多組學(xué)技術(shù)在畜禽重要經(jīng)濟(jì)性狀研究中的應(yīng)用

摘 要： 隨著測(cè)序技術(shù)的發(fā)展，大量組學(xué)測(cè)序技術(shù)不斷涌現(xiàn)并得以推廣，產(chǎn)生了包括基因組、表觀基因組、轉(zhuǎn)錄組、蛋白質(zhì)組、代謝組、微生物組等大量的組學(xué)數(shù)據(jù)。這些數(shù)據(jù)對(duì)深入研究和揭示畜禽重要經(jīng)濟(jì)性狀（生長(zhǎng)性狀、繁殖性狀、肉質(zhì)性狀、抗病性狀等）的復(fù)雜調(diào)控過(guò)程具有重要意義。僅通過(guò)單一層面的組學(xué)無(wú)法揭示畜禽重要經(jīng)濟(jì)性狀的復(fù)雜性，而多組學(xué)技術(shù)可以系統(tǒng)解析畜禽重要經(jīng)濟(jì)性狀的機(jī)理和表型，并逐漸成為研究畜禽重要經(jīng)濟(jì)性狀的主要方法。本文綜述了多組學(xué)技術(shù)的方法、優(yōu)點(diǎn)及其在畜禽重要經(jīng)濟(jì)性狀研究中的應(yīng)用，旨在對(duì)畜禽重要經(jīng)濟(jì)性狀的研究提供參考和思路。

關(guān)鍵詞： 畜禽；多組學(xué)技術(shù)；經(jīng)濟(jì)性狀

中圖分類(lèi)號(hào)：S813.1

文獻(xiàn)標(biāo)志碼：A""" 文章編號(hào)：0366-6964（2024）05-1842-12

收稿日期：2023-06-29

基金項(xiàng)目：國(guó)家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目（2021YFD1301205）；陜西省畜禽育種“兩鏈”融合重點(diǎn)專(zhuān)項(xiàng)（2022GD-TSLD-46）

作者簡(jiǎn)介：王亞鑫（1999-），女，河南濮陽(yáng)人，主要從事動(dòng)物遺傳育種與繁殖研究，E-mail：love1123wyx@163.com；王 璟（1985-），女，陜西潼關(guān)人，副研究員，主要從事豬遺傳育種研究，E-mail：wangjing_0407@163.com。王亞鑫和王璟為同等貢獻(xiàn)作者

*通信作者：于太永，主要從事豬基因組與遺傳改良研究，E-mail： yutaiyong310@nwsuaf.edu.cn

Application of Multi-omics Technology in the Study of Important Economic Traits of Livestock

and Poultry

WANG" Yaxin1， WANG" Jing2， TIAN" Xuekai1， YANG" Gongshe1， YU" Taiyong1*

（1.Laboratory of Animal Fat Deposition and Muscle Development， Key Laboratory of

Animal Genetics， Breeding and Reproduction of Shaanxi Province， College of Animal Science

and Technology， Northwest Aamp;F University， Yangling 712100，" China; 2.Institute of

Animal Husbandry and Veterinary Medicine， Henan Academy of Agricultural Sciences， Zhengzhou 450000，" China）

Abstract：" With the development of sequencing technology， a large number of omics sequencing technologies continue to emerge and promote， resulting in a large number of omics data including genome， epigenome， transcriptome， proteome， metabolome， microbiome and so on. These data are of great significance for in-depth study and revelation of the complex regulatory process of important economic traits （growth traits， reproductive traits， meat traits， disease resistance traits， etc.） of livestock and poultry. The complexity of important economic traits of livestock and poultry can not be revealed through a single level of omics alone， while multi-omics technology can systematically analyze the mechanism and phenotype of important economic traits of livestock and poultry， thus gradually become the main method for studying important economic traits of livestock and poultry. This article reviews the methods， advantages and application of multi-omics techniques in the study of important economic traits of livestock and poultry， aiming to provide references and ideas for the study of important economic traits of livestock and poultry.

Key words： livestock and poultry; multi-omics techniques; economic traits

*Corresponding author： YU Taiyong， E-mail：yutaiyong310@nwsuaf.edu.cn

從1977年Walter Gilbert和Frederick Sanger發(fā)明了第一臺(tái)測(cè)序儀，并應(yīng)用其測(cè)定了第一個(gè)基因組序列，到2001年人類(lèi)基因組項(xiàng)目完成，由此開(kāi)始，人類(lèi)獲得了探索生命遺傳本質(zhì)的能力，生命科學(xué)的研究進(jìn)入了基因組學(xué)的時(shí)代［1］。至今四十余年，測(cè)序技術(shù)取得了相當(dāng)大的發(fā)展，已從第一代測(cè)序技術(shù)發(fā)展到了第三代。在此過(guò)程中，出現(xiàn)了基因組、表觀基因組、轉(zhuǎn)錄組、蛋白質(zhì)組、代謝組、微生物組等新的組學(xué)測(cè)序技術(shù)［2］。這些單一層面的組學(xué)研究通過(guò)單一技術(shù)對(duì)單一分子的單一功能（遺傳信息、蛋白功能或代謝通路）進(jìn)行闡釋。但僅通過(guò)單一組學(xué)數(shù)據(jù)很難對(duì)復(fù)雜的生物網(wǎng)絡(luò)調(diào)控進(jìn)行系統(tǒng)全面地解釋?zhuān)也蛔阋越忉屵z傳信息表達(dá)調(diào)控的傳遞鏈條［3-4］。而多組學(xué)技術(shù)是一種全新的系統(tǒng)研究生物學(xué)的方法和技術(shù)，以無(wú)偏差的方式去整合基因組學(xué)、表觀基因組學(xué)、轉(zhuǎn)錄組學(xué)、蛋白質(zhì)組學(xué)、代謝組學(xué)及微生物組學(xué)等，從而系統(tǒng)解析畜禽重要經(jīng)濟(jì)性狀的機(jī)理和表型，進(jìn)而深度挖掘影響其性狀的關(guān)鍵候選基因［5］。本文綜述了多組學(xué)技術(shù)的發(fā)展、方法、優(yōu)勢(shì)及其在畜禽重要經(jīng)濟(jì)性狀研究中的應(yīng)用，以期為畜禽重要經(jīng)濟(jì)性狀的研究提供參考。

1 測(cè)序技術(shù)的發(fā)展

在過(guò)去的幾十年，測(cè)序技術(shù)飛速發(fā)展（圖1）。1953年沃森和克里克發(fā)現(xiàn)DNA雙螺旋結(jié)構(gòu)，為測(cè)序技術(shù)的出現(xiàn)奠定了基礎(chǔ)。1977年，Walter Gilbert和Frederick Sanger發(fā)明雙脫氧DNA測(cè)序方法，被稱(chēng)為第一代測(cè)序技術(shù)。直到人類(lèi)基因組計(jì)劃的提出及實(shí)施，測(cè)序技術(shù)發(fā)展愈發(fā)迅猛［6］。發(fā)展到今天，除了以Illumina為代表的高通量測(cè)序技術(shù)外，還有蓄勢(shì)待發(fā)的Pac Bio高通量測(cè)序技術(shù)［2］。

