Hypothesis testing and power calculations for taxonomic-based human microbiome data.
Hypothesis testing and power calculations for taxonomic-based human microbiome data.
复制标题
DOI：
10.1371/journal.pone.0052078
复制
发表时间：
2012
期刊：
影响因子：
3.7
通讯作者：
Shannon WD
中科院分区：
文献类型：
--
作者：
La Rosa PS;Brooks JP;Deych E;Boone EL;Edwards DJ;Wang Q;Sodergren E;Weinstock G;Shannon WD
本文提出了基于使用所有数据的全参数方法分析微生物组数据的新生物统计方法。狄利克雷多项分布允许分析人员计算实验设计的功效和样本量，进行假设检验（例如，比较各组的微生物组），并估计描述微生物组特性的参数。对这些数据使用全参数模型比诸如自举和排列测试的替代非参数方法具有益处，因为该模型能够保留数据中包含的更多信息。本文详细介绍了统计方法的假设和功率/样本量计算的几个测试，并将其用于说明分类丰度分布和排名丰度分布数据使用HMP启动数据对24个主题的唾液，龈下，龈上样本。运行这些分析的软件是可用的。
This paper presents new biostatistical methods for the analysis of microbiome data based on a fully parametric approach using all the data. The Dirichlet-multinomial distribution allows the analyst to calculate power and sample sizes for experimental design, perform tests of hypotheses (e.g., compare microbiomes across groups), and to estimate parameters describing microbiome properties. The use of a fully parametric model for these data has the benefit over alternative non-parametric approaches such as bootstrapping and permutation testing, in that this model is able to retain more information contained in the data. This paper details the statistical approaches for several tests of hypothesis and power/sample size calculations, and applies them for illustration to taxonomic abundance distribution and rank abundance distribution data using HMP Jumpstart data on 24 subjects for saliva, subgingival, and supragingival samples. Software for running these analyses is available.
登录
查看更多内容
影响因子：
0.8
作者：
KOEHLER, KJ;WILSON, JR
通讯作者：
WILSON, JR
影响因子：
2.7
作者：
COX, DR
通讯作者：
COX, DR
DIRICHLET多项式混合物：微生物宏基因组学的生成模型。
影响因子：
3.7
作者：
Holmes I;Harris K;Quince C
通讯作者：
Quince C
影响因子：
2.7
作者：
MOSIMANN, JE
通讯作者：
MOSIMANN, JE
影响因子：
4.4
作者：
Lozupone, C;Knight, R
通讯作者：
Knight, R