组学分析是分析大型数据集以提取有关生物分子(基因、DNA、RNA、蛋白质、代谢物等)的有意义信息的过程，目的是阐明典型的分子通路和破译疾病发生的位置。

在一项由人类遗传学家、贝斯以色列女执事医疗中心 (BIDMC) 神经内科神经生物库主任 Bruno A. Benitez 医学博士领导的研究中，研究人员使用机器学习方法整合高通量转录组、蛋白质组、代谢组和脂质组学谱，为阿尔茨海默病 (AD) 提供单一组学分析无法提供的新的关键分子见解。该论文发表在PLOS Biology杂志上。

交叉组学方法确定了四种不同的 AD 分子谱，其中一种与较差的认知功能和理学特征有关，包括死亡时临床痴呆评分明显较高、症状出现后的寿命较短、神经退行性病变和神经炎症更严重以及代谢组学谱水平下降。

这种分子谱存在于与更晚期疾病相关的多个受影响的皮质区域中，即那些在 AD 中看到的更多 tau 蛋白病理以及在 AD 早期和晚期阶段发生改变的突触相关基因和信号通路的严重失调的区域。

研究小组的结果表明，跨组学分析可以捕捉差异并识别复杂且异质性疾病(如阿尔茨海默病)中的分子变异，而单模态组学方法通常会忽略这些变异。通过利用这种方法，科学家可以更好地了解这种疾病以及其他疾病，并为新的突破和潜在疗法铺平道路。

贝尼特斯表示，交叉组学方法可以成为研究人员了解阿尔茨海默病的有力工具。“这些方法不仅优于单组学分析，而且还能为这种疾病的发病机制提供宝贵的分子见解，”他补充道。