微生物组数据

搜索
登录

微生物组数据

文章数：5篇

差异丰度分析

在微生物组测序数据中，如何选择差异丰度分析方法？

如今，差异丰度分析（DAA-C）是微生物组数据分析中一项中心统计任务，DAA-C工具可有效筛选微生物候选物进而有利于进一步验证相关发现，但目前的相关工具的结果仍存在较大的差异，阻碍了相关生物学结果的解释。近日，美国梅奥医学中心的研究人员在Briefings in Bioinformatics发表最新研究，基于真实数据对11种DAA-C相关工具的性能进行了基准测试，发现线性模型方法（如LinDA、MaAsLin2和LDM）比基于广义线性模型的方法性能相对更稳健。此外，发现没有一种评估方法在各种设置中是最佳的，性能最佳的方法主要取决于生物学真相和数据特征，其中LinDA方法在假阳性控制和功率间能有较好的权衡，值得相关人员进一步测试。

差异丰度分析微生物组数据研究论文基础研究生信分析工具

Nature子刊：SECOM-用于评估菌群数据中未描述类群间的互作关系

人类肠道菌群形成了一个微生物相互作用的生态系统，由于复杂的潜在相互作用，一些微生物间可能存在非线性关联。近日，美国国立卫生研究院研究人员在Nature Communications发表最新研究，开发了一种称为Sparse Estimation of Correlations among Microbiomes （SECOM）的方法，用于估计微生物间的线性和非线性关系，同时保持稀疏性。该模型考虑了样本和分类单元的特异性偏差，在真实数据集中表现性能较好，值得相关人员测试。

菌群互作新方法研究论文微生物组数据基础研究

微生物组数据

微生物学趋势：微生物组研究数据，如何充分利用？

我们每天都在产生大量微生物组数据，很多是一过性使用，如何共享，如何统一格式，值得好好看看这篇短小精湛文章提供的思路。

微生物组数据数据标准化数据中心 Maya Raman Padma Ambalam

微生物组数据

GM：更好的测试菌群、健康和疾病相关的测试方法

新的多元测试方法——aMiSPU，转数据分析师重点看看。

微生物组数据自适应关联测试

微生物组数据

启发性评论：病例-健康人菌群对照研究，有何挑战？

① 在人体微生物组的病例-对照研究中，目标是找出病人与对照在身体某部位的微生物组成差别； ② 研究存在3项挑战； ③ 修正观察到的和真正的微生物群体组成之间的偏差； ④ 在微生物群中寻找罕见的分类群； ⑤ 选择合适且有效的分析方法。

微生物组数据病例-对照研究