稀疏性

搜索
登录

稀疏性

文章数：2篇

Nature子刊：使用Stabl发现稀疏、可靠的组学生物标志物

在临床研究中采用高内涵组学技术，已经产生了大量的候选生物标志物。然而，将这些发现转化为真正的临床生物标志物仍然具有挑战性。近日，斯坦福大学研究人员在Nature Biotechnology发表最新研究，开发出强大的机器学习管道，可扩展到多组学整合任务，能够对复杂的预测模型进行生物学解释，测试性能较好，值得关注。

Stabl 机器学习研究论文基础研究生物标志物

Nature子刊：基准菌群转换有利于解决组成性和采样深度偏差的实验定量方法

宏基因组测序中，由于序列矩阵的稀疏性和组成性，菌群数据的下游分析和临床解释仍然具有挑战性，在本研究中，作者对一系列广泛的可用计算和实验转换方法的优点和局限性进行了系统评估，这些方法已被提议用于处理序列数据分析中的组成性和采样深度变化。作者的基准证明了定量方法在报告样本丰富度以及准确恢复真正的分类单元，分类单元和分类单元间，分类单元与元数据关联方面优于其他计算方法的性能，同时最小化了假阳性关联的检测。

采样深度组成性基准菌群转换稀疏性宏基因组测序