【数据分析】一种用于校正微生物组数据中批次效应的多变量框架

禁止商业或二改转载，仅供自学使用，侵权必究，如需截取部分内容请后台联系作者!

介绍

近年来，研究微生物组成与表型之间的关系已成为研究的热点，因为微生物在农业、医疗保健、食品生产、工业和气候变化等众多领域中发挥着关键作用（C. H. Wang 等人 2020 年；Ray 等人 2020 年；Fan 和 Pedersen 2020 年；Poirier 等人 2020 年）。特定环境中的微生物及其基因组的集合被称为微生物组（Marchesi 和 Ravel 2015 年）。可以通过 16S rRNA 基因测序或全基因组测序来分析微生物组。微生物组数据以每个分类群的每个样本的计数丰度表的形式呈现。这类数据具有其固有的特征，包括零膨胀、不均匀的文库大小、组成结构和多变量性质，这些限制了统计分析。
微生物组研究面临着不同研究之间结果可重复性的挑战。其潜在原因在于实验设计欠佳以及缺乏严格的操作流程，这会导致数据出现偏差（即批次效应），从而掩盖了我们所关注的效果。由于微生物群落具有动态特性，微生物组数据极易受到批次效应的影响（Y. 王和勒考 2020 年）。众多研究都报告了由测序批次引入的批次效应（希肯等人 2016 年）、独立研究的纳入（杜瓦莱特等人 2017 年）、地理因素、年龄、性别、健康状况、压力和饮食等因素（吉布森等人 2004 年；洛祖普诺等人 2013 年；哈罗等人 2016 年；金等人 2017 年）。人们曾试图通过标准化设计来减