假阳性率（FPR）

搜索
登录

假阳性率（FPR）

文章数：2篇

差异丰度分析

在微生物组测序数据中，如何选择差异丰度分析方法？

如今，差异丰度分析（DAA-C）是微生物组数据分析中一项中心统计任务，DAA-C工具可有效筛选微生物候选物进而有利于进一步验证相关发现，但目前的相关工具的结果仍存在较大的差异，阻碍了相关生物学结果的解释。近日，美国梅奥医学中心的研究人员在Briefings in Bioinformatics发表最新研究，基于真实数据对11种DAA-C相关工具的性能进行了基准测试，发现线性模型方法（如LinDA、MaAsLin2和LDM）比基于广义线性模型的方法性能相对更稳健。此外，发现没有一种评估方法在各种设置中是最佳的，性能最佳的方法主要取决于生物学真相和数据特征，其中LinDA方法在假阳性控制和功率间能有较好的权衡，值得相关人员进一步测试。

差异丰度分析微生物组数据研究论文基础研究生信分析工具

微生物绝对丰度变化

刘星吟团队：评估微生物绝对丰度变化新方法

南京医科大学刘星吟团队发表研究，提出了一种基于微生物相对丰度来估计不同条件下各类群中微生物绝对丰度变化的新方法(quantification of microbial absolute abundance differences，QMD)，同时作者构造了基于QMD开展组间差异菌识别(differential abundant taxa，DA)的统计检验假设模型。研究表明，微生物绝对丰度组间差异可以用其相对丰度加上组间的总微生物丰度的变化来估计。QMD方法得到了真实的微生物绝对丰度变化数据的验证。与其他方法相比，QMD在微生物差异丰度定量、DA识别、运行速度上都表现出较好的性能。

微生物绝对丰度变化鲁棒性假阴性率（FNR）组间差异菌识别仿真实验