×
马修·科斯洛夫斯基。；克里斯蒂·霍夫曼。；Daniel，Carrie R。；玛丽娜·范努奇

微生物组数据的贝叶斯模型，用于同时识别协变量关联和预测表型结果。 （英语） Zbl 1470.62159号

附录申请。斯达。 14，第3期，1471-1492（2020）; 更正同上，第16号，第1625（2022）条。
小结：人类微生物组研究的主要研究问题之一是设计调节微生物组分的干预措施以促进健康和治疗疾病的可行性。这需要深入了解微生物组的调节因素，如饮食摄入，以及微生物组成与表型结果之间的关系，如体重指数（BMI）。之前的工作分别对这些数据进行了建模，采用了两步方法，可能会对结果产生有偏见的解释。在这里，我们提出了一个贝叶斯联合模型，该模型同时识别与微生物组成数据相关的临床协变量，并使用组成数据中包含的信息预测表型反应。通过使用尖峰和实验室先验，我们的方法可以处理高维成分和临床数据。此外，我们通过微生物样品中常见的平衡和过度分散来调整数据的组成结构。我们应用我们的模型来了解饮食摄入、微生物样本和BMI之间的关系。在这项分析中，我们发现微生物类群和饮食因素之间存在大量关联，这些因素可能导致微生物群通常更适合慢性疾病的发展，如肥胖。此外，我们在模拟数据上演示了我们的方法如何优于两步方法，并进行了敏感性分析。

引用于1审查
引用于2文件

MSC公司：

62页第10页 统计学在生物学和医学中的应用；元分析
62M20型 随机过程推断和预测
62H20个 关联度量（相关性、典型相关性等）

关键词：

贝叶斯统计；关节建模；多元计数数据；预测；变量选择

软件：

UPARSE（升级）；PhyloScan扫描；厕所；RcppArmadillo公司；卢比
PDF格式BibTeX公司 XML格式引用
\textit{M.D.Koslovsky}等人，Ann.Appl。Stat.14，No.3，1471--1492（2020；Zbl 1470.62159）
全文： DOI程序 arXiv公司 欧几里得

