摘要这项研究分析了多OMICS数据集成的最新趋势，挑战和未来方向。高吞吐量技术可以在多个OMICS级别上生成大量数据，包括基因组学，转录组学，蛋白质组学和代谢组学。但是，由于数据类型，维度和缺乏标准化分析协议的差异，整合这些异质数据集面临着重大挑战。我们讨论了各种整合方法，包括数据驱动，知识驱动和机器学习方法，重点是他们在疾病亚型分类，生物标志物发现和精密医学中的应用。此外，我们还分析了与单细胞多OMIC数据和提出的未来方向相关的计算和可视化挑战，以制定更强大，更容易解释的整合策略，以期为多OMICS数据集成的当前状态提供全面的概述，并在翻译生物医学研究和临床实践中证明其潜力。关键字多摩斯集成；高通量技术；机器学习；精密医学；单细胞分析