《Clinical and Translational Discovery》：Integrative omics in translational pharmacology: A target-credibility framework for biomarker-guided therapy
背景：药物研发仍然成本高昂且易失败，因为分子关联未必能转化为可操作的治疗假说。整合组学能够将疾病生物学与靶点提名、功能验证、药理学评估、患者分层及生物标志物导向治疗相连接。
方法：本叙述性综述基于对PubMed、Scopus、Web of Science、ScienceDirect和Google Scholar进行的迭代式主题引导检索，检索更新至2026年9月。检索聚焦于多组学、靶点验证、药理学评估、生物标志物开发和临床转化。研究人员根据原始实验与临床研究、方法学文献、监管指南及相关综述对这些主题的贡献进行筛选。未进行正式偏倚风险评估或定量荟萃分析。
结果：综合证据表明，基因组学和药物基因组学证据支持因果推断和治疗方向性；转录组学和表观基因组学数据界定动态疾病状态；蛋白质组学和化学蛋白质组学方法评估蛋白质功能、靶点结合及通路调节；代谢组学、脂质组学、单细胞和空间方法提供生化、细胞及组织分辨证据。研究人员提出一个多域、门控式靶点可信度框架，该框架区分因果相关性、生物学背景、功能验证、可成药性、靶点结合、药效学反应、安全性、生物标志物就绪度和临床实施。该框架将趋同、未解决和矛盾的证据分别对应继续（go）、优化（refine）或终止（stop）决策。
结论：整合组学在明确治疗问题、干预导向研究设计、独立验证、分析稳健的生物标志物和监管就绪度的指导下最具价值。该框架是拟议的定性决策辅助工具，尚未经过临床验证以预测临床成功。
1 引言
药物研发尽管在分子生物学、高通量筛选、计算建模和临床试验设计方面取得进展，仍然成本高昂、周期漫长且易失败。相当比例的失败反映治疗假说本身的薄弱，包括对疾病机制、靶点验证、安全性、药效学效应和患者选择的认识不足。核心转化挑战不仅是生成日益复杂的分子数据集，而是确定哪些分子观察具有足够的可信度、可检验性和临床相关性，以指导治疗决策。人类遗传学可增强因果推断并指导治疗方向性，且受遗传证据支持的药物机制具有更高的临床成功概率；然而，遗传证据本身可能无法解决疾病相关的细胞和组织背景、药理学可成药性、靶点结合、下游生物学效应或安全性。同样，转录组学、蛋白质组学、代谢组学、表观基因组学、单细胞、空间和计算方法捕获疾病生物学和治疗反应的互补但不完整的方面，如表1所总结。因此，整合组学可以通过组合这些证据层面来加强对疾病机制、治疗靶点、患者异质性、药物反应和临床相关生物标志物的表征。在分子医学中，整合组学通过将疾病机制与靶点评估、患者分层、药物反应评估和生物标志物指导的治疗决策相联系，提供了从分子表征到临床决策的转化桥梁。其价值在于将互补的分子信息转化为能够支持治疗开发和更精准治疗决策的证据。生物学背景、采样、时机、缺失数据、批次效应、测量尺度差异和跨模态信号不一致可显著影响结论。计算整合可揭示跨模态模式并优先排序假设，但仅凭预测性能并不能确立因果性、药理学可成药性或临床效用；机制性、实验性或临床验证仍是必要的。因此，整合组学的价值不在于测量的分子层面数量，而在于互补证据是否解决了一个明确的转化问题。
为组织这些证据，研究人员将靶点可信度定义为候选治疗靶点受到以下趋同证据支持的程度：因果疾病相关性、适当的生物学背景、功能重要性、药理学可成药性、安全性、靶点结合和可测量的生物学反应。基于既定的靶点验证原则（包括5R框架），该方法根据所测试的转化问题组织互补组学证据，并将趋同、未解决或矛盾的发现分别与推进、优化或终止决策相关联。靶点可信度不同于生物标志物就绪度，因为支持治疗靶点的证据本身并不能确定相关测量适用于临床决策；靶点结合也不同于下游药效学反应。鉴于既往综述侧重于单个组学技术、计算整合方法或更广泛的多组学和人工智能应用，本综述聚焦于从分子证据到治疗决策的推进过程。研究人员审视靶点提名与验证、药理学可成药性、靶点结合、药效学评估、安全性、患者分层、生物标志物导向治疗和临床实施。所提出的框架是迭代性的，旨在阐明治疗假说何时应推进、优化或终止。
