基因组学的概念最初由Thomas H.Roderick在1986年提出，经过数十年的发展其相关技术和研究已经相当成熟，而基因组学进步的同时也带动了其他组学如转录组学、代谢组学、蛋白质组学等的发展，随着各种研究的不断深入，局限性也愈发明显：单组学技术只能从单一层面进行研究，无法从整体上揭示生物体功能和阐明生物和环境因素的关系[1]。为克服单组学研究中存在的局限性，多组学联合分析方法在研究中被广泛使用。本文将从单组学与多组学的方法、技术特点与优势出发，阐述多组学技术在家禽遗传育种中的应用进展，以期为相关研究与育种实践提供参考。
1 单组学分析及相关研究方法简介
1.1 单一组学及其方法
基因组学是指对整个基因组进行结构分析以及基因定位和功能注释的一门科学[2]。其内容主要涉及基因组序列的测定、插入序列的识别、缺失片段的分析、单核苷酸多态性的探究、基因拷贝数量的变异研究等多个方面。在畜禽遗传育种领域，全基因组重测序（Whole genome resequencing，WGS）是最常用的组学技术之一。WGS是对个体进行全基因组测序并将测序结果与参考基因组进行比对，以此发现个体全基因组范围内的单核苷酸多态性（Single nucleotide polymorphism，SNP）、插入和缺失突变（Insertion/Deletion，InDel）以及结构变异（Structural variation，SV）等信息[3]。在此基础上，全基因组关联分析（Genome-wide association study，GWAS）是基因组学研究中最常用的研究方法之一，其以连锁不平衡（Linkage disequilibrium，LD）为基础，通过识别基因组中的SNP或SV等遗传标记来检测与表型性状相关的遗传标记，进而分析这些标记的遗传效应[4]。
转录组学主要通过分析基因表达水平的变化、转录本的定位与注释，以及基于基因表达调控机制的研究，来解决生物学问题并揭示基因功能[5]。通过对转录本进行高通量测序的RNA-seq是转录组学研究中获取转录组数据的核心方法，其通过将细胞中的转录产物反转录生成cDNA文库后，将其中的DNA剪切成小片段并在两端加上接头，然后使用高通量测序仪测序来获取所需的RNA序列[6]。差异表达基因（Differentially expressed genes，DEGs）的鉴定是连接基因组信息与表型性状的关键。通过对特定条件下的DEGs进行基于GO和KEGG等数据库的系统解析，能够在阐明目标性状的核心调控机制的同时，为育种实践提供可操作的分子靶点。
代谢组学是一门对生物系统内所有小分子代谢物质进行定性、定量分析的科学，其旨在系统描述生物内源性代谢物质的整体图谱并以此揭示其对外部环境或内部生理变化应答的动态规律[7]。代谢组学研究根据其研究目的的不同又可分为靶向代谢组学和非靶向代谢组学，非靶向代谢组学主要用于无偏向地检测样本代谢物以及调控机制的研究，而靶向代谢组学主要对少量的目标代谢物进行检测和定量分析[8]。液相色谱-质谱技术（Liquid chromatography-mass spectrometry，LC-MS）是代谢组学研究中常用的研究方法之一，其具有高通量、高灵敏度等优势，能够根据代谢物检测的需求选择不同的电离模式和质量分析器[9]。
微生物组是指特定环境或生态系统中所有的微生物及其遗传信息的集合以及微生物与其生存环境或宿主之间的互作，而微生物组学是一门探究微生物组内部群体间结构和功能以及宿主与其他微生物之间互作关系的学科[12]。
