生信干货 | 多组学联合分析无从下手？MOFA 帮你破局

导语：多组学的钱花了，故事却常常讲不出来

当下的课题很少局限于单一组学。蛋白组里挑出一批差异蛋白，转录组里挑出一批差异基因，修饰组里再挑出一批差异位点，三张表都很好看，但放回一篇文章里，往往变成一句略显单薄的话：我们鉴定到若干差异分子，且不同组学之间存在部分重叠。

问题不在于数据不够，而在于我们一直在用单组学的分析框架去回答跨组学的问题：每个组学独立进行差异分析，取交集后再到通路层面做富集。一旦实验设计再复杂一点（多个队列、多个时间点、多个患者、多个物种），独立的差异分析就难以把跨组学的生物学驱动或调控这个逻辑说清楚。

MOFA（Multi-Omics Factor Analysis，多组学因子分析）正是为解决这类多组学整合问题而设计的框架。它的核心思路可以概括为一句话：将多个高维、异构的组学数据共同投影到一组低维潜在因子（Factor）中，使每个因子代表一种潜在的生物学变异来源。

MOFA是什么：把它当成多组学版的 PCA

MOFA是一个无监督的贝叶斯因子分析框架。它假设每个组学的定量矩阵 X，都可以由样本在因子上的坐标 Z和因子在各组学特征上的权重 W相乘近似得到。上图为例：

Y: 代表某个组学的定量矩阵（样本 × 特征），例如蛋白组、转录组、修饰组
W: 因子 × 特征矩阵，代表每个因子中分子的权重，权重有正有负
Z：样本 × 因子矩阵，代表每个样本的潜在状态

如果把 PCA 里的主成分换成因子、把一个矩阵换成多个组学的矩阵、且共用同一套样本坐标 Z，就得到了 MOFA。所以一个直观的类比是：MOFA 是 PCA 在多组学数据上的推广。

三种框架怎么选：MOFA、MOFA+ 与 MEFISTO

MOFA、MOFA+ 和 MEFISTO 是一脉相承的三种多组学整合流程，可以看作同一框架在不同复杂度和研究问题下的进化版。三者都可以通过 MOFA2 包实现，因此数据结构、函数接口与下游分析流程高度通用。选框架时，要看的不是数据量，而是样本之间是什么关系，下面给出这3种框架的核心差别和典型的实验设计。

MOFA 分析全流程：六步走

MOFA 分析全流程分析可以概括为以下六个部分：

第一步：数据准备。各组学定量表 (features × samples) ，用于构建MOFA模型；分组与临床表型文件：分组、临床指标、结局，这些不进入建模，但决定后续能做什么关联分析；

第二步：预处理与标准化。MOFA 原生支持缺失值，可以不做传统填补；按分布选择数据变换，例如蛋白组或修饰组数据通常需要做 log 转换或标准化；建议选择每个组学中高方差（高变）特征参与建模，把上万个低变异特征全部纳入，会稀释信号、拖慢计算；

第三步：构建 MOFA 对象。每个组学作为一个 view；指定各 view、各 group 的样本集合（如果存在group设计）；为每个 view 选择合适的分布。

第四步：建模与调参。设置模型参数、训练参数、数据参数以及MEFISTO协变量扩展参数。在探索性分析时建议设置一个较大的因子数作为尝试、收敛标准用 "fast"模式加快分析速度。

第五步：结果产出。训练完成后，得到样本 × 因子矩阵、因子 × 特征权重矩阵、方差解释度（R²）等核心结果。

第六步：下游解读。MOFA 的价值更多地在解读，没有下游分析，因子就没有可以解释的生物学含义。

详细的参数说明和使用教程，可访问MOFA官方网站（https://biofam.github.io/MOFA2/）查阅。

MOFA分析清单

下面以模拟的100个样本四个组学（转录组、蛋白组、磷酸化修饰组和乳酰化修饰组）数据为例，进行MOFA分析结果的展示，其中样本按分组Group1可分为A和B （例如，样本按疾病与否分为Control和Case组）；样本按分组Group2可分为C和D（例如，样本按年龄分为old组和young组），这是典型的分组存在交互情况的实验设计。

方差解释度热图。用颜色深浅直观地展示每个因子（Factor）在各个组学视图（View）中解释了多少变异。通过这张图，可以快速判断哪些因子是“跨组学共享”的，它们在多个组学中都有较深的颜色；哪些因子是“组学特异”的，它们只在某一个组学中颜色较深。

两两相关性气泡矩阵图。该图对不同因子之间的相关性进行可视化。MOFA在训练过程中的优化目标是让每个因子尽可能独立地解释一部分数据方差，因此在理想情况下，因子之间应该近似正交，即相关系数接近0。

展示样本间的相似性和分组结构的散点图。这张图与PCA图类似，利用MOFA的两个因子将样本投影到二维平面，因子选择不限于 Factor1 和 Factor2，可以根据生物学问题灵活选择。

