检测生物数据组成的基础的签名

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.
• 系统生物学 系统生物学

背景情况:

• 生物组成数据是多维的,对可视化和解释提出了挑战.
• 识别同时出现的生物特征,称为签名,对于理解复杂系统至关重要.
• 现有的方法在大型数据集中的自动分解和梯度捕获方面扎.

研究的目的:

• 开发一个软件包,cvaNMF,用于大型组成生物数据的自动分解.
• 为了捕捉并发特征 (签名) 中的梯度,以增强数据解释.
• 为识别和可视化生物信息签名提供工具.

主要方法:

• 非负矩阵分解 (NMF) 用于数据分解.
• 交叉验证和一种新的签名相似性方法来选择最佳分解.
• 将cvaNMF应用于各种数据集,包括元基因组和细胞组成数据.

主要成果:

• cvaNMF有效地识别合成和现实生物数据中的信息签名.
• 来自肠道元基因组的"输入标记"分化了人类疾病的状态.
• 从树叶球元基因组区分出植物微生物组和推断出地理距离的"地形标志".
• 对超过13.000个元基因组的分析揭示了环境和宿主相关的微生物组特征.
• 细胞类型的特征将癌症从炎症的非小细胞肺癌组织中分离出来.

结论:

• cvaNMF软件包为分解和解释复杂的生物组成数据提供了强大的解决方案.
• 识别的签名为宿主微生物相互作用,生态关系和疾病状态提供了新的见解.
• cvaNMF有助于在各种尺度和样本类型中发现生物学相关的模式.