目的跨组学数据关联分析是大数据时代系统生物学领域多组学数据整合研究的焦点问题。本文针对代谢组学和元基因组学数据的关联研究,采用一系列仿真和真实数据集,对四种典型的单维相关分析方法进行全面比较;将多种相关分析、差异分析和网络分析方法进行科学整合,首次建立代谢组-元基因组关联分析策略;将新策略应用于“脑-肠-菌群”轴的初步研究中,为跨组学关联网络的研究提供新方法,为“脑-肠-菌群”轴研究提供双组学信息学支持。方法首先,采用R软件设计一系列仿真数据集,对四种相关分析方法(Pearson、Spearman、Spar CC、CCLasso)的复杂度、误差百分比、假阳/阴性风险和相似性进行比较,分别采用公共数据库和本实验室采集的真实数据对结果进行验证。其次,基于多个质谱平台获得了Wistar大鼠(雄性,n=42)生长过程中多时点(1、3、7、12、24、56、111周)脑组织代谢物数据集,基于Illumina Miseq平台获得其肠道内容物数据集(16Sr RNA)。再次,联合采用Spearman、典型相关分析、聚类分析、轨迹分析、LEf Se差异分析和网络分析等方法,相继在“代谢物类-细菌门”水平及“代谢物-菌属/种”水平筛选标志性关联对,提出可能的关系链。最后,采用独立的热量限制动物实验(n=12)对标志性关联对的相关关系进行验证。结果首先,4种相关方法计算得到的r值和显著关联对的数量均存在以下规律:Spar CC>Spearman和Pearson>CCLasso。比较而言,CCLasso方法的误差百分比较大,得到的显著关联对数目最少,该方法的结果更容易出现假阴性。Spar CC方法更倾向于给出假阳性结果。经典方法Spearman和Pearson性能相对稳定平和,Spearman结果稍优于Pearson。Spearman的稳健性和精确性综合评分最高,是代谢组学和元基因组学相关分析的最优方法。其次,建立了“代谢组-元基因组分层相关分析策略”,筛选出了脑组织和肠道菌群的4个高层次及其对应的4组低层次标志性的关联对:“脂质-螺旋体门”、“游离脂肪酸-厚壁菌门”、“胆酸-厚壁菌门”和“神经递质-拟杆菌门”。所有关联对的相关关系均已在独立的热量限制实验中得到了验证。结论生命体是一个复杂的多层面调控体系。各层面内部和层面之间均存在复杂的相互作用。元基因组和代谢组数据的来源、结构和特点各不相同。通过多方法的选择、整合和应用而首次建立的“代谢组-元基因组分层相关分析策略”有助于在高通量多源信息中快速有效地识别关键关联对,为组学互作和整合研究提供新方法,为“脑-肠-菌群”轴研究提供物质基础,有推广应用价值。本文相关的所有代码、数据和“代谢物-肠道菌种/属”相关对库可在https://github.com/chentianlu下载。