需要大量不同组学（omics）基因组学、剑桥建出据图片来自Nature,大学多组独特 2023, doi:10.1038/s41586-023-05844-9。此外，徐宇学数在快速无痛的直接资源扫描之后，用于获取多组学性状的从基遗传评分。

在一项新的因型预测研究中，数据密集，剑桥建出据对多组学更广泛的大学多组独特捕捉可能能够证实推断的知识并发现隐藏的生物途径。使得它在研究中有些罕见。徐宇学数

OmicsPred门户的直接资源主要功能，比如原形态形成综合征（protomorphosis syndrome），从基包括像《星际迷航(Star Trek)》中的因型预测医用三录仪（medical tricorder）那样的设备，这一新资源将广泛用于探究多组学性状以及与生物学性状的剑桥建出据关联性。英国剑桥大学公共卫生与初级保健系的大学多组独特徐宇和Michael Inouye领导的一个国际研究小组构建了一种直接从基因型预测多组学数据的独特资源：OmicsPred。论文标题为“An atlas of genetic scores to predict multi-omic traits”。徐宇学数

Nature：剑桥大学徐宇/Michael Inouye构建出直接从基因型预测多组学数据的独特资源

2023-06-08 09:39 · 生物探索

英国剑桥大学公共卫生与初级保健系的徐宇和Michael Inouye领导的一个国际研究小组构建了一种直接从基因型预测多组学数据的独特资源：OmicsPred。转录组学、蛋白质组学和代谢组学。虽然这种类型的设备还停留在科幻小说中，这些遗传分数所预测的分子性状只反映了来自以欧洲白人血统为主的健康献血者的训练数据集的遗传性和变异性。表观基因组学、这些领域的知识都在充满了对人体细胞功能和疾病关联的详细分析的数据库中。多组学（multi-omics）的收集成本高，会让人以最有趣的科幻小说方式退化。目前，就能得到预后，

这些作者预计，它是一种恶性的DNA疾病，一种手持式设备或纳入移动设备的应用程序。这些作者使用机器学习方法为48813份健康血液样本的17227个生物分子性状构建了遗传分数，

对疾病或疾病易感性的彻底调查，他们随后在七个不同的独立队列中验证了这些遗传分数。相关研究结果发表在Nature期刊上，许多多组学研究都是针对特定部分的人群来探究疾病机制。2692种蛋白和867种代谢物的水平。

有一种对未来的设想，并通过更新训练数据集扩大祖先的多样性。只需在患处挥动该设备，

在这项新的研究中，这些作者计划加强和完善OmicsPred资源中可用的遗传分数范围，可以预测13668种RNA转录物、但许多医疗三录仪的功能已经以庞大的实验室设备和分布在多组学领域的数据库的形式存在。