通过无监督机器学习定义微生物稀有生物圈
Francisco Pascoal1,2, Paula Branco3, Luís Torgo4
1Departamento de Biologia, Faculdade de Ciências, Universidade do Porto, Porto, Portugal.
Communications biology
|April 2, 2025
概括
定义微生物稀有生物圈是具有挑战性的,因为任意的门. 我们介绍ulrb (基于无监督学习的稀有生物圈定义),这是一个R包,使用机器学习进行一致的,独立于用户的微生物种类的分类.
科学领域:
- 微生物生态学 微生物生态学
- 生物信息学是一种生物信息学.
- 计算生物学 计算生物学
背景情况:
- 微生物稀有生物圈,包括稀少的微生物,缺乏标准化的定义方法.
- 目前依赖任意的丰度值 (例如,0.1%) 阻碍了交叉研究的比较.
- 需要一个强大的,客观的方法来划分罕见的微生物种类.
研究的目的:
- 开发和介绍ulrb (基于无监督学习的稀有生物圈定义),用于客观地划分稀有生物圈的R包.
- 提供一种独立于用户的方法,用于将微生物种类分为丰度类别.
- 提高稀有生物圈研究的一致性和可比性.
主要方法:
- 利用无监督的机器学习算法将种类分为丰富类别 (罕见,中等,丰富).
- 开发了一个R包,ulrb,实现无监督学习方法.
- 验证了该方法对任意值方法的一致性.
主要成果:
- 与任意值相比,ulrb提供了一种更一致的方法来定义微生物稀有生物圈.
- 该包适用于微生物生态学和其他领域的各种数据集.
- ulrb成功地识别了不同类型的稀有性,并且在各种数据集大小中具有统计学有效性.
结论:
- ulrb提供了一种用户独立且统计学上有效的方法,用于区分稀有生物和丰富的生物.
- 这种方法提高了微生物稀有生物圈研究的可比性和可靠性.
- R包ulrb是对生态数据分析的一个有价值的工具.
