一、微生物深度分析方法核心思想
复杂微生物群落解构的核心思想:
不预设任何假定,客观地观测整个微生物组所发生的一系列结构性变化特征,最终识别出与疾病或所关注的表型相关的关键微生物物种、基因和代谢产物。
二、微生物深度分析方法—关联分析
进行微生物群体关联分析,需要结合两大类传统的统计分析方法:
1)无监督学习(Unsupervised learning)
2)有监督学习(Supervised learning)
无监督学习:基于对数据结构的自然分解和观察。
主要包括以下三类方法:
1)主成分分析(Principal component analysis,PCA);
2)多维尺度分析(Multidimensional scaling, MDS);
3)聚类分析(Clustering analysis)
有监督的学习:则是基于某种已知的样品间相互关系,尽可能地按照这种关系提取原始数据中的相关信息。
传统的有监督学习方法包括:冗余分析(Redundancyanalysis,RDA)
典型相关分析(Canonicalanalysis)
偏最小二乘判别分析(Partialleast squares discriminant analysis,PLS-DA)
……等约束排序方法(Constrainedordination)。
三、微生物深度分析方法—多维度结合分析
※ 考虑微生物群落成员之间的系统发育关系,可以将这些有监督的学习方法与无监督的多维尺度分析相结合。
即:把通过给定样品间距离进行线性变换分解得到的新变量用于有监督的