R包

搜索
登录

R包

文章数：7篇

微生物组数据分析

刘永鑫+袁军等：如何用好R进行微生物组分析？（综述）

如何从众多R包中选择合适、高效、便捷、易学的工具，是微生物组研究者面临的难题。中国农科院刘永鑫、南京工业大学袁军与团队在Protein & Cell 2023肠道大会微生物组专刊中发表综述文章，系统地梳理了R包在微生物组研究中的应用，为今后开发更好的微生物组工具提供了重要的理论基础和实践参考。本文干货很多，推荐专业人士学习参考。

微生物组数据分析 R包宏基因组可视化

用于从16S微生物组数据进行差异丰度推断的R包—Prokounter

目前，使用高通量16S rRNA标记基因分析微生物组数据很有吸引力，但16S测序也产生了大量虚假的微生物分类群。近日，丹娜法伯癌症研究院人员在Genome Biology发表最新研究，开发了一款R包Prokounter（https://github.com/mskb01/prokounter），用于调查各级别16S测序微生物数据的高度灵活差异丰度推断，从样本到特定分类群。总之，本研究提出了一种灵活的方法，并被证明可以克服目前丰度差异推理方法所注意到的混淆问题，值得相关人员尝试。

Prokounter 差异丰度推断研究论文基础研究生物信息学

国内团队开发微生物网络分析和可视化R包—ggClusterNet

网络分析逐渐被生态学家们重视并持续应用于生态学领域，开发更为强大和方便的网络分析工具十分必要。该文章开发了名为ggClusterNet的R包，展示微生物网络模块化信息，用于微生物网络数据挖掘和跨域网络数据挖掘，可以帮助用户轻松完成网络分析和解释。

菌群网络分析 R包可视化

微生物组分析工具

新算法改进稀疏型微生物组数据与表型的关联分析

探索微生物组与宿主表型的关联，以及揭示微生物与宿主的互作机制是整个领域关注的重大科学问题。然而由于微生物组数据通常稀疏性较强，现在关联分析工具一般无法得到理想的结果。本文提出了一种新型算法MiHC有效改善微生物组数据与表型的关联结果，该软件采用R语言编写，可访问 https://github.com/hk1785/MiHC 安装，使用方便；相信该软件的应用可对本领域有一定推动作用。

微生物组分析工具 Microbiome association studies microbial ecology Adaptive association analysis Higher criticism

生物信息学工具

FEAST: 快速准确的微生物来源追溯工具

在微生物来源分析中，随机森林和基于贝叶斯的SourceTracker（https://mp.weixin.qq.com/s/18U5YmzEPpCBsZJBYxwCkw）有较广泛应用，如（https://www.mr-gut.cn/papers/read/1051090487），但运行速度和准确度一直不尽人意。基于模拟数据测试，本软件的优势是与之前的方法相比即快又准。此外在婴儿和厨房的自然样本数据中，也看到了较合理的结果。此外它也可应用于分类诊断中的应用，也比JSD和UniFrac方法更准确。同时提出了将未知来源比例可能用于疾病恢复过程中的诊断指标。方法到底多好用，还需要在更多的实战项目中检验。关于此文的详细解读和新闻报导，详见宏基因组公众号（https://mp.weixin.qq.com/s/NL68sMIYL_vhBxGa91bFpg）

生物信息学工具 R包软件 Marja K Puurunen Marja K Puurunen

错误发现率

Bioinformatics：控制错误发现率结合进化树可增加宏基因组水平的多重检验能力

① 整合进化树分析可提高宏基因组关联分析的检测能力，但涉及到进化树相关的多重检验校正，目前研究考虑较少；② 我们提出新的错误发现率（FDR）控制流程，它基于一种层次模型，可借用邻近物种信息提高统计能力；③ 在进化树信息错误或无用时，我们的方法与传统方法的检验能力相近；④ 在论文中的模拟数据和真实数据上，我们的方法相比于传统方法可获取更多信息；⑤ 相关R包StructFDR已发布并可供使用。

错误发现率多重检验校正进化树系统发育树统计分析

PCB：一个对群落物种多样性数据进行可视化和处理的R包

数据分析利器，R包，懂的人请收下。

可视化群落层次 R包基因条码