生物信息分析

搜索
登录

生物信息分析

文章数：3篇

全基因组关联研究(GWAS)

北大一院：IgA肾病与肠道菌群和基因遗传变异的相关性

IgA肾病是最为常见的原发性肾小球肾炎，但其发病机理并不明确。目前我们知道IgA糖基化缺陷导致免疫复合体的形成是该病致病的关键。全基因组相关性分析发现，IgA肾病和炎症性肠病以及细菌感染均有一些共有相关基因。因此推测肠道菌群对免疫系统的驯化与IgA肾病关系密切。但是，尚没有关于肠道菌群，疾病关联基因以及IgA肾病表型之间的关系的研究。北京大学第一医院的研究团队近期一篇在mSystem上发表的文章，通过IgA肾病相关的GWAS数据挖掘和肠道菌群相关性分析发现9个遗传位点与IgA肾病的发生以及不同症状相关，小杆菌属丰度降低与IgA肾病发生相关。这些结果为肠道菌群与IgA肾病之间的关系提供了一定的线索。

全基因组关联研究(GWAS) 肠道菌群自身免疫性肾病（IgA肾病）研究论文医学研究

Nature子刊：Rob Knight团队发表微生物组数据降维新方法

人类微生物组研究的解读能力受到个体间差异很大的限制。现有的降维方法没有考虑微生物组数据高维，稀疏性、组成性、变异大等特点。加州大学圣地亚哥分校Rob Knight团队描述了一种降维方法，成分张量因子分解（compositional tensor factorization，CTF）。该方法将来自多个样本中同一宿主的信息合并在一起，以揭示驱动表型微生物组成差异的模式。 CTF可以识别稀疏成分数据集中的稳健模式，从而可以检测可在数据集之间重现的特定表型相关的微生物变化。

降维生物信息分析菌群分析方法

国内团队：人类微生物组研究设计、样本采集和生物信息分析指南（综述）

本文讨论了用于微生物组研究的研究设计、样本收集、统计方法和生物信息学分析方法。在“研究设计”部分，强调了研究设计的重要性，特别是设计方案、样本量计算以及用于提高研究可靠性的多种措施。在“统计分析”部分，介绍了详细的多重比较P值校正方法。选择合适的统计方法对于准确解释微生物组数据很重要。最后，“生物信息学分析”部分介绍了用于分析微生物组数据分析的方法。对于微生物组研究而言，严谨的研究设计在获得有意义的结果方面具有举足轻重的作用，而适当的统计方法对于准确解释微生物组数据非常重要。循序渐进的分析流程为研究者掌握最新生物信息学分析方法提供了帮助。通过阅读这篇文章，研究者能获得研究设计、样本采集和生物信息分析等全方位的微生物组学知识。

微生物组研究设计统计分析样本量生物信息分析