2 综述范围、文献选择与靶点可信度框架
2.1 综述范围与文献选择方法
本叙述性综述基于对PubMed、Scopus、Web of Science、ScienceDirect和Google Scholar进行的主题导向检索，检索更新至2026年9月。主要检索概念将“整合组学”和“多组学”相关术语与靶点识别、靶点验证、靶点结合、药效学反应、生物标志物开发、精准医学、药物发现和临床转化相结合。根据需要添加模态特异性和疾病特异性术语。研究根据其与综述问题和转化决策点的相关性被选择。原始实验与临床研究、方法学文献和监管指南被优先用于具体主张，而综述主要用于情境综合。近期文献被强调，而具有直接相关性的里程碑研究被保留；文献主要为英文。
文献检索是迭代式的，而非基于预先指定的系统综述方案。未保留确切的历史检索字符串和筛选计数，限制了选择过程的可重复性。未进行正式偏倚风险评估或定量荟萃分析。因此，本综述提供的是选择性、批判性综合而非对文献的详尽评估，应承认潜在的选择和语言偏倚。
2.2 与既有转化框架的关系
所提出的靶点可信度框架补充了既有方法。5R框架考虑正确的靶点、组织、安全性、患者和商业潜力；三大支柱强调作用部位暴露、靶点结合和功能性药理活性；GOT-IT则推荐具有明确里程碑和继续/终止决策的项目特异性靶点评估。所提出的扩展将异质模态映射到转化问题，并将跨模态证据分类为趋同、未解决或矛盾。这些证据状态和决策规则在表2中操作化。
表2总结了靶点和干预评估以及关联生物标志物开发的拟议决策标准。证据域包括因果相关性和治疗方向性、细胞和组织背景、功能验证、可成药性和暴露、靶点结合、药效学反应、安全性和治疗窗；以及生物标志物就绪度、计算/模型就绪度和临床实施。每个域都有对应的继续、优化和终止标准及参考文献。
2.3 操作性靶点可信度评估
研究人员提出一种多域、门控式靶点可信度评估，而非单一的加性数值评分。与既定靶点评估原则一致，该评估针对疾病适应症、项目目标、开发阶段和预期进展决策进行定制。证据根据因果支持、生物学相关性、可重复性以及功能和药理学测量的直接性进行评估。该框架提供拟议的决策规则；尚未被验证为预测临床成功的工具。评估始于明确决策是关于靶点–适应症假说、化合物、递送策略、生物标志物还是计算模型。然后根据项目特定目标、里程碑和进展标准为下一个开发步骤定义证据要求。对于靶点提名，研究人员建议，合理的疾病关联、相关生物学背景和可测试的调节方向可能足以证明进一步实验验证的合理性。药理学评估另外考虑作用部位暴露、靶点结合、下游药理活性以及阶段适当的安全性证据。这些标准并不取代临床开发所需的更广泛的临床前和监管评估。因此，继续决策仅支持指定的下一步；并不确立临床就绪度。表2将靶点和干预评估与生物标志物、模型和实施评估分开。证据根据预先定义的、决策特异性的要求（包括可接受的不确定性和会挑战假说的观察）被分类为受支持、未解决或矛盾。继续支持推进到指定的下一步；优化适用于假说仍然合理但存在潜在可解决的差距；终止适用于决策关键域中的稳健矛盾证据或不可缓解的限制削弱了所评估的策略。决策关键失败不能被另一域中的有利证据抵消。终止化合物并不必然使靶点无效。只有当生物标志物对其实施不可或缺且没有可行替代方案时，生物标志物失败才需要终止所评估的治疗策略。缺失证据仍为未解决而非矛盾。不一致的发现应首先评估技术和生物学解释，包括测量质量、批次效应、缺失数据、细胞异质性和分子层之间的时间差异。独立数据集和正交实验随后可帮助确定差异是技术性的还是反映可重复的生物学差异。
直接靶点结合和下游药效学反应应分开评估，因为化合物–靶点结合本身并不能确立预期的功能效应。BRAF(V600E)结直肠癌说明了优化决策。RNAi筛选和药理学实验确定了EGFR反馈激活是限制BRAF抑制剂活性的机制；联合BRAF–EGFR抑制在临床前模型中增强了抗肿瘤活性。回顾性应用该框架，这一证据将支持将干预措施向联合测试优化；它不会确立临床就绪度，也不会使BRAF作为靶点无效。表3提供了额外示例：PCSK9和ANGPTL3的支持性证据、AZD3778的暴露不确定性、Lp-PLA2/darapladib的阴性遗传和临床发现以及semagacestat不利的疗效–安全性特征。总之，这些案例回顾性说明了所提出的决策逻辑；它们并不证明该框架能前瞻性预测结果。
