“代謝紊亂網(wǎng)絡(luò)失衡”——涉及胰島素抵抗（IR）、慢性低度炎癥、氧化應(yīng)激、線粒體功能障礙、腸道菌群失調(diào)等多維度病理生理過程，且具有顯著的個體異質(zhì)性（heterogeneity）。傳統(tǒng)藥物研發(fā)多聚焦于單一靶點（如PPARγ激動劑用于胰島素增敏），但MetS的多因素特性導(dǎo)致單一靶點干預(yù)常面臨“療效有限-副作用-補償性代償”的困境。例如，GLP-1受體激動劑雖可有效降糖減重，但對部分患者的血脂改善和血壓控制效果不顯著；而他汀類藥物雖降低LDL-C，卻可能升高血糖風(fēng)險。這種“碎片化”的研發(fā)范式難以應(yīng)對MetS的“網(wǎng)絡(luò)疾病”本質(zhì)。引言：代謝綜合征的復(fù)雜性挑戰(zhàn)與多組學(xué)整合的必然性在此背景下，多組學(xué)（multi-omics）技術(shù)（基因組學(xué)、轉(zhuǎn)錄組學(xué)、蛋白組學(xué)、代謝組學(xué)、表觀遺傳組學(xué)、微生物組學(xué)等）的快速發(fā)展為MetS藥物靶點發(fā)現(xiàn)提供了全新視角。通過整合不同層級分子數(shù)據(jù)，可系統(tǒng)解析MetS發(fā)生發(fā)展的“分子全景圖”，識別關(guān)鍵驅(qū)動通路、核心調(diào)控節(jié)點及個體特異性分子標志物，從而實現(xiàn)從“單一靶點”到“網(wǎng)絡(luò)靶點”、從“群體治療”到“精準干預(yù)”的范式轉(zhuǎn)變。本文將系統(tǒng)闡述基于多組學(xué)數(shù)據(jù)整合的MetS藥物靶點發(fā)現(xiàn)方案，涵蓋數(shù)據(jù)生成、整合策略、靶點挖掘、驗證轉(zhuǎn)化全流程，為MetS精準藥物研發(fā)提供方法論學(xué)框架。03多組學(xué)數(shù)據(jù)整合的理論基礎(chǔ)與技術(shù)平臺多組學(xué)數(shù)據(jù)的層級關(guān)聯(lián)性與互補性MetS的病理本質(zhì)是“基因-環(huán)境-生活方式”交互作用下，分子網(wǎng)絡(luò)從“穩(wěn)態(tài)”到“失穩(wěn)態(tài)”的動態(tài)演變過程。不同組學(xué)數(shù)據(jù)從不同維度刻畫這一過程：01-基因組學(xué)：揭示MetS的遺傳基礎(chǔ)，如FTO、TCF7L2等易感基因通過影響脂肪分化、胰島素分泌等環(huán)節(jié)增加MetS風(fēng)險，但僅能解釋約30%的遺傳度；02-轉(zhuǎn)錄組學(xué)：反映基因表達動態(tài)，如脂肪組織中炎癥因子（TNF-α、IL-6）的高表達與IR直接相關(guān)，但轉(zhuǎn)錄后調(diào)控（如miRNA、lncRNA）的參與使表達-功能對應(yīng)關(guān)系復(fù)雜化；03-蛋白組學(xué)：揭示功能執(zhí)行者，如胰島素受體底物（IRS）蛋白磷酸化異常、脂聯(lián)素水平降低是IR的關(guān)鍵分子事件，但翻譯后修飾（如泛素化、乙?；┻M一步調(diào)控蛋白功能；04多組學(xué)數(shù)據(jù)的層級關(guān)聯(lián)性與互補性-代謝組學(xué)：表型終端的直接體現(xiàn)，如支鏈氨基酸（BCAA）、?；鈮A的蓄積與IR、肝脂肪變密切相關(guān)，但代謝物濃度受飲食、運動等環(huán)境因素即時影響；-微生物組學(xué)：環(huán)境因素的核心介導(dǎo)者，如腸道菌群產(chǎn)生的脂多糖（LPS）通過TLR4/NF-κB通路誘導(dǎo)代謝炎癥，短鏈脂肪酸（SCFA）生成菌減少則影響腸-腦軸能量平衡。