在具体研究中，常需根据科学问题来选择合适的组学策略。为便于快速了解与对比各类组学方法的要点，表1总结了上述几种组学的主要技术、方法及研究对象。
表1 组学的常用技术和研究方法及其研究对象Table 1 Common technologies, methodologies, and research focus in omics studies |
| 组学类别Omics category | 常用技术Common techniques | 研究方法Research methods | 研究对象Research subjects |
|---|---|---|---|
| 基因组学Genomics | 全基因组重测序、靶向测序等 | 全基因组关联分析[4]、选择信号分析[13]等 | 基因组的功能、结构 |
| 转录组学Transcriptomics | RNA-seq、单细胞RNA-seq等 | 全转录组关联分析[14]、差异表达分析[15]等 | 基因转录的规律和情况[16] |
| 代谢组学Metabolomics | 气相色谱-质谱联用[17]、液相色谱-质谱联用[9]等 | 主成分分析、偏最小二乘辨别分析等[18] | 生物体在不同状态或刺激下代谢物图谱的变化[19] |
| 蛋白质组学Proteomics | 液相色谱-串联质谱 联用[20]、串联质谱标记[21]等 | 差异表达蛋白质分析[22]、蛋白互作网络分析等[23] | 某一类细胞或组织或体液中所有蛋白质的组成及相互作用[24] |
| 微生物组学Microbiomics | 16s rRNA测序、ITS等标记基因测序[25]等 | 物种组成分析、α多样性分析等[26] | 微生物及其生存环境或宿主间的相互作用[12] |
1.2 基于单一组学的相关研究
基因组学研究能够分析生物的基因结构与其表型之间的联系，Xie等[25]基于200只儋州鸡的基因组重测序数据构建了全面的儋州鸡拷贝数变异（Copy number variation，CNV）图谱并进行了基于CNV的全基因组关联分析（CNV-GWAS），研究发现了包括LRP4和WNT6等可能影响鸡的体型生长发育的候选基因，揭示了CNV在调控鸡的生长发育相关性状中的潜在作用。Tian等[26]通过对235只文昌鸡个体进行WGS以及纯合片段（Runs of homozygosity，ROH）鉴定和针对ROH区域内的基因鉴定，获得了AMY1a和THEMIS2等与生长性能、采食量、抗应激和肉质性状相关的基因，为地方品种的保育工作提供了重要参考。
代谢组学能够通过关联分析代谢物变化图谱研究生物的表型或状态与代谢物之间的联系，如Liu等[29]使用LC-MS分析了不同地方鸡品种的胸肌和腿肌组织中的小分子代谢物间的差异，并鉴定出了2种鸡的2种组织间的共85种差异代谢产物（Differentially expressed metabolites，DEMs），这些DEMs主要富集在与肉品质调节和氨基酸以及脂肪酸代谢相关的通路中。Liu等[30]使用超高效液相色谱-四极杆飞行时间质谱技术通过非靶向代谢组学方法对日粮中添加中链甘油单酯对肉质的潜在影响进行了研究，发现在日粮中添加中链甘油单酯能够通过调控DEMs和代谢途径改善鸡肉的滴水损失、pH值、抗氧化状态以及鸡的生长性能，证明了中链甘油单酯作为饲料添加剂改善肌肉品质的潜力。
上述研究在展示了单组学技术在解析特定类型生物分子与表型关联的优势的同时，也反映出其在分析复杂性状的形成和作用上的局限性：单组学技术只能从单一层面进行研究，无法从整体上揭示生物体功能以及阐明生物和环境因素的关系。为了解决这些问题，多组学技术便应运而生[1]。