2.4 生物标志物就绪度与临床实施
靶点可信度和生物标志物就绪度是相关但分开的转化过程。具有治疗可信度的靶点并不自动确定相关分子测量适用于临床决策。因此，生物标志物应根据预定义的使用环境进行评估，例如患者选择、治疗反应预测、药效学评估、安全性监测或纵向监测，并具有适当的分析性能、临床有效性、决策阈值和临床效用证据。这些生物标志物角色不应混为一谈。预测性生物标志物识别更可能从特定干预中获益或受到伤害的个体，而药效学生物标志物指示治疗后的生物学反应，但不一定确立临床疗效。替代终点替代直接测量临床获益，而伴随诊断提供对应治疗产品安全有效使用所必需的信息；因此这些应用需要根据预期使用环境进行适当的验证和监管评估。前瞻性临床效用由PREDICT-1试验例证，在该试验中，阿巴卡韦治疗前的HLA-B*57:01筛查指导了等位基因阳性患者的药物规避并降低了超敏反应风险。
临床实施增加了与检测可及性、测定稳健性和可重复性、成本、监管、报销、基础设施和临床工作流兼容性相关的要求。因此，靶点可能推进而其关联生物标志物仍在优化中，而生物标志物失败不一定使靶点无效，但当生物标志物对于识别响应人群或证明治疗机制至关重要时，它可能阻止进展。图1总结了生物学验证、药理学测试和生物标志物开发之间的迭代关系，表2提供了操作性的继续、优化和终止标准。
3 基因组学与药物基因组学：从因果证据到患者分层
基因组学通过将人类遗传变异与疾病生物学、治疗方向性、安全性和患者分层联系起来，为转化药理学提供上游证据层。有人类遗传证据支持的药物机制比无此类支持的机制具有大约2.6倍的临床成功概率，尤其是在因果基因置信度较高时。然而，遗传关联本身并不能确立治疗靶点。全基因组关联信号可能出现在非编码区域或连锁不平衡区块内，使因果变异、效应基因、相关细胞类型和机制的识别复杂化。因此，靶点优先排序受益于来自精细定位、分子QTL、共定位、调控注释、染色质相互作用和变异到基因映射的趋同证据。罕见变异和功能缺失分析，以及在适当情况下的孟德尔随机化，可进一步增强因果推断和治疗方向性。人类遗传学也可告知治疗调节的方向。PCSK9提供了一个代表性示例：天然存在的低密度脂蛋白（LDL）降低变异，包括功能缺失变异，与冠心病保护相关，并支持PCSK9抑制作为治疗策略。然而，遗传扰动仍然是药理学干预的不完美替代，因为遗传效应在生命周期中积累，且可能在幅度和时间上与药物治疗不同。
3.1 功能遗传验证：靶基因敲除与扰动
功能遗传扰动提供了从关联到因果靶点验证的重要桥梁。在疾病相关细胞或动物模型中进行靶基因敲除可测试靶点功能缺失是否产生预测的表型，而拯救实验、正交扰动和药理学验证可帮助区分靶点特异性效应与非靶点或背景依赖性效应。基于簇状规则间隔短回文重复序列（CRISPR）的筛选能够系统识别遗传依赖性，而单细胞扰动方法以细胞分辨率解析下游效应。例如，Perturb-seq将汇集CRISPR扰动与单细胞转录组读段相结合；Replogle等人将基因组规模CRISPR干扰应用于超过250万个人类细胞，以绘制基因型–表型关系。当在疾病相关系统中重现并得到正交验证支持时，此类证据增强靶点可信度。图2总结了人类遗传证据如何与功能性和药理学验证整合以增强靶点可信度。体细胞基因组学说明了从分子改变到生物标志物导向治疗的进展。在慢性髓性白血病中，BCR–ABL1确立了伊马替尼的治疗靶点，而激酶结构域突变可指导后续酪氨酸激酶抑制剂（TKI）的选择。HER2提供了一个跨模态示例，其中乳腺癌治疗资格取决于HER2蛋白表达和/或ERBB2基因扩增。致病性BRCA1/2改变同样应与更广泛的同源重组缺陷表型区分开，后者可通过额外的遗传或调控机制产生。其他可操作改变，包括EGFR、ALK、ROS1、BRAF、错配修复缺陷和微卫星不稳定性，仍然依赖于肿瘤背景、测定解释和有效疗法的可用性。药物基因组学解决遗传变异是否可告知治疗疗效或安全性。HLA-B*57:01预测阿巴卡韦超敏反应，CPIC指南建议阳性个体避免使用阿巴卡韦。CYP2C19中间代谢者和慢代谢者氯吡格雷活化和血小板抑制减少，支持在特定情况下使用基因型指导的替代抗血小板治疗。然而，基因组证据具有重要的转化局限性。疾病相关变异本身并不能确立因果基因、组织背景、可成药性、治疗方向或药理反应，且某些祖先群体的代表性不足可能限制遗传关联和基因组预测模型的可转移性。临床实施进一步要求可靠检测、可解释报告、工作流整合、适当的数据治理和公平的检测可及性。
