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 微生物组研究
• 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:

• 纵向微生物组研究 (LMS) 存在分析挑战,包括需要混合效应模型的非独立数据.
• 大量的数据需要探索性分析来确定与结果相关的因素.
• 在LMS的变化分析是强大的,但往往缺乏明确的方法,特别是观察和干预研究设计之间的区别.

研究的目的:

• 开发一个强大的特征选择工作流程,EXPLANA (实验室分析),用于纵向微生物组研究.
• 为了支持数值和分类数据,并容纳横截面研究.
• 简化识别统计上有意义的变量及其与LMS结果的关系.

主要方法:

• 结合机器学习方法与各种变化计算和下游解释技术.
• 开发了一个支持数值和分类数据的特征选择工作流.
• 综合方法生成一个交互式报告,总结分析和结果.

主要成果:

• 在模拟的纵向数据上,EXPLANA表现出强的性能,均衡精度为0.91.1.
• 工作流表现优于QIIME 2的功能波动性工具 (0.95对0.56平衡精度).
• 确定了新的依赖顺序的分类特征变化,例如A_B与B_A序列的独特效应.

结论:

• EXPLANA是一个广泛适用的工具,简化了用于识别与LMS结果相关的特征的分析.
• 该工作流有效地解决了分析纵向微生物群数据的挑战.
• 提供一个用户友好的,交互式报告,以清晰地解释方法和结果.