Las vías génicas y las redes de regulación génica se utilizan para describir la relación causal entre los genes, basada en experimentos biológicos. Sin embargo, muchos genes aún deben ser estudiados para definir nuevas vías. Para abordar esto, se ha utilizado un algoritmo de agrupamiento génico para agrupar genes correlacionados, basado en la similitud de su nivel de expresión génica. Los métodos existentes agrupan genes basados en solo un tipo de datos ómicos, lo que ignora la información de otros tipos. Se requiere un tamaño de muestra grande para lograr una estructura de agrupamiento precisa para miles de genes, lo que puede ser desafiante debido al costo de los datos de múltiples ómicas. Se ha utilizado el metaanálisis para agregar los datos de múltiples estudios y mejorar los resultados del análisis. Proponemos un algoritmo de agrupamiento génico metaanalítico computacionalmente eficiente que combina conjuntos de datos de múltiples ómicas de varios estudios, utilizando modelos lineales de efectos fijos y un marco de análisis de redes de correlación ponderada modificado. El estudio de simulación muestra que el método propuesto supera a los enfoques de agrupamiento basados en una sola ómica cuando se dispone de datos de múltiples ómicas y/o múltiples estudios. Un ejemplo de datos reales demuestra que nuestro método metaanalítico supera a los métodos basados en un solo estudio.