2 多组学联合分析的优势及其在禽类研究中的应用
2.1 多组学分析的优势
多组学技术是指整合两种或两种以上组学研究方法及数据的研究策略，其目的在于对生物样本进行更全面、系统的分析，从而探究生物系统中各类生物分子间的相互作用机制[35]。多组学联合分析能通过整合多种组学数据，探究不同层面分子特征的共有通路与差异表达，揭示其在系统生物学层面的动态变化规律，从而实现组学间的互补整合[36]。当前多组学数据的整合主要有共定位分析、孟德尔随机化、基于网络整合多组学和基于机器学习整合多组学四种整合方法[37]。这四种多组学方法中，基于共定位分析、孟德尔随机化以及网络整合的三种方法已被广泛应用于组学研究之中[38-40]，而基于机器学习的整合方法因入门门槛高和对计算资源等要求较高，其目前在组学研究中的应用相较于前三种方法相对较少。
在遗传育种研究中，研究者通常会基于获得的测序数据以及各种表型数据来灵活选择组学分析和整合方法，下文即从生产和其他性状的应用角度对多组学联合分析在禽类研究中的应用及研究成果进行综述。
2.2 多组学联合分析在禽类生产性状中的应用
2.2.1 多组学联合分析在产肉性状中的应用
产肉性状作为禽类养殖生产过程中对经济效益影响最大的性状之一，如何提升鸡肉的产出效率以及改善风味是畜牧学领域研究的重点方向。在生产性状研究方面，Tan等[40]通过全基因组测序和对多组织多时期的RNA-seq以及加权基因共表达网络分析（Weighted gene co-expression network analysis，WGCNA）并使用孟德尔随机化的方法阐明了高产鸡肉的遗传基础，研究发现SOX6的高表达对鸡的胸肌重和胸肌率具有显著的促进作用的同时也会使得肌病发生的概率增加。Zhang等[38]使用16S rRNA基因扩增子测序和RNA-seq以及非靶向代谢组学并通过构建相关性网络和通路富集交叉验证的方法揭示了盲肠菌群及其衍生代谢物在促进鸡生长中的作用，研究发现以乳酸菌属和芽孢杆菌属为主的鸡的盲肠微生物能够通过其代谢物以及与肠道的PPAR信号通路相互作用来调节肠道功能，并提高鸡的生长性能，而罗伊氏乳杆菌和贝莱斯芽孢杆菌组成的联合体具有作为用于改善鸡的生长发育的饲料添加剂的潜力，这一发现为通过开发靶向肠道微生态的新型益生菌饲料添加剂进而提高鸡的生长性能提供了理论依据。
2.2.2 多组学联合分析在肉品质性状研究中的应用
随着生活水平提高，人们对肉类的需求已从满足数量转向追求品质，风味与口感因而成为重要的消费指标。在此背景下，地方品种优良的肉质与独特的风味特性备受关注。因此，深入探究其优良肉质与独特风味的形成机制，对在育种实践中兼顾产量与品质具有重要意义。Yang等[41]使用LC-MS技术和串联质谱标签标记定量方法以及4D非标记定量磷酸化肽段富集，并通过差异分子和通路富集分析、交集和构建蛋白质间互作网络的方法对清远鸡和柯布肉鸡的肉质差异分子机制进行了研究，结果表明2种鸡的肉质差异主要来源于其在能量代谢过程中对糖酵解的依赖程度以及在肌肉收缩的调控过程中钠钾泵和钙离子通道的活性差异。Zhu等[42]采用RNA-seq、全基因组重亚硫酸盐测序以及LC-MS方法，并通过甲基化-转录组联合分析以及通路整合对鸡发育过程中影响肌内脂肪（Intramuscular fat，IMF）沉积的关键基因进行了鉴定，结果表明甲基化能够通过影响基因转录活性以及调控脂质代谢相关的通路两种方式来影响IMF的沉积，同时发现了一个在鸡发育过程中影响IMF沉积的关键基因PLA2G4F。