微生物组学中的高维计数和成分数据分析  

High-dimensional count and compositional data analysis in microbiome studies

作　　者：吴昌晶 何顺 邓明华[1,2,3] 

机构地区：[1]北京大学数学科学学院,北京100871 [2]北京大学定量生物学中心,北京100871 [3]北京大学统计科学中心,北京100871

出　　处：《中国科学：数学》2017年第12期1735-1760,共26页Scientia Sinica：Mathematica

基　　金：国家重大科学研究计划(批准号:2015CB910303);国家重点研发计划(批准号:2016YFA0502303);国家自然科学基金(批准号:31471246)资助项目

摘　　要：人体微生物组对人体健康和疾病起着重要作用.高通量测序技术的发展使得我们可以定量分析微生物组中所有菌种的成分.本文回顾近来在微生物组学研究中的高维计数和成分数据分析方法,其中包括Dirichlet多项分布模型及其拓展、从大维稀疏计数矩阵估计成分数据、高维成分回归和基于对数基底的成分数据统计推断方法.The human microbiome plays an important role in human health and disease. The development of high-throughput sequencing technologies makes it possible to quantify all microbes constituting the microbiome.In this paper, we give a review of recent advances in high-dimensional count and compositional data analysis in microbiome studies. It includes the Dirichlet-multinomial model and its extensions, composition estimation from large sparse count matrix, high-dimensional regression with compositional covariates, and statistical inference for log-basis-based compositional data.

关 键 词：高维计数数据 成分数据 Dirichlet多项分布模型 稀疏性 可识别性 回归模型 

分 类 号：O212[理学—概率论与数理统计]