2026年度科研热点展望：NGS测序技术驱动多维度生命科学研究新浪潮

多组学整合是2025年最受关注的热点之一，通过结合基因组、转录组、蛋白组和代谢组数据，全面揭示疾病机制。国家自然科学基金也将“多组学联合分析”列为重点方向，强调其在新药靶点发现中的价值。

《泛癌多组学数据挖掘与跨疾病分子机制解析》

发表在npj precision oncology上的“Pan-cancer, multi-omic correlates of survival transcending tumor lineage across 11,019 patients reveal targets and pathways (2025)”研究，通过对大规模pan-cancer多组学数据的整合分析，揭示与患者生存相关的免疫浸润、代谢重编程、信号通路及基因功能，并关联药物反应，为理解侵袭性疾病机制及治疗靶点提供资源。

TCGA前期完成了单癌种分子特征解析，后续开展了两轮泛癌研究，但既往泛癌生存分析多局限于分癌种找共同特征，或未充分纠正肿瘤类型差异。

基于TCGA队列11,019例患者的多组学数据，系统解析超越肿瘤谱系的泛癌生存相关分子特征，通过纠正肿瘤类型差异，整合RNA、拷贝数变异（CNA）、DNA甲基化、蛋白等多维度数据，揭示了免疫浸润模式（巨噬细胞促癌、T细胞抑癌）、代谢通路（糖酵解促侵袭、氧化磷酸化抑癌）、PI3K/Akt/Wnt/TGF-β等信号通路的生存关联。

随着单细胞技术与空间组学的结合，2025年研究热点从“产生数据”转向“解析数据”，特别是在时间维度与空间维度上追踪生物学过程。

《单细胞与空间转录组联合解析肿瘤微环境异质性》

2025年发表于Cancer Cell的研究“Integrative spatial analysis reveals tumor heterogeneity and immune colony niche in small cell lung cancer”，利用前沿的空间多组学技术，深入揭示了小细胞肺癌（SCLC）肿瘤微环境的空间组织规律，并发现了与临床预后密切相关的关键免疫结构。

基于肿瘤进化理论和细胞可塑性概念，认为肿瘤微环境中的细胞状态转变是治疗耐药的关键因素。

基于一个包含165例手术切除SCLC样本的大队列（FU-SCLC队列），利用CODEX（35种抗体）空间蛋白组学和CosMx空间转录组学技术构建小细胞肺癌空间单细胞图谱，开发ColonyMap算法识别肿瘤-免疫互作亚结构（如MT2集落），发现其与免疫治疗响应显著相关。

肠道微生物组作为“第二基因组”，与代谢、免疫、神经疾病密切相关。2025年研究聚焦菌群-宿主互作机制，尤其是“肠-脑轴”“肠-肝轴”在慢性病中的作用，肠道微生物组研究从“相关性”向“因果性”深入，聚焦菌群-宿主互作机制及跨器官调控网络。

《肠道菌群代谢物通过肠-脑轴调控神经退行性疾病的机制》

2024年Nature子刊《Signal Transduction and Targeted Therapy》发表的“Microbiota-gut-brain axis and its therapeutic applications in neurodegenerative diseases” 的综述性文章将神经科学、微生物学、免疫学和胃肠病学等多个孤立学科的证据整合到一个统一的“微生物-肠-脑轴”框架下。这推动了对该类疾病病因理解的范式转移—从传统的“大脑中心论”转向“系统生物学”视角。

“肠脑双向通讯”认为肠道微生物群可通过神经（迷走神经）、内分泌（HPA轴）、免疫（细胞因子）和代谢（短链脂肪酸等微生物代谢物）四条关键通路与大脑进行动态交互。在神经退行性疾病中，肠道菌群失调会破坏这种平衡，通过加剧神经炎症、促进病理性蛋白聚集等机制，驱动疾病的发生与发展，这为从肠道角度干预脑病提供了理论依据。

文献涉及的关键技术包括微生物组分析（如宏基因组学、代谢组学和单细胞测序）、动物模型（如无菌小鼠、转基因疾病模型）以及干预手段（如益生菌、益生元、粪便微生物移植和代谢物补充）。这些技术用于鉴定疾病相关的微生物标志物、验证因果机制（如通过粪菌移植实验）并评估治疗策略的有效性。

