相关实验视频
Updated: Sep 16, 2025

Foraging Path-length Protocol for Drosophila melanogaster Larvae
Published on: April 23, 2016
LorDist:一种基于功能数据分析的新方法来计算距离,并应用于纵向微生物数据
Xinhe Qi1,2,3, Menghan Zhang1,4,5, Tongqing Wei2
1State Key Laboratory of Genetics and Development of Complex Phenotypes, Ministry of Education Key Laboratory of Contemporary Anthropology, Human Phenome Institute, Center for Evolutionary Biology, Fudan University, Shanghai, China.
我们开发了一种新的方法,长度微生物数据距离 (LorDist),以分析人类微生物群随着时间的推移如何变化. LorDist有效地捕捉时间模式,改善我们对健康和疾病中的微生物组动态的理解.
科学领域:
- 微生物组研究 微生物组研究
- 计算生物学 计算生物学
- 数据科学数据科学数据科学
背景情况:
- 纵向的人类微生物组数据提供了对随时间推移的微生物动态的关键见解.
- 传统方法往往无法解释受试者样本中的时间关系.
- 数据稀疏性和不规则的采样等挑战阻碍了时间序列微生物组分析.
研究的目的:
- 引入纵向微生物数据距离 (LorDist) 方法.
- 解决时间微生物组数据分析现有方法的局限性.
- 为了提高微生物组数据分析,利用功能数据拟合.
主要方法:
- 开发了长度微生物数据距离 (LorDist) 方法.
- 利用功能数据拟合来构建一个距离矩阵.
- 从受试者内部的纵向样本获得的综合时间信息.
主要成果:
- 洛尔迪斯特证明了高达60%的数据稀疏性的稳定性.
- 该方法在各种测序深度和时间点上表现良好.
- 经验数据分析表明,LorDist擅长捕捉主体间的差异.
结论:
- LorDist有效地解决了微生物组数据中的时间自相关性.
- 该方法提高了使用纵向数据区分表型的能力.
- 在微生物组科学中,LorDist显示了改善诊断和个性化治疗的潜力.
相关概念视频
Modern Molecular Taxonomy
Statistical Methods for Analyzing Epidemiological Data
Mechanistic Models: Compartment Models in Individual and Population Analysis
Applications of Molecular Taxonomy
Microbial Growth Measurement: Indirect Methods
Microbial Growth Measurement: Direct Methods

