data mining

搜索
登录

data mining

文章数：3篇

肠道菌群标志物

赵方庆等Nature子刊：拨开菌群大数据的迷雾，用NetMoss鉴定可靠的疾病标志物

肠道菌群作为疾病的“晴雨计”，是潜在的疾病标志物。然而，由于混杂因素（比如批次效应）以及基于丰度分析方法的局限性，不同研究之间难以鉴定出统一的疾病相关菌群标志物，这阻碍了菌群在疾病临床诊断和预后预测中的应用。为解决这一难题，中国科学院北京生命科学研究院的赵方庆团队，开发了一个基于生物学网络分析的新型工具——NetMoss，可以有效地解决以往微生物组数据整合中存在的批次效应问题，能极大提高对疾病相关肠菌标志物的识别能力。相关成果已在Nature Computational Science发表，强烈推荐专业人士关注！

肠道菌群标志物分析工具 colorectal cancer Data integration data mining

苏晓泉等：菌群大数据挖掘的机遇和挑战（综述）

在过去的十年中，已经产生了大量的微生物组测序数据来研究微生物组成与环境之间的动态关联。如何准确，有效地破译大规模的微生物组数据，并进一步利用，已成为目前微生物组研究的瓶颈之一。在本综述中，青岛大学苏晓泉与团队重点分析了交叉研究微生物组数据集的三个关键步骤，包括微生物组分析，数据整合和数据挖掘。通过介绍当前的生物信息学方法并讨论其局限性，作者展望了开发这三个步骤的计算方法的机会，并提出了多组学数据分析的可能的解决方案，以便从不同的角度全面理解和快速研究微生物组，从而可以通过提供“微生物组数据空间”的更广阔视野，更有效地促进数据驱动的研究。

微生物组鸟枪法宏基因组学扩增子测序数据挖掘微生物组搜索

生物信息学工具

青岛能源所徐健+苏晓泉等：微生物组的“三大指数”

菌群研究持续火热，目前的一大挑战是，如何将新的菌群样本在已有的数据中进行定位和比对。中科院青岛生物能源所单细胞中心徐健主任和苏晓泉研究员日前联袂Rob Knight在mBio上发表文章，开发了微生物组搜索引擎（http://mse.single-cell.cn），使大规模、全局性的微生物组比对与搜索成为可能；该搜索引擎基于类似于传统 BLAST 的执行逻辑，对用户十分友好（用户只需提供菌群的 OTU 表）；搜索结果给出微生物组的“新奇指数”、“关注指数”和“影响力指数”，可评估菌群组成的新颖性，预测特定菌群研究领域的潜力和趋势。

生物信息学工具 Bioinformatics community similarity data mining database search