第一代測(cè)序技術(shù)主要可以分成雙脫氧鏈終止法（又稱(chēng)Sanger法）和化學(xué)降解法。這代測(cè)序技術(shù)準(zhǔn)確率高、費(fèi)用高、測(cè)序序列短［7］。主要應(yīng)用于PCR產(chǎn)物測(cè)序、重測(cè)序等。下一代測(cè)序技術(shù)也稱(chēng)為新一代測(cè)序技術(shù)NGS，基于大規(guī)模平行測(cè)序技術(shù)（massive parallel analysis，MPS），主要以Roche公司的454、Illumina公司的Sloexa和ABI公司的SOLiD等平臺(tái)為代表，它能同時(shí)完成測(cè)序模板互補(bǔ)鏈的合成和序列數(shù)據(jù)的獲取。與第一代測(cè)序技術(shù)相比，下一代測(cè)序技術(shù)具有成本低、通量大、測(cè)序速度快等優(yōu)點(diǎn)，是目前全基因組測(cè)序中應(yīng)用最廣泛的技術(shù)［8］，主要應(yīng)用于基因組測(cè)序、轉(zhuǎn)錄組測(cè)序、群體測(cè)序、擴(kuò)增子測(cè)序、宏基因組測(cè)序、重測(cè)序等。但它的序列讀長(zhǎng)較短，Illumina平臺(tái)最長(zhǎng)為250～300 bp，454平臺(tái)也只有500 bp左右；且由于在建庫(kù)中利用了PCR富集序列，因此有一些含量較少的序列可能無(wú)法被大量擴(kuò)增，造成一些信息的丟失。而第三代測(cè)序技術(shù)是指單分子測(cè)序技術(shù)，在測(cè)序時(shí)，不需要經(jīng)過(guò)PCR擴(kuò)增，實(shí)現(xiàn)了對(duì)每一條DNA分子的單獨(dú)測(cè)序，也叫單分子實(shí)時(shí)DNA測(cè)序。它以Pacific Biosciences（PacBio）的Single Molecule Real-time（SMRT）、Illumina的Tru-Seq和Oxdord的Nanopore測(cè)序平臺(tái)為代表，以單分子測(cè)序、納米孔測(cè)序?yàn)樘攸c(diǎn)，解決了測(cè)序讀長(zhǎng)短、對(duì)GC含量敏感、無(wú)法測(cè)出特殊插入序列和重復(fù)序列等問(wèn)題，此方法可用于基因組組裝、全長(zhǎng)轉(zhuǎn)錄組測(cè)序、DNA甲基化分析等［9］。

2 單一組學(xué)技術(shù)

隨著技術(shù)的進(jìn)步，各種組學(xué)技術(shù)不斷出現(xiàn)，圍繞中心法則（圖2），基因組學(xué)、表觀基因組學(xué)、轉(zhuǎn)錄組學(xué)、蛋白質(zhì)組學(xué)、代謝組學(xué)和微生物組學(xué)已被廣泛應(yīng)用于分析研究中。根據(jù)研究對(duì)象不同，組學(xué)技術(shù)研究策略不同，所依賴(lài)的技術(shù)手段也不盡相同（表1）。

2.1 基因組學(xué)

基因組學(xué)最早于1986年由美國(guó)遺傳學(xué)家Thomas H. Roderick提出。基因組學(xué)主要研究基因組的結(jié)構(gòu)、功能、進(jìn)化、定位和編輯等，通過(guò)對(duì)個(gè)體及群體的所有基因進(jìn)行定性定量分析，并進(jìn)一步對(duì)不同個(gè)體及群體的全基因組信息進(jìn)行比較分析，挖掘基因型與表型之間的關(guān)系［10］，旨在闡明生物體完整DNA序列而不是單個(gè)基因的結(jié)構(gòu)、進(jìn)化和功能［11］。目前基因組學(xué)的研究方法主要包括基因組從頭測(cè)序、重測(cè)序和簡(jiǎn)化基因組測(cè)序。

2004年，發(fā)表在Nature上的一篇文章［12］利用從頭測(cè)序方法對(duì)雌性紅色原雞進(jìn)行全基因組測(cè)序，獲得紅色原雞的基因組草圖，為脊椎動(dòng)物基因組進(jìn)化提供了一個(gè)新的視角，同時(shí)也改進(jìn)了哺乳動(dòng)物基因組的注釋。Groenen等［13］對(duì)雌性杜洛克豬的基因組序列進(jìn)行組裝和分析，得到了豬的第一個(gè)基因組序列圖譜，為進(jìn)一步改進(jìn)這一重要牲畜物種提供了重要資源，使豬在農(nóng)業(yè)生產(chǎn)和生物醫(yī)學(xué)研究中得到有效利用。

2.2 表觀基因組學(xué)

表觀基因組學(xué)是一門(mén)在基因組水平上研究表觀遺傳修飾的學(xué)科。表觀遺傳修飾作用于細(xì)胞內(nèi)的DNA和其包裝蛋白、組蛋白，用來(lái)調(diào)節(jié)基因組功能，表現(xiàn)為染色質(zhì)可及性、DNA甲基化和組蛋白修飾，這些分子標(biāo)志影響了染色體的架構(gòu)、完整性和裝配，同時(shí)也影響了DNA接近它的調(diào)控元件，以及染色質(zhì)與功能型核復(fù)合物的相互作用能力［14］。雖然一個(gè)多細(xì)胞個(gè)體只有一個(gè)基因組，但是它具有多種表觀基因組，表現(xiàn)為在生命的不同時(shí)期、健康或者受損的情況下，個(gè)體的細(xì)胞類(lèi)型及其屬性的多樣性。例如，Li等［15］通過(guò)對(duì)豬肌肉組織和脂肪組織的miRNA表達(dá)進(jìn)行比較，發(fā)現(xiàn)在豬皮下脂肪發(fā)育中存在一種復(fù)雜的表觀遺傳調(diào)控網(wǎng)絡(luò)，為豬物種骨骼肌和脂肪組織的比較miRNA譜圖添加了新的有價(jià)值的信息；Liu等［16］ 對(duì)牛骨骼肌中的lncRNA進(jìn)行測(cè)序分析，發(fā)現(xiàn)牛骨骼肌中的lncRNAs的特征在很多方面與已知的其他哺乳動(dòng)物中的lncRNAs類(lèi)似，也為后續(xù)利用表觀遺傳技術(shù)進(jìn)行牛育種改良提供了良好的基礎(chǔ)。

2.3 轉(zhuǎn)錄組學(xué)

轉(zhuǎn)錄組學(xué)是功能基因組研究的重要手段［17］，是細(xì)胞的第一個(gè)在基因組尺度上可訪問(wèn)的“功能性”分子層［10］，在整體水平上研究細(xì)胞中基因轉(zhuǎn)錄情況及轉(zhuǎn)錄調(diào)控規(guī)律，揭示基因轉(zhuǎn)錄、轉(zhuǎn)錄調(diào)控規(guī)律以及疾病發(fā)生過(guò)程中的分子機(jī)理［17］?；诟咄繙y(cè)序的RNA-seq技術(shù)是當(dāng)前轉(zhuǎn)錄組學(xué)研究的主要手段，可用于研究單細(xì)胞基因的表達(dá)、翻譯組和RNA結(jié)構(gòu)［18］，其具有靈敏度高、噪音低、檢測(cè)范圍廣的優(yōu)點(diǎn)［19］，被廣泛運(yùn)用于畜禽功能基因的挖掘和分子遺傳網(wǎng)絡(luò)調(diào)控機(jī)制的研究中［20］。例如，Jin等［21］利用空間轉(zhuǎn)錄組學(xué)深入解析豬的肉質(zhì)性狀形成的分子機(jī)理，繪制豬不同組織基因轉(zhuǎn)錄調(diào)控圖譜，揭示了組織特異性及轉(zhuǎn)錄進(jìn)化動(dòng)態(tài)；Zhao等［22］通過(guò)繪制豬基因組啟動(dòng)子、增強(qiáng)子、開(kāi)放染色質(zhì)區(qū)域及三維基因組精細(xì)圖譜，鑒定了順式調(diào)控元件及調(diào)控區(qū)突變位點(diǎn)，揭示了影響豬表型變異的潛在調(diào)控機(jī)理。通過(guò)轉(zhuǎn)錄組學(xué)研究可以促進(jìn)采用豬作為人類(lèi)生物學(xué)和疾病的生物醫(yī)學(xué)模型，并揭示有價(jià)值性狀的分子基礎(chǔ)。

