从宏基因组计数数据中学习微生物互作网络
定量方法
2014-12-02 v1
摘要
许多微生物与高等真核生物共生并影响其生命力。为了设计有益于宿主的微生物组，我们必须理解群落组装与维持的规则，这在很大程度上需要理解群落成员之间的直接相互作用。为此，我们开发了一种泊松-多元正态分层模型，从标准宏基因组测序实验的计数输出中学习直接相互作用。我们的模型在泊松层控制混杂预测变量，并在多元正态层使用 惩罚精度矩阵捕捉直接的分类单元间相互作用。我们在合成实验中表明，我们的方法轻松优于 SparCC 和 graphical lasso (glasso) 等最先进方法。在一个针对九成员细菌群落的真实植物体内扰动实验中，我们展示了我们的模型（而非 SparCC 或 glasso）正确解析了与拟南芥根系相关的三个群落成员之间的直接相互作用结构。我们得出结论，我们的方法为建模相关的基于计数的随机变量并捕捉它们之间的直接相互作用，提供了一种结构化、准确且分布合理的方式。
引用
@article{arxiv.1412.0207,
title = {Learning microbial interaction networks from metagenomic count data},
author = {Surojit Biswas and Meredith McDonald and Derek S. Lundberg and Jeffery L. Dangl and Vladimir Jojic},
journal= {arXiv preprint arXiv:1412.0207},
year = {2014}
}
备注
Submitted to RECOMB 2015