2026年5月20日，实验室研究方向一蒋超实验室在生物信息学领域著名期刊Bioinformatics上在线发表了题为“MetaNet: a scalable and integrated tool for reproducible omics network analysis”的研究论文。该工作开发了面向多组学数据网络分析的高性能、可扩展集成R软件包工具MetaNet。
网络分析是解析复杂生物和环境系统中相互关系的重要策略，特别是在现代组学技术产生海量数据的背景下。然而，现有网络分析工具往往缺乏处理高维数据所需的可扩展性、灵活性以及对多组学整合的原生支持，限制了研究人员对复杂生物网络的深入探索。
研究团队开发了改进的高性能软件包MetaNet，该工具可在CRAN平台安装使用（https://cran.r-project.org/web/packages/MetaNet），并提供了全面的网络构建、可视化和分析功能。MetaNet是一个专为组学数据设计的综合性网络分析平台，支持超过10,000个特征的大规模数据集快速网络构建，提供超过40种布局算法、丰富的注释工具以及与静态和交互式平台兼容的可视化选项。该工具进一步提供了全面的拓扑和稳定性指标，用于深入网络表征。
研究团队在多个数据集中对MetaNet与其他流行的网络分析工具（如WGCNA、microeco、ggClusterNet、NetCoMi等）进行了基准测试。MetaNet在计算时间上实现了高达100倍的提升，内存使用减少了50倍，显著优于现有R语言软件包。研究团队在2个有代表性的组学研究案例中展示了MetaNet的实用性：(1) 揭示空气微生物组动态的纵向微生物共现网络分析；(2) 包含超过40,000个特征的暴露组-转录组整合网络分析，揭示了生物和化学暴露的独特调控影响。MetaNet结果不仅确认了网络分析在系统生物学中的核心价值，并针对不同数据揭示了新的生物学见解，展示了MetaNet在各类实验设计及各类组学数据中的有效应用。
总之，该研究开发的MetaNet工具和R软件包可以极大地促进不同组学数据的网络分析，并具有更高的计算效率、与多组学数据的兼容性，以及可自定义网络构建和可视化的灵活性。研究团队相信，MetaNet将在生物医学、生态学和环境科学领域的各类组学数据网络分析中有广泛的应用。
蒋超实验室博士生彭晨和蒋刘一琦为论文的第一作者，蒋超研究员为论文的通讯作者，参与该研究的还有蒋超实验室的黄子诺，魏昕，祝晓萍，刘桢，陈琼、以及哈佛大学的高鹏，新加坡南洋理工大学的申小涛。该研究得到了国家自然科学基金等项目资助，以及生命科学研究院NECHO高性能计算集群的支持。
原文链接： https://doi.org/10.1093/bioinformatics/btag321