而Zhou等[43]通过计算差异基因和差异代谢物的皮尔逊相关系数以及通路交叉验证方法整合WGS、RNA-seq和LC-MS数据揭示了连城白鸭独特风味和营养沉积的分子机制，研究发现，SLC7A6基因的表达量以及TMLHE基因的突变分别能够通过改变连城白鸭胸肉中L-精氨酸和L-鸟氨酸代谢物的含量以及L-赖氨酸的积累来影响风味的形成。此外，研究还发现单磷酸鸟苷以及L-天冬氨酸在鸭肉中的含量差异是其独特风味形成的重要因素。Yin等[44]通过WGS、RNA-seq和ATAC-seq技术，并利用Hi-C数据构建染色质空间互作网络等方法探讨了基因启动子对基因表达以及表型的影响，发现了基因启动子区域的选择和变异积累在鸭的驯化过程中调控表型的变化方面的重要作用。研究还通过选择ELOVL3作为鸭驯化过程中被选择的启动子区进行基因实例分析，发现ELOVL3及其启动子区域的一个对脂肪沉积以及脂肪酸含量存在多重调控效应的关键变异。Zhao等[45]使用RNA-seq和非靶向液相色谱-质谱联用（LC-MS/MS）方法，并通过通路共富集分析和构建相关性网络的方法对2种鸡胸肌的DEMs和DEGs进行分析发现，氨基酸和脂质代谢的过程可能是导致不同品种鸡的肉品质和风味差异的原因，而GATM、GSTO1等基因能够通过调控氨基酸和脂质代谢过程来间接影响不同品种间肉品质和风味的差异形成。
上述研究通过整合多组学方法，从能量代谢、肌内脂肪沉积、关键风味物质积累、表观遗传调控及启动子进化等多个层面，系统揭示了地方禽种优良肉质与独特风味形成的复杂分子网络。这些研究深化对肉品质遗传基础理解的同时，也为分子育种策略改善禽类肉品质的工作提供了重要参考。
2.2.3 多组学联合分析在产蛋性状中的应用
蛋类是日常生活中蛋白质的主要来源之一，而禽蛋尤其是鸡蛋作为日常生活中最主要的蛋类消费品，如何提升蛋产量也是禽类相关研究的重点之一。Shi等[46]使用RNA-seq、LC-MS以及宏基因组测序的方法，并通过组学间功能通路映射、构建相关性网络和聚类共变分析等方法，探究了鸡产蛋期间与下丘脑-垂体-肝脏轴相关组织的动态基因表达，发现不同产蛋期间的DEGs主要参与雌性性腺发育、激素分泌以及氨基酸代谢等过程，且盲肠微生物群的多样性的变化通常伴随着产蛋率的提升。此外，多组学整合分析还发现了巨球形菌属和霍氏菌属与鸡的氨基酸代谢和激素的合成之间的联系。Wang等[47]基于WGS和选择信号分析以及多组织RNA-seq，通过WGCNA以及构建组织特异性共表达网络等方法解析了不同品种的鸡之间产蛋差异形成的遗传基础，结果发现了一个参与正向调控鸡产蛋性能的关键选择的基因CAMK2D，以及TFPI2和OSTN等参与卵巢细胞功能调控的基因。有研究表明，脆弱拟杆菌与鸡的高产蛋性状显著相关[48]。蛋壳能够保护鸡蛋免受细菌污染和一定程度上的物理损伤，其完整性和外观是消费者选择产品时极为关注的一个指标[49]。Ding等[50]通过结合GWAS和RNA-seq、WGCNA、超高效液相色谱串联质谱法等方法，通过构建基因和基因、基因和代谢物间的互作网络揭示了蛋重性状的调控机制，研究鉴定出BSG、CFD、MAP2K2等与蛋重相关的候选基因和SNP。WGCNA结果则进一步证明MAP2K2在蛋重调控中的核心作用，而互作网络分析结果表明蛋重性状受到MAP2K2等关键基因和部分与氧化应激和鞘磷脂相关的代谢物共同调控。上述研究通过整合多组学技术揭示了部分能够影响鸡产蛋性状的调控机制，为通过育种工作提升蛋产量提供了重要参考。
2.3 多组学联合分析在禽类研究中的其他应用
