[TOC]

《R语言统计分析微生物组数据》

Statistical Analysis of Microbiome Data with R

京东上原版图书售价1143元

https://item.jd.com/35082777085.html

https://link.springer.com/book/10.1007/978-981-13-1534-3

出版日期：2018年10月7日

本书简介

这本独特的书解决了使用R语言的微生物组数据的统计建模和分析中的困难。它包括作者研究和公共领域的真实数据，并对R的实现进行了逐步的讨论。数据和R计算机程序是公开的，允许读者复制每一章介绍的模型开发和数据分析，以便这些新方法可以很容易地应用到自己的研究中。

本书还讨论了微生物组研究中统计建模和数据分析的最新进展，以及新一代测序技术的最新进展，以及方法学发展和应用中的大数据。这本及时的书将大大有利于所有读者参与微生物群，生态学和微阵列数据分析，以及其他领域的研究。

作者简介

Yinglin Xia¹,
Jun Sun²,
Ding-Geng Chen³

1. 伊利诺伊大学芝加哥分校，医学部(Department of Medicine, University of Illinois at Chicago, Chicago, USA)
2. 伊利诺伊大学芝加哥分校，医学部(Department of Medicine, University of Illinois at Chicago, Chicago, USA)
3. 北卡罗来纳大学教堂山分校，社会工作学院(School of Social Work, University of North Carolina, Chapel Hill, USA)

章节简介

1. 微生物组数据的生物信息分析 Bioinformatic Analysis of Microbiome data
   1. 微生物组研究简介
   2. 系统发育学简介
   3. 16S rRNA基因测序方法
   4. 宏基因组测序方法
   5. 生信数据分析工具
   6. 总结
2. 微生物线数据是什么？What Are Microbiome Data?
   1. 微生物组数据
   2. 微生物组数据结构
   3. 微生物组数据特征
   4. 微生物组数据过度松散和零膨胀的例子
   5. 微生物组数据模型的挑战
   6. 总结
3. 微生物组数据统计分析简介 Introductory Overview of Statistical Analysis of Microbiome Data
   1. 人类微生物组数据研究的主题和统计假设
   2. 微生物组研究的经典统计方法和模型
   3. 新发展的多元变量统计方法
   4. 微生物组数据的组成型分析
   5. 微生物群研究中的纵向数据分析与因果推理
   6. 统计包简介
   7. 现存统计方法的局限性和将来的发展方向
4. R、Rstudio和ggplot2简介
   1. R和Rstudio简介
   2. dplyr包简介
   3. ggplot2简介
   4. 总结
5. 微生物组数据功效和样本量计算
   1. 假设检验和功效分析
   2. 多样性差异使用T检验功效分析
   3. ANOVA比较多组
   4. 比较组间的分类单元
   5. 用Dirichlet多项式模型比较不同类群的频率
6. 群体多样性计算和测量 Community Diversity Measures and Calculations
   1. Vdr−/−小鼠数据集
   2. 群体多样性介绍
   3. Alpha多样性测量与计算
   4. Beta多样性测量与计算
7. 微生物组数据的探索性分析
   1. 小鼠和人类的数据集
   2. 探索性分析与图形总结
   3. 聚类
   4. 排序
   5. 总结与讨论
8. 单变量群体分析
   1. 两组多样性比较
   2. 两组多类学比较
   3. ANOVA比较多组
   4. Kruskal-Wallis检验比较两组以上
9. 多变量群体分析
   1. 使用PERMANOVA多组假设检验
   2. MANTEL检验多组假设检验
   3. 假设检验多组差异
   4. MRPP假设
   5. GUniFrac包比较微生物组
10. 微生物组的组成分析
    1. 组成型分析简介
    2. 为什么微生物组数据当作组成型对待
    3. 探索组成型数据分析
    4. ALDEx2包组间比较
    5. 比例：相对数据的相关分析
    6. 总结和讨论
11. 分散微生物组数据的建模
    1. Count型微生物组数据的差异丰度分析
    2. edgeR中的NB模型
    3. edgeR包
    4. DESeq和DESeq2中的NB模型
    5. DESeq和DESeq2包
    6. DESeq和DESeq2
12. 零膨胀微生物组数据建模
    1. 简介
    2. 零膨胀模型：ZIP和ZINB
    3. 零栏模型：ZHP和ZHNB
    4. 具有随机效应的零膨胀Beta回归模型
    5. 总结和讨论

这么好的教材和速查手册，赶快下载学习或收藏备用吧！

还没关注“宏基因组”的扫描下方二维码关注吧

领取方法，分享此文至朋友圈或同行微信群，截图发至“宏基因组”公众号后台，即可领取。

猜你喜欢

• 10000+: 菌群分析
  宝宝与猫狗 提DNA发Nature 实验分析谁对结果影响大  Cell微生物专刊 肠道指挥大脑
• 系列教程：微生物组入门 Biostar 微生物组  宏基因组
• 专业技能：生信宝典 学术图表 高分文章 不可或缺的人
• 一文读懂：宏基因组 寄生虫益处 进化树
• 必备技能：提问 搜索  Endnote
• 文献阅读 热心肠 SemanticScholar Geenmedical
• 扩增子分析：图表解读 分析流程 统计绘图
• 16S功能预测   PICRUSt  FAPROTAX  Bugbase Tax4Fun
• 在线工具：16S预测培养基 生信绘图
• 科研经验：云笔记  云协作 公众号
• 编程模板: Shell  R Perl
• 生物科普: 肠道细菌 人体上的生命 生命大跃进  细胞暗战 人体奥秘  

写在后面

为鼓励读者交流、快速解决科研困难，我们建立了“宏基因组”专业讨论群，目前己有国内外5000+ 一线科研人员加入。参与讨论，获得专业解答，欢迎分享此文至朋友圈，并扫码加主编好友带你入群，务必备注“姓名-单位-研究方向-职称/年级”。技术问题寻求帮助，首先阅读《如何优雅的提问》学习解决问题思路，仍末解决群内讨论，问题不私聊，帮助同行。

学习扩增子、宏基因组科研思路和分析实战，关注“宏基因组”

点击阅读原文，跳转最新文章目录阅读
https://mp.weixin.qq.com/s/5jQspEvH5_4Xmart22gjMA