核心要点
- 多组学整合结合多个组学层的数据，发现单组学分析中不可见的关联
- OmicsClaw 提供自动化流水线：单组学预处理 → 跨组学对齐 → 整合分析 → 可视化
- 支持 MOFA（多组学因子分析）、相关性分析、网络整合
- 输入：预处理计数矩阵或原始 FASTQ 文件
- 输出：整合因子图、跨组学关联热图、通路富集结果
整合方法
| 方法 | 输入 | 输出 | 最适合 |
|---|---|---|---|
| MOFA | 2+ 组学矩阵 | 隐因子、方差分解 | 发现共享生物信号 |
| 相关性 | 配对基因-蛋白数据 | 相关系数、散点图 | 验证转录调控 |
| 网络 | 多组学特征 | 调控网络 | 理解因果关系 |
常见问题（FAQ）
Q1：多组学整合需要多少样本？
MOFA 在每组 15+ 样本时效果最佳。相关性分析需要配对样本。
Q2：可以整合 2 种以上组学吗？
可以。MOFA 支持任意数量的组学视图。OmicsClaw 可同时整合基因组 + 转录组 + 蛋白质组 + 代谢组。
总结
多组学整合揭示单组学分析中不可见的调控关系。OmicsClaw 自动化完整工作流——从单组学预处理到跨组学整合和可视化。MOFA 推荐用于探索性分析，相关性分析用于靶向验证。