上述數(shù)據(jù)并非孤立存在，而是通過“基因-轉(zhuǎn)錄-蛋白-代謝-微生物”軸形成層級關(guān)聯(lián)：例如，F(xiàn)TO基因多態(tài)性→影響脂肪細胞分化轉(zhuǎn)錄因子（如PPARγ）表達→調(diào)控脂聯(lián)素蛋白分泌→改變血清游離脂肪酸（FFA）代謝譜→破壞腸道菌群組成→最終加劇IR。這種“層級驅(qū)動-反饋調(diào)控”的復(fù)雜性，決定了單一組學(xué)數(shù)據(jù)難以完整刻畫MetS機制，而多組學(xué)整合可通過“交叉驗證、互補增效”提升靶點發(fā)現(xiàn)的準確性與系統(tǒng)性。多組學(xué)數(shù)據(jù)采集與質(zhì)控技術(shù)平臺高質(zhì)量數(shù)據(jù)是整合分析的前提，需針對不同組學(xué)特點建立標準化采集與質(zhì)控流程：多組學(xué)數(shù)據(jù)采集與質(zhì)控技術(shù)平臺樣本選擇與臨床表型精細化-人群分層：根據(jù)MetS診斷標準（IDF2005/NCEP-ATPⅢ）嚴格納入病例，同時按肥胖程度（BMI分層）、代謝異常組分數(shù)量（3組分vs.4-5組分）、胰島素抵抗程度（HOMA-IR四分位）進行亞組劃分，減少異質(zhì)性干擾；-配對設(shè)計：優(yōu)先采用“病例-對照”配對（年齡、性別、BMI匹配），或“自身前后對照”（如肥胖患者減重手術(shù)前后樣本），控制混雜因素；-多中心數(shù)據(jù)：建立標準化操作規(guī)程（SOP），統(tǒng)一樣本采集（如空腹血、皮下脂肪活檢、糞便）、處理（如-80℃凍存、RNAprotect試劑保存）及存儲流程，確保數(shù)據(jù)可比性。多組學(xué)數(shù)據(jù)采集與質(zhì)控技術(shù)平臺組學(xué)檢測技術(shù)平臺與質(zhì)控-基因組學(xué)：全基因組關(guān)聯(lián)研究（GWAS）采用IlluminaInfinium陣列（如GlobalScreeningArray），SNP分型質(zhì)控標準：callrate＞95%，Hardy-Weinberg平衡檢驗P＞1×10??，MAF＞0.01；-轉(zhuǎn)錄組學(xué)：RNA-seq采用IlluminaNovaSeq6000，建庫使用TruSeqStrandedmRNAKit，質(zhì)控指標：RIN值＞7，Q30＞85%，比對率（STARaligner）＞80%；-蛋白組學(xué)：基于液相色譜-串聯(lián)質(zhì)譜（LC-MS/MS）的TMT標記定量，質(zhì)控指標：總肽段數(shù)＞3000，蛋白鑒定數(shù)＞5000，CV值＜20%；多組學(xué)數(shù)據(jù)采集與質(zhì)控技術(shù)平臺組學(xué)檢測技術(shù)平臺與質(zhì)控-代謝組學(xué)：采用LC-MS（非靶向代謝組）和GC-MS（揮發(fā)性代謝物），質(zhì)控指標：代謝物鑒定數(shù)＞1000，內(nèi)標回收率70-130%，QC樣本相關(guān)性R2＞0.95；-微生物組學(xué)：16SrRNA基因測序（V3-V4區(qū)）或宏基因組測序（IlluminaHiSeq），質(zhì)控指標：序列數(shù)＞10萬條/樣本，Chao1指數(shù)＞500，Shannon指數(shù)＞3.0。