.png){kind=icon}
返回
An optimal normalization method for high sparse compositional microbiome data
.png){kind=icon}
OA
AI
DOI：10.1371/journal.pcbi.1012338.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在许多组学数据中，包括微生物组测序数据，我们仅能测量相对信息。已有多种计算或统计方法被提出，旨在从相对信息中提取绝对（或生物学相关）信息；然而，这些方法基于较强的假设，可能不适用于多组（超过两组）和/或纵向结局数据。本文首先介绍了从相对信息中提取绝对信息所需的最小假设。该假设比现有方法施加的假设更为宽松，因而适用于多组及/或纵向结局数据。接着，我们提出了首个在该最小假设下工作的归一化方法。通过广泛的模拟研究，证明了所提方法的优化性和有效性，及其对下游分析的积极影响，其中现有方法在最小假设下无法产生一致的性能。我们还通过真实微生物组数据集的应用，确定了与特定疾病/状况相关的生物学重要微生物。
Keyword:
INFLAMMATORY-BOWEL-DISEASE
DIFFERENTIAL ABUNDANCE
FECAL MICROBIOTA
GUT
期刊
IF:
7.2
论文数:
2.1K
被引数:
4.1W
机构
暂无机构信息
引用论文
Differential abundance analysis for microbial marker-gene surveys微生物标记-基因调查的差异丰度分析.png)
NATURE METHODSOAAI
NATURE METHODSIF32.1
OAAI分享收藏分享收藏A scaling normalization method for differential expression analysis of RNA-seq dataRna-seq数据差异表达分析的尺度归一化方法GENOME BIOLOGY
OAAI
GENOME BIOLOGYIF9.4
OAAI分享收藏
查看更多内容