2.4 蛋白質(zhì)組學(xué)

蛋白質(zhì)組學(xué)是細(xì)胞橋接基因表達(dá)到表型的主要“功能”層［23-24］，是用來(lái)研究蛋白質(zhì)的特性、生化特性和功能作用，以及它們的數(shù)量、修飾和結(jié)構(gòu)如何在發(fā)育過(guò)程中以及對(duì)內(nèi)外部刺激的反應(yīng)中發(fā)生變化。2001年，人類(lèi)蛋白質(zhì)組組織以更精確的方式提出了蛋白質(zhì)組學(xué)的目標(biāo)，即鑒定人類(lèi)基因組編碼的所有蛋白質(zhì)，將蛋白質(zhì)組學(xué)的發(fā)展轉(zhuǎn)向功能蛋白質(zhì)組的研究［25］。目前最常使用的2種定量蛋白質(zhì)組學(xué)分析技術(shù)是利用同位素標(biāo)記質(zhì)譜分析的定量蛋白質(zhì)組學(xué)技術(shù)i TRAQ、TMT［26］。質(zhì)譜（MS）和其他技術(shù)的進(jìn)步推動(dòng)了蛋白質(zhì)組學(xué)領(lǐng)域的發(fā)展，這些技術(shù)使得快速、低成本地分析大量生物樣品中的蛋白質(zhì)成為可能。例如，Wang等［27］對(duì)2個(gè)不同品種的6月齡中國(guó)本土迷你型豬背最長(zhǎng)肌進(jìn)行蛋白質(zhì)組學(xué)分析，并與2個(gè)西方引進(jìn)品種進(jìn)行比較，發(fā)現(xiàn)了與豬肌肉生長(zhǎng)、脂肪沉積相關(guān)的關(guān)鍵蛋白和調(diào)控肌纖維生長(zhǎng)、脂質(zhì)沉積能力的關(guān)鍵基因，為參與豬肌肉生長(zhǎng)和脂質(zhì)沉積的關(guān)鍵蛋白質(zhì)提供了新的見(jiàn)解。

2.5 代謝組學(xué)

代謝組是第一個(gè)不直接編碼在基因組中的細(xì)胞層，而是蛋白質(zhì)組功能譜的產(chǎn)物，與細(xì)胞環(huán)境接觸。因此，代謝組構(gòu)成了細(xì)胞的“表型”［28］。代謝組學(xué)可更直觀地展示生物體內(nèi)真實(shí)發(fā)生的物質(zhì)代謝過(guò)程，可以解釋轉(zhuǎn)錄組和蛋白質(zhì)組無(wú)法解釋的細(xì)胞內(nèi)的復(fù)雜調(diào)控活動(dòng)，可以直接影響表觀遺傳調(diào)控和酶活性，影響細(xì)胞功能，實(shí)時(shí)定量地反映細(xì)胞或組織器官內(nèi)正在發(fā)生的代謝過(guò)程［29］。最常見(jiàn)的代謝組學(xué)類(lèi)型包括靶向代謝組學(xué)、非靶向代謝組學(xué)和脂質(zhì)組學(xué)，可根據(jù)試驗(yàn)?zāi)康膩?lái)選擇所需要的技術(shù)。例如，Welzenbach等［30］利用代謝組學(xué)數(shù)據(jù)解析豬肉滴水損失的潛在功能途徑和候選基因，為直接涉及性能特征代謝的基因的遺傳變異提供全面的見(jiàn)解；Bovo等［31］靶向檢測(cè)180種代謝物，發(fā)現(xiàn)乙酰鳥(niǎo)氨酸和鞘磷脂等代謝物在大白豬和杜洛克豬2個(gè)品種間存在差異，為研究?jī)蓚€(gè)品種豬之間的生物學(xué)差異提供了重要的生物標(biāo)志物，可進(jìn)一步評(píng)估這些生物標(biāo)志物在豬育種和營(yíng)養(yǎng)中的實(shí)際應(yīng)用的相關(guān)性。

2.6 微生物組學(xué)

微生物組（microbiome）是指一個(gè)特定環(huán)境或生態(tài)系統(tǒng)中全部微生物及其遺傳信息的集合，其內(nèi)涵包括了微生物與其環(huán)境和宿主的相互作用。2006年，高通量測(cè)序和質(zhì)譜技術(shù)的革命性突破以及生物信息學(xué)的快速發(fā)展極大推動(dòng)了微生物組研究。由于微生物之間以及微生物與其所處環(huán)境間的相互作用極為復(fù)雜，通過(guò)宏基因組學(xué)結(jié)合宏轉(zhuǎn)錄組學(xué)以及新一代質(zhì)譜技術(shù)催生下的宏蛋白質(zhì)組學(xué)和宏代謝組學(xué)，人們可以更全面、系統(tǒng)地解析微生物組的結(jié)構(gòu)和功能。例如，Xie等［32］通過(guò)宏基因組測(cè)序揭示高谷物飼喂改變了盲腸微生物群的組成和代謝并導(dǎo)致綿羊盲腸黏膜損傷；Bi等［33］通過(guò)宏基因組和宏轉(zhuǎn)錄組揭示了綿羊胎羔腸道中存在微生物群，為胎兒腸道微生物定植始于子宮提供了依據(jù)。宏基因組和宏轉(zhuǎn)錄組技術(shù)打破了微生物培養(yǎng)的局限性，解決了之前無(wú)法解決的生物學(xué)問(wèn)題，并加速了基于基因組的新微生物基因的發(fā)現(xiàn)，現(xiàn)已被應(yīng)用于畜禽各個(gè)領(lǐng)域中。

畜禽生命活動(dòng)是一個(gè)復(fù)雜的調(diào)控過(guò)程，即通過(guò)基因組學(xué)、表觀基因組、轉(zhuǎn)錄組學(xué)、蛋白質(zhì)組學(xué)、代謝組學(xué)和微生物組學(xué)等單一組學(xué)無(wú)法解釋某種生物學(xué)的變化，只能對(duì)單一分子的單一功能（遺傳信息、蛋白功能或代謝通路）進(jìn)行闡釋。

3 多組學(xué)技術(shù)