多組學(xué)數(shù)據(jù)整合的核心策略多組學(xué)整合需解決“高維異構(gòu)數(shù)據(jù)”的融合難題，目前主流策略可分為“數(shù)據(jù)層”“特征層”“模型層”三大類，需根據(jù)研究目標靈活選擇：多組學(xué)數(shù)據(jù)整合的核心策略數(shù)據(jù)層整合（早期融合）將不同組學(xué)數(shù)據(jù)直接拼接為高維矩陣，通過降維技術(shù)提取公共特征。常用方法：-主成分分析（PCA）：線性降維，保留數(shù)據(jù)最大方差，適用于探索組間整體差異；-非負矩陣分解（NMF）：將非負數(shù)據(jù)分解為“特征-樣本”矩陣，適用于代謝物、基因表達等非負數(shù)據(jù)的模塊化分析；-多組學(xué)因子分析（MOFA+）：基于貝葉斯框架，提取共享因子（sharedfactors）和特異性因子（specificfactors），可量化不同組學(xué)對表型的貢獻度，是當(dāng)前MetS研究的首選工具（如2023年《CellMetabolism》研究通過MOFA+識別MetS患者中“炎癥-代謝”共享因子）。多組學(xué)數(shù)據(jù)整合的核心策略特征層整合（中期融合）先從各組學(xué)中篩選與表型相關(guān)的特征（如差異表達基因、差異代謝物），再通過功能注釋或網(wǎng)絡(luò)分析進行整合。關(guān)鍵步驟：-功能映射：將差異特征映射到KEGG、Reactome等通路，通過“基因集富集分析（GSEA）”識別跨組學(xué)的共同通路（如“胰島素信號通路”“脂肪酸代謝通路”）；-特征篩選：組內(nèi)采用t檢驗、ANOVA（連續(xù)變量）或卡方檢驗（分類變量），結(jié)合LASSO回歸、隨機森林（RF）壓縮特征維度；-網(wǎng)絡(luò)構(gòu)建：基于“基因-代謝物”“蛋白-微生物”相互作用關(guān)系（如STRING數(shù)據(jù)庫、KEGG通路），構(gòu)建加權(quán)共表達網(wǎng)絡(luò)（WGCNA），識別與MetS表型顯著相關(guān)的模塊（module）。2341多組學(xué)數(shù)據(jù)整合的核心策略模型層整合（晚期融合）基于各組學(xué)分別構(gòu)建預(yù)測模型，再通過集成學(xué)習(xí)（ensemblelearning）融合模型結(jié)果。適用于靶點預(yù)測與風(fēng)險分層：-多算法并行：如基因組學(xué)采用GWAS+PRS（多風(fēng)險評分），轉(zhuǎn)錄組學(xué)采用SVM（支持向量機），代謝組學(xué)采用RF，蛋白組學(xué)采用XGBoost；-模型融合策略：投票法（voting）、堆疊法（stacking）或貝葉斯模型平均（BMA），通過交叉驗證評估融合模型性能（如AUC值提升）；-可解釋性增強：結(jié)合SHAP（SHapleyAdditiveexPlanations）值分析各特征對模型預(yù)測的貢獻度，識別核心驅(qū)動靶點（如某代謝物與某基因的交互作用對HOMA-IR的SHAP值最高）。04代謝綜合征多組學(xué)特征分析與關(guān)鍵靶點挖掘代謝綜合征多組學(xué)特征分析與關(guān)鍵靶點挖掘（一）基于多組學(xué)的MetS亞型分型：從“群體”到“個體”的精準分型傳統(tǒng)MetS診斷基于“組分計數(shù)”，但不同患者可能存在“異質(zhì)性病理機制”，導(dǎo)致治療反應(yīng)差異。