中藏药多组学整合

要解决的问题

中藏药复方的作用机制研究长期面临数据割裂的挑战：转录组、蛋白质组、代谢组数据往往被孤立分析，难以回答“多成分如何协同调控多靶点、多通路”这一核心问题。传统方法要么聚焦单一组学导致信息片面，要么仅做简单关联缺乏机制深度，实验验证成本高且周期长。

核心能力与工作流

本技能通过四步工作流系统整合三组学数据：

1. 数据预处理与差异筛选：使用 load_omics_data() 加载CSV/Excel数据，filter_de_results() 按 |log2FC|>1、p<0.05 筛选差异分子，qc_summary() 生成质量报告，map_gene_protein() 完成跨组学ID映射。
2. 单组学独立分析：对转录组做GO/KEGG富集（go_enrichment()、kegg_enrichment()），蛋白组额外构建PPI网络（ppi_network_stats()），代谢组进行分类与通路富集（metabolite_classification()）。
3. 多组学关联整合：用Fisher法合并通路p值（fisher_combine_pvalues()），检验三组差异列表的重叠显著性（overlap_hypergeometric()），分析转录-蛋白log2FC的Spearman相关性（cross_omics_correlation()），提取核心调控分子（find_integrated_hubs()）。
4. 网络药理学与机制阐释：内置25+藏药活性成分靶点库，通过match_compound_targets()匹配成分-靶点交集，构建“成分→靶点→通路→表型”四层网络（build_network()），支持导出Cytoscape JSON。最终按标准化结构输出报告，包含跨组学验证机制、藏医理论映射及候选标志物（1基因+1蛋白+1代谢物）。

适用边界与注意事项

• 内置基因集/通路数据为离线示例，正式研究建议用clusterProfiler（R）或gseapy（Python）更新数据库；
• 矿物药（如佐太）需关注MT基因家族及Nrf2/ARE通路，避免忽略重金属相关机制；
• 未鉴定代谢物需保留m/z/RT信息，不可直接丢弃；
• 跨组学分析前需检查批次效应，多组学信号一致性需结合藏医“三因学说”进行生物学解释。