เปรียบเทียบวิธี

	การวิเคราะห์ความหลากหลายของจุลินทรีย์ในระดับเซลล์เดียว	การวิเคราะห์ความหลากหลายของไมโครไบโอมแบบหลายโอไมกส์
สาขาวิชา	ชีวสารสนเทศศาสตร์	ชีวสารสนเทศศาสตร์
ตระกูล	Process / pipeline	Process / pipeline
ปีกำเนิด	2019-2022	2010s–present
ผู้ริเริ่ม	Paul Blainey lab and Bhatt lab (pioneered microSPLiT and single-microbe genomics approaches)	Developed collectively; key frameworks by Le Cao et al. (mixOmics, 2017) and Argelaguet et al. (MOFA, 2018)
ประเภท	Computational-experimental omics pipeline	Integrative computational pipeline
แหล่งต้นตำรับ	Kehe, J., Kulesa, A., Ortiz, A., Ackerman, C. M., Thakku, S. G., Sellers, D., Bhatt, S., ... & Blainey, P. C. (2019). Massively parallel screening of synthetic microbial communities. Proceedings of the National Academy of Sciences, 116(26), 12804-12809.	Rohart, F., Gautier, B., Singh, A., & Le Cao, K.-A. (2017). mixOmics: An R package for 'omics feature selection and multiple data integration. PLOS Computational Biology, 13(11), e1005752.
ชื่อเรียกอื่น	sc-microbiome analysis, single-cell microbial profiling, single-bacterium sequencing, microSPLiT analysis	multi-omics microbiome profiling, integrated microbiome omics, multi-modal microbiome analysis, microbiome multi-omics integration
ที่เกี่ยวข้อง	3	5
สรุป	Single-cell microbiome diversity analysis resolves the composition and functional heterogeneity of microbial communities at the level of individual cells or bacteria. By combining single-cell or single-bacterium isolation with high-throughput sequencing, this pipeline overcomes the averaging effect of bulk metagenomics, enabling detection of rare strains, intra-species variation, and cell-to-cell heterogeneity within complex microbiomes such as the gut, oral cavity, or environmental samples.	Multi-omics microbiome diversity analysis integrates two or more omic data layers — such as metagenomics, metatranscriptomics, metabolomics, and metaproteomics — to characterise both the composition and functional activity of microbial communities. By linking taxonomic diversity metrics with molecular phenotype data, the approach uncovers how community structure translates into ecological and host-relevant functions that no single omic layer can reveal alone.