因子与表型的相关性气泡矩阵图。如果样本有配套的临床或表型数据（如疾病分期、生化指标、生存时间等），可以将每个因子与每个表型变量做关联分析，用气泡矩阵图展示结果。通过这张图，可以快速识别哪些因子与哪些临床特征显著相关。这一步是把无监督的因子“锚定”到有明确临床意义的变量上，是判断因子是否具有生物学或临床价值的关键环节。

因子组间比较箱线图。这张图展示了Factor2因子值在组间的分布差异，通过对每个因子值的组间比较，我们可以系统性地判断每个因子与哪个分组维度相关，或者两个分组因素在该因子上是否存在交互效应。从而将无监督的因子与具体的实验分组相关联。能显著区分分组的因子，是后续解读的重点。

重要特征权重展示图。这张棒棒糖图展示了Factor2中某个组学（View）中载荷绝对值排名靠前的10个特征。正权重代表特征与因子同向变化；负权重代表反向变化；绝对值越大，对该因子的贡献越大。在这一步中我们可以挖掘每个因子中的关键特征。

以组学分面展示某个因子中排名靠前的分子通路富集结果。对每个因子，我们可以设定一定的载荷值阈值，或直接取排名靠前的 Top 分子，作为富集分析的输入。如果在多个组学富集到同一批通路，说明该因子代表一个跨组学共享的核心生物学程序；如果富集到通路各不相同，则表明同一因子在多层中模式相同、生物学功能不一定相同，但可能代表了同一生物学程序的不同层面，或者上下游关系，也是值得进一步探讨的。

常见问题

Q1：我的样本量不大（每组 20~30 例），能做 MOFA 吗？

能。MOFA 的因子分析在小样本多组学研究中被广泛使用，但要更谨慎地对待因子的稳定性：建议固定随机种子、做多次试算，并把重点放在方差解释度高、且与临床表型稳定相关的因子上。样本量越小，越不建议追求很多因子。

Q2：组学之间样本不完全对应怎么办？

这正是 MOFA 的强项。不同组学允许样本覆盖不同，缺失的组学信息不参与该样本在该 view 的建模，其余 view 仍然有效。但要注意：如果两组学几乎没有共同样本，跨组学的因子就失去了比较基础。

Q3：因子数怎么定？

没有唯一正确答案，但有可执行的做法：先试算 5 / 10 / 15 个因子，检查因子之间是否出现高度相关、关键因子在重复运行中是否稳定。

Q4：有缺失值要不要先填补？

通常不需要。MOFA 原生支持缺失。

Q5：因子能不能做统计检验？

可以。样本 × 因子矩阵本身就是连续变量，可以做组间检验、相关分析、生存分析等。这也是 MOFA 结果能被临床验证的关键路径。

Q6：怎么避免对因子「过度解读」？

三条原则：一是只对稳健的因子下结论（方差解释度高、跨随机种子重复稳定、因子间相关合理）；二是生物学含义必须有多条证据交叉支持（权重特征 + 富集通路 + 表型关联一致）；三是把「提示/可能」与「证实」分开表述，MOFA 给出的是假设生成，不是因果结论。

结语：多组学整合的价值，不在于多，而在于连

多组学项目的价值从来不在于把几组数据堆在一起，而在于能否说清它们之间的关联。MOFA 提供的，正是一套把不同来源、不同尺度、不同缺失模式的组学数据，投射到同一组潜在因子上的框架：

它不要求样本严丝合缝，也不要求先把缺失填平；
它不依赖分组标签，因此能回答数据本身的组织结构是什么；
它用一个模型同时给出样本状态与分子权重，让下游的富集、网络、临床关联分析都有了统一入口；
它可以通过 MOFA+ 与 MEFISTO 扩展，覆盖多队列、多实验、多患者与时间/空间连续设计。

如果您的项目涉及两个及以上组学且实验设计比较复杂，MOFA 值得被列入分析方案；如果样本带有明确的连续时间或空间梯度，MEFISTO 会让轨迹类的结论更有说服力。

参考文献

•Argelaguet R, Velten B, Arnol D, et al. Multi-Omics Factor Analysis-a framework for unsupervised integration of multi-omics data sets. Mol Syst Biol. 2018;14(6):e8124. Published 2018 Jun 20. doi:10.15252/msb.20178124

•Argelaguet R, Arnol D, Bredikhin D, et al. MOFA+: a statistical framework for comprehensive integration of multi-modal single-cell data. Genome Biol. 2020;21(1):111. Published 2020 May 11. doi:10.1186/s13059-020-02015-1

•Velten B, Braunger JM, Argelaguet R, et al. Identifying temporal and spatial patterns of variation from multimodal data using MEFISTO. Nat Methods. 2022;19(2):179-186. doi:10.1038/s41592-021-01343-9

精彩往期推荐

三大方案全景覆盖：农口生信分析一站式解决方案

2026-08-28