对元转录组学数据的微分表达式分析方法的全面评估.
Hunyong Cho1, Yixiang Qu1, Chuwen Liu1
1Department of Biostatistics, University of North Carolina, Chapel Hill, NC, United States.
Briefings in bioinformatics
|September 22, 2023
概括
逻辑β (LB) 测试提供了分析微生物基因表达 (元转录组学) 数据的最佳灵敏度,优于其他方法. 该评估为选择微生物组研究的强大统计工具提供了指导.
科学领域:
- 微生物组研究的研究.
- 统计基因组学 统计基因组学
- 生物信息学是一种生物信息学.
背景情况:
- 人类微生物组的功能至关重要,但微生物基因表达的统计方法 (转录基因组学) 发展不足.
- 现有的微分表达式分析方法通常不适合元转录组学数据,并且缺乏严格的评估.
研究的目的:
- 为了全面评估和比较10个差异分析方法的metatranscriptomics数据.
- 为选择适当的统计方法提供实用指导,用于metatranscriptomics分析.
主要方法:
- 使用模拟和真实数据评估了10种方法 (日志-正常,逻辑-β,MAST,DESeq2,元基因组Seq,ANCOM-BC,LEfSe,ALDEx2,克鲁斯卡尔-瓦利斯,两部分克鲁斯卡尔-瓦利斯).
- 性能指标包括I型错误,错误发现率和灵敏度.
- 数据来源包括幼儿虫 (ECC) 和炎症性肠病研究中的supragingival生物膜微生物组数据.
主要成果:
- 后勤β测试 (LB) 证明了在样本大小和有效控制的I型错误中最高的灵敏度.
- MAST显示了膨胀的I型错误.
- 在ECC研究中,LB和日志正常测试确定了来自Campylobacter gracilis的C8PHV7和C8PEV7基因与儿童牙疾病密切相关.
结论:
- 后勤β测试是元转录学微分表达式分析的高度敏感和可靠的方法.
- 这项研究为研究人员选择最佳方法提供了必要的指导,提高了微生物组基因表达研究的准确性.
- 精确的方法选择将错误阳性最小化,并最大限度地检测真实生物信号.
