ChronoStrain 助力微生物组低丰度菌株纵向分析，解锁健康医学新密码

从鸟枪法宏基因组数据中随时间检测和量化微生物群在多领域意义重大，且病原体等低丰度微生物检测需求迫切。研究人员开展 ChronoStrain 相关研究，其是序列质量和时间感知的贝叶斯模型。研究显示该模型性能优异，在检测低丰度类群上优势明显。

　　摘要：从鸟枪法宏基因组数据中随时间检测和量化微生物群（microbiota）的能力在临床、基础科学和公共卫生等领域有着大量应用。鉴于这些应用，以及病原体和其他感兴趣的分类群可能以较低相对丰度存在的情况，迫切需要能够在菌株水平分辨率下准确分析低丰度微生物分类群的算法。在此，介绍 ChronoStrain：一种用于纵向样本中菌株分析的序列质量和时间感知贝叶斯模型（Bayesian model ）。ChronoStrain 明确对每种菌株的存在与否进行建模，并生成每种菌株丰度轨迹的概率分布。通过合成和半合成数据，展示了 ChronoStrain 在丰度估计和存在 / 不存在预测方面如何优于现有方法。将 ChronoStrain 应用于两个人类微生物组数据集，证明了其在分析成年复发性尿路感染女性纵向粪便样本中大肠杆菌（Escherichia coli）菌株增殖方面的可解释性有所提高，在检测婴儿粪便样本中粪肠球菌（Enterococcus faecalis）菌株方面的准确性也有所提升。与最先进的方法相比，ChronoStrain 检测低丰度分类群的能力尤为突出。