用于整合微生物组,宿主基因组学和代谢学数据的统计和计算方法.
Rebecca A Deek1, Siyuan Ma2, James Lewis3
1Department of Biostatistics, University of Pittsburgh, Pittsburgh, United States.
eLife
|June 4, 2024
概括
从微生物组研究中整合多组学数据是具有挑战性的,因为分析方法有限. 本综述探讨了微生物多体组合的常见计算方法,强调了它们的优点和局限性.
科学领域:
- 微生物组研究 微生物组研究
- 计算生物学 计算生物学
- 生物信息学是一种生物信息学.
背景情况:
- 大规模的微生物组研究越来越多地结合了多基因组学数据,包括宿主基因组学和代谢学.
- 在分析和整合这些多样化的数据模式方面存在重大瓶.
- 现有的统计和计算方法往往缺乏专门开发的元基因组数据集成.
研究的目的:
- 审查和实施用于微生物多组数据集成的常用统计和计算方法.
- 评估一般方法对元基因组数据的适用性.
- 确定需要进一步统计和计算创新的领域.
主要方法:
- 已建立的统计和计算方法应用于现实世界的数据集.
- 采用中枪元基因组测序和代谢学数据进行整合分析.
- 对评估绩效的不同方法进行比较分析.
主要成果:
- 对微生物组多组学数据应用所选方法的演示.
- 通过各种分析方法比较结果.
- 确定每个方法固有的优点和局限性.
结论:
- 微生物组,宿主基因组学和代谢学数据的整合提出了分析挑战.
- 通常使用的计算方法在多组学集成中表现出不同程度的成功.
- 进一步开发专门的统计和计算工具对于推进微生物多组学研究至关重要.


