结核病是由结核分枝杆菌（MTB）引起的慢性传染病，已成为全球重大公共卫生问题。结核病诊断受检测效能不足与其表型复杂的限制，基层检测覆盖不足且耐药结核病漏诊率高。目前，虽然治疗成功率有所提升，但死亡负担仍然较高，其原因在于结核病病理机制不清及诊断生物标志物缺乏。基因组、转录组和蛋白质组等多组学信息联合分析已广泛用于疾病机制解析和标志物挖掘，为揭示疾病发生发展机制和发现新型生物标志物提供了新的研究路径。文章综述了多组学在结核病研究中的应用进展，并探讨了挑战与未来方向。在机制研究方面，多组学从病原体、宿主及宿主-病原体互作层面解析了结核病病理机制。在病原体层面，基因组学及全基因组关联研究揭示了MTB的进化谱系与耐药突变特征，多组学联合分析进一步阐明其在低氧、营养受限及药物压力下的代谢重编程与适应机制。在宿主层面，转录组和蛋白质组等研究揭示了以干扰素为核心的免疫应答及动态变化，并解析了肉芽肿微环境中促炎与抗炎信号的空间异质性。在宿主-病原体互作方面，多组学研究从代谢重塑、免疫逃逸及信号调控等层面，揭示了MTB调控宿主细胞功能的关键机制。在生物标志物挖掘方面，多组学研究已覆盖结核病风险预测、鉴别诊断、特殊人群诊断及治疗监测等关键环节。在宿主易感性与风险预测中，整合基因多态性、转录组及蛋白质组数据，筛选出的免疫调控与代谢异常关键分子，构建了潜伏感染向活动性结核进展的预测模型，并经多地区队列验证。在活动性肺结核鉴别中，跨队列转录组研究筛选出普适基因组合标志物；多组学还通过挖掘宿主免疫细胞亚群的关键分子，或者可变剪切等标志物拓展诊断维度。在肺外结核及特殊人群中，通过血浆或脑脊液蛋白质组学筛选标志物，结合机器学习构建诊断模型，该模型在结核性脑膜炎及儿童结核病中具有一定诊断价值。在治疗监测方面，代谢组学与脂质组学揭示了宿主代谢的动态变化，并筛选出潜在标志物组合，为疗效评估提供参考。但多组学在结核病研究中仍面临诸多挑战。在机制解析方面，由于空间分辨率不足及组学数据整合困难，亟须构建可整合空间组学、单细胞组学与传统多组学数据的多层级分析框架。在生物标志物挖掘方面，由于人群差异和跨平台可重复性限制，应建立覆盖不同人群的多中心大规模队列，系统评估标志物的稳定性与普适性，并结合人工智能对多组学特征进行降维和整合，将复杂的多组学特征提炼为可检测的标志物组合，为结核病的风险预测、诊断及疗效评估提供可靠依据。结核病多组学研究应以临床需求为导向，整合机制解析与生物标志物挖掘，推动组学发现向精准防控应用转化。