A review of normalization and differential abundance methods for microbiome counts data

微生物群 计算机科学 规范化(社会学) 统计推断 软件 探索性数据分析 数据科学 推论 数据挖掘 数据库规范化 机器学习 人工智能 生物信息学 统计 生物 聚类分析 数学 社会学 程序设计语言 人类学
作者
Dionne D. Swift,Kellen G. Cresswell,Robert Johnson,Spiro Stilianoudakis,Xingtao Wei
出处
期刊:Wiley Interdisciplinary Reviews: Computational Statistics [Wiley]
卷期号:15 (1) 被引量:26
标识
DOI:10.1002/wics.1586
摘要

Abstract The recent development of cost‐effective high‐throughput DNA sequencing technologies has tremendously increased microbiome research. However, it has been well documented that the observed microbiome data suffers from compositionality, sparsity, and high variability. All of which pose serious challenges when analyzing microbiome data. Over the last decade, there has been considerable amount of interest into statistical and computational methods to tackle these challenges. The choice of inference aids in the selection of the appropriate statistical methods since only a few methods allow inferences for absolute abundance while most methods allow inferences for relative abundances. An overview of recent methods for differential abundance analysis and normalization of microbiome data is presented, focusing on methods that are accessible but have not been widely covered in previous literature. In detailed descriptions of each method, we discuss assumptions and if and how these methods address the challenges of microbiome data. These methods are compared based on accuracy metrics in real and simulated settings. The goal is to provide a comprehensive but non‐exhaustive set of potential and easily‐accessible tools for differential abundance and normalization of microbiome data. This article is categorized under: Statistical Models > Generalized Linear Models Software for Computational Statistics > Software/Statistical Software Statistical Learning and Exploratory Methods of the Data Sciences > Modeling Methods
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
Jayjay发布了新的文献求助10
1秒前
曾炯发布了新的文献求助10
2秒前
HXH完成签到,获得积分10
3秒前
mascot0111完成签到,获得积分10
4秒前
4秒前
4秒前
桐桐应助月亮采纳,获得10
4秒前
FashionBoy应助温暖幻桃采纳,获得30
5秒前
6秒前
ccoo完成签到,获得积分10
6秒前
9秒前
10秒前
lin发布了新的文献求助10
11秒前
12秒前
脑洞疼应助唠叨的月光采纳,获得10
12秒前
识途发布了新的文献求助10
13秒前
lagou完成签到 ,获得积分10
13秒前
14秒前
15秒前
爱静静应助Rita采纳,获得10
17秒前
sadasdasd发布了新的文献求助10
18秒前
怒发5篇sci发布了新的文献求助10
19秒前
田様应助科研谢啦采纳,获得10
21秒前
和谐的修洁完成签到,获得积分10
22秒前
Jayjay完成签到,获得积分10
22秒前
光之战士完成签到 ,获得积分10
24秒前
香蕉觅云应助太渊采纳,获得10
25秒前
善良的溪灵完成签到,获得积分10
26秒前
鲤鱼初柳发布了新的文献求助10
27秒前
飞翔的梦完成签到,获得积分10
28秒前
悦耳绝施完成签到,获得积分10
31秒前
金桔儿发布了新的文献求助20
31秒前
CodeCraft应助饭ff采纳,获得10
35秒前
新八发布了新的文献求助10
35秒前
合适的凝安完成签到,获得积分20
36秒前
小马甲应助sadasdasd采纳,获得10
38秒前
赫连涵柏完成签到,获得积分10
38秒前
39秒前
42秒前
SciGPT应助科研渣采纳,获得10
42秒前
高分求助中
Evolution 10000
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 600
Distribution Dependent Stochastic Differential Equations 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3157464
求助须知:如何正确求助?哪些是违规求助? 2808880
关于积分的说明 7878772
捐赠科研通 2467260
什么是DOI,文献DOI怎么找? 1313299
科研通“疑难数据库(出版商)”最低求助积分说明 630393
版权声明 601919