使用线性分解模型 (LDM) 分析微生物组数据的组成分析
1Department of Biostatistics and Bioinformatics, Emory University, Atlanta, GA 30322, United States.
Bioinformatics (Oxford, England)
|November 6, 2023
概括
我们介绍了以线性分解模型为中心的日志比率 (LDM-clr),这是分析微生物组数据的新方法. 这种方法允许对不同共变量和研究设计的差异丰度进行组成分析.
科学领域:
- 微生物学 微生物学
- 生物信息学是一种生物信息学.
- 统计建模 统计建模
背景情况:
- 微生物组数据分析通常需要测试组成假设.
- 现有的方法在处理复杂的研究设计和共变量方面可能存在局限性.
研究的目的:
- 为微生物组数据分析引入线性分解模型中心的日志比率 (LDM-clr).
- 扩展线性分解模型 (LDM) 方法,将线性模型适应于以中心的日志比率转换的种类统计数据.
- 为了使分类和社区层面上的差异丰度的组成分析.
主要方法:
- LDM-clr扩展了现有的LDM计划.
- 它适合线性模型的中心-log-ratio-transformed分类群数量数据.
- 支持各种协同变量和研究设计,用于关联或调解分析.
主要成果:
- LDM-clr为组合微生物组数据分析提供了一个强大的框架.
- 该方法促进了多个层面的差异性丰度测试.
- 它可以与现有的LDM功能无集成.
结论:
- LDM-clr为微生物组研究提供了一种强大而灵活的工具.
- 包括LDM-clr在内的R包LDM可在GitHub上获得.
- 这一进步支持更全面的微生物组数据解释.