多組學(xué)整合可實現(xiàn)“分子分型”，指導(dǎo)個體化治療：代謝驅(qū)動的MetS亞型基于代謝組學(xué)（血清、尿液）和脂蛋白組學(xué)特征，可識別“高甘油三酯血癥亞型”（富含甘油三酯脂蛋白升高、HDL-C降低）、“肝脂肪變性亞型”（甘氨酸、?；撬嵘?，膽汁酸代謝紊亂）等。例如，2021年《NatureMedicine》研究通過代謝組學(xué)將MetS分為“脂質(zhì)異常型”“炎癥型”和“糖代謝異常型”，其中“脂質(zhì)異常型”患者對他汀類藥物反應(yīng)更佳，而“炎癥型”患者更需抗炎治療。免疫-代謝互作亞型整合轉(zhuǎn)錄組學(xué)（單細胞RNA-seq）、蛋白組學(xué)（細胞因子譜）和微生物組學(xué)，可解析免疫細胞與代謝細胞的互作網(wǎng)絡(luò)。例如，脂肪組織單細胞測序顯示，MetS患者中M1巨噬細胞浸潤比例升高，與TNF-α、IL-1β表達正相關(guān)，且與腸道菌群產(chǎn)生的LPS水平相關(guān)，提示“菌群-免疫-代謝軸”可作為亞型分型依據(jù)。遺傳-環(huán)境交互亞型結(jié)合基因組學(xué)（GWAS位點）和生活方式數(shù)據(jù)（飲食、運動），識別“遺傳易感-環(huán)境暴露”交互模式。如攜帶FTOrs9939609風(fēng)險等位基因的患者，高脂飲食會顯著升高其IR風(fēng)險（HOMA-IR增加2.3倍），而此類患者對“低脂飲食+運動”干預(yù)反應(yīng)更敏感。遺傳-環(huán)境交互亞型關(guān)鍵信號通路的系統(tǒng)識別：多組學(xué)交叉驗證的“核心網(wǎng)絡(luò)”MetS的核心病理通路并非孤立存在，而是通過“交叉對話”（crosstalk）形成調(diào)控網(wǎng)絡(luò)。多組學(xué)整合可識別“關(guān)鍵節(jié)點通路”：胰島素抵抗-炎癥軸-轉(zhuǎn)錄組學(xué)：脂肪組織中NF-κB信號通路基因（RELA、NFKB1）表達上調(diào)，炎癥小體NLRP3激活；01-蛋白組學(xué)：血清中TNF-α、IL-6、CRP水平升高，且與IRS-1Ser307磷酸化（抑制胰島素信號）呈正相關(guān)；02-代謝組學(xué)：游離脂肪酸（FFA）升高通過PKCθ通路激活JNK，進一步磷酸化IRS-1，形成“FFA-炎癥-IR”正反饋環(huán)；03-微生物組學(xué)：腸道菌群失調(diào)（如產(chǎn)LPS的革蘭陰性菌增多）通過TLR4/NF-κB通路誘導(dǎo)代謝炎癥。04交叉驗證：多組學(xué)共同指向“NF-κB-NLRP3-IL-1β”軸為IR核心調(diào)控通路，是潛在靶點集群。05線粒體功能障礙-氧化應(yīng)激軸-基因組學(xué)：線粒體DNA（mtDNA）拷貝數(shù)降低與肌肉氧化磷酸化基因（如MT-ND1、MT-CO1）突變相關(guān)；01-轉(zhuǎn)錄組學(xué)：PPARγ共激活因子-1α（PGC-1α）表達下調(diào)，導(dǎo)致線粒體生物合成減少；02-蛋白組學(xué)：電子傳遞鏈復(fù)合物Ⅰ、Ⅳ活性降低，活性氧（ROS）生成增加；03-代謝組學(xué)：TCA循環(huán)中間產(chǎn)物（檸檬酸、α-酮戊二酸）減少，乳酸蓄積。04交叉驗證：多組學(xué)數(shù)據(jù)一致表明“PGC-1α-線粒體功能-氧化應(yīng)激”網(wǎng)絡(luò)失衡是MetS能量代謝紊亂的核心。