多組學(xué)技術(shù)是指結(jié)合兩種或者兩種以上組學(xué)，包括基因組學(xué)、表觀基因組學(xué)、轉(zhuǎn)錄組學(xué)、蛋白質(zhì)組學(xué)、代謝組學(xué)、微生物組學(xué)，對(duì)生物樣本進(jìn)行系統(tǒng)研究，從而探究生物系統(tǒng)中多種物質(zhì)之間相互作用［40-41］。多組學(xué)技術(shù)可以補(bǔ)充任何單一組學(xué)中缺失或不可靠的信息，通過(guò)探究遺傳物質(zhì)在不同層面的共有通路和差異表達(dá)及其在系統(tǒng)層面的整體動(dòng)態(tài)變化規(guī)律，可以獲得更豐富、更全面的生命系統(tǒng)相關(guān)信息，從而實(shí)現(xiàn)不同組學(xué)不同層面的相互印證、相互補(bǔ)充、相互解釋。

多組學(xué)聯(lián)合分析利用不同組學(xué)分析方法分別檢測(cè)不同組學(xué)層面遺傳物質(zhì)的表達(dá)量變化。當(dāng)一個(gè)基因在不同組學(xué)層面都有表達(dá)量時(shí)，則認(rèn)為該基因在不同層面被關(guān)聯(lián)上［42］。而針對(duì)不同的研究背景和目的，可以綜合比較選擇不同的組合方式來(lái)進(jìn)行聯(lián)合分析（表2），主要包括基因組和轉(zhuǎn)錄組聯(lián)合分析，表觀基因組和轉(zhuǎn)錄組聯(lián)合分析，轉(zhuǎn)錄組和蛋白質(zhì)組聯(lián)合分析，轉(zhuǎn)錄組和代謝組聯(lián)合分析，代謝組與微生物組聯(lián)合分析等兩種組學(xué)聯(lián)合分析；另外還有三種組學(xué)聯(lián)合分析，如基因組、表觀基因組和轉(zhuǎn)錄組聯(lián)合分析，轉(zhuǎn)錄組、代謝組和蛋白質(zhì)組聯(lián)合分析，代謝組、轉(zhuǎn)錄組和微生物組聯(lián)合分析等。

不同的組學(xué)數(shù)據(jù)大多是異質(zhì)的，具有不同的類(lèi)型和格式，因而難以整合。因此運(yùn)用多組學(xué)將各個(gè)水平的數(shù)據(jù)整合為一個(gè)類(lèi)似于生物復(fù)雜調(diào)控網(wǎng)絡(luò)的模型，從更高維度解析生物過(guò)程，才符合生物系統(tǒng)的復(fù)雜性，進(jìn)而做出更全面更準(zhǔn)確的機(jī)制解釋。探究多組學(xué)數(shù)據(jù)整合的方法，有助于研究生命科學(xué)問(wèn)題，挖掘其中的重要信息。而近年來(lái)，出現(xiàn)了許多方法來(lái)整合多組學(xué)，主要包括基于共定位分析整合多組學(xué)、孟德?tīng)栯S機(jī)化整合多組學(xué)、基于網(wǎng)絡(luò)整合多組學(xué)以及基于機(jī)器學(xué)習(xí)整合多組學(xué)等（表3）。

4 多組學(xué)技術(shù)在畜禽重要經(jīng)濟(jì)性狀研究中的應(yīng)用

4.1 多組學(xué)技術(shù)在畜禽生長(zhǎng)性狀研究中的應(yīng)用

畜禽生長(zhǎng)性狀是過(guò)去我國(guó)育種的主要目標(biāo)之一，為了適應(yīng)社會(huì)、市場(chǎng)的需求，我國(guó)以提高生長(zhǎng)速度和提高產(chǎn)量為目標(biāo)，加大對(duì)畜禽生長(zhǎng)性狀的研究。畜禽的生長(zhǎng)性狀包括生長(zhǎng)速度、飼料轉(zhuǎn)化率、活體背膘厚等，而目前運(yùn)用較多的是用分子生物學(xué)方法分析影響生長(zhǎng)性狀的原因，提高選育效果和效率。但影響生長(zhǎng)性狀的分子遺傳機(jī)制尚不明確。而在系統(tǒng)層面整合多組學(xué)分析可以更加精確地定位與生長(zhǎng)性狀相關(guān)的候選基因，解釋影響生長(zhǎng)性狀的復(fù)雜調(diào)控機(jī)制，提高育種的準(zhǔn)確性。

肌肉生長(zhǎng)在豬生產(chǎn)中是一個(gè)重要的經(jīng)濟(jì)性狀，是一個(gè)受多基因調(diào)控的數(shù)量性狀，對(duì)豬肉產(chǎn)量和肉品質(zhì)的研究一直是我國(guó)畜牧學(xué)者研究的重點(diǎn)。商鵬［42］利用轉(zhuǎn)錄組RNA-seq和蛋白質(zhì)組iTRAQ技術(shù)對(duì)豬（藏豬、烏金豬、大約克豬）胚胎60日齡的背最長(zhǎng)肌進(jìn)行分析，篩選出13個(gè)與豬胚胎時(shí)期肌肉生長(zhǎng)發(fā)育相關(guān)的候選基因，為出生后豬生長(zhǎng)性狀候選基因的篩選與鑒定提供了寶貴數(shù)據(jù)。Shang等［55］分析了來(lái)自產(chǎn)前肌肉組織的轉(zhuǎn)錄組和蛋白質(zhì)組數(shù)據(jù)，發(fā)現(xiàn)209個(gè)基因在小型豬和其他兩個(gè)品種豬之間在信使RNA和蛋白質(zhì)水平上均一致表達(dá)，為豬的肌肉生長(zhǎng)特性提供了新的候選基因和分子機(jī)制的見(jiàn)解。

目前盡管在牛表觀基因組研究取得了重大進(jìn)展，但對(duì)于胎兒骨骼肌發(fā)育的表觀遺傳基礎(chǔ)仍然知之甚少，為了更精確地注釋牛生長(zhǎng)性狀的遺傳變異，Li等［48］整合基因組、表觀組及轉(zhuǎn)錄組數(shù)據(jù)，發(fā)現(xiàn)牛成肌細(xì)胞體外增殖和分化過(guò)程中染色質(zhì)可及性和基因表達(dá)呈現(xiàn)動(dòng)態(tài)變化，并鑒定出階段特異性基因和染色質(zhì)可及性區(qū)域，從多個(gè)層面探究了牛重要經(jīng)濟(jì)性狀基因組調(diào)控位點(diǎn)與基因組染色質(zhì)開(kāi)放區(qū)的關(guān)系，為了解骨骼肌發(fā)育的調(diào)節(jié)機(jī)制和開(kāi)展肉牛遺傳改良計(jì)劃提供了有價(jià)值的信息。

4.2 多組學(xué)技術(shù)在畜禽繁殖性狀研究中的應(yīng)用

繁殖性狀作為低遺傳力性狀，低繁殖力限制了母畜的生產(chǎn)力。作為一個(gè)復(fù)雜的數(shù)量性狀，繁殖性能受到多種因素（遺傳、表觀修飾和激素）的調(diào)控。近年來(lái)，研究者通過(guò)不同的組學(xué)方法篩選出了一些與繁殖性能相關(guān)的候選基因，但對(duì)于高繁殖性能的調(diào)控機(jī)制尚不清晰，而通過(guò)多組學(xué)技術(shù)可以挖掘其潛在的關(guān)鍵候選基因，明確影響畜禽繁殖性能的分子調(diào)控機(jī)制。

