用于微生物组组成型数据网络推断的统计计算方法
应用统计
2021-09-07 v1
摘要
微生物能够影响从食品生产到人类健康的诸多过程。这些微生物并非孤立存在，而是彼此相互作用并与生存环境建立联系。理解这些相互作用对于认识微生物群落的组成与复杂互作，以及各类生态系统的结构与动态至关重要。实现这一目标的一种常见且基本的方法涉及微生物组相互作用网络的推断。尽管其他领域的网络推断方法此前已有研究，但将这些方法应用于基于组成型数据估计微生物关联并不会产生有效结果。一方面，微生物组数据的组成性、稀疏性和高维性等特征对数据归一化以及计算方法的的设计提出了挑战。另一方面，微生物群落异质性、外部环境干扰和生物学考量等问题也使得网络推断更加困难。本文对新兴的微生物组相互作用网络推断方法进行了全面综述。根据不同的假设和研究目标，估计的网络被分为四类：相关网络、条件相关网络、混合网络和差异网络。本综述介绍了它们的适用范围、优势与局限。由于真实的微生物相互作用可能复杂且动态，迄今为止尚无统一的方法涵盖所有关注方面。此外，我们讨论了当前微生物关联研究面临的挑战与未来前景。最后，我们强调微生物网络推断的研究需要统计计算方法与实验技术的共同推进。
引用
@article{arxiv.2109.01993,
title = {Statistical computation methods for microbiome compositional data network inference},
author = {Liang Chen and Qiuyan He and Hui Wan and Shun He and Minghua Deng},
journal= {arXiv preprint arXiv:2109.01993},
year = {2021}
}