la Maggior parte dei meccanismi biologici che coinvolgono più di un tipo di molecola, e quindi operare non solo a livello di genoma, trascrittoma, proteoma, metaboloma o ionome. I set di dati risultanti dall’analisi omica singola stanno rapidamente aumentando in termini di throughput e qualità, rendendo possibili studi multi-omici. Questi dovrebbero offrire una panoramica completa, strutturata e interattiva di un meccanismo biologico. Tuttavia, la combinazione di set di dati single-omici in modo significativo si è finora dimostrata impegnativa e la scoperta di nuove informazioni biologiche è in ritardo rispetto alle aspettative. Una ragione è che gli esperimenti condotti in diversi laboratori possono in genere non essere combinati senza restrizioni. In secondo luogo, l’interpretazione dei set di dati multi-omici rappresenta una sfida significativa per natura, poiché i set di dati biologici sono eterogenei non solo per motivi tecnici, ma anche per motivi biologici, chimici e fisici. Qui, la teoria della rete multistrato e i metodi di intelligenza artificiale potrebbero contribuire a risolvere questi problemi. Per un’applicazione efficiente dell’apprendimento automatico, tuttavia, i set di dati biologici devono diventare più sistematici, più precisi e molto più grandi. Concludiamo la nostra recensione con le linee guida di base per la messa a punto di successo di un esperimento multi-omico.