4 转录组学与单细胞分析：疾病状态与治疗反应
转录组学捕获与细胞身份、通路活性、疾病进展和治疗反应相关的背景依赖性基因表达状态。在靶点可信度框架内，它可以确定提名靶点及相关通路是否在相关组织、细胞类型、疾病阶段和治疗背景中活跃。由于转录状态是动态的且受细胞组成和采样背景影响，机制解释通过互补的功能和蛋白质水平证据得到加强。当与明确的诊断或治疗问题相关时，转录组学分析可细化疾病分类和生物标志物开发。在脓毒症中，具有不同炎症、适应性免疫和凝血程序的可重复宿主反应内型与疾病严重程度和死亡率的差异相关。在肿瘤学中，RNA测序通过检测表达的基因融合和转录本异构体以及定义基于表达量的疾病亚型来补充基于DNA的分析。在B-ALL中，基因组改变与转录组谱的整合已细化分子分类并识别具有不同生物学、预后和治疗相关性的亚组。
扩展的连接图谱包含约130万个L1000谱，用于比较化学和遗传扰动特征。这些数据可优先排序预测逆转疾病相关转录状态或模拟有益扰动的化合物。然而，连接性并不能确立治疗疗效，且可能依赖于细胞背景和化合物浓度；因此预测需要在疾病相关系统中进行实验验证。单细胞RNA测序解析了批量组织中模糊的细胞类型和细胞状态特异性程序，能够识别耐药亚群、治疗诱导状态和肿瘤–微环境相互作用。scTherapy提供了一个转化示例，其中患者特异性单细胞转录组与预训练药物反应模型相结合，以优先排序克隆选择性多靶点治疗，预测在患者来源细胞和类器官中得到验证。然而，前瞻性临床效用仍有待确立。转录组学分析也可通过液体活检支持纵向评估。循环转录组信号可测量为细胞游离mRNA或来自细胞外囊泡、肿瘤教育血小板和循环肿瘤细胞，而重复采样可捕获与反应或耐药相关的治疗相关变化。临床转化仍然受限于RNA不稳定性、低丰度、提取和富集的变异性以及缺乏标准化处理和标准化。
5 蛋白质组学与化学蛋白质组学：从蛋白质功能到靶点结合
蛋白质组学通过测量蛋白质丰度、活性和翻译后修饰状态来补充基因组和转录组学证据。在靶点可信度框架内，蛋白质组学证据可以确定提名蛋白是否存在于相关疾病背景中，以及其功能状态或相关信号通路是否在治疗干预后发生变化。磷酸化蛋白质组学对于表征信号活性和治疗诱导的通路变化特别有用，支持药效学评估、激酶活性推断以及治疗反应或耐药的研究。化学蛋白质组学将蛋白质水平分析扩展到化合物与分子靶点之间的直接相互作用。化学蛋白质组学方法可以识别预期和非预期相互作用，表征结合特异性，并支持靶点去卷积、作用机制研究和安全性评估。基于活性的蛋白质谱分析测量酶活性和潜在可成药位点，而共价片段方法可以映射天然蛋白质组中的可配体半胱氨酸。当遗传或转录组学证据提名靶点但不确定相应蛋白是否可以被化学结合时，这些方法特别有价值。化学蛋白质组学的一个主要贡献是直接评估靶点结合。在生物学相关系统中证明化合物–靶点相互作用加强了作用机制证据，并可支持先导化合物优化和剂量选择。细胞热位移分析（CETSA）/热蛋白质组分析、亲和性或活性基化学蛋白质组学以及结构质谱方法提供结合的互补证据。重要的是，靶点结合应区别于下游药效学反应：结合或占据确立近端结合，而后续通路或功能变化证明其生物学后果。激酶抑制剂的化学蛋白质组学分析进一步说明了预期和非靶点相互作用如何告知选择性、多药理学、反应和毒性。图3说明了蛋白质组学和化学蛋白质组学方法如何区分直接靶点结合与下游药效学反应和适应性耐药。蛋白质组学证据也可为遗传扰动提供机制背景。遗传功能缺失或获得可能不能完全重现药理学调节，而与蛋白质组学和化学蛋白质组学数据的整合可以将基因水平依赖性连接到蛋白质状态变化和药理学可操作的机制。蛋白质基因组学进一步整合基因组和转录组信息与蛋白质组和磷酸化蛋白质组测量，以确定分子改变是否在蛋白质和信号水平得到反映。在乳腺癌中，整合蛋白质基因组学分析将基因组改变连接到蛋白质和磷蛋白变化，并识别了仅凭转录组数据不明显信号特征和候选治疗靶点。生物流体蛋白质组学为生物标志物开发和纵向监测提供了补充途径，因为血浆可重复采样。质谱和亲和力平台在覆盖率、灵敏度、特异性和定量方面有所不同，而低丰度蛋白检测、分析前变异、缺失数据和分析选择可影响可重复性。总之，蛋白质组学和化学蛋白质组学证据将蛋白质状态和化学结合与下游药效学反应联系起来。
