Computational Approaches for Integrative Analysis of the Metabolome and Microbiome.
Computational Approaches for Integrative Analysis of the Metabolome and Microbiome.
复制标题
DOI：
10.3390/metabo7040062
复制
发表时间：
2017-11-18
期刊：
影响因子：
4.1
通讯作者：
Xia J
中科院分区：
文献类型：
--
作者：
Chong J;Xia J
微生物组（居住在宿主或环境生态位中的所有微生物的总体）的研究在过去几年中经历了指数级增长。微生物群贡献功能基因和代谢物，是维持健康的重要因素。在这种背景下，代谢组学越来越多地应用于补充基于测序的方法（标记基因或鸟枪宏基因组学），以解决微生物组赋予的与健康相关的功能。然而，分析所得的多组学数据仍然是当前微生物组研究中的重大挑战。在这篇综述中，我们概述了近年来用于代谢组和微生物组数据综合分析的不同计算方法，从统计相关分析到基于代谢网络的建模方法。在整个过程中，我们努力为多组学整合和解释提出一个统一的概念框架，并指出未来潜在的方向。
The study of the microbiome, the totality of all microbes inhabiting the host or an environmental niche, has experienced exponential growth over the past few years. The microbiome contributes functional genes and metabolites, and is an important factor for maintaining health. In this context, metabolomics is increasingly applied to complement sequencing-based approaches (marker genes or shotgun metagenomics) to enable resolution of microbiome-conferred functionalities associated with health. However, analyzing the resulting multi-omics data remains a significant challenge in current microbiome studies. In this review, we provide an overview of different computational approaches that have been used in recent years for integrative analysis of metabolome and microbiome data, ranging from statistical correlation analysis to metabolic network-based modeling approaches. Throughout the process, we strive to present a unified conceptual framework for multi-omics integration and interpretation, as well as point out potential future directions.
登录
查看更多内容
影响因子：
4.3
作者：
Faust K;Sathirapongsasuti JF;Izard J;Segata N;Gevers D;Raes J;Huttenhower C
通讯作者：
Huttenhower C
影响因子：
3
作者：
GOWER, JC
通讯作者：
GOWER, JC
影响因子：
46.9
作者：
Magnusdottir, Stefania;Heinken, Almut;Thiele, Ines
通讯作者：
Thiele, Ines
影响因子：
7.2
作者：
Bylesjo, Max;Eriksson, Daniel;Trygg, Johan
通讯作者：
Trygg, Johan
影响因子：
4.4
作者：
Martin, Francois-Pierre J.;Sprenger, Norbert;Nicholson, Jeremy K.
通讯作者：
Nicholson, Jeremy K.