一个便得分近似模型用于实时定量PCR便来源识别测量分析
Mano Sivaganesan1, Jessica R Willis1, Adam Diedrich1
1U.S. Environmental Protection Agency, Office of Research and Development, Cincinnati, OH 45268, USA.
Water research
|April 10, 2024
概括
一个新的频率模型简化了使用定量PCR (qPCR) 数据来识别便来源. 这种方法提供了与复杂的贝叶斯方法相似的结果,使得分析更容易用于水质监测.
科学领域:
- 环境微生物学环境微生物学
- 评估水质水质的评估.
- 定量聚合酶连锁反应 (qPCR) 是一种
背景情况:
- 量化聚合酶连锁反应 (qPCR) 用于估计表面水中的便污染源.
- qPCR数据通常包含非检测值和低于量化下限的值,使量化解释复杂化.
- 现有的贝叶斯便分数 (FS) 方法是计算密集的,需要专门的专业知识.
研究的目的:
- 开发和验证用于便分数 (FS) 确定的一种新型,不那么计算密集的频率主义近似模型.
- 为了比较频率主义模型与已建立的贝叶斯式FS方法的性能.
- 为使用这些模型提供有关数据集符合条件的建议.
主要方法:
- 为计算便分数 (FS) 开发了一种频率主义近似模型.
- 频率模型的性能与贝叶斯式FS方法进行了比较,使用雨水排放影响的城市溪流的qPCR数据.
- 为了进行比较,使用了各种"受审查"数据场景的数据集.
主要成果:
- 频率主义模型显示了与贝叶斯模型相比的平均度和不确定性估计.
- 与贝叶斯方法相比,频率主义方法显著降低了计算和技术需求.
- 该研究为负责任的模型应用提供了数据集符合条件的建议.
结论:
- 频率主义模型为便来源识别中便分数的确定提供了一个可行的,不那么密集的替代方案.
- 这一发展促进了为水质监测创建用户友好的数据分析工具.
- 这些发现支持对表面水中的便污染进行更容易获得的定量分析.
