a Maioria dos mecanismos biológicos que envolvem mais de um tipo de biomolécula, e, portanto, operar não apenas ao nível do genoma, transcriptoma, proteoma, metaboloma ou ionome. Os conjuntos de dados resultantes da análise única-omica estão a aumentar rapidamente em termos de rendimento e qualidade, tornando os estudos multi-omicos exequíveis. Estas devem oferecer uma visão global, estruturada e interactiva de um mecanismo biológico. No entanto, a combinação de conjuntos de dados unicomáticos de uma forma significativa tem-se revelado até agora um desafio, e a descoberta de novas informações biológicas está aquém das expectativas. Uma das razões é que os experimentos realizados em diferentes laboratórios normalmente não podem ser combinados sem restrições. Em segundo lugar, a interpretação de conjuntos de dados multi-omicos representa um desafio significativo por natureza, uma vez que os conjuntos de dados biológicos são heterogéneos não só por razões técnicas, mas também por razões biológicas, químicas e físicas. Aqui, a teoria da rede multi-camadas e os métodos da inteligência artificial podem contribuir para resolver estes problemas. Para a aplicação eficiente da aprendizagem por máquina, porém, os conjuntos de dados biológicos precisam se tornar mais sistemáticos, mais precisos – e muito maiores. Concluímos nossa revisão com diretrizes básicas para o sucesso da criação de uma experiência multi-omica.