MétaCan
Menu
← Retour à la cohorte
Enregistrement W6958479266 · doi:10.6084/m9.figshare.27978264

Additional file 2 of Analysis of early childhood intestinal microbial dynamics in a continuous-flow bioreactor

2024· article· en· W6958479266 sur OpenAlexaff

Notice bibliographique

RevueFigshare · 2024
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGut microbiota and health
Établissements canadiensUniversity of TorontoUniversity of GuelphSickKids FoundationHospital for Sick Children
Organismes subventionnairesnon disponible
Mots-clésChemostatInferenceAmpliconSample (material)Bayes' theoremSet (abstract data type)Sensitivity (control systems)

Résumé

récupéré en direct d'OpenAlex

Supplementary Material 2: Figure 1. Relative abundance of ASVs identified in early childhood fecal sample and fecal-derived chemostat culture using DADA2 non-pooled or pseudo-pooled inference methods. DADA2 method aims to accurately reconstruct the exact amplicon sequence variants (ASVs) truly present in a sample from the noisy amplicon sequencing reads [80]. By default (non-pooled method), DADA2 parameters are set to achieve high accuracy by reducing the number of spurious ASV outputs and increasing the specificity. However, the tradeoff for that high specificity is that sensitivity, particularly to rare variants, is reduced by the default non-pooled method. The pseudo-pooled sample inference method allows information to be shared across related samples in a dataset and is particularly effective in longitudinal and inoculation experiments in which samples are taken repeatedly from the same source. This method is expected to improve sensitivity and provide a more accurate description of ASVs at very low frequencies without demanding high computational time. The alternative full pooled sample inference method explicitly infers ASVs across the dataset. This method is also expected to improve sensitivity and provide a more accurate description of ASVs at very low frequencies, at a cost of higher computational time which extends proportionally as a function of the number of samples squared. Here we compare the total number and relative abundance of ASVs identified in two early childhood fecal samples and fecal-derived chemostat cultures using DADA2 non-pooled, pseudo-pooled or full-pooled inference methods. We observe that the pseudo-pooled inference method increased the number of ASVs identified on fecal samples and fecal-derived chemostat cultures. Pseudo-pooling of NS0 samples allowed the identification of additional 81 – 89 ASVs, while in NS1 samples, we observed 41 – 80 new ASVs identified. As expected, most new variants discovered by this method are present in low abundance. In contrast, the pseudo-pooled method does not affect the presence and relative proportion of high abundant ASVs, suggesting high specificity. Full-pooling of NS0 samples allowed identification of an additional 19 – 31 ASVs, while in NS1 samples, this approach returned a loss of 85 ASVs and a gain of 28 new ASVs identified. As expected, most variation in ASVs discovered by these methods were present in low abundance. These results indicate that the pseudo-pooled method increased DADA2 sensitivity, preserved specificity, and allowed identification of rare variants in both fecal samples and fecal-derived chemostat cultures. We observed no clear benefit to the full pooling inference method that was proportional to the increased computational time it required. All figures in this manuscript, except this one, have been generated using the pseudo-pooled inference method.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,016
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,739
Score d'incertitude au seuil0,372

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,016
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,000
Communication savante0,0030,002
Science ouverte0,0030,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,7390,152

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,008
Tête enseignante GPT0,229
Écart entre enseignants0,221 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshare→Même sujetGut microbiota and health→Travaux en français237 207→