近日，LifeCourseRC团队在多组学整合分析方法研究领域取得新进展，研究成果分别在Computer Methods and Programs in Biomedicine和Heliyon发表，博士研究生张帅、吕嘉丽及毕业生樊哲分别为共同第一作者，张涛教授及王成副研究员为共同通讯作者。

多组学整合分析是利用多种组学数据，对生物样本进行系统研究，从而探究生物系统中多种物质之间相互作用的统计方法。两项研究成果均结合模拟实验及实例分析，评估了多组学整合聚类方法及微生物-代谢物关联分析方法的适用场景及优缺点，为多组学整合分析方法的应用提供了科学依据。

鉴于多组学及微生物组数据样本小、维度高、关联强、零膨胀、过离散等数据特点，两项研究设计全面的模拟实验，评估8种多组学整合聚类方法及5种微生物组关联分析方法的性能表现。研究发现相似性网络融合（SNF）在多组学数据整合聚类方面表现出优异的分类准确性，实例分析证实，SNF可有效地将结直肠癌患者分为5个不同亚型，SNF亚型之间存在显著的生存差异和多组学分子差异，为结直肠癌异质性的多组学视角提供了新的见解以及潜在的临床治疗价值。进一步结合各微生物组关联分析方法的优点，开发了适合微生物组数据特点的计算框架ISCAZIM，实例分析结果显示，ISCAZIM 在多个真实世界的微生物组-代谢组数据关联分析方面比使用单一方法更准确，识别了更多具有显著性和生物学意义的相关对，为微生物组研究中基于不同数据特点选择最合适的关联分析方法提供了参考。

两项研究工作得到了国家自然科学基金的资助。张涛教授团队长期从事生命历程纵向队列统计方法与应用研究，聚焦心血管病与恶性肿瘤等重大慢性病全生命周期防控，开展危险因素轨迹分析、因果图模型、多组学标志物和动态预测模型的统计方法和转化应用。近年来在Circulation Research、Hypertension、Science Bulletin、Nature Commun、BMC Medicine和EBioMedicine等国际权威期刊发表学术论文60余篇，被引用3000余次。

原文链接：
https://doi.org/10.1016/jNaNpb.2025.108603 
https://doi.org/10.1016/j.heliyon.2024.e41184