Advanced computational algorithms for microbial community analysis using massive 16S rRNA sequence data.
Advanced computational algorithms for microbial community analysis using massive 16S rRNA sequence data.
复制标题
DOI：
10.1093/nar/gkq872
复制
发表时间：
2010-12
影响因子：
14.9
通讯作者：
Goodison S
中科院分区：
文献类型：
--
作者：
Sun Y;Cai Y;Mai V;Farmerie W;Yu F;Li J;Goodison S
在下一代测序技术的帮助下，研究人员现在可以获得数百万个微生物签名序列，用于从人类流行病学研究到全球海洋调查的各种应用。开发先进的计算策略以最大限度地从海量核苷酸数据中提取相关信息已成为生物信息学社区的主要焦点。在这里，我们描述了一种新的分析策略，包括判别分析和拓扑分析，使研究人员能够深入调查微生物群落的隐藏世界，远远超出基本的微生物多样性估计。我们通过在之前发表的大量人类肠道16S rRNA数据集上进行的计算研究证明了我们方法的实用性。判别式和拓扑分析的应用使我们能够得出与疾病相关的定量微生物特征，并比以前能够实现的更详细地描述微生物群落结构。我们的方法为基于序列的研究提供了严格的统计工具，旨在阐明已知或未知生物与各种生理或环境条件之间的联系。
With the aid of next-generation sequencing technology, researchers can now obtain millions of microbial signature sequences for diverse applications ranging from human epidemiological studies to global ocean surveys. The development of advanced computational strategies to maximally extract pertinent information from massive nucleotide data has become a major focus of the bioinformatics community. Here, we describe a novel analytical strategy including discriminant and topology analyses that enables researchers to deeply investigate the hidden world of microbial communities, far beyond basic microbial diversity estimation. We demonstrate the utility of our approach through a computational study performed on a previously published massive human gut 16S rRNA data set. The application of discriminant and topology analyses enabled us to derive quantitative disease-associated microbial signatures and describe microbial community structure in far more detail than previously achievable. Our approach provides rigorous statistical tools for sequence-based studies aimed at elucidating associations between known or unknown organisms and a variety of physiological or environmental conditions.
登录
查看更多内容
DOI：
10.1073/pnas.0504978102
发表时间：
2005-08-02
影响因子：
11.1
作者：
Ley, RE;Bäckhed, F;Gordon, JI
通讯作者：
Gordon, JI
影响因子：
3.7
作者：
Andersson, Anders F.;Lindberg, Mathilda;Jakobsson, Hedvig;Backhed, Fredrik;Nyren, Pal;Engstrand, Lars
通讯作者：
Engstrand, Lars
DOI：
10.1073/pnas.0804812105
发表时间：
2008-10-28
影响因子：
11.1
作者：
Sokol, Harry;Pigneur, Benedicte;Langella, Philippe
通讯作者：
Langella, Philippe
影响因子：
56.9
作者：
Huber, Julie A.;Mark Welch, David;Sogin, Mitchell L.
通讯作者：
Sogin, Mitchell L.
影响因子：
4.9
作者：
Nadal, I.;Santacruz, A.;Sanz, Y.
通讯作者：
Sanz, Y.