Clustering 16S rRNA for OTU prediction: a method of unsupervised Bayesian clustering.
Clustering 16S rRNA for OTU prediction: a method of unsupervised Bayesian clustering.
复制标题
用于 OTU 预测的 16S rRNA 聚类：一种无监督贝叶斯聚类方法
DOI：
10.1093/bioinformatics/btq725
复制
发表时间：
2011-03-01
期刊：
影响因子：
--
通讯作者：
Chen T
中科院分区：
文献类型：
--
作者：
Hao X;Jiang R;Chen T
动机：随着下一代测序技术的进步，现在可以研究直接从环境中获得的样本。特别是，16S rRNA基因序列经常被用来描述样品中生物的多样性。然而，这类研究仍然是征税的，以确定样本中可操作分类单位(OTU)的数量及其相对丰度。结果：为了解决这些挑战，我们提出了一种无监督的贝叶斯聚类方法，称为用于OTU预测的聚类16S rRNA(CROP)。CROP可以基于数据的自然组织来发现聚类，而不需要像层次聚类方法所要求的那样设置硬截止阈值(3%/5%)。通过将我们的方法应用于几个数据集，我们证明了CROP对排序错误具有健壮性，并且它比传统的层次聚类方法产生更准确的结果。可获得性和实现：源代码可在以下网址免费获得：http://code.google.com/p/crop-tingchenlab/，用C++实现，并支持LINUX和MS Windows。联系方式：tingchen@usc.edu补充信息：补充数据可从BioInformation Online获得。
Motivation: With the advancements of next-generation sequencing technology, it is now possible to study samples directly obtained from the environment. Particularly, 16S rRNA gene sequences have been frequently used to profile the diversity of organisms in a sample. However, such studies are still taxed to determine both the number of operational taxonomic units (OTUs) and their relative abundance in a sample. Results: To address these challenges, we propose an unsupervised Bayesian clustering method termed Clustering 16S rRNA for OTU Prediction (CROP). CROP can find clusters based on the natural organization of data without setting a hard cut-off threshold (3%/5%) as required by hierarchical clustering methods. By applying our method to several datasets, we demonstrate that CROP is robust against sequencing errors and that it produces more accurate results than conventional hierarchical clustering methods. Availability and Implementation: Source code freely available at the following URL: http://code.google.com/p/crop-tingchenlab/, implemented in C++ and supported on Linux and MS Windows. Contact: tingchen@usc.edu Supplementary information: Supplementary data are available at Bioinformatics online.
登录
查看更多内容
影响因子：
12.3
作者：
Huse SM;Huber JA;Morrison HG;Sogin ML;Welch DM
通讯作者：
Welch DM
影响因子：
48
作者：
Quince, Christopher;Lanzen, Anders;Sloan, William T.
通讯作者：
Sloan, William T.
DOI：
10.1111/1467-9868.00095
发表时间：
1997-01-01
期刊：
JOURNAL OF THE ROYAL STATISTICAL SOCIETY SERIES B-METHODOLOGICAL
影响因子：
--
作者：
Richardson, S;Green, PJ
通讯作者：
Green, PJ
影响因子：
46.9
作者：
Rothberg, Jonathan M.;Leamon, John H.
通讯作者：
Leamon, John H.
影响因子：
4.4
作者：
Schloss, Patrick D.;Westcott, Sarah L.;Weber, Carolyn F.
通讯作者：
Weber, Carolyn F.