majoritatea mecanismelor biologice implică mai multe tipuri de biomolecule și, prin urmare, funcționează nu numai la nivelul genomului, transcriptomului, proteomului, metabolomului sau ionomului. Seturile de date rezultate din analiza omică unică cresc rapid în ceea ce privește randamentul și calitatea, făcând fezabile studiile multi-omice. Acestea ar trebui să ofere o imagine de ansamblu cuprinzătoare, structurată și interactivă a unui mecanism biologic. Cu toate acestea, combinarea seturilor de date omice unice într-o manieră semnificativă s-a dovedit până acum o provocare, iar descoperirea de noi informații biologice rămâne în urma așteptărilor. Unul dintre motive este că experimentele efectuate în diferite laboratoare pot de obicei să nu fie combinate fără restricții. În al doilea rând, interpretarea seturilor de date multi-omice reprezintă o provocare semnificativă prin natură, deoarece seturile de date biologice sunt eterogene nu numai din motive tehnice, ci și din motive biologice, chimice și fizice. Aici, teoria rețelei multi-strat și metodele de inteligență artificială ar putea contribui la rezolvarea acestor probleme. Cu toate acestea, pentru aplicarea eficientă a învățării automate, seturile de date biologice trebuie să devină mai sistematice, mai precise – și mult mai mari. Încheiem revizuirea noastră cu orientări de bază pentru configurarea cu succes a unui experiment multi-omic.