產(chǎn)仔數(shù)不僅是繁殖性狀的一個(gè)重要經(jīng)濟(jì)性狀，還是受微效多基因控制的數(shù)量性狀，很難通過(guò)傳統(tǒng)的育種手段來(lái)快速提高。而卵巢、子宮、輸卵管作為畜禽最重要的繁殖器官，在每個(gè)發(fā)情周期都會(huì)經(jīng)歷一系列的生物學(xué)過(guò)程。Huang等［56］ 對(duì)高產(chǎn)和低產(chǎn)蛋雞卵巢的轉(zhuǎn)錄組學(xué)和代謝組學(xué)進(jìn)行分析，預(yù)測(cè)與產(chǎn)蛋相關(guān)的基因和途徑，更好地了解低產(chǎn)和高產(chǎn)母雞卵巢之間的分子差異，并為進(jìn)一步研究家禽產(chǎn)蛋機(jī)制提供理論基礎(chǔ)。喇永富［57］以FecB++基因型（無(wú)FecB突變）小尾寒羊母羊?yàn)檠芯繉?duì)象，通過(guò)子宮RNA-Seq、子宮蛋白質(zhì)組學(xué)和MassARRAY技術(shù)篩選出SDS、SDSL等基因可以作為綿羊產(chǎn)羔數(shù)性狀相關(guān)的候選基因，為解析綿羊多羔性狀的分子機(jī)制提供理論基礎(chǔ)。Sun等［58］通過(guò)對(duì)20只雌性山羊的輸卵管進(jìn)行蛋白質(zhì)組學(xué)和轉(zhuǎn)錄組學(xué)分析，揭示了輸卵管基因調(diào)控繁殖力的新方面。這些研究通過(guò)卵巢、子宮和輸卵管等繁殖器官的多組學(xué)測(cè)序分析，篩選出與繁殖性狀相關(guān)的候選基因，以期解析畜禽繁殖性能的分子調(diào)控機(jī)制。

下丘腦-垂體-性腺（Hypothalamic-Pituitary-Gonadal，HPG）軸在畜禽繁殖系統(tǒng)發(fā)育調(diào)控中扮演重要角色。目前關(guān)于繁殖性狀的研究主要集中在下丘腦、垂體中，尋找與繁殖性狀相關(guān)的基因和分子標(biāo)記一直都是育種學(xué)家關(guān)注的熱點(diǎn)。張壯彪［59］ 利用轉(zhuǎn)錄組學(xué)和蛋白質(zhì)組學(xué)分析探究小尾寒羊下丘腦影響產(chǎn)羔數(shù)的分子機(jī)制，發(fā)現(xiàn)LGALS3、ASPA和TTR可能是影響無(wú)FecB突變小尾寒羊產(chǎn)羔數(shù)差異的候選基因，為揭示綿羊多羔分子機(jī)理以及培育高繁殖力綿羊新品種提供了依據(jù)。Chang等［60］通過(guò)對(duì)開(kāi)放染色質(zhì)圖譜和轉(zhuǎn)錄組的綜合分析來(lái)確定參與調(diào)節(jié)鵝垂體的孵化行為的順式調(diào)控元件及其潛在的轉(zhuǎn)錄因子，發(fā)現(xiàn)了5個(gè)與 DAR 相關(guān)的 DEG 與維持鵝的孵化行為密切相關(guān)，揭示了垂體水平轉(zhuǎn)錄因子參與調(diào)節(jié)馬崗鵝的孵化行為。這些研究也為HPG軸及其在動(dòng)物繁殖過(guò)程的作用機(jī)理提供參考。

4.3 多組學(xué)技術(shù)在畜禽肉質(zhì)性狀研究中的應(yīng)用

隨著人們對(duì)肉質(zhì)要求的不斷提升，畜禽肉質(zhì)性狀的改良已經(jīng)成為畜牧業(yè)關(guān)注的熱點(diǎn)。單一層面的組學(xué)在畜禽肉質(zhì)性狀中廣泛應(yīng)用，但這些研究?jī)H僅停留在單一層面，并不能系統(tǒng)地解釋影響畜禽肉質(zhì)性狀的復(fù)雜調(diào)控機(jī)制，而多組學(xué)技術(shù)則能很好地解決這一問(wèn)題。

基因表達(dá)程序與順式調(diào)控元件和染色質(zhì)相關(guān)RNA（caRNA）的相互作用密切相關(guān)。然而，由于缺乏染色質(zhì)構(gòu)象信息，以及缺少針對(duì)caRNA的研究手段，對(duì)這些遺傳變異進(jìn)行功能解釋成為了豬功能基因組研究的瓶頸。Li等［61］ 通過(guò)染色質(zhì)-染色質(zhì)互作圖譜和RNA-染色質(zhì)互作圖譜的聯(lián)合分析，揭示有助于復(fù)雜骨骼肌特征的基因組變異。同時(shí)，運(yùn)用整合多組學(xué)策略，對(duì)豬15個(gè)產(chǎn)肉相關(guān)性狀的GWAS信號(hào)進(jìn)行了解析，為豬產(chǎn)肉性狀遺傳機(jī)理解析奠定了重要基礎(chǔ)，也為豬產(chǎn)肉性狀改良提供了重要支撐。

隨著高通量測(cè)序技術(shù)的發(fā)展，轉(zhuǎn)錄組和蛋白質(zhì)組技術(shù)的整合已成為分析動(dòng)物復(fù)雜性狀分子機(jī)制的重要手段。Wang等［62］通過(guò)對(duì)南陽(yáng)黑豬肌內(nèi)脂肪含量有差異的的背最長(zhǎng)肌進(jìn)行了基于轉(zhuǎn)錄組和蛋白質(zhì)組分析，確定了25個(gè)決定脂質(zhì)沉積遺傳差異的候選基因，為未來(lái)脂質(zhì)沉積性狀的分析提供了寶貴資源。本團(tuán)隊(duì)Yu等［49］通過(guò)轉(zhuǎn)錄組學(xué)、代謝組學(xué)和蛋白質(zhì)組學(xué)探究中國(guó)地方豬品種與商業(yè)瘦肉豬品種之間脂肪沉積和肉質(zhì)差異的分子機(jī)制，并通過(guò)構(gòu)建加權(quán)基因共表達(dá)網(wǎng)絡(luò)（WGCNA），鑒定出RapGEF1是與IMF含量相關(guān)的關(guān)鍵基因，為高肉品質(zhì)的遺傳選擇提供了一種新策略。

轉(zhuǎn)錄組分析可以提供遺傳調(diào)控機(jī)制的全面證據(jù)，進(jìn)一步的代謝組學(xué)分析可以提供轉(zhuǎn)錄后調(diào)節(jié)引起的輔助代謝變化，代謝物的變化最終會(huì)影響肉品質(zhì)的變化。Zhan等［63］采用轉(zhuǎn)錄組學(xué)與代謝組學(xué)發(fā)現(xiàn)，功能基因PNPLA3、PLIN1和PRKG1等與花生酸和甘油三酯等與脂肪相關(guān)代謝物顯著相關(guān)，為檢測(cè)恩施黑豬肌內(nèi)脂肪沉積和肉色變化提供了新見(jiàn)解。Li等［64］通過(guò)代謝組和轉(zhuǎn)錄組譜的整合分析揭示了雞肉的年齡依賴(lài)性動(dòng)態(tài)變化，有助于了解肉質(zhì)發(fā)展的生物學(xué)過(guò)程，并探索特定代謝物積累的有價(jià)值的生物標(biāo)志物。

