3.4 多组学整合：把证据链拧成一股绳

3.4 多组学整合：把证据链拧成一股绳

本节摘要：单路证据各有偏差，整合才有力量。本节讲两种整合思路——因子模型（MOFA、iCluster 一族）怎么把多组学压成共同变化的暗因子，加权证据框架怎么把异质证据折算成可比分数，并给出可运行的整合演算。代谢组与表观组两类补充取证也在本节并入。它是第 3 章的收口站：产出一张交给第 4 章排序的加权证据表。

前三节各采一路证据，本节把它们拧起来。整合的位置放在取证章的末尾是有讲究的：整合不产生新证据，它只决定旧证据怎么合在一起说话——合得对，三路证据互相补强；合得糙，等于把三种偏差加权平均成一种更大的偏差。

拼图规则

整合要回答两个问题：证据之间是否指向同一批分子（一致性），各路证据各值多少分（权重）。两条技术路线对应这两个问题。

路线一：因子模型找暗线。 MOFA、iCluster 这类多组学因子模型把基因、转录、蛋白、代谢几层数据放在一起，寻找"同时在多层上变化"的潜在因子。直觉是：如果某批分子在遗传上受同一批变异驱动、转录上协同升降、蛋白上同步增减，那么多组学数据就存在一个共同的"暗因子"。因子模型把这个暗线显式地压出来，每个样本在暗因子上的坐标可用于分型，每个基因在暗因子上的载荷用于衡量它与暗线的绑定程度。整合由此变成"找共同结构"，而不是简单的表拼接。

代价也要说清：因子模型丢信息换可读性，载荷大的分子不一定是靶标（可能只是细胞组成变化的影子）；因子数量的选择带主观性；结果的可解释性依赖事后的人工标注。把它当"发现共同结构的显微镜"，别当"证据裁决器"。

路线二：加权框架折算分数。 Open Targets 这类证据整合平台走的是另一条路：把每类证据按统一口径折算成分数（遗传证据、组学证据、文献证据、药物证据、动物模型证据各占一路），再按预设权重合成为靶标-疾病关联总分。它回答的是"所有证据合起来值多少"，适合做嫌疑排序的地基——第 4 章的打分排序就建立在这类分数上。

加权框架的命门在权重设定：权重本质是主观先验，设错方向整盘皆输。两条纪律：权重设定要有依据（比如遗传证据权重高于文献共现，因为前者不可被引用网络扭曲）；要做敏感性分析——换一套合理权重重算一遍，排名前列的分子若大体重合，结论才稳健。

图 3-3：多组学证据的分层整合

补充取证：代谢组与表观组

代谢组测的是小分子代谢物的全景偏移，它离表型最近——基因与蛋白再怎么折腾，最终都要通过代谢活动兑现成表型。取证价值体现在两端：一是通路指认，一组代谢物协同偏移能直接点名被扰乱的反应步骤，比转录读数更靠近功能；二是患者分层，代谢读数便宜、可重复测量，适合做纵向随访与分型。局限是鉴定覆盖率低、浓度受饮食与昼夜节律扰动大，样本收集规范比统计方法更决定质量。

表观组测染色质层面谁来谁走：DNA 甲基化、组蛋白修饰、染色质可及性。它补的是转录证据解释不了的"为什么"——同样的基因组，哪个开关被打开了、被谁按住的。疾病关联变异落在染色质开关区时（大多数 GWAS 位点的宿命），表观图谱是给街区找门牌的主力工具之一，与 3.1 的 eQTL 路线互为补充。

把整合跑起来

下面这个演算把四路证据折成一张加权证据表，附敏感性分析——它是第 4 章排序的地基，值得亲手跑一遍再改权重观察排名变化。

# 加权证据整合：四路证据 -> 总分 + 敏感性分析
candidates = {
    #            遗传   转录   网络   代谢表观   （各路 0-1 分）
    "MUC5B":   [0.95, 0.90, 0.55, 0.30],
    "TGFB1":   [0.60, 0.85, 0.90, 0.70],
    "LOX":     [0.40, 0.75, 0.80, 0.55],
    "CXCL8":   [0.10, 0.45, 0.35, 0.20],
    "WNT2":    [0.25, 0.70, 0.60, 0.40],
}
w_main = [0.40, 0.25, 0.25, 0.10]          # 主权重：遗传优先
w_alt  = [0.20, 0.35, 0.35, 0.10]          # 敏感性备选：机制证据抬升

