近日，宁夏大学动物科技学院、宁夏反刍动物分子细胞育种重点实验室马云教授团队，联合西北农林科技大学陈宁博教授，在《Advanced Science》（IF: 14.1，一区Top，综合性期刊大类）在线发表了题为 “Livestock Multi-Omics Integration: A Systematic Framework From Statistical Association to Causal Interpretation”的学术论文。马云教授为第一通讯作者，陈宁博教授为共同通讯作者，宁夏大学博士研究生文际颖为第一作者。

随着高通量测序技术的不断发展，畜牧领域已积累了基因组、表观基因组、转录组、蛋白质组、代谢组等海量多组学数据，为解析复杂经济性状的遗传调控机制提供了前所未有的机遇。然而，如此多的维度信息如何整合是一个在畜牧领域广泛被讨论却仍未得到有效回答的问题。针对这一问题，研究团队在系统梳理国内外研究进展的基础上，提出了畜牧领域首个系统性的多组学整合三层次分析框架，为推动畜牧育种从“关联描述”走向“因果应用”提供了清晰的方法论路径。

该框架的第一层次为统计关联分析，通过相关性分析（如找共同差异分子或者是共同富集的通路），识别与目标性状相关的跨组学共变模式，实现候选分子和通路的快速筛查。第二层次引入机器学习方法，利用LASSO回归、随机森林及变分自编码器等算法开展数据特征降维、缺失值填补和整合建模，有效应对畜牧数据中普遍存在的小样本、高异质性和批次效应等实际困难，并为因果解释转化提供优质过渡。第三层次为核心目标因果解释，综合运用孟德尔随机化、先验知识引导的网络推理（如CORNETO、SCENIC+）以及基于代谢通量组学和代谢控制分析的物理约束方法，系统排除混杂因素、确证因果方向，构建具备可干预性的调控网络。论文进一步指出，代谢通量组学基于质量守恒和同位素示踪的物理级因果证据，可为统计和机器学习信号提供独立的交叉验证，在因果推断链条中具有不可替代的独特价值。

图1三层次框架的递进逻辑以及整合分析的整体流程

在技术前沿层面，论文系统探讨了单细胞多组学、空间多组学和时间动态多组学等新兴技术在消除数据异质性方面的突破性潜力，并分析了以scGPT为代表的生成式AI基础模型在畜牧小样本场景中的应用前景与挑战。针对跨物种、跨品种知识迁移的实际困难，研究团队提出了参数高效微调和分层交叉验证等应对策略，为畜牧领域高效利用大规模公开数据资源提供了可行的技术方案。

图2展示多模态测序

在实验验证与产业转化方面，研究团队给出了循序渐进的实施路线：短期内利用已商业化的CRISPR文库在畜牧细胞系中进行高通量扰动验证，中期借助快速发展的类器官和离体培养模型，长期逐步推进至活体验证。因果分子网络的最终输出可沿两条路径服务于育种实践——一方面作为基因组选择模型的先验权重以提升预测准确性，另一方面作为基因编辑的候选靶点，减少育种研发中的试错成本。论文还特别强调了建立畜牧特异性基准测试体系和标准化数据共享平台的重要性，为领域内不同方法之间的公平比较和可重复性评估提供了参考框架。

该研究得到了国家自然科学基金、宁夏重点研发计划项目以及国家现代农业产业技术体系的资助。随着FarmGTEx、FAANG等国际协作项目基础设施的持续完善，该框架可为畜牧复杂性状的机制解析和分子育种研究提供方法论参考。

原文链接：https://advanced.onlinelibrary.wiley.com/doi/10.1002/advs.77094