有研究報(bào)告表示，微生物群的變化可能會(huì)影響豬的生長(zhǎng)性能、免疫性能和肉質(zhì)［65］。因此，改善腸道健康和減少抗生素使用的調(diào)控手段能夠在養(yǎng)豬生產(chǎn)中發(fā)揮巨大作用［66］。本團(tuán)隊(duì)Tian等［50］通過(guò)靶向代謝組學(xué)分析、轉(zhuǎn)錄組測(cè)序和宏基因組測(cè)序聯(lián)合分析，發(fā)現(xiàn)葡萄渣可以改善肉質(zhì)，緩解炎癥，減少氧化應(yīng)激，為提高育肥豬的肉質(zhì)提供了一種新的策略。

4.4 多組學(xué)技術(shù)在畜禽抗病性狀研究中的應(yīng)用

隨著我國(guó)經(jīng)濟(jì)的快速發(fā)展，疾病是目前影響畜禽產(chǎn)量和質(zhì)量的主要原因之一。隨著畜禽養(yǎng)殖規(guī)模不斷擴(kuò)大，強(qiáng)化疾病防控、深化畜禽常見(jiàn)疾病研究至關(guān)重要。過(guò)去單一組學(xué)技術(shù)在畜禽抗病性狀中已有了一定的研究進(jìn)展，而多組學(xué)技術(shù)可以更加精準(zhǔn)、有效地揭示疾病發(fā)生的整體機(jī)制，并為快速尋找靶向藥物提供更加科學(xué)的方法和手段。

病毒及細(xì)菌感染伴隨著畜禽體內(nèi)多種代謝途徑的變化，已經(jīng)成為世界范圍內(nèi)嚴(yán)重的疾病問(wèn)題。Saelao等［67］通過(guò)對(duì)熱應(yīng)激下兩個(gè)高度近交和基因不同的雞肺組織差異表達(dá)響應(yīng)新城疫病毒 （NDV） 感染的蛋白質(zhì)組學(xué)和轉(zhuǎn)錄組學(xué)進(jìn)行綜合分析，為兩個(gè)遺傳系的全局蛋白質(zhì)和表達(dá)譜提供新的見(jiàn)解，并提供了在家禽熱應(yīng)激期間與 NDV 抗性相關(guān)的潛在遺傳目標(biāo)。Yu等［68］ 通過(guò)對(duì)雞感染E. tenella期間的腸道微生物組和宿主轉(zhuǎn)錄組聯(lián)合分析，為雞感染E. tenella后的菌群和關(guān)鍵免疫基因提供了有價(jià)值的信息。

目前營(yíng)養(yǎng)性疾病在畜禽疾病發(fā)生中也越來(lái)越常見(jiàn)，例如奶牛酮癥是圍產(chǎn)期高產(chǎn)奶牛的主要營(yíng)養(yǎng)代謝紊亂性疾病。許秋實(shí)［69］通過(guò)轉(zhuǎn)錄組學(xué)和蛋白質(zhì)組學(xué)分析，發(fā)現(xiàn)TGFβ1在酮病奶牛脂肪組織炎癥反應(yīng)中起到關(guān)鍵調(diào)控作用，為理解酮病奶牛脂肪組織的能量代謝機(jī)制和免疫應(yīng)答作用提供了新的線索。

高海拔低氣壓、低氧分壓嚴(yán)重影響人類(lèi)和畜禽的生存發(fā)育。由于自然選擇，青藏高原的本土動(dòng)物對(duì)這種極端環(huán)境表現(xiàn)出可遺傳的適應(yīng)能力，藏豬則是研究缺氧相關(guān)分子生態(tài)學(xué)和病理學(xué)的理想動(dòng)物模型。Zhang等［70］對(duì)藏豬和約克夏豬的心組織進(jìn)行轉(zhuǎn)錄組和蛋白質(zhì)組聯(lián)合分析，篩選出與缺氧適應(yīng)性相關(guān)的HIF-1通路，以及通路中的關(guān)鍵基因CRYAB、EGLN3、等。該研究不僅加深了人們對(duì)參與豬低氧適應(yīng)的分子機(jī)制的理解，還加深了對(duì)人類(lèi)低氧疾病的理解。

5 展 望

多組學(xué)技術(shù)的特點(diǎn)是將各個(gè)組學(xué)多維層次的信息進(jìn)行有機(jī)整合，構(gòu)建基因的調(diào)控網(wǎng)絡(luò)，全面探索和深層次理解各生物分子之間的調(diào)控及因果關(guān)系，從而正確解析生命體的生物功能和生理機(jī)制。多組學(xué)整合分析的策略就是針對(duì)生物體的特定生物學(xué)功能，對(duì)來(lái)自不同組學(xué)層次的批量數(shù)據(jù)在同一整合分析軟件中進(jìn)行歸一化處理、比較分析和相關(guān)性分析，建立不同層次分子間數(shù)據(jù)相關(guān)性；同時(shí)結(jié)合GO功能分析、代謝通路富集、分子互作等生物功能分析，系統(tǒng)全面地解析生物分子功能和調(diào)控機(jī)制。而整合來(lái)自同一樣本的多組學(xué)數(shù)據(jù)是很難實(shí)現(xiàn)的，因此就需要對(duì)來(lái)自不同樣本組的數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化和統(tǒng)計(jì)學(xué)處理。目前滿足多組學(xué)整合分析數(shù)據(jù)的公共平臺(tái)越來(lái)越多，例如，組學(xué)發(fā)現(xiàn)索引數(shù)據(jù)庫(kù)和國(guó)際上正努力開(kāi)展的基因型-組織表達(dá)（GTEx）項(xiàng)目、Farm-GTEx項(xiàng)目、FarmGTEx-PigGTEx項(xiàng)目等為研究組織的特異性基因表達(dá)和調(diào)控提供了眾多公開(kāi)可用的資源［71-72］。而多組學(xué)技術(shù)目前在畜禽遺傳育種、生長(zhǎng)發(fā)育和疾病中應(yīng)用較少，尤其是如何整合龐大的多組學(xué)數(shù)據(jù)，利用生物信息學(xué)（機(jī)器學(xué)習(xí)、共定位分析、網(wǎng)絡(luò)）構(gòu)建數(shù)據(jù)分析模型，從而準(zhǔn)確、快速地篩選有用的信息，系統(tǒng)地解析畜禽復(fù)雜生命系統(tǒng)的機(jī)理和表型。

參考文獻(xiàn)（References）：

［1］ EISENSTEIN M.Closing in on a complete human genome［J］.Nature，2021，590（7847）：679-681.

［2］ WU Z H，GUI S T，QUAN Z W，et al.A precise chloroplast genome of Nelumbo nucifera （Nelumbonaceae） evaluated with Sanger，Illumina MiSeq，and PacBio RS II sequencing platforms：insight into the plastid evolution of basal eudicots［J］.BMC Plant Biol，2014，14（1）：289.

［3］ HASIN Y，SELDIN M，LUSIS A.Multi-omics approaches to disease［J］.Genome Biol，2017，18（1）：83.

［4］ ZHANG W W，LI F，NIE L.Integrating multiple ‘omics’ analysis for microbial biology：application and methodologies［J］. Microbiology，2010，156（2）：287-301.

［5］ 馮 勉，張 莉.多組學(xué)聯(lián)合分析在畜禽研究中的應(yīng)用［J］.中國(guó)畜牧雜志，2022，58（3）：1-6.

FENG M，ZHANG L.Application of multi-omics joint analysis in the research of livestock and poultry［J］.Chinese Journal of Animal Science，2022，58（3）：1-6.（in Chinese）

［6］ MARDIS E R.DNA sequencing technologies：2006-2016［J］.Nat Protoc，2017，12（2）：213-218.