6 代谢组学与脂质组学：生化表型、治疗反应和毒性
6.1 代谢组学与药物代谢组学
代谢组学通过测量细胞、组织和生物流体中的小分子代谢物，提供药理学反应的近表型视图。由于代谢组反映遗传和蛋白质水平调控以及环境、营养、微生物组和治疗影响，它提供了生化状态的动态读数。在靶点可信度框架内，代谢组学证据对于将疾病或治疗扰动与机制、药效学反应或毒性联系起来特别有用。稳态代谢物丰度在机制上是模糊的，因为浓度改变可能反映产生、消耗、转运、器官间交换或代偿反应的变化，而非疾病驱动通路。因此，代谢组学发现与明确的药理学问题相关并与正交分子、扰动或临床证据结合解释时最有信息量。药物代谢组学使用治疗前和治疗相关代谢谱来研究疗效、毒性、药代动力学和剂量需求的变异性，而早期治疗相关变化可提供药物效应的药效学证据。稳定同位素示踪通过追踪标记底物通过代谢通路来量化底物利用和代谢通量，将此类分析扩展到稳态丰度之外。在非小细胞肺癌患者中，[U–13C]葡萄糖示踪揭示了增强的葡萄糖氧化和肿瘤内外显著的代谢异质性，差异与肿瘤灌注相关。此类测量可定义与治疗反应或耐药相关的背景依赖性代谢依赖性。
代谢组学也可通过识别与毒性相关的时间和剂量依赖性生化扰动来促进安全性评估。例如，基于NMR的分析检测到大鼠和HepG2细胞中苦参碱处理后的暴露相关代谢变化，说明了其在临床前开发中进行机制毒理学评估的潜力。临床转化仍然受限于生物学和分析变异性。采样时间、采集和处理、储存、提取、仪器条件和数据预处理可显著影响代谢谱。非靶向工作流提供广泛的发现覆盖，但通常包括未完全鉴定的特征，而靶向测定允许对选定代谢物进行更严格的定量验证。因此，可重复性需要适当的质量控制、透明的分析报告和独立验证。用于临床的代谢特征还必须证明对预定临床决策的价值，而非仅统计关联。
6.2 脂质组学与空间脂质组学
脂质组学通过表征参与膜组织、能量代谢、信号传导、炎症和细胞死亡通路的脂质种类来扩展代谢组学分析。在靶点可信度框架内，当治疗或疾病相关脂质重塑可连接到明确机制、药理学相关通路或生物标志物使用环境时，脂质组学证据最有信息量。解释因脂质的结构多样性而复杂化，包括酰基链组成、双键位置、立体化学、位置异构和氧化状态的变化。因此，脂质注释应反映分析方法支持的结构分辨率，标准化命名和报告可提高可重复性。当脂质改变与功能机制相连时，脂质组学超越描述性分析。铁死亡提供了一个治疗相关示例，因为铁依赖性脂质过氧化是这种受调节细胞死亡形式的核心，并可产生背景依赖性脆弱性。此类观察可提名治疗假说，但在脂质谱改变被视为可操作脆弱性的证据之前，需要进行功能验证。
空间脂质组学通过使用质谱成像在完整组织内定位脂质、代谢物、治疗化合物和药物代谢物来添加解剖背景。将局部药物分布与分子变化相关联可帮助区分区域暴露、药效学反应和毒性，而与组织病理学或其他空间组学模态的整合可将这些信号连接到特定组织区室。在胃癌中，整合空间转录组学、代谢组学和脂质组学分析解析了肿瘤内代谢异质性和细胞特异性代谢相互作用，这些在批量测量中不明显。图4说明了代谢通量分析、治疗相关代谢谱分析和空间代谢组学/脂质组学如何将肿瘤代谢与治疗反应、毒性和肿瘤内异质性联系起来。转化解释仍受生理状态、药物暴露、样本处理、脂质氧化、电离和基质效应、批次变异和平台特异性差异的影响。当分析方法无法解析双键位置、sn-位置、立体化学或氧化修饰时，结构分配也可能不确定。
7 表观基因组学：可逆调控、治疗脆弱性与耐药