中药研究曾因“成分复杂、机制不清”难以有很深层次的研究，而生信技术成为破解这一困境的关键。通过网络药理学、转录组学、代谢组学的整合，可系统解析中药复方的“多成分-多靶点-多通路”作用机制。同时，借助生信工具构建中药成分与疾病靶点的关联网络，能加速中药“老药新用”的开发进程，让传统中药与现代临床需求精准对接。在政策支持中医药传承创新，以及国自然偏爱的背景下，生信赋能的中药研究成为兼具文化价值与临床意义的热门赛道。

《基于多组学整合的中药复方治疗2型糖尿病的系统药理学研究》

2025年发表在杂志《Phytomedicine》上的文章“Huiyang Shengji decoction promotes healing of diabetic skin ulcers via the NF-κB/STAT3/NLRP3 signaling pathway: A multi-omics analysis”首次将多组学分析应用于回阳生肌汤的作用机制研究，揭示了NF-κB/STAT3/NLRP3通路串扰在糖尿病溃疡中的核心地位，突破了单通路研究的局限。通过系统生物学视角整合中药整体调节优势，为炎症性伤口愈合提供了新的信号网络靶标，推动了中药作用机制的精准阐释。

回阳生肌汤作为中药复方，可能通过抑制过度激活的炎症通路，减少促炎因子释放，从而改善溃疡微环境，促进成纤维细胞增殖和血管生成，为糖尿病伤口愈合提供分子依据。

采用多组学分析技术，整合转录组学、蛋白质组学和代谢组学数据，结合体外细胞实验和动物模型验证，系统解析回阳生肌汤的作用靶点。通过基因敲除、Western blot、免疫组化等方法，精准定位NF-κB/STAT3/NLRP3通路的调控节点，并利用生物信息学工具挖掘组学数据的关联性，揭示药效的分子网络。

类器官模型能模拟人体器官功能，与NGS结合后，成为药物筛选和机制研究的利器。国家自然科学基金也将“患者来源类器官（PDO）”列为重点支持方向。

《类器官模型赋能卵巢癌分子分型新突破》

2025年发表在杂志《Cancer Discovery》上的文章“Decoding the Genomic and Functional Landscape of Emerging Subtypes in Ovarian Cancer” 首次基于全基因组的CIN特征，将HGSC系统性地划分为五种功能各异的分子亚型，通过功能性实验证实，核心HRP亚型对CHK1抑制剂prexasertib表现出特异性敏感，这为HRP患者提供了首个潜在的靶向治疗选择。

染色体不稳定性（CIN）是驱动卵巢癌（尤其是高级别浆液性癌HGSC）异质性和进化的核心力量。

对DECIDER临床试验队列中的640个HGSC样本进行了全基因组测序（WGS），以全面捕捉结构变异和拷贝数变化，利用SigProfilerExtractor等生物信息学工具，从WGS数据中量化了44种基因组特征，并最终提炼出11种具有生物学意义的CIN特征，基于这些CIN特征的活性模式对肿瘤进行分型，并利用患者来源类器官（PDOs）模型进行体外药敏试验，以验证不同亚型对特定靶向药物的反应性。

AI算法正重塑NGS数据分析流程，从变异检测到多组学整合，提升科研效率。

《AI赋能人类微生物组研究-从多维数据挖掘到临床转化的范式转变》

2025年发表在杂志《Gut》上的综述性文章“AI-empowered human microbiome research” 系统梳理了人工智能（AI），特别是深度学习（DL）和大语言模型（LLMs）在微生物组研究全流程中的应用，为理解宿主-微生物互作及开发下一代微生态疗法提供了前沿视角。

类微生物组数据存在高维性、稀疏性和异质性的挑战，传统生物信息学方法难以捕捉非线性关系和批次效应，而人工智能（AI）特别是深度学习（DL）和大语言模型（LLM）通过数据驱动方式，实现了从假设驱动到数据驱动的范式转变，重塑了解析微生物群落结构、功能及宿主互作的机制。

涵盖全流程AI方法创新，包括利用迁移学习和深度自编码器进行多队列数据整合与批次效应校正，应用序列嵌入（如Word2Vec）和图神经网络（GNN）直接从原始数据中学习特征表示，并通过RNN/LSTM建模时间序列动态，结合LLM实现蛋白质功能零样本预测，支撑多尺度生物学解析。