基于互信息的微生物组网络分析以过滤 ASV/OTU
应用统计
2021-04-06 v1 基因组学
摘要
微生物群落广泛使用高通量测序技术进行研究，例如 16S rRNA 基因测序。这些技术为生物学家提供了强大的工具，以极高分辨率探索微生物群落并研究其在生物和生物医学样本中的多样性模式，因而吸引了他们。然而，这些方法的准确性会受到污染物存在的负面影响。若干研究已认识到污染是微生物研究中的普遍问题，并提出了有前景的基于计算和实验室的方法来评估和去除污染物。在此，我们提出一种新策略，即基于 MI（互信息，mutual information）的过滤方法，它利用信息论泛函与图论来识别并去除污染物。我们将基于 MI 的过滤方法应用于一个模拟群落数据集，并评估因过滤分类单元所致的信息损失量。我们还将我们的方法与常用的传统过滤方法进行比较。在一个模拟群落数据集中，基于 MI 的过滤方法保留了群落中的真实细菌而未造成显著的信息损失。我们的结果表明，基于 MI 的过滤方法能有效识别并去除微生物群落中的污染物，因此可作为微生物组研究的一种有益过滤方法。我们相信我们的过滤方法相对于传统过滤方法有两个优势。首先，它不需要任意选择阈值；其次，它能够检测低丰度的真实分类单元。
引用
@article{arxiv.2104.01679,
title = {Filtering ASVs/OTUs via Mutual Information-Based Microbiome Network Analysis},
author = {Elham Bayat Mokhtari and Benjamin Ridenhour},
journal= {arXiv preprint arXiv:2104.01679},
year = {2021}
}