表观基因组学通过DNA甲基化、组蛋白修饰、染色质可及性和更高阶染色质组织提供疾病生物学的调控视图。由于这些状态是动态的、细胞类型特异性的和背景依赖性的，表观基因组学证据可以识别疾病相关调控程序和治疗相关状态，这些状态产生治疗脆弱性或导致耐药。在靶点可信度框架内，其主要贡献是识别可逆调控机制，这些机制可连接到功能扰动和药理反应。几种表观遗传依赖性在药理学上是可操作的，包括DNMT、HDAC、突变IDH1/2和EZH2。menin抑制提供了一个基于机制的近期示例：KMT2A重排白血病依赖于menin介导的白血病发生转录程序的维持，为破坏menin–KMT2A相互作用提供了理论依据。在II期AUGMENT-101研究中，revumenib在复发或难治性KMT2A重排急性白血病中显示出临床活性，同时抑制HOX/MEIS1相关程序并增加分化标志物表达。这将分子定义的患者选择与药效学反应和临床活性联系起来。
表观基因组学分析也可支持生物标志物开发，但生物标志物就绪度应区别于靶点或机制可信度。DNA甲基化特征是最临床开发的表观遗传生物标志物之一，因为它们相对稳定且与靶向测定和细胞游离DNA分析兼容。其他读段，包括染色质可及性和组蛋白修饰，在常规临床使用方面仍不够成熟。因此，临床实施需要独立验证和生物标志物告知预定临床决策的证据。表观基因组学对于适应性耐药尤其有信息量。肿瘤细胞可通过可逆、非突变调控状态短暂存活于治疗压力下，产生药物耐受持久性群体。Sharma等人确定了与H3K4甲基化减少相关的KDM5A依赖性状态；KDM5A扰动降低药物耐受性，而HDAC或IGF-1R抑制破坏了耐受状态。这说明了可逆表观遗传适应如何在稳定遗传耐药出现之前产生治疗脆弱性。
单细胞和多模态表观基因组学方法解析了批量组织中模糊的调控状态。单细胞染色质可及性分析和配对染色质–RNA测量可将调控状态与转录输出连接起来，并揭示罕见亚群、状态转变和治疗相关变化。功能表观基因组编辑提供了一种互补的因果性测试方法：CRISPR/dCas9系统可将调控效应器招募到定义位点，而CRISPRoff可通过靶向DNA甲基化和抑制性组蛋白修饰诱导持久基因沉默。这些方法仍处于实验阶段，需要进一步评估递送、特异性、持久性和脱靶效应。
新兴的药物–染色质映射方法进一步将表观基因组状态与药理学结合联系起来。单细胞EpiChem联合分析小分子染色质结合与组蛋白修饰、染色质可及性或选定蛋白。在患者来源的结直肠癌类器官中，它揭示了异质性、细胞状态特异性药物结合模式，这些模式并非简单地重现染色质可及性，说明了为什么应测试跨分子层的一致性而非假设。此类方法目前最好被视为机制和靶点结合研究的研究阶段工具，而非临床确立的测定方法。因此，机制性表观基因组学主张需要正交功能验证，而表观基因组生物标志物需要针对定义临床使用环境的单独验证。
8 空间组学：组织背景与空间药理学
空间组学通过在完整组织内保留分子信号来添加解剖背景。与批量分析或解离细胞方法不同，空间方法可将分子状态与细胞邻域、基质和血管结构、免疫微环境以及局部生化环境联系起来。在靶点可信度框架内，空间证据可以确定提名靶点或通路是否存在于疾病相关区室中，以及其定位是否与治疗反应或耐药相关，如图5所示。空间转录组学和蛋白质组学提供关于组织组织和分子状态的互补信息。转录组方法定义区域表达程序和细胞状态，而空间蛋白质组学测量蛋白质丰度、信号特征和细胞–细胞关系在解剖背景内。由于RNA丰度不一定预测蛋白质丰度、修饰或细胞表面定位，空间蛋白质测量可通过确认相关区室中蛋白质水平定位来加强靶点评估。质谱成像将空间分析扩展到代谢物、脂质、肽、聚糖、治疗化合物和药物代谢物。这特别适用于空间药理学，因为批量药代动力学测量可能掩盖药物分布和代谢的区域异质性。将药物暴露与内源分子变化共同映射可将局部暴露与药效学或毒理学效应联系起来。重要的是，空间药物存在证明暴露而非靶点结合，后者需要与预期分子靶点相互作用的独立证据。空间分析也可细化生物标志物假说。在晚期非小细胞肺癌接受PD-1免疫治疗中，整合空间蛋白质组和转录组分析确定了涉及增殖肿瘤细胞、粒细胞和血管的耐药相关特征，以及经独立队列验证的反应相关巨噬细胞和CD4 T细胞特征。在常规治疗选择之前，仍需前瞻性验证和临床可部署测定。
