- 3 次围观
外部生物学知识提供了关于代谢物之间关系的宝贵信息，然而这些信息通常并未被直接纳入统计估计过程。现有的大多数方法都是独立估计代谢物效应，忽略了已知的生化结构，例如共同的亚类归属和通路成员关系。我们提出了一个贝叶斯分层框架，通过纳入描述代谢物之间关系的外部生物学信息来改进代谢物效应估计。该方法通过允许相关代谢物彼此借用信息，同时保留代谢物层面的推断，从而提高代谢物特异性的估计效果。我们通过一系列模拟研究评估了该方法，这些研究涵盖不同的样本量和异质性情形，并结合了三个涉及不同生物学注释结构的代谢组学应用。无论在模拟数据还是真实数据中，纳入外部生物学信息都能够稳定地改善代谢物效应估计。当样本量较小且代谢物类别具有信息性，即类别内部更加同质时，这种改进最为显著。
外部生物学知识能够提供关于代谢物之间关系的宝贵信息，然而这些信息通常并未被直接纳入统计估计过程。现有大多数方法都是独立估计代谢物效应，忽略了已知的生物化学结构，例如共享的亚类和通路归属。我们提出了一种贝叶斯层次框架，通过整合描述代谢物之间关系的外部生物学信息来改进代谢物效应估计。该方法通过允许相关代谢物之间相互借用信息，在保留代谢物层面推断的同时，提高了代谢物特异性估计的准确性。我们通过模拟研究，在一系列样本量和异质性条件下评估了该方法，并结合三个涉及不同生物学注释结构的代谢组学应用进行了验证。在模拟数据和真实数据中，纳入外部生物学信息都能够持续改进代谢物效应估计。当样本量较小且代谢物类别具有信息性，即类别内更加同质时，这种改进最为显著。
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.07.31.742124v1?rss=1
🏷️ 代谢组学 贝叶斯分层模型 代谢物效应估计 生物学注释 通路分析
来源出处