桑巴:使用贝叶斯式方法学习水产养殖微生物组的结构学习
Beatriz Soriano1,2,3, Ahmed Ibrahem Hafez2, Fernando Naya-Català1
1Institute of Aquaculture Torre de la Sal (IATS), Consejo Superior de Investigaciones Científicas (CSIC), 12595 Ribera de Cabanes, Spain.
Genes
|August 26, 2023
概括
我们开发了SAMBA,这是一个贝叶斯网络工具,用于模拟鱼的肠道微生物群相互作用. 这种计算方法有助于了解水产养殖条件如何影响微生物群落,并预测未来的变化.
科学领域:
- 微生物组研究的研究.
- 计算生物学是一种计算生物学.
- 水产养殖科学 水产养殖科学
背景情况:
- 鱼的肠道微生物群是复杂的系统,有成千上万的相互作用的细菌种群.
- 了解微生物组,环境和宿主之间的相互作用等级是至关重要的,但有限.
- 水产养殖系统具有独特的生物和非生物因素,影响这些微生物群落.
研究的目的:
- 介绍SAMBA (采用贝叶斯方法的水产养殖微生物组的结构学习),这是一个新的计算工具.
- 模拟鱼肠微生物组的网络结构及其与水产养殖变量之间的相互作用.
- 推断农业条件对微生物群多样性的影响,并预测未来的微生物群概况.
主要方法:
- 利用统一的贝叶斯网络方法进行网络结构建模.
- 综合微生物丰度数据 (16S rRNA amplicons) 与养殖条件数据 (连续和分类).
- 开发了SAMBA,用于创建,训练,可视化和导出网络模型.
主要成果:
- 使用微生物合成社区证明了SAMBA的能力.
- 在不同的养试验中,应用SAMBA来建模金头海 (Sparus aurata) 的泛微生物组.
- 验证了该工具在推断和预测微生物组反应方面的有效性.
结论:
- 桑巴为分析复杂的微生物群与宿主相互作用提供了一个强大的框架.
- 该工具不仅适用于水产养殖,还适用于任何脊椎动物生物和生态系统.
- 桑巴促进了对微生物组动态及其环境驱动因素的更深入的理解.
更多相关视频
08:09An Aquatic Microbial Metaproteomics Workflow: From Cells to Tryptic Peptides Suitable for Tandem Mass Spectrometry-based Analysis
Published on: September 15, 2015
8.8K
04:29Author Spotlight: Developing Synthetic Microbial Communities for Generating Second-Generation Biofertilizers
Published on: May 24, 2024
847