def rank(weights):
    scored = {k: round(sum(v*w for v, w in zip(vals, weights)), 3)
              for k, vals in candidates.items()}
    return sorted(scored.items(), key=lambda kv: -kv[1]), scored

top_main, _ = rank(w_main)
top_alt, score_alt = rank(w_alt)
print("主权重排序：")
for k, s in top_main: print(f"  {k:<8} {s}")
print("敏感性备选权重排序：")
for k, s in top_alt: print(f"  {k:<8} {s}")

stable = {k for k, _ in top_main[:3]} & {k for k, _ in top_alt[:3]}
print("两套权重下都进前列（稳健候选）：", sorted(stable))
# 解读：MUC5B 遗传证据过硬，两套权重都稳居前列——稳健候选；
# TGFB1 在机制权重下上升，提示它属于"证据靠网络与功能"的类型，
# 立项文书中应把两类候选分开叙述，不混一张榜单。
​

易错点：把整合当仲裁

最后强调本章开头那句话的反面：整合不产生新证据，它是证据的组织方式。两个候选总分接近时，正确动作不是比总分小数点，而是回到证据类型看差异——一个靠遗传、一个靠转录，级别完全不同（3.1 的教训）。任何整合分数体系里，遗传证据的缺位都无法被组学证据的堆量填平。

💡 关键直觉：证据表按"证据等级 × 一致性"排序，不按"数据量 × p 值"排序。表做得诚实，第 4 章的算法才有地基。

整合的常见疑问

因子模型的"暗因子"怎么解释？

解释靠载荷审计：看哪些基因、蛋白、代谢物在因子上的载荷最高，再问这批分子有什么共同点——常浮现出细胞周期、免疫浸润、基质活化一类的"程序"标签。要警惕的是把因子直接当生物学实体：暗因子是统计结构，可能与真实程序对齐，也可能只是技术偏差的混合（批次效应就常常贡献一整个因子）。所以因子模型的标配动作是：把因子与技术协变量相关一遍，与技术强相关的因子直接剔除，剩下的才进生物学解读。

证据之间打架怎么办？

先别急着加权，先查打架的原因。转录说高、蛋白说低——最常见的解释是翻译后调控或蛋白降解加速，这本身是机制信息；遗传说有关、转录说无关——提示调控发生在蛋白活性层而非表达层。证据冲突的正确处理是升一层解读（问为什么冲突），而不是平均掉冲突（加权框架会把冲突折算成中庸分数，恰恰丢掉了最有信息量的信号）。立项文书里，证据冲突的案例甚至比一致案例更值得写。

整合表的证据等级怎么标？

用两轴标注：证据类型（遗传、转录、蛋白、代谢表观）乘以证据等级（人群因果、人群关联、体外、预测）。每一格注明数据来源与版本，跨格的综合结论只写"一致性"不写"因果性"——因果这个词留给人群功能缺失突变与验证实验。一张诚实标注的整合表，是下一章所有算法的地基；地基里混进的任何高估，都会被排序算法放大成假榜单。

整合表的复检清单

证据表合卷前过一遍五问：每行的证据类型是否标注了来源与版本？等级标签（人群因果到计算预测）是否完整？冲突证据是否保留并解释，而不是被加权抹平？冷门高分候选是否带着"证据少但无反证"的标签？表头是否写明权重方案与敏感性分析结果？五问全过，这张表才配交给第 4 章；任何一问含糊，排序环节都会把含糊放大成榜单上的一批假名次。

顺带交代整合表的迭代纪律：证据表是活的，每季度或每个里程碑刷新一次版本，刷新时旧表存档、新增行注明追加理由、被推翻的行不删除而是标"降级"并留一行原因。靶标发现周期以年计，一张只有当前态、没有演化史的证据表，在复盘时几乎无法回答"当时为什么这么排"。

办案手记（要点回顾）

• 整合回答一致性与权重两问，对应因子模型与加权框架两条技术路线；
• 因子模型是发现共同结构的显微镜，不是证据裁决器；
• 加权框架的命门在权重设定，敏感性分析是必做的稳健性检查；
• 代谢组离表型最近、表观组解释开关来源，都是补充视角而非主证；
• 整合分数不能掩盖证据类型差异，遗传缺位无法用组学堆量填平；
• 本章交付加权证据表，下一站第 4 章：让算法在表上排出嫌疑榜。