Ravi U Sheth

搜索
登录

Ravi U Sheth

文章数：4篇

Nature子刊：自动化+机器学习，助力大规模微生物培养

虽然测序技术的快速发展极大促进了研究人员挖掘微生物“暗物质”，但在微生物实验和机理研究方面培养组学仍然发挥着关键作用，传统的培养组学方法存在劳动密集型、规模化小、缺乏表型-基因型的整合等问题。近日，美国哥伦比亚大学研究人员在Nature Biotechnology发表最新研究，开发了一种自动化微生物组成像和分离的培养学（CAMII）平台，利用菌落形态学和基因组数据，可最大限度提高分离的微生物多样性，并能有针对性地挑选特定的菌属。总之，该研究为深入挖掘复杂生态样品中微生物“暗物质”提供了新的指导和见解，值得关注。

机器学习高通量培养组学研究论文基础研究自动化

微生物生态学

Nature子刊：用宏观生态动力学表征肠道菌群

肠道菌群是一种动态的生态系统，但我们目前对控制微生物动力学的生物学过程仍然知之甚少。Nature Microbiology近期发表的一项研究，利用宏观生态学方法分析人和鼠的肠道菌群时序数据，表明如同其他的宏观生态系统一样，肠道菌群的动态也可以通过多种定量关系来表征，并利用观察到的宏观生态关系鉴定了受环境变化影响的特定细菌类群。

微生物生态学 Microbial communities Ecological modelling microbial ecology 生态建模

宏基因组学

Nature子刊：MaPS-seq测序方法揭示肠道微生物空间分布

空间结构对于维护自然生态系统非常重要，许多微生物群落，包括肠道微生物群，显示复杂的空间组织。绘制细菌的生物地理图可以揭示群落功能的相互作用，但现有的方法无法容纳天然微生物组中发现的数百种物种。Nature Biotechnology发表的这项研究提出一种新测序方法——MaPS-seq，可以实现空间宏基因组学测序数据，可用于研究微生物复杂栖息地的生物地理学。

宏基因组学 metagenomics Microbiome 微生物组 Huan Song

Nature子刊：宏基因组研究中取样和技术重复对时间和空间下物种丰度变化的影响

宏基因组测序已经能够对不同的微生物群落进行详细调查，但了解它们的时空变异仍然是一个重要的挑战。本文采用绝对定量、技术重复、不同取样部分的连续时间实验，经过方差分解法确定了各影响因素对不同丰度OTU丰度变化的影响大小，对我们研究中差异OTU的选择、丰度与差异可视度的关系、结果的评估有非常好的参考和借鉴意义。

宏基因组 Shivani Sahni Courtney L Millar