Nunchaku: optimally partitioning data into piece-wise contiguous segments.
Nunchaku: optimally partitioning data into piece-wise contiguous segments.
复制标题
DOI：
10.1093/bioinformatics/btad688
复制
发表时间：
2023-12-01
期刊：
影响因子：
--
通讯作者：
中科院分区：
文献类型：
--
作者：
在分析一维时间序列时，科学家通常对识别一个变量线性依赖于另一个变量的区域感兴趣。通常情况下，他们使用一个特设的，因此往往是主观的方法来这样做。在这里，我们开发了一种统计上严格的贝叶斯方法来推断数据集的最佳分区，不仅可以划分为连续的分段线性段，还可以划分为任意基函数的线性组合所描述的连续段。因此，我们提出了一个一般的解决方案，识别不连续的变化点的问题。专注于微生物的生长，我们使用该算法来找到光密度的范围，该密度与细胞的数量成线性比例，并自动找到大肠杆菌和酿酒酵母的指数生长区域。因此，对于芽殖酵母，我们能够推断出在果糖上生长的莫诺常数。我们的算法适用于自动化和高通量研究，提高了重现性，并应促进广泛的科学家的数据分析。相应的Python包，名为Nunchaku，可以在PyPI：https://pypi.org/project/nunchaku上找到。
When analyzing 1D time series, scientists are often interested in identifying regions where one variable depends linearly on the other. Typically, they use an ad hoc and therefore often subjective method to do so. Here, we develop a statistically rigorous, Bayesian approach to infer the optimal partitioning of a dataset not only into contiguous piece-wise linear segments, but also into contiguous segments described by linear combinations of arbitrary basis functions. We therefore present a general solution to the problem of identifying discontinuous change points. Focusing on microbial growth, we use the algorithm to find the range of optical density where this density is linearly proportional to the number of cells and to automatically find the regions of exponential growth for both Escherichia coli and Saccharomyces cerevisiae. For budding yeast, we consequently are able to infer the Monod constant for growth on fructose. Our algorithm lends itself to automation and high throughput studies, increases reproducibility, and should facilitate data analyses for a broad range of scientists. The corresponding Python package, entitled Nunchaku, is available at PyPI: https://pypi.org/project/nunchaku.
登录
查看更多内容
DOI：
10.1038/s41579-022-00818-6
发表时间：
2023-05
期刊：
Nature reviews. Microbiology
影响因子：
--
作者：
通讯作者：
--
影响因子：
4.4
作者：
Hutter, Marcus
通讯作者：
Hutter, Marcus
影响因子：
4.3
作者：
通讯作者：
--
影响因子：
2.6
作者：
VERDUYN, C;POSTMA, E;VANDIJKEN, JP
通讯作者：
VANDIJKEN, JP
影响因子：
5
作者：
Zhang, NL;Poole, D
通讯作者：
Poole, D