kernInt : A Kernel Framework for Integrating Supervised and Unsupervised Analyses in Spatio-Temporal Metagenomic Datasets
Ramon, Elies (Centre de Recerca en Agrigenòmica)
Belanche Muñoz, Lluís A. (Lluís Antoni) (Universitat Politècnica de Catalunya. Departament d'Informàtica)
Molist, Francesc (Schothorst Feed Research)
Quintanilla, Raquel (Institut de Recerca i Tecnologia Agroalimentàries)
Perez-Enciso, Miguel (Centre de Recerca en Agrigenòmica)
Ramayo-Caldas, Yuliaxis (Institut de Recerca i Tecnologia Agroalimentàries)

Data:	2021
Resum:	The advent of next-generation sequencing technologies allowed relative quantification of microbiome communities and their spatial and temporal variation. In recent years, supervised learning (i. e. , prediction of a phenotype of interest) from taxonomic abundances has become increasingly common in the microbiome field. However, a gap exists between supervised and classical unsupervised analyses, based on computing ecological dissimilarities for visualization or clustering. Despite this, both approaches face common challenges, like the compositional nature of next-generation sequencing data or the integration of the spatial and temporal dimensions. Here we propose a kernel framework to place on a common ground the unsupervised and supervised microbiome analyses, including the retrieval of microbial signatures (taxa importances). We define two compositional kernels (Aitchison-RBF and compositional linear) and discuss how to transform non-compositional beta-dissimilarity measures into kernels. Spatial data is integrated with multiple kernel learning, while longitudinal data is evaluated by specific kernels. We illustrate our framework through a single point soil dataset, a human dataset with a spatial component, and a previously unpublished longitudinal dataset concerning pig production. The proposed framework and the case studies are freely available in the kernInt package at https://github. com/elies-ramon/kernInt.
Ajuts:	Ministerio de Economía y Competitividad PID2019-108829RB-I00 Ministerio de Economía y Competitividad AGL2016-78709-R Ministerio de Economía y Competitividad AGL2017-88849-R Ministerio de Ciencia e Innovación RYC-2019-027244-I Ministerio de Economía y Competitividad SEV-2015-0533 Ministerio de Economía y Competitividad BFU2016-77236-P
Drets:	Aquest document està subjecte a una llicència d'ús Creative Commons. Es permet la reproducció total o parcial, la distribució, la comunicació pública de l'obra i la creació d'obres derivades, fins i tot amb finalitats comercials, sempre i quan es reconegui l'autoria de l'obra original.
Llengua:	Anglès
Document:	Article ; recerca ; Versió publicada
Matèria:	Microbiome ; Metagenomics ; Kernel ; Supervised ; Unsupervised ; Spatio-temporal ; SVM ; Kpca
Publicat a:	Frontiers in microbiology, Vol. 12 (January 2021) , art. 609048, ISSN 1664-302X

DOI: 10.3389/fmicb.2021.609048
PMID: 33584612

14 p, 2.1 MB

El registre apareix a les col·leccions:
Documents de recerca > Documents dels grups de recerca de la UAB > Centres i grups de recerca (producció científica) > Ciències > CRAG (Centre de Recerca en Agrigenòmica)
Articles > Articles de recerca
Articles > Articles publicats