空间模态的整合可进一步将生化状态与定义细胞表型联系起来。Nunes等人将MALDI-MSI代谢组学与结直肠癌组织中的成像质谱流式免疫表型结合，揭示了癌症、基质和免疫区室中细胞类型相关的代谢异质性。然而，该概念验证仅涉及三个肿瘤，需要不同空间分辨率模态的共同配准，说明需要更广泛的验证和对空间分配仔细解释。空间测量仍然具有技术挑战性，因为组织质量和采样、细胞分割和注释、空间分辨率、平台灵敏度和多模态配准。分辨率差异可使跨模态对齐复杂化，而MSI还受到基质效应、离子抑制和分子注释不确定性的影响。基于成像的空间转录组学的标准化质量指标可支持对灵敏度、动态范围、信噪比、可重复性和与单细胞分析一致性的评估。临床转化需要可重复工作流、验证计算管道、多中心或前瞻性验证，以及空间生物标志物改善预定治疗决策的证据。实际限制包括组织可用性和代表性、活检时机和风险、组织消耗、样本保存、患者内异质性、成本、平台可及性。因此，其主要转化价值在于在疾病相关组织区室内定位靶点、药物暴露和治疗相关分子反应。
9 人工智能赋能的多组学整合：用于靶点优先排序和生物标志物导向转化的可解释模型
AI和机器学习方法可整合异质性、高维和不完整观测的多组学数据，以识别单个分子层内不明显的模式。应用包括无监督整合和表示学习、治疗反应或毒性的监督预测，以及靶点或生物标志物假说的优先排序，而因果推断、基础模型和生成方法解决不同的问题。在靶点可信度框架内，计算模型应支持证据整合和优先排序，而非被视为因果性或治疗相关性的独立证明。多组学整合可发生在模型开发的不同阶段。早期整合在模型拟合前组合特征，晚期整合组合模态特异性预测，而中间整合学习跨模态联合表示，如图6所示。这些融合策略不同于学习目标，例如无监督表示学习、监督预测、因果推断或生成建模。与预测模型不同，因果推断方法旨在估计在明确假设和适当研究设计下，修改暴露、靶点或治疗是否会改变结果。因此，整合策略的选择应反映生物学或临床问题、队列规模、模态完整性、缺失数据结构和可解释性要求。基于网络的方法通过将分子测量映射到调控、相互作用、信号传导、代谢或药物–靶点网络来补充，以优先排序生物学连接的疾病模块和靶点。机器学习可通过整合互补遗传证据支持靶点优先排序。例如，ML-GPS结合常见、罕见和超罕见变异关联与额外遗传证据，以优先排序慢性疾病中的靶点–疾病关系。此类模型可优先排序候选靶点–疾病关系，但需要生物学和药理学验证。AI赋能模型也可通过结合分子、微生物组、影像和临床特征来支持生物标志物开发和患者分层，以预测反应、耐药或毒性。其转化价值取决于预定义使用环境、可重复输入、外部验证、可解释输出或阈值，以及证据表明其改善决策超出既有临床变量或生物标志物。可解释性方法可识别有影响力的特征或通路，但特征归因不应被解释为因果性证据。AI还可通过整合化学结构、理化性质、实验ADMET数据、毒性测量和分子反应谱来支持药物安全性和暴露评估。当训练数据不完整、有偏或不能很好代表预期化学空间时，性能可能下降；因此，计算安全性预测应补充而非取代实验药理学和毒理学。
基础模型使用大规模预训练来学习可转移表示，而生成模型定义为建模和生成复杂数据分布的能力；这些类别可能重叠。scGPT说明了这种重叠，它是一个生成性基础模型，在超过3300万个细胞上预训练，并评估了细胞类型注释、批次整合、多组学整合、扰动反应预测和基因网络推断。此类模型对于转化决策仍处于研究阶段，需要任务特定基准测试、生物学验证、透明度和系统评估失败模式。计算复杂性无法补偿不充分的采样、时间错位、不适当对照、治疗选择偏倚或低样本质量。多组学研究还通常将高维特征空间与相对小队列、缺失数据、批次和平台效应以及群体异质性相结合，增加过拟合和数据集转移的风险。稳健评估因此需要抗泄漏验证、区分度和校准评估、独立外部验证、不确定性评估、预期临床环境中的前瞻性评估，以及跨相关祖先、性别、年龄、疾病严重程度和护理环境亚组的亚组分析。临床实施引入进一步的数据溯源、验证工作流、透明报告、可解释输出、安全基础设施、生命周期变更管理和性能漂移监测要求。真实世界证据和隐私保护方法如联邦学习可支持跨不同环境评估，但不会消除治理、可重复性和质量控制的需要。当模型输出影响治疗资格、药物选择、剂量或反应预测时，这些要求尤为重要。
10 讨论与未来优先事项
整合组学在加强从疾病生物学到可药理学测试和临床相关治疗假说的证据链时最为有用。靶点可信度框架将异质性证据围绕明确转化问题和决策点组织，而不是将额外分子层视为固有信息性。未来研究应从定义明确的转化问题开始，并根据该目标选择组学和计算方法，而非平台可用性。
10.1 从静态谱到空间和时间分辨证据
