针对代谢物-微生物对识别的跨欧米数据分析策略

科学领域:

• 微生物学 微生物学
• 代谢学 代谢学 代谢学
• 生物信息学是一种生物信息学.

背景情况:

• 代谢学和微生物组学对于理解生物系统至关重要.
• 现有的数据挖掘方法在代谢和微生物组数据之间存在复杂的多对多关联,导致许多统计学上显著但在生物学上未经验证的候选人.
• 需要强有力的框架来识别和验证这两个欧米克层之间的生物相关联系.

研究的目的:

• 引入BiOFI,一个新的战略框架,旨在识别和验证统计学上显著和生物学上相关的代谢组-微生物组相关性对.
• 开发一个全面的评分系统,并整合功能途径信息,以增强对OMIC数据的生物学解释.
• 为研究界提供免费可访问的R包,以促进代谢组-微生物组关联研究.

主要方法:

• BiOFI采用多方面的评分系统,考虑了群体间的差异,对特征相关性网络的影响以及生物的丰富性.
• 该框架集成了一个内置的数据库,将代谢物,微生物和KEGG功能途径联系起来.
• 功能对的排名是通过结合来自评分系统和相关性强度的重要性得分来排名的.

主要成果:

• 使用剖腹产婴儿数据集的验证证明了BIOFI框架的有效性和可解释性.
• BiOFI成功地确定并对生物学上可信的代谢组-微生物组相关性进行了排名.
• 该框架提供了一种系统的方法,可以超越简单的统计学意义,转向生物验证.

结论:

• BiOFI提供了一种经过验证和可解释的策略,用于识别强大的代谢组-微生物组相关性.
• 该框架解决了大量未经验证的候选人在omics数据挖掘方面的挑战.
• 可访问的BIOFI R包支持研究人员探索宿主新陈代谢和微生物群之间的复杂相互作用.