单细胞多组学技术是指在同一个细胞中同时测量多个不同组学数据的前沿测序技术。这种技术避免了传统测序中一些难以消除的误差,如不同批次、不同试剂处理等;减少了在数据处理过程中复杂的数学计算;实现了单细胞层次上同步解析多维度特征,从而在潜在遗传问题的挖掘、癌症相关机制的阐明、前瞻性健康跟踪等方面具有广阔的应用前景。目前,单细胞多组学技术已超过20种,最多可实现三个不同组学的同时测序。然而,这些技术产生的数据较为分散且格式多样;现有数据的分析聚焦于验证测序方法的优劣,数据本身缺乏深入生物学分析。因此,本研究构建了单细胞多组学数据管理与分析系统（sc Multi Omics）,旨在填补现有同一细胞多组学数据管理分析的空白,促进单细胞多组学数据更深层次的生物学挖掘与应用。本研究共收集了42个单细胞多组学测序项目的原始数据,包括493396个细胞,涉及DNA拷贝数、转录组、蛋白质组、甲基化、染色质开放性、TCR序列、DNA扰动七个组学。首先,我们将上述原始数据按照不同组学分为三类,分别构建格式化流程,在合并单一细胞程序中更新计算方法,有效的降低了标准处理的运行时间和占用的内存空间,最终输出87个格式化数据矩阵。其次,我们对格式化的单细胞多组学数据开展了综合分析并取得了新的发现,例如在皮肤T细胞淋巴瘤患者的外周血中发现一类独有的耗竭T细胞,综合转录组、蛋白质组以及免疫组三组学信息可判断该类细胞来源于效应T细胞的转变,能逃避逃避以CD7为靶点的CAR-T疗法治疗和PD1/PDL1免疫检查的封锁治疗。因此,对于该患者的治疗需要制定个性化方案清除现有耗竭细胞,以及干预效应T细胞向耗竭细胞的转变。最后,我们应用R语言创建交互式Web应用程序,构建了单细胞多组学测序管理与分析系统,实现为用户提供标准化处理数据与原始数据的下载功能;实现快速查询、浏览细胞组成、数据分布等静态信息的功能;提供差异分析、相关分析、GO与KEGG富集分析等动态可视化分析手段,辅助用户深入挖掘多个组学的生物信息。单细胞多组学数据管理与分析系统能够增进用户对单细胞多组学技术应用场景的了解,促进现有单细胞多组学技术的应用;解决了数据处理体量大、设备要求高等问题,助力单细胞多组学数据整合方法研究;智能化解析细胞多组学层面信息,推动现有数据潜在生物学问题挖掘。