EXPLANA:一个用户友好的工作流程,用于EXPLoratory分析和特征选择在横截面和纵向微生物组研究

科学领域:

• 微生物组研究的研究.
• 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:

• 纵向微生物组研究 (LMS) 正在增长,但由于非独立数据和大型数据集,面临分析障碍.
• 在LMS的变化分析需要仔细考虑基线作为参考,这在观察性和干预性研究之间有所不同.

研究的目的:

• 为横截面和纵向微生物组数据开发一个强大的特征选择工作流程.
• 通过整合机器学习与变化计算来解决LMS中的分析挑战.
• 提供一个工具,简化了与结果相关的变量识别和解释.

主要方法:

• 开发了EXPLANA (EXPLoratory ANAlysis),用于数值和分类数据的特征选择工作流.
• 结合机器学习算法与各种变化计算方法和解释技术.
• 创建了一个交互式报告,以文本和图形形式总结分析方法和结果.

主要成果:

• 在模拟数据上,EXPLANA表现出强的表现,曲线下的平均面积 (AUC) 为0.91.
• 该工作流显著优于现有的分析工具 (AUC 0.95与0.56).
• 确定了新的,依赖于顺序的分类特征变化,增强对微生物组动态的理解.

结论:

• 埃克斯普拉纳是简化复杂微生物组数据分析的广泛适用和有效工具.
• 工作流有助于识别统计学上有意义的变量,并解释它们与LMS结果的关系.
• 通过高级特征选择,更深入地了解微生物组动态和相关因素.