在具有FAVA的微生物群落中量化组成变异性.

科学领域:

• 微生物学 微生物学
• 生物信息学是一种生物信息学.
• 统计生态学统计生态学

背景情况:

• 微生物组的组成因个人,环境和时间点而异.
• 现有的统计方法难以同时量化众多微生物群样本的异质性.
• 了解微生物群的变异性对于生态和健康相关研究至关重要.

研究的目的:

• 引入FAVA (F-based Assessment of Variability across vectors of relative Abundances),这是一个用于评估微生物组数据中的组成变异性的新框架.
• 提供一个单一的,可解释的指数 (0-1) 来量化多个样本的微生物群异质性.
• 开发扩展,以整合遗传学和空间/时间信息.

主要方法:

• FAVA利用了种群遗传统计Fst,将微生物群样本视为种群,将类型视为等位基因.
• 该框架量化了分类学或功能相对丰度的变化.
• 扩展允许整合家族遗传关系和样本元数据 (空间/时间).

主要成果:

• FAVA成功地量化了各种微生物群数据集中的组成变异性.
• 该框架应用于反动物的胃肠道微生物组,揭示了沿肠道的变异性变化.
• FAVA量化了抗生素后人类肠道微生物群的时间变化增加,并评估了恢复时间.

结论:

• FAVA提供了一种强大而通用的方法来描述微生物群的变异性.
• 该框架有助于比较不同样本大小和分类分辨率的数据集.
• 作为R包实施的FAVA适用于微生物组分析管道.