ScholarGate
Assistent
Process / pipelineBioinformatics / omics

Zeitreihenanalyse der Mikrobiom-Diversität – Longitudinale Analyse der Mikrobiom-Diversität

Die Zeitreihenanalyse der Mikrobiom-Diversität verfolgt, wie sich Reichtum, Evenness und Gemeinschaftszusammensetzung mikrobieller Gemeinschaften über mehrere Zeitpunkte hinweg innerhalb derselben Probanden verändern. Durch die Kombination von Standard-Diversitätsmetriken mit longitudinalen statistischen Modellen trennt sie echte zeitliche Dynamiken von interindividueller Variation und identifiziert, wann und wie Störungen wie Ernährungsumstellungen, Antibiotikabehandlungen oder Krankheitsbeginn das Mikrobiom umgestalten.

In MethodMind öffnenDemnächstApply, compare, get guidance
Tools & resources
Folien herunterladen
Learn & explore
VideoDemnächst

Die vollständige Methode lesen

Nur für Mitglieder

Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.

Anmelden

Methodenkarte

Die Nachbarschaft verwandter Methoden — wählen Sie einen Knoten, um sie zu erkunden.

Quellen

  1. Callahan, B. J., McMurdie, P. J., Rosen, M. J., Han, A. W., Johnson, A. J. A., & Holmes, S. P. (2016). DADA2: High-resolution sample inference from Illumina amplicon data. Nature Methods, 13(7), 581–583. DOI: 10.1038/nmeth.3869
  2. Chen, Y., Lun, A. T. L., & Smyth, G. K. (2023). Differential abundance testing on single-cell data using quasi-likelihood methods. Genome Biology, 24(1), 188. link

So zitieren Sie diese Seite

ScholarGate. (2026, June 3). Longitudinal Microbiome Diversity Analysis. ScholarGate. https://scholargate.app/de/bioinformatics/time-series-microbiome-diversity-analysis

Welche Methode?

Stellen Sie diese Methode neben ihre nächsten Verwandten und lesen Sie sie nebeneinander — die Bibliothek legt die Bücher auf den Tisch; die Wahl liegt bei Ihnen.

Nebeneinander vergleichen
ScholarGateTime-series microbiome diversity analysis (Longitudinal Microbiome Diversity Analysis). Abgerufen am 2026-06-15 von https://scholargate.app/de/bioinformatics/time-series-microbiome-diversity-analysis · Datensatz: https://doi.org/10.5281/zenodo.20539026