Dirichlet-multinomial modelling outperforms alternatives for analysis of microbiome and other ecological count data.

Harrison, Joshua G; Calder, W John; Shastry, Vivaswat; Buerkle, C Alex

Harrison, Joshua G; Calder, W John; Shastry, Vivaswat; Buerkle, C Alex.

Afiliación

Harrison JG; Department of Botany, University of Wyoming, Laramie, WY, USA.
Calder WJ; Department of Botany, University of Wyoming, Laramie, WY, USA.
Shastry V; Department of Botany, University of Wyoming, Laramie, WY, USA.
Buerkle CA; Department of Botany, University of Wyoming, Laramie, WY, USA.

Mol Ecol Resour ; 20(2): 481-497, 2020 Mar.

Article en En | MEDLINE | ID: mdl-31872949

Asunto(s)

Bacterias/aislamiento & purificación; Microbiota; Modelos Estadísticos; Bacterias/clasificación; Bacterias/genética; Bacterias/metabolismo; Proteínas Bacterianas/genética; Humanos; Pulmón/microbiología; Método de Montecarlo

Palabras clave

Bayesian statistics; Dirichlet; Hamiltonian Monte Carlo; JAGS; Markov chain Monte Carlo; compositional data analysis; hierarchical modelling; microbial ecology; microbiome; multinomial; stan; transcriptome; variational inference

Texto completo

Imprimir

XML

PubMed Links

Buscar en Google

Texto completo: 1 Colección: 01-internacional Banco de datos: MEDLINE Asunto principal: Bacterias / Modelos Estadísticos / Microbiota Tipo de estudio: Health_economic_evaluation / Risk_factors_studies Límite: Humans Idioma: En Revista: Mol Ecol Resour Año: 2020 Tipo del documento: Article País de afiliación: Estados Unidos

Texto completo

Imprimir

XML

PubMed Links

Buscar en Google