临床研究,你迟早会用到的宝藏级分析M

辽宁白癜风医院 http://www.yunweituan.com/m/

经常有老师问：临床个体肠道微生物差别很大，不仅受到疾病因素的影响，也和个人的生活习惯、性别、饮食方式（如：运动频次、男女、服用药物、便秘、BMI等等）都有很大的关系，那我如何评判这些混杂因素对肠道菌群的影响程度大小呢？小编推荐一项医学高分文章常用的分析---MaAsLin2分析：用于有效确定表型、环境、暴露、协变量和微生物组学特征之间的多变量关联（近几年CNS期刊常驻分析选手）。

它为什么会受到高分文章的青睐？它能帮助解决什么科学问题？文献1：肠道微生物组调节地中海饮食与心脏代谢疾病风险之间的保护性关联纳入名男性，对菌群数据、长期饮食信息、血样中的葡萄糖稳态、脂质代谢及炎症的生物标志物进行纵向分析。使用线性混合模型在MaAsLin2中对功能进行逐一测试，以识别与MedDiet相关的微生物。所有模型将每个参与者的标识符作为随机效应，同时调整潜在混杂因素，包括总能量摄入、年龄、体育活动水平、吸烟、益生菌使用、药物使用（包括抗生素、质子泵抑制剂、阿司匹林、他汀类药物和二甲双胍）和Bristol粪便量表作为固定效应。结果显示：来自4个门的40个物种级特征与MedDiet指数或其组成部分显著相关。

关键点：关联分析，识别与研究课题相关的微生物

饮食变量-物种MaAsLin2关联Doi:10./s---3（IF82.9）文献2：基于粪便微生物组的机器学习用于多类疾病诊断收集名中国人粪便样本测序，涵盖大肠癌、克罗恩病和健康人等9种不同疾病/健康表型，与种细菌间有个关联，超94%物种与两种或两种以上疾病显著相关；结合随机森林和MaAsLin2分析，确定了与不同疾病表型相关的微生物种类。

关键点：特征发现，确定与不同疾病表型相关的微生物

Doi:10./s---3（IF16.6）综上所述，MaAsLin2分析在医学领域里的应用是多方面的（见下图），如果对此项分析感兴趣，还想看更多此类型的文章，欢迎大家联系后台或销售获取哦~~

图MaAsLin2应用

图MaAsLin2分析可适用数据案例赏析

上述这篇文章先使用MaAsLin2分析得到相关特征标志物，之后基于发现的Biomarker构建机器学习分类器诊断模型，利用不同地理区域和外部数据集来验证模型的稳定性和普适性。而后采用MaAsLin2对协变量进行了调整，基于调整后结果与粪便SCFAs水平和疲劳症状的严重程度进行关联分析，获得与微生物最相关的代谢物和临床因素。

因此，MaAsLin2分析在临床科研中面临混杂因素较多的情况下，是很好用的分析。想尝试此分析，可拉取demo示例体验哦~~详情可咨询销售或后台。

转载请注明：http://www.mzxgj.com/yfby/15979.html