［7］ CHEN P，SUN Z P，WANG J W，et al.Portable nanopore-sequencing technology：trends in development and applications［J］.Front Microbiol，2023，14：1043967.

［8］ HU T S，CHITNIS N，MONOS D，et al.Next-generation sequencing technologies：an overview［J］.Human Immunol，2021， 82（11）： 801-811.

［9］ SANGER F，NICKLEN S，COULSON A R.DNA sequencing with chain-terminating inhibitors［J］.Proc Natl Acad Sci USA，1977， 74（12）：5463-5467.

［10］ HAAS R，ZELEZNIAK A，IACOVACCI J，et al.Designing and interpreting ‘multi-omic’ experiments that may change our understanding of biology［J］.Curr Opin Syst Biol，2017，6：37-45.

［11］ WANG C S，HAN B.Twenty years of rice genomics research：From sequencing and functional genomics to quantitative genomics［J］.Mol Plant，2022，15（4）：593-619.

［12］ International Chicken Genome Sequencing Consortium.Sequence and comparative analysis of the chicken genome provide unique perspectives on vertebrate evolution［J］.Nature，2004，432（7018）：695-716.

［13］ GROENEN M A M，ARCHIBALD A L，UENISHI H，et al.Analyses of pig genomes provide insight into porcine demography and evolution［J］.Nature，2012，491（7424）：393-398.

［14］ WANG K C，CHANG H Y.Epigenomics：technologies and applications［J］.Circ Res，2018，122（9）：1191-1199.

［15］ LI H Y，XI Q Y，XIONG Y Y，et al.Identification and comparison of microRNAs from skeletal muscle and adipose tissues from two porcine breeds［J］.Anim Genet，2012，43（6）：704-713.

［16］ LIU X F，DING X B，LI X，et al.An atlas and analysis of bovine skeletal muscle long noncoding RNAs［J］.Anim Genet， 2017，48（3）：278-286.

［17］ LOWE R，SHIRLEY N，BLEACKLEY M，et al.Transcriptomics technologies［J］.PLoS Comput Biol，2017，13（5）：e1005457.

［18］ HARPER A L，HE Z，LANGER S，et al.Validation of an associative transcriptomics platform in the polyploid crop species Brassica juncea by dissection of the genetic architecture of agronomic and quality traits［J］.Plant J，2020，103（5）：1885-1893.

［19］ LIAO Y H，LIU Z Y，ZHANG Y，et al.High-throughput and high-sensitivity full-length single-cell RNA-seq analysis on third-generation sequencing platform［J］.Cell Discov，2023，9（1）：5.

［20］ SANGWAN R S，TRIPATHI S，SINGH J，et al.De novo sequencing and assembly of Centella asiatica leaf transcriptome for mapping of structural，functional and regulatory genes with special reference to secondary metabolism［J］.Gene，2013，525（1）：58-76.

［21］ JIN L，TANG Q Z，HU S L，et al.A pig BodyMap transcriptome reveals diverse tissue physiologies and evolutionary dynamics of transcription［J］.Nat Commun，2021，12（1）：3715.

［22］ ZHAO Y X，HOU Y，XU Y Y，et al.A compendium and comparative epigenomics analysis of cis-regulatory elements in the pig genome［J］.Nat Commun，2021，12（1）：2217.

［23］ HARPER J W，BENNETT E J.Proteome complexity and the forces that drive proteome imbalance［J］.Nature，2016， 537（7620）：328-338.

［24］ MOOTHA V.The mitochondrial proteome and human disease［J］.Pathology，2015，47（S1）：S28.

［25］ GONZLEZ-GOMARIZ J，GURUCEAGA E，LPEZ-SNCHEZ M，et al.Proteogenomics in the context of the Human Proteome Project （HPP）［J］.Expert Rev Proteomics，2019，16（3）：267-275.

［26］ PARK J，PIEHOWSKI P D，WILKINS C，et al.Informed-Proteomics：open-source software package for top-down proteomics［J］. Nat Methods，2017，14（9）：909-914.

［27］ WANG Z X，SHANG P，LI Q G，et al.iTRAQ-based proteomic analysis reveals key proteins affecting muscle growth and lipid deposition in pigs［J］.Sci Rep，2017，7（1）：46717.

［28］ ZAMBONI N，SAGHATELIAN A，PATTI G J.Defining the metabolome：size，flux，and regulation［J］.Mol Cell，2015，58（4）： 699-706.

［29］ DAMIANI C，GAGLIO D，SACCO E，et al.Systems metabolomics：from metabolomic snapshots to design principles［J］.Curr Opin Biotechnol，2020，63：190-199.

［30］ WELZENBACH J，NEUHOFF C，HEIDT H，et al.Integrative analysis of metabolomic，proteomic and genomic data to reveal functional pathways and candidate genes for drip loss in pigs［J］.Int J Mol Sci，2016，17（9）：1426.

［31］ BOVO S，MAZZONI G，GALIMBERTI G，et al.Metabolomics evidences plasma and serum biomarkers differentiating two heavy pig breeds［J］.Animal，2016，10（10）：1741-1748.

［32］ XIE F，XU L，WANG Y，et al.Metagenomic sequencing reveals that high-grain feeding alters the composition and metabolism of Cecal microbiota and induces Cecal mucosal injury in sheep［J］.mSystems，2021，6（5）：e0091521.

［33］ BI Y L，TU Y，ZHANG N F，et al.Multiomics analysis reveals the presence of a microbiome in the gut of fetal lambs［J］.Gut，2021，70（5）：853-864.

［34］ BOIX C A，JAMES B T，PARK Y P，et al.Regulatory genomic circuitry of human disease loci by integrative epigenomics［J］. Nature，2021，590（7845）：300-307.

［35］ PREISSL S，GAULTON K J，REN B.Characterizing cis-regulatory elements using single-cell epigenomics［J］.Nat Rev Genet，2023， 24（1）： 21-43.

［36］ ALDRIDGE S，TEICHMANN S A.Single cell transcriptomics comes of age［J］.Nat Commun，2020，11（1）：4307.

［37］ RUSK N.Spatial transcriptomics［J］.Nat Methods，2016，13（9）：710.

［38］ LIU X J，LOCASALE J W.Metabolomics：a primer［J］.Trends Biochem Sci，2017，42（4）：274-284.

［39］ KNIGHT R，VRBANAC A，TAYLOR B C，et al.Best practices for analysing microbiomes［J］.Nat Rev Microbiol，2018， 16（7）：410-422.

［40］ MOHAMMADI-SHEMIRANI P，SOOD T，PAR G.From ‘omics to multi-omics technologies：the discovery of novel causal mediators［J］.Curr Atheroscler Rep，2023，25（2）：55-65.

［41］ ZHANG H W，LV C，ZHANG L J，et al.Application of omics- and multi-omics-based techniques for natural product target discovery［J］.Biomed Pharmacother，2021，141：111833.

［42］ 商 鵬.基于胚胎肌肉組織轉(zhuǎn)錄組和蛋白質(zhì)組數(shù)據(jù)鑒定豬生長(zhǎng)性狀相關(guān)基因［D］.北京：中國(guó)農(nóng)業(yè)大學(xué)，2017.

