A Bayesian Non-parametric Mixed-Effects Model of Microbial Phenotypes
A Bayesian Non-parametric Mixed-Effects Model of Microbial Phenotypes
复制标题
微生物表型的贝叶斯非参数混合效应模型
DOI：
10.1101/793174
复制
发表时间：
2019
期刊：
影响因子：
--
通讯作者：
Tonner P
中科院分区：
文献类型：
--
作者：
Tonner P
基因表达、代谢和蛋白质组的实质性变化表现在微生物种群增长的总体变化上。因此，量化微生物的生长方式对遗传学、生物工程和食品安全等领域至关重要。传统的参数增长曲线模型通过一组汇总参数来捕捉人口增长行为。然而，从数据中估计这些参数会受到随机效应的干扰，如实验变异性、批次效应或实验材料的差异。目前还没有一种系统的统计方法来确定和纠正人口增长数据中的这种混杂影响。此外，我们以前的工作已经证明，参数模型不足以解释和预测非标准生长条件下的微生物反应。在这里，我们发展了一个人口增长的分层贝叶斯非参数模型，该模型识别潜在的增长行为和对扰动的反应，同时校正数据中的随机影响。该模型能够更准确地估计感兴趣的生物效应，同时更好地考虑到技术差异带来的不确定性。此外，通过对等级差异进行建模，可以估计各种混杂效应对测量到的人口增长的相对影响。
Substantive changes in gene expression, metabolism, and the proteome are manifested in overall changes in microbial population growth. Quantifying how microbes grow is therefore fundamental to areas such as genetics, bioengineering, and food safety. Traditional parametric growth curve models capture the population growth behavior through a set of summarizing parameters. However, estimation of these parameters from data is confounded by random effects such as experimental variability, batch effects or differences in experimental material. A systematic statistical method to identify and correct for such confounding effects in population growth data is not currently available. Further, our previous work has demonstrated that parametric models are insufficient to explain and predict microbial response under non-standard growth conditions. Here we develop a hierarchical Bayesian non-parametric model of population growth that identifies the latent growth behavior and response to perturbation, while simultaneously correcting for random effects in the data. This model enables more accurate estimates of the biological effect of interest, while better accounting for the uncertainty due to technical variation. Additionally, modeling hierarchical variation provides estimates of the relative impact of various confounding effects on measured population growth.
登录
查看更多内容
影响因子：
5.4
作者：
Gray AN;Koo BM;Shiver AL;Peters JM;Osadnik H;Gross CA
通讯作者：
Gross CA
酱牛肉产品中产气荚膜梭菌营养细胞失活的建模：使用混合线性模型的荟萃分析。
DOI：
--
发表时间：
2012
期刊：
Journal of food microbiology
影响因子：
--
作者：
S. Jaloustre;L. Guillier;E. Morelli;V. Nöel;M. Delignette
通讯作者：
M. Delignette
实验装置对大肠杆菌 K12 异质热响应的影响
DOI：
--
发表时间：
2011
期刊：
影响因子：
--
作者：
E. Derlinden;Ivan Lule;K. Boons;J. Impe
通讯作者：
J. Impe
影响因子：
9.9
作者：
Brooks AN;Reiss DJ;Allard A;Wu WJ;Salvanha DM;Plaisier CL;Chandrasekaran S;Pan M;Kaur A;Baliga NS
通讯作者：
Baliga NS
工程利用全基因组方法提高了大肠杆菌的乙醇产量。
影响因子：
8.4
作者：
Lauren B. A. Woodruff;Nanette R. Boyle;R. Gill
通讯作者：
R. Gill