从宏基因组计数数据中学习微生物相互作用网络
摘要：利用计数基因组测序实验的结果，我们开发了一个泊松-多元正态层次模型，用于学习直接相互作用。我们的模型在泊松层控制混淆预测器，并在多元正态层使用$l_1$惩罚精度矩阵来捕捉直接的分类-分类相互作用。我们在一个合成实验中展示了我们的方法明显优于现有方法（如SparCC和图形套索（glasso））。在一个真实的植物干扰实验中，我们展示了我们的模型能够正确解析与拟南芥根部关联的三个社区成员之间的直接相互作用结构，而SparCC和glasso却不能。我们得出结论，我们的方法提供了一种结构化、准确和分布合理的建模相互关联的基于计数的随机变量及捕捉其中直接相互作用的方法。
作者：Surojit Biswas, Meredith McDonald, Derek S. Lundberg, Jeffery L. Dangl, Vladimir Jojic
论文ID：1412.0207
分类：Quantitative Methods
分类简称：q-bio.QM
提交时间：2014-12-02