Mobile-Menu

Neue Ansätze zur Analyse biomedizinischer Mikrobiomdaten

Abb. 2: Illustration der ESABO-Methode für ein zufälliges 15-Spezies-Interaktionsnetzwerk mit jeweils 10 positiven und negativen Interaktionen. Mit dem Originalnetzwerk (A) wurden über ein einfaches mathematisches Prinzip viele binäre Häufigkeitsvektoren erzeugt (siehe [3]). In (B) ist schematisch für eine Netzwerkverbindung (Taxon B mit Taxon G) dargestellt, wie die ESABO-Methode die Verbindung analysiert: kombiniert man die beiden Häufigkeitsvektoren durch die logische Operation UND, entsteht ein Vektor mit vielen Nullen. Ein statistischer Test gegen zufällige Vektoren (nicht im Bild gezeigt) bestätigt diesen Eindruck, sodass die ESABO-Methode für diese Verbindung eine negative Interaktion vorhersagt. In (C) ist die aus den simulierten Häufigkeitsvektoren gewonnene ESABO-Rekonstruktion des Netzwerks aus (A) dargestellt. (Jacobs University Bremen) arrow back Image Zoom
Abb. 2: Illustration der ESABO-Methode für ein zufälliges 15-Spezies-Interaktionsnetzwerk mit jeweils 10 positiven und negativen Interaktionen. Mit dem Originalnetzwerk (A) wurden über ein einfaches mathematisches Prinzip viele binäre Häufigkeitsvektoren erzeugt (siehe [3]). In (B) ist schematisch für eine Netzwerkverbindung (Taxon B mit Taxon G) dargestellt, wie die ESABO-Methode die Verbindung analysiert: kombiniert man die beiden Häufigkeitsvektoren durch die logische Operation UND, entsteht ein Vektor mit vielen Nullen. Ein statistischer Test gegen zufällige Vektoren (nicht im Bild gezeigt) bestätigt diesen Eindruck, sodass die ESABO-Methode für diese Verbindung eine negative Interaktion vorhersagt. In (C) ist die aus den simulierten Häufigkeitsvektoren gewonnene ESABO-Rekonstruktion des Netzwerks aus (A) dargestellt. (Jacobs University Bremen)
2/2