一个主要优先事项是从横断面、模态特异性研究转向对同一生物系统内互补分子特征的协调分析，并在可行时跨临床相关时间点进行。纵向采样可区分基线状态与治疗诱导适应、药效学反应和新兴耐药，而空间方法可在完整组织内定位分子程序、生物标志物和耐药微环境。然而，新增信息必须证明组织可及性、活检时机和风险、组织消耗、患者内异质性、分析前变异、空间分辨率限制、跨模态对齐和成本的实际负担。转化价值最终取决于可重复工作流、验证质量控制和与药理学及临床结果的整合。
10.2 干预导向的组学与AI赋能模型
第二个优先事项是围绕明确药理学问题设计组学研究，包括靶点是否因果参与疾病、其扰动是否产生预期效应、哪些细胞或组织背景限制疗效，以及哪些测量确立靶点结合、药效学反应、耐药或毒性。解决这些问题需要将分子分析与受控扰动、疾病相关模型、适当对照以及合理情况下的纵向或空间采样相结合。多组学整合无法补偿不充分采样、时间错位、治疗选择偏倚、组织质量差或功效不足的异质队列。AI赋能模型可通过整合证据、优先排序实验和建模对遗传或药理学扰动的反应来支持这一过程。基础模型和新兴虚拟细胞方法可将此类建模扩展到分子、细胞和组织尺度，但其转化价值取决于生物学保真度、跨数据集和背景的稳健性、不确定性评估以及独立实验和最终前瞻性临床验证。
10.3 生物标志物转化、标准化和监管就绪度
第三个优先事项是区分靶点可信度与生物标志物就绪度，并将探索性多组学特征转向具有预定义使用环境的生物标志物或模型。支持靶点生物学或药理学可信度的证据本身并不能确立关联生物标志物的分析有效性、临床有效性或临床效用。转化需要分析可重复测量、临床可解释输出、可行测定、独立验证，以及生物标志物改善治疗决策的证据。监管要求因预期用途和开发阶段而异。用于假说生成的探索性测定可能需要的验证程度不同于用于支持治疗或监管决策的测定，后者需要预定义使用环境和适合目的的分析验证。药效学生物标志物应区别于预测性生物标志物，而对于治疗产品安全有效使用至关重要的伴随诊断需要针对其预期用途进行适当的监管评估。对于指导治疗的临床试验测定，分析程序和决策阈值应在前瞻性使用前最终确定，后续更改需记录并适当重新评估或重新验证。基于AI的临床决策工具还需要数据溯源、版本控制、生命周期变更管理、验证和部署后性能漂移监测。临床可部署产品可能与原始发现平台大不相同；例如，复杂多组学特征可能需要简化为靶向面板、验证空间测定或校准多模态模型。这种转变需要标准化分析前程序、样本处理、质量控制指标、分析管道、命名法和跨平台基准测试。实施还必须考虑样本需求、周转时间、成本、报销、可及性、基础设施和临床工作流兼容性。AI赋能工具还需要透明报告、安全基础设施以及与临床治理和工作流要求的兼容性。验证队列应代表祖先、性别、年龄、疾病严重程度、治疗历史和临床环境的相关变异。
10.4 转化药理学实用路线图
该框架可通过三个结果概括：继续、优化或终止。当决策关键证据对于预期开发阶段足够一致时，支持继续。当假说仍然合理但重要不确定性可能解决时，优化是适当的。当疾病相关扰动未能支持机制、无法实现充分靶点结合、出现不可接受安全性负担，或生物标志物假说未通过独立验证时，应考虑终止。所需证据权重应保持背景依赖性，而非简化为通用数值评分，因为不同靶点提名、先导化合物优化、药效学评估和生物标志物导向开发的要求不同。复杂特征仅在它们提供超出更简单方法的决策相关信息并可转化为分析稳健、临床可行测定或模型时，才应推进。计算预测同样需要独立验证、前瞻性评估和在影响临床决策前持续性能评估。因此，整合组学应作为迭代决策框架，支持治疗假说的推进、优化或早期终止，而非积累描述性分子数据。
11 结论
当互补证据围绕明确治疗问题和决策点组织而非作为描述性数据层积累时，整合组学可加强转化药理学。靶点可信度框架将因果和功能证据与药理学可成药性、组织背景、靶点结合、药效学反应、安全性和生物标志物开发联系起来，同时认识到它们不同的证据要求。进展将取决于严谨的干预导向研究设计、适当应用的纵向和空间分析、分析稳健生物标志物、可解释计算模型以及独立实验和临床验证。以这种方式应用，整合组学不仅可以支持靶点推进和生物标志物导向治疗，还可以支持薄弱治疗假说的优化或早期终止。