05腸道菌群-宿主代謝軸-微生物組學(xué)：MetS患者產(chǎn)SCFA菌（如Faecalibacteriumprausnitzii）減少，產(chǎn)內(nèi)毒素菌（如Enterobacteriaceae）增多；-代謝組學(xué)：血清SCFA（乙酸、丙酸）水平降低，膽汁酸（如脫氧膽酸）水平升高；-轉(zhuǎn)錄組學(xué)：結(jié)腸上皮細胞中G蛋白偶聯(lián)受體（GPR41/43，SCFA受體）表達下調(diào)，膽汁酸受體FXR信號抑制。交叉驗證：“菌群-SCFA-GPR41/43-FXR”軸是調(diào)節(jié)能量攝入、糖脂代謝的關(guān)鍵，菌群代謝物可作為直接干預(yù)靶點。腸道菌群-宿主代謝軸核心靶點的篩選與優(yōu)先級評估從“關(guān)鍵通路”到“成藥靶點”需結(jié)合“可成藥性”“特異性”“干預(yù)有效性”三大標準，通過多組學(xué)數(shù)據(jù)挖掘潛在靶點：基于網(wǎng)絡(luò)拓撲學(xué)的靶點重要性評估構(gòu)建多組學(xué)調(diào)控網(wǎng)絡(luò)（如“基因-轉(zhuǎn)錄-蛋白-代謝”相互作用網(wǎng)絡(luò)），通過拓撲參數(shù)篩選核心節(jié)點：-度中心性（DegreeCentrality）：連接數(shù)最多的節(jié)點，如AKT1（胰島素信號核心激酶，連接IRS-1、GLUT4等50+節(jié)點）；-介數(shù)中心性（BetweennessCentrality）：信息傳遞最關(guān)鍵的節(jié)點，如NFKB1（連接炎癥通路與代謝通路的“橋梁”）；-特征向量中心性（EigenvectorCentrality）：與重要節(jié)點直接相連的節(jié)點，如PPARA（調(diào)控脂肪酸氧化，與PPARγ、PGC-1α形成調(diào)控模塊）?；诙嘟M學(xué)關(guān)聯(lián)強度的靶點置信度評估采用“一致性評分（ConsistencyScore,CS）”量化靶點與MetS表型的關(guān)聯(lián)強度：\[CS=\alpha\times\text{基因組關(guān)聯(lián)強度}+\beta\times\text{轉(zhuǎn)錄組表達相關(guān)性}+\gamma\times\text{蛋白組豐度變化}+\delta\times\text{代謝物濃度相關(guān)性}\]基于多組學(xué)關(guān)聯(lián)強度的靶點置信度評估（α、β、γ、δ為權(quán)重，基于各組學(xué)表型解釋力賦值）例如，靶點ADIPOQ（脂聯(lián)素基因）的CS值計算：GWAS關(guān)聯(lián)P=1.2×10??，脂肪組織表達與HOMA-IR相關(guān)系數(shù)r=-0.72，血清脂聯(lián)素水平與MetS風(fēng)險OR=0.45，最終CS=0.86（滿分1），提示高置信度?；诳沙伤幮缘陌悬c篩選結(jié)合數(shù)據(jù)庫（如DrugBank、ChEMBL、TTD）篩選“已知成藥靶點”“潛在成藥靶點”（如激酶、G蛋白偶聯(lián)受體、核受體）及“不可成藥靶點”（如轉(zhuǎn)錄因子、支架蛋白）。優(yōu)先選擇：-有小分子抑制劑/激動劑的靶點（如PPARγ激動劑羅格酮已用于臨床，但需優(yōu)化選擇性）；-具有組織特異性的靶點（如脂肪組織特異性表達的ANGPTL4，抑制其可改善血脂而不升高血糖）；-具有“網(wǎng)絡(luò)多效性”的靶點（如SGLT2抑制劑，通過促進尿糖排泄降糖，同時通過滲透性利尿、尿酸排泄改善血壓和血脂）。