除生产性状外，对禽类其他性状和生理机制的研究也有助于深化对其生理机制的理解，并间接为育种工作提供参考。Xi等[51]通过通路交集分析、表达模式聚类以及关键分子网络构建的方法整合RNA-seq和LC-MS数据，分析了与骨骼发育相关的基因以及富集的关键代谢通路，发现CHSY3和ANXA2能够调控糖胺聚糖合成与骨骼矿化过程，而GABA和嘧啶代谢通路能够通过抗衰老效应支持骨骼的持续发育。Zhou等[52]通过对匈牙利白鹅进行染色体水平的DNA-seq，以及对不同时期的皮肤组织的RNA-seq和miRNA-seq，并通过组学间的关联分析和调控网络的构建，研究了水禽羽毛毛囊发育的miRNA-mRNA调控机制，研究发现miR-140-y、miR-456-y、miR-103-y、miR-143-y和miR-23-z等miRNA能够通过参与调节COL4A1和FZD4等对羽毛囊的发育和维持至关重要的基因的转录和翻译过程，来调控匈牙利白鹅的羽毛囊发育。Gao等[53]通过对母鸡和雏鸡多部位以及粪样进行16S rRNA-seq、非靶向代谢组学分析、对卵黄中大豆皂甙含量的靶向检测以及代谢物GWAS，发现母源大豆皂甙对子代肠道发育的促进效果。农业动物基因型-组织表达（FarmGTEx）项目[54]的子项目ChickenGTEx[55]提供了大量的鸡多组学数据，Zhu等[56]基于高级互交系鸡群的测序数据对以生长性状为代表的复杂性状的遗传调控图谱进行了研究：首先通过GWAS定位了与这些复杂性状相关的QTL，通过整合从ChickenGTEx中获取的eQTL数据进行全转录组关联分析等方法分析了基因表达与性状间的关联以及调控变异对基因表达的影响。该研究在阐明了生长性状的遗传调控体系的同时，还发现了ST3GAL4、NCAPG等能够应用于育种工作的与生长性状相关的位点。Gao等[57]对鸡肝脏组织及其代谢物进行RNA-seq和LC-MS分析，以及针对盲肠内容物的16S rRNA-seq分析了肝脏DEGs和DEMs以及盲肠微生物群落组成。研究使用通路富集以及关联分析方法对这些多组学数据进行整合，并对影响剩余采食量（Residual feed intake，RFI）的因素进行了分析。结果表明微生物群可能通过其代谢物影响宿主的脂质代谢；而肝脏DEGs和DEMs均富集于与脂肪消化和吸收相关的通路中，且FABP1和ACSS2为影响RFI的核心调控基因，研究为RFI的调控和产蛋后期母鸡表型变化的机制提供了重要参考。
针对病理机制的研究有助于进行抗病育种。木质胸病（Woody breast，WB）是现代养殖业中肉鸡常发生的肌病之一，受WB影响的鸡胸肉品质下降[58]，使养殖的经济效益大幅降低。Wang等[59]使用RNA-seq和LC-MS技术并通过联合通路分析、WGCNA以及机制串联等方法对WB发生相关的途径进行了研究，结果表明，WB中抗氧化能力受损可能与CARNS1的表达下调引起的肌肽和鹅肌肽两种与其相关的抗氧化产物耗尽有关。Song等[60]通过RNA-seq和基于LC-MS的非靶向代谢组学分析结合体外细胞实验验证探究了传染性法氏囊病毒感染对宿主基因表达和代谢通路的影响，研究发现感染传染性法氏囊病毒后的DEGs和DEMs都显著富集于脂代谢相关通路；而在感染后细胞中，磷脂酶A2（PLA2）的表达上调催化了花生四烯酸的释放，进而抑制关键炎症传感器NLRP3蛋白的表达，这些为通过分子标记辅助选择进行抗病育种提供了参考位点。
