多组学（Multi-omics）研究分析是指整合两种及以上组学技术（如基因组、转录组、蛋白组、代谢组、表观组、微生物组等）的数据，在整体层面系统解析生物系统的分子机制，并挖掘跨组学间的调控关系与关键生物标志物。其核心在于“以生物学问题为中心”，通过数据整合实现从“数据”到“生物学洞察”的转化

机器学习（Machine Learning, ML）与生信分析（Bioinformatics）的融合，已成为当前生信文章冲高分（如1区/2区）的“顶流”范式。其核心在于利用ML算法解决生信数据“高维、小样本、非线性”的痛点，实现疾病预后预测、诊断标志物筛选、分子分型及临床风险分层。

单基因研究是指针对单个基因的功能、作用机制及其在生物学过程中的角色进行深入探究，单基因研究是理解基因功能、疾病发生机制及开发靶向治疗策略的基础。许多遗传性疾病（如囊性纤维化、血友病）由单基因突变引起，通过研究这些基因，可揭示疾病根源并开发针对性疗法。

共病（Multimorbidity / Comorbidity）研究是指对“同一个体同时存在两种或两种以上疾病（或慢性健康问题）”的医学研究。其核心在于探究疾病共现的模式、共病对患者预后的影响，以及共病背后的共享病理生理机制

中药网络药理学是从药物和疾病间相互作用的整体性和系统性出发，进行体外虚拟筛选潜在药效物质、作用靶点及通路，构建“药物-靶标-疾病”多层次网络联系，初步预测出药物作用机制的学科。

网络药理学强调从系统层次和生物网络的整体角度出发，解析药物及治疗对象之间的分子关联规律，其研究理念与中医药学的整体论思想不谋而合，被广泛应用于药物和中药活性化合物发现、整体作用机制阐释、药物组合和方剂配伍规律解析等方面，为中药复杂体系研究提供了新思路，为临床合理用药、新药研发等提供了新的科技支撑。

网络毒理学（Network Toxicology）是网络药理学在毒理学领域的延伸，于2011年由刘昌孝院士等首次提出。它结合生物信息学、大数据与多组学技术，通过构建“毒物-靶点-通路-疾病”的多层次网络，系统揭示环境污染物、化学物质、食品添加剂等毒物对人体的毒性作用机制，并用于预测毒性和评估安全性。

热点基因集是指与特定生物学过程（如细胞衰老、铁死亡、免疫调控等）或疾病（如肿瘤、自身免疫病等）密切相关的基因集合，这些基因在相关研究中被频繁关注，具有明确的生物学意义，热点基因集生信分析是当前科研中短平快发文的热门方向，其核心思路是依托具有明确生物学意义的现成基因集合，结合公共数据库与多组学技术，快速完成从分子机制到临床价值的研究闭环。