Con el advenimiento de tecnologías de alto rendimiento, el campo de las ómicas ha avanzado significativamente en la caracterización de sistemas biológicos en varios niveles de complejidad. La transcriptómica, la proteómica y la metabolómica son las tres tecnologías ómicas más utilizadas, cada una proporcionando perspectivas únicas sobre diferentes capas de un sistema biológico. Sin embargo, analizar cada conjunto de datos ómicos por separado puede no proporcionar una comprensión completa del tema en estudio. Por lo tanto, la integración de datos multi-ómicos se ha vuelto cada vez más importante en la investigación bioinformática. En este artículo, revisamos estrategias para integrar datos de transcriptómica, proteómica y metabolómica, incluyendo análisis de coexpresión, redes metabolito-génicas, modelos basados en restricciones, análisis de enriquecimiento de vías y análisis de interacciones. Discutimos enfoques de integración de ómicas combinadas, estrategias basadas en correlación y técnicas de aprendizaje automático que utilizan uno o más tipos de datos ómicos. Al presentar estos métodos, nuestro objetivo es proporcionar a los investigadores una mejor comprensión de cómo integrar datos ómicos para obtener una visión más completa de un sistema biológico, facilitando la identificación de patrones complejos e interacciones que podrían pasarse por alto en análisis de ómicas individuales.