参考文献：

[1] Agus，A.，Denizot，J.，Thevenot，J.、Martinez-Medina，M.、Massier，S.、Sauvanet，P.、Bernalier-Donadille，A.、Denis，S.，Hofman，P.等人（2016）。西方饮食会导致微生物群组成的改变，从而增加对粘附性侵袭性大肠杆菌感染和肠道炎症的敏感性。科学。代表6第6条第19032条。
[2] Aitchison，J.（1986）。成分数据的统计分析。统计学和应用概率专著。CRC出版社，伦敦·Zbl 0688.62004号
[3] Albert，J.H.和Chib，S.（1993年）。二进制和多光子响应数据的贝叶斯分析。J.艾默。统计师。协会88 669-679·Zbl 0774.62031号 ·doi:10.1080/01621459.1993.10476321
[4] Antonelli，J.、Parmigiani，G.和Dominici，F.（2019年）。使用连续尖峰和平板先验进行高维混杂调整。贝叶斯分析。14 825-848. ·Zbl 1421.62066号 ·doi:10.1214/18-BA1131
[5] Argiento，R.、Bianchini，I.和Guglielmi，A.（2015）。齐次归一化完全随机测度混合模型后验抽样的先验截断方法。预印本。可从arXiv:1507.04528获得。
[6] Barbieri，M.M.和Berger，J.O.（2004）。最优预测模型选择。安。统计师。32 870-897. ·兹比尔1092.62033 ·doi:10.1214/009053604000000238
[7] Bowyer，R.C.E.、Jackson，M.A.、Pallister，T.、Skinner，J.、Spector，T.D.、Welch，A.A.和Steves，C.J.（2018年）。在人类肠道微生物群研究中使用饮食指数控制饮食。微生物组6第77条。
[8] Brown，P.J.、Vannucci，M.和Fearn，T.（1998）。多元贝叶斯变量选择和预测。J.R.统计社会服务。B.统计方法。60 627-641. ·Zbl 0909.62022号 ·doi:10.1111/1467-9868.00144
[9] Bruno，F.、Greco，F.和Ventrucci，M.（2016）。使用贝叶斯P样条对成分协变量进行非参数回归。统计方法应用。25 75-88. ·Zbl 1416.62208号 ·doi:10.1007/s10260-015-0339-2
[10] Carroll，R.J.、Ruppert，D.、Stefanski，L.A.和Crainiceanu，C.M.（2006年）。非线性模型中的测量误差：现代观点，第二版，统计学和应用概率专著105。佛罗里达州博卡拉顿CRC出版社/CRC·Zbl 1119.62063号
[11] Chatfield，C.（1995）。模型不确定性、数据挖掘和统计推断。J.R.Stat.Soc.，塞尔维亚。A、 统计Soc.158 419-466。
[12] Chen，J.和Li，H.（2013）。稀疏Dirichlet多项式回归的变量选择及其在微生物组数据分析中的应用。附录申请。统计数字7 418-442·Zbl 1454.62317号 ·doi:10.1214/12-AOAS592
[13] Chen，J.、Zhang，X.和Li，S.（2017）。具有成分响应和协变量的多元线性回归。J.应用。统计数据44 2270-2285·Zbl 1516.62201号
[14] Dao，M.C.，Everard，A.，Aron-Wisnewsky，J.，Sokolovska，N.，Prifti，E.，Verger，E.O.，Kayser，B.D.，Levenez，F.，Chilloux，J.等人（2016）。肥胖症饮食干预期间嗜粘阿克曼菌和改善代谢健康：与肠道微生物丰富度和生态的关系。内脏65 426-436。
[15] David，L.A.、Maurice，C.F.、Carmody，R.N.、Gootenberg，D.B.、Button，J.E.、Wolfe，B.E.、Ling，A.V.、Devlin，A.S.、Varma，Y.等人（2014）。饮食会迅速且可重复地改变人体肠道微生物组。自然505 559-563。
[16] Eddelbuettel，D.和Sanderson，C.（2014）。RcppArmadillo：使用高性能的（C++）线性代数加速R。计算。统计师。数据分析。71 1054-1063. ·Zbl 1471.62055号 ·doi:10.1016/j.csda.2013.02.005
[17] Eddelbuettel，D.、François，R.、Allaire，J.、Ushey，K.、Kou，Q.、Russel，N.、Chambers，J.和Bates，D.（2011年）。Rcpp：无缝R和\（C++\）集成。J.统计软件。40第8期。
[18] Edgar，R.C.（2013）。UPARSE：来自微生物扩增子读数的高度准确的OTU序列。自然方法10 996-998。
[19] Egozcue，J.J.和Pawlowsky-Glahn，V.（2005）。成分数据分析中的零件组及其平衡。数学。地质。37 795-828. ·Zbl 1177.86018号 ·doi:10.1007/s11004-005-7381-9