针对不同群体的适应性形成机制也是目前研究的一大热点。Zhang等[61]通过鸟枪法宏基因组测序和基于LC-MS的非靶向代谢组学分析了野鸭和家鸭肠道微生物及其代谢产物的构成，研究表明家鸭的驯化过程引起的微生物结构变化主要发生在盲肠中，且野鸭的盲肠菌群多样性更高、代谢潜力更强，这使得野鸭更能适应野外食源相较家养更加复杂多变的环境；而家鸭的菌群功能则更偏向于代谢调节和免疫平衡，以适应人工饲养中高能量饲料和密集养殖带来的代谢和免疫压力。Zeng等[62]基于RNA-seq和16S rRNA-seq以及非靶向代谢组学的分析结果，通过构建相关性网络分析了藏鸡适应高海拔的机制。研究发现，高原藏鸡相较于低海拔鸡群具有更复杂的菌群结构和更强的脂肪酸降解能力，以及CL2和FGA等基因在心脏中的表达的下调可能是其高海拔适应性形成的基础，为通过精准育种方法培育具有高海拔适应性的种群提供位点参考。
3 结语
随着高通量测序技术的飞跃式发展以及超高分辨率质谱仪的广泛应用和公共数据库中组学数据快速且全面扩充，对多品种甚至多物种间的组学分析已成为重要的研究方向。多组学分析因其能够更加全面且系统化地分析生物体功能及机制的特点越来越多地被应用于研究之中：基因组和转录组的结合能够揭示基因变异如何影响基因表达，进而解析性状形成的转录调控基础；基因组和蛋白组的结合则能阐明遗传变异对蛋白质表达及功能的调控，连接基因型与蛋白质组的表型效应；而转录组与代谢组的结合又能够通过关联基因表达变化与代谢物水平的动态响应使代谢通路的调控机制更加清晰；多组学联合分析在揭示复杂性状的遗传与调控网络中所具有的巨大潜力由此可见一斑。综上所述，多组学技术为深入理解禽类复杂性状提供了有力的支持。本文即从多组学技术在家禽的生产性状、重要生物过程及适应性机制等研究出发，系统综述了多组学技术在这些研究中的应用成果，以期为畜禽遗传育种工作提供参考。
尽管多组学技术通过整合多种组学数据，能够从整体上揭示生物体功能及其与环境因素的相互作用，有效克服单一组学的局限，但其实际应用仍面临显著挑战，核心在于如何高效处理与关联分析多组学产生的海量数据。近年来，随着人工智能和机器学习等技术的快速发展和在各个行业的广泛应用，科研效率和生产力都得到了有效的提升，组学研究也不例外：人工智能分析和推理能力的突飞猛进使得初学者在接触组学研究时能够更快地了解并学习相关的技术，在对数据进行分析时所需的编程也可由人工智能来辅助完成；机器学习技术虽然因其入门基础和算力以及存储资源要求较高尚未被广泛应用于组学研究之中，但其在组学研究中发掘生物标志物和组学间非线性关系的潜力已被充分验证。因此，将人工智能和机器学习技术与组学研究进一步结合，以及降低机器学习在组学研究中的入门要求，优化其算法并降低其所需计算和存储资源，毫无疑问将是未来几年的重点研究方向之一。
此外，农业动物基因型-组织表达（FarmGTEx）项目的子项目ChickenGTEx近期也已经正式发布。ChickenGTEx项目系统整合了全球范围内多个品种、大量个体、不同组织及生长阶段的多组学数据，其上线运行不仅显著扩充了公共数据库的资源规模，还使得不同组学数据的获取更加简便，为通过多组学联合分析研究复杂性状的遗传机制提供了重要工具。例如，在进行相关研究时，可以在已有单一或多组学数据的基础上从数据库中获取更多相同或不同组学的数据，使得研究更加深入且结果更加具有说服力。可以预见的是，随着此类大规模数据资源的不断丰富，未来的研究者将能更加方便且灵活地获取不同的组学数据，而基于这些数据的多组学联合分析，将能够更加系统地揭示复杂性状的遗传调控机制，并为家禽分子育种以及地方和商业品种的改良以及基因组选择和基因组选配等先进育种技术的应用提供重要的理论支持。