监督式协变量校正PCoA算法提出

论文作者提出一种监督且协变量校正的PCoA降维算法，用于微生物组数据的疾病结局预测与可视化。作者称，传统PCoA仅依赖样本间成对距离，低维嵌入不含结局信息，且人口学、生活方式与技术伪影等协变量会掩盖真实生物学信号；新方法在利用结局信息的同时最小化混杂变量影响。 作者通过模拟数据和真实微生物组图谱研究验证该方法，称其能使低维嵌入在可视化中更好分离疾病结局、提升下游回归与分类准确率，并减轻混杂变异、提取微生物组与疾病结局之间的重要关联。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。