基于家族遗传树的强大的微生物组关联测试,使用重复测量的数据来测量组成偏差
Kangjin Kim1, Sungho Won2,3,4
1Department of Applied Statistics, Gachon University, Seongnam, South Korea.
BMC bioinformatics
|March 6, 2025
概括
一种新的方法,mTMAT,分析纵向微生物组数据以识别与疾病相关的微生物,克服16S rRNA基因研究中常见的组成偏差.
科学领域:
- 微生物组研究的研究.
- 宿主-微生物相互作用
- 统计生物信息学 统计生物信息学
背景情况:
- 微生物群影响宿主表型,随年龄而变化.
- 纵向微生物组数据揭示了与年龄相关的微生物变化和疾病关联.
- 现有的方法在16S rRNA基因数据中的组成偏差方面存在困难.
研究的目的:
- 引入mTMAT,一种用于分析纵向微生物群数据的新型统计方法.
- 解决微生物组协会研究中的组成偏差的挑战.
- 为了能够对随着时间的推移与宿主疾病相关的微生物种类进行可靠的识别.
主要方法:
- mTMAT采用了通用估计方程和一个强大的差异估计器.
- 它使微生物丰度正常化,并使用聚合丰度比率来减轻偏差.
- 该方法专门用于反复测量16S rRNA基因数据.
主要成果:
- 在模拟研究中,mTMAT证明了其统计能力.
- 该方法对由于使用丰度比率而导致的组成偏差具有稳定性.
- 在纵向数据中,mTMAT成功地识别了与宿主疾病相关的微生物种群.
结论:
- mTMAT为分析纵向微生物组数据提供了一个强大的方法.
- 它使用16S rRNA基因数据促进了与疾病相关的微生物种群的检测.
- 该方法为细菌病理和宿主微生物动态提供了更深入的见解.


