BCGLMs: Modelado bayesiano para la predicción de enfermedades utilizando características composicionales del...

Área de la Ciencia:

• Bioinformática
• Biología Computacional
• Modelado Estadístico

Sus antecedentes:

• El análisis de datos composicionales es crucial para comprender sistemas biológicos complejos como el microbioma.
• Los métodos existentes pueden no capturar completamente los matices de los datos del microbioma, como las relaciones filogenéticas y los efectos aleatorios.
• Los enfoques bayesianos ofrecen un marco flexible para modelar estructuras de datos complejas.

Objetivo del estudio:

• Presentar BCGLMs, un novedoso paquete R para el análisis de datos composicionales bayesianos.
• Proporcionar herramientas para ajustar modelos con varios tipos de respuesta e incorporar efectos aleatorios.
• Permitir la integración de información filogenética en el modelado de datos del microbioma.

Principales métodos:

• Desarrollo del paquete R BCGLMs, basado en el paquete brms.
• Implementación de funciones para configurar y ajustar modelos lineales generalizados composicionales bayesianos (BCGLMs).
• Inclusión de capacidades para manejar respuestas continuas, binarias, ordinales y de supervivencia.
• Integración de efectos aleatorios para mejorar la precisión de la predicción.
• Facilitación de la incorporación de relaciones filogenéticas para taxones del microbioma.

Principales resultados:

• BCGLMs ofrece un conjunto completo de herramientas para el análisis de datos composicionales bayesianos.
• El paquete admite diversas variables de respuesta y técnicas de modelado avanzadas.
• Los usuarios pueden aprovechar la información filogenética para un análisis más preciso del microbioma.
• Se proporcionan herramientas para la resumen numérica y gráfica de los resultados del modelo.

Conclusiones:

• BCGLMs proporciona un marco flexible y potente para analizar datos composicionales del microbioma.
• El paquete mejora la precisión de la predicción mediante la inclusión de efectos aleatorios y relaciones filogenéticas.
• BCGLMs democratiza el modelado bayesiano avanzado para la investigación del microbioma.