SHANG P.Identification of candidate genes on growth traits intergrating transcriptome and proteome of embryonic muscle in pigs［D］.Beijing：China Agricultural University，2017.（in Chinese）

［43］ LI X，YANG J，SHEN M，et al.Whole-genome resequencing of wild and domestic sheep identifies genes associated with morphological and agronomic traits［J］.Nat Commun，2020，11（1）：2815.

［44］ ZHANG D，DENG Y X，KUKANJA P，et al.Spatial epigenome-transcriptome co-profiling of mammalian tissues［J］.Nature，2023， 616（7955）：113-122.

［45］ 蔣可人，馬 崢，鄭 航，等.轉(zhuǎn)錄組與蛋白質(zhì)組整合分析在生物學(xué)研究中的應(yīng)用［J］.生物技術(shù)通報(bào)，2018，34（12）：50-55.

JIANG K R，MA Z，ZHENG H，et al.Review on the application of integrated transcriptome and proteome analysis in biology［J］.Biotechnol Bull，2018，34（12）：50-55.（in Chinese）

［46］ PONSUKSILI S，TRAKOOLJUL N，HADLICH F，et al.Genetic regulation of liver metabolites and transcripts linking to biochemical-clinical parameters［J］.Front Genet，2019，10：348.

［47］ LIU R X，HONG J，XU X Q，et al.Gut microbiome and serum metabolome alterations in obesity and after weight-loss intervention［J］.Nat Med，2017，23（7）：859-868.

［48］ LI Q，WANG Y H，HU X，et al.Transcriptional states and chromatin accessibility during bovine myoblasts proliferation and myogenic differentiation［J］.Cell Prolif，2022，55（5）：e13219.

［49］ YU T Y，TIAN X K，LI D，et al.Transcriptome，proteome and metabolome analysis provide insights on fat deposition and meat quality in pig［J］.Food Res Int，2023，166：112550.

［50］ TIAN X K，LI D，ZHAO X，et al.Dietary grape pomace extract supplementation improved meat quality，antioxidant capacity，and immune performance in finishing pigs［J］.Front Microbiol，2023，14：1116022.

［51］ TEKOLA-AYELE F，ZENG X H，CHATTERJEE S，et al.Placental multi-omics integration identifies candidate functional genes for birthweight［J］.Nat Commun，2022，13（1）：2384.

［52］ JIN C，LEE B，SHEN L，et al.Integrating multi-omics summary data using a Mendelian randomization framework［J］.Brief Bioinform，2022，23（6）：bbac376.

［53］ BODEIN A，SCOTT-BOYER M P，PERIN O，et al.Interpretation of network-based integration from multi-omics longitudinal data［J］.Nucleic Acids Res，2022，50（5）：e27.

［54］ REEL P S，REEL S，PEARSON E，et al.Using machine learning approaches for multi-omics data analysis：a review［J］.Biotechnol Adv，2021，49：107739.

［55］ SHANG P，WANG Z X，CHAMBA Y，et al.A comparison of prenatal muscle transcriptome and proteome profiles between pigs with divergent growth phenotypes［J］.J Cell Biochem，2019，120（4）：5277-5286.

［56］ HUANG X，ZHANG H Y，CAO H Y，et al.Transcriptomics and metabolomics analysis of the ovaries of high and low egg production chickens［J］.Animals，2022，12（16）：2010.

［57］ 喇永富.利用轉(zhuǎn)錄組和蛋白質(zhì)組測(cè)序篩選綿羊多羔基因的研究［D］.蘭州：甘肅農(nóng)業(yè)大學(xué)，2020.

LA Y F.Study on screening polytocous genes in sheep based on transcriptome and proteomics sequencing［D］.Lanzhou：Gansu Agricultural University，2020.（in Chinese）

［58］ SUN Z P，LIU Y F，HE X Y，et al.Integrative proteomics and transcriptomics profiles of the oviduct reveal the prolificacy-related candidate biomarkers of goats （Capra hircus） in estrous periods［J］.Int J Mol Sci，2022，23（23）：14888.

［59］ 張壯彪.基于下丘腦多組學(xué)分析篩選小尾寒羊多羔候選基因［D］.北京：中國(guó)農(nóng)業(yè)科學(xué)院，2020.

ZHANG Z B. Screening polytocous candidate genes in small tail han sheep based on hypothalamic multi-omics analysis［D］. Beijing：Chinese Academy of Agricultural Sciences，2020.（in Chinese）

［60］ CHANG J Y，F(xiàn)AN D，LIU J X，et al.Transcriptomic and chromatin landscape analysis reveals that involvement of pituitary level transcription factors modulate incubation behaviors of magang geese［J］.Genes （Basel），2023，14（4）：815.

［61］ LI J J，XIANG Y，ZHANG L，et al.Enhancer-promoter interaction maps provide insights into skeletal muscle-related traits in pig genome［J］.BMC Biol，2022，20（1）：136.

［62］ WANG L Y，ZHANG Y W，ZHANG B，et al.Candidate gene screening for lipid deposition using combined transcriptomic and proteomic data from Nanyang black pigs［J］.BMC Genomics，2021，22（1）：441.

［63］ ZHAN H W，XIONG Y C，WANG Z C，et al.Integrative analysis of transcriptomic and metabolomic profiles reveal the complex molecular regulatory network of meat quality in Enshi black pigs［J］.Meat Sci，2022，183：108642.

［64］ LI J J，ZHANG D H，YIN L Q，et al.Integration analysis of metabolome and transcriptome profiles revealed the age-dependent dynamic change in chicken meat［J］.Food Res Int，2022，156：111171.

［65］ WANG W L，HU H F，ZIJLSTRA R T，et al.Metagenomic reconstructions of gut microbial metabolism in weanling pigs［J］. Microbiome，2019，7（1）：48.

［66］ REVERTER A，BALLESTER M，ALEXANDRE P A，et al.A gene co-association network regulating gut microbial communities in a Duroc pig population［J］.Microbiome，2021，9（1）：52.

［67］ SAELAO P，WANG Y，CHANTHAVIXAY G，et al.Integrated proteomic and transcriptomic analysis of differential expression of chicken lung tissue in response to NDV infection during heat stress［J］.Genes （Basel），2018，9（12）：579.

［68］ YU H L，WANG Q，TANG J Q，et al.Comprehensive analysis of gut microbiome and host transcriptome in chickens after Eimeria tenella infection［J］.Front Cell Infect Microbiol，2023，13：1191939.

［69］ 許秋實(shí).基于多組學(xué)水平的酮病奶牛脂肪組織代謝適應(yīng)分析［D］.長(zhǎng)春：吉林大學(xué)，2019.

XU Q S. Integrated analysis of metabolic adaptation on adipose tissue in ketotic dairy cows based on multi-omics data［D］. Changchun：Jilin University，2019.（in Chinese）

［70］ ZHANG B，CHAMBA Y，SHANG P，et al.Comparative transcriptomic and proteomic analyses provide insights into the key genes involved in high-altitude adaptation in the Tibetan pig［J］.Sci Rep，2017，7（1）：3654.

［71］ LIU S L，GAO Y H，CANELA-XANDRI O，et al.A multi-tissue atlas of regulatory variants in cattle［J］.Nat Genet，2022，54（9）： 1438-1447.

［72］ THE GTEX CONSORTIUM，ARDLIE K G，DELUCA D S，et al.The Genotype-Tissue Expression （GTEx） pilot analysis：multitissue gene regulation in humans［J］.Science，2015，348（6235）：648-660.

（編輯 孟 培）