05靶點驗證與轉(zhuǎn)化應(yīng)用：從實驗室到臨床的bridge體外靶點功能驗證：機制明確與安全性初篩基因編輯與過表達模型-敲低/敲除：采用siRNA、shRNA或CRISPR-Cas9技術(shù)，在細胞模型（如3T3-L1脂肪細胞、HepG2肝細胞）中靶向候選基因，檢測胰島素信號通路（AKT磷酸化、GLUT4轉(zhuǎn)位）、炎癥因子分泌（ELISA）、脂肪酸氧化（Seahorse分析儀）等表型變化；-過表達：構(gòu)建慢病毒過表達載體，觀察靶點激活對代謝表型的改善作用（如過表達FGF21可改善棕櫚酸誘導(dǎo)的IR）。體外靶點功能驗證：機制明確與安全性初篩化合物初篩與毒性評估-基于靶點結(jié)構(gòu)（如AlphaFold2預(yù)測蛋白結(jié)構(gòu)）進行虛擬篩選（分子對接、分子動力學(xué)模擬），或采用高通量篩選（HTS）從化合物庫中篩選活性分子；-檢測化合物對細胞活力（MTT法）、凋亡（AnnexinV/PI染色）、內(nèi)質(zhì)網(wǎng)應(yīng)激（CHOP、BiP表達）的影響，初步評估安全性。體內(nèi)靶點驗證：動物模型與藥效評價MetS動物模型選擇-飲食誘導(dǎo)模型：高脂飲食（HFD）喂養(yǎng)C57BL/6J小鼠可模擬飲食誘導(dǎo)的MetS（肥胖、IR、血脂異常）；-遺傳模型：db/db小鼠（Lepr基因突變）、ob/ob小鼠（Leptin基因突變）模擬重度IR和肥胖；-復(fù)合模型：HFD+低劑量鏈脲佐菌素（STZ）誘導(dǎo)的T2DM模型，更接近人類MetS“IR+β細胞功能減退”特征。體內(nèi)靶點驗證：動物模型與藥效評價藥效評價指標-代謝指標：體重、空腹血糖、胰島素、血脂（TC、TG、LDL-C、HDL-C）、HOMA-IR；01-組織病理學(xué)：脂肪組織炎癥浸潤（HE染色、F4/80免疫組化）、肝臟脂肪變性（OilRedO染色）、胰腺β細胞mass（胰島素免疫組化）；02-分子指標：靶點蛋白表達（Westernblot）、下游通路激活（如AKT、AMPK磷酸化）、炎癥因子水平（血清TNF-α、IL-6）。03臨床轉(zhuǎn)化應(yīng)用：生物標志物與精準醫(yī)療基于多組學(xué)的伴隨診斷標志物將靶點相關(guān)分子特征開發(fā)為臨床診斷工具，實現(xiàn)“靶點-標志物”聯(lián)合應(yīng)用：-蛋白層面：血清靶點蛋白（如脂聯(lián)素、FGF21）作為療效預(yù)測標志物，高水平者對靶向治療反應(yīng)更佳；-基因?qū)用妫喊悬c單核苷酸多態(tài)性（SNP）如PPARGPro12Ala，與噻唑烷二酮類藥物療效相關(guān)；-代謝層面：代謝譜特征（如BCAA/酪氨酸比值）作為早期MetS篩查標志物。臨床轉(zhuǎn)化應(yīng)用：生物標志物與精準醫(yī)療多組學(xué)指導(dǎo)的精準用藥策略1-靶點匹配亞型：如“炎癥型MetS”患者優(yōu)先選擇抗炎靶點（如IL-1β抑制劑Canakinumab），“脂代謝異常型”患者選擇靶向ANGPTL4的抗體；2-聯(lián)合治療方案：基于多組學(xué)識別的“協(xié)同靶點”（如SGLT2抑制劑+DPP-4抑制劑，分別通過“糖排泄”和“GLP-1釋放”改善糖脂代謝）；3-動態(tài)療效監(jiān)測：通過治療前后多組學(xué)數(shù)據(jù)（如代謝組、微生物組）變化，及時調(diào)整用藥方案（如腸道菌群結(jié)構(gòu)改善者可逐步減量益生菌）。臨床轉(zhuǎn)化應(yīng)用：生物標志物與精準醫(yī)療挑戰(zhàn)與展望231-數(shù)據(jù)壁壘：多組學(xué)數(shù)據(jù)標準化不足、共享機制缺乏，需推動全球多中心合作（如MetSMulti-Omics