多组学整合入门与实践

更新：2026-10-14；状态：可用；验证范围：文档核对；完整流程未在本机运行。

整合多个测量层级前，先确认样本对应、特征尺度和具体目标，再选择联合分析方法。

先定义整合目标

是探索共同变化、做预测，还是连接不同证据？同一批个体的配对组学、部分样本缺失和来自不同队列的数据，对模型提出不同要求。

输入与准备

每个模态保存独立矩阵、样本表和处理记录。按稳定样本 ID 对齐，确认测量时间、组织和独立单位。分别质控和合理变换，避免由数值尺度或特征数量独占联合结果。

因子模型实践入口

MOFA 类方法以潜在因子概括多个视图的变化。先使用 MOFA2 官方模拟数据训练与下游教程，再尝试自己的矩阵；本机尚未运行 MOFA 环境。

练习时保存各视图的样本和特征数、缺失模式、变换、随机种子、训练收敛与解释方差。查看因子是否关联批次、测量量级或研究变量；不要把最大方差因子自动命名为目标生物过程。

预测和因果边界

做预测时，划分应遵循个体或供体，预处理、特征筛选和模型选择限制在训练数据内。跨组学相关、共同因子或富集结果本身都不证明因果方向。

前置见样本表与数据审计实践、批次效应与混杂和计数丰度与标准化。方法论文：MOFA、MOFA+。

对应方法与深入

多组学整合与潜变量模型解释输入条件和适用边界；软件运行步骤与方法假设一起核对。