[20] Gloor，G.B.、Macklaim，J.M.、Pawlowsky-Glahn，V.和Egozcue，J.J.（2017）。微生物组数据集是合成的：这不是可选的。前面。微生物。8艺术ID 2224。
[21] Egozcue，J.J.、Pawlowsky-Glahn，V.、Mateu-Figueras，G.和Barceló-Vidal，C.（2003）。成分数据分析的等距对数比变换。数学。地质。35 279-300. ·Zbl 1302.86024号 ·doi:10.1023/A:1023818214614
[22] Falony，G.、Joossens，M.、Vieira-Silva，S.、Wang，J.、Darzi，Y.、Faust，K.、Kurilshikov，A.、Bonder，M.J.、Valles-Colomer，M.等人（2016）。肠道微生物群变异的人群水平分析。科学352 560-564。
[23] Fan，X.、Peters，B.A.、Jacobs，E.J.、Gapstur，S.M.、Purdue，M.P.、Freedman，N.D.、Alekseyenko，A.V.、Wu，J.、Yang，L.等人（2018年）。在一项针对美国成年人的大型研究中，饮酒与人类口腔微生物群的变异有关。微生物组6 Art.ID 59。
[24] Fišerová，E.和Hron，K.（2011年）。关于成分数据的正交坐标解释。数学。地质科学。43艺术ID 455。
[25] Garcia，T.P.、Müller，S.、Carroll，R.J.和Walzem，R.L.（2013）。通过正则化方法识别重要回归组、亚组和个体：应用于肠道微生物组数据。生物信息学30 831-837。
[26] Gelfand，A.E.（1996）。使用基于抽样的方法确定模型。在马尔可夫链蒙特卡罗实践中。Interdiscip公司。统计师。145-161页。CRC出版社，伦敦·Zbl 0840.62003号
[27] George，E.I.和McCulloch，R.E.（1997）。贝叶斯变量选择方法。统计师。Sinica西尼卡339-373·Zbl 0884.62031号
[28] Goodson，J.M.、Groppo，D.、Halem，S.和Carpino，E.（2009年）。肥胖是一种口腔细菌性疾病吗？《牙科杂志》。第88 519-523号决议。
[29] Gopalakrishnan，V.、Spencer，C.N.、Nezi，L.、Reuben，A.、Andrews，M.C.、Karpinets，T.V.、Prieto，P.A.、Vicente，D.、Hoffman，K.等人（2018年）。肠道微生物组调节黑色素瘤患者对PD-1抗体免疫治疗的反应。科学359 97-103。
[30] Gurry，T.、Gibbons，S.M.、Kearney，S.M、Ananthakrishnan，A.、Jiang，X.、Duvallet，C.、Kassam，Z.、Alm，E.J.等人（2018年）。健康人群中益生元膳食补充剂的可预测性和持续性。科学。代表8第12699条。
[31] Haffajee，A.D.和Socransky，S.S.（2009年）。身体质量指数与牙周炎和连翘单宁菌的关系。临床杂志。牙周病。36 89-99.
[32] Hansen，T.H.、Kern，T.、Bak，E.G.、Kashani，A.、Allin，K.H.、Nielsen，T、Hansen、T.和Pedersen，O.（2018年）。纯素食饮食对人类唾液微生物群的影响。科学。代表8第5847条。
[33] Ercolini，D.、Francavilla，R.、Vannini，L.、De Filippis，F.、Capriati，T.、Di Cagno，R.，Iacono，G.、De-Angelis，M.和Gobbetti，M.（2015）。从失衡到新的失衡：意大利式无麸质饮食改变了非洲乳糜泻儿童的唾液微生物群和代谢组。科学。代表5第18571条。
[34] Hoffman，K.L.、Hutchinson，D.S.、Fowler，J.、Smith，D.P.、Ajami，N.J.、Zhao，H.、Scheet，P.、Chow，W.-H.、Petrosino，J.F.等人（2018年）。口腔微生物群揭示了墨西哥裔美国女性的文化适应迹象。PLoS ONE 13艺术ID e0194100。
[35] Hron，K.、Filzmoser，P.和Thompson，K.（2012年）。具有成分解释变量的线性回归。J.应用。《美国联邦法律大全》第39卷第1115-1128页·Zbl 1514.62130号
[36] Huttenhower，C.、Gevers，D.、Knight，R.、Abubucker，S.、Badger，J.H.、Chinwalla，A.T.、Creasy，H.H.，Earl，A.M.、FitzGerald，M.G.等人（2012年）。健康人体微生物组的结构、功能和多样性。自然486 207-214。
[37] James，L.F.、Likoi，A.和Prünster，I.（2009年）。具有独立增量的归一化随机测度的后验分析。扫描。《美国联邦法律大全》第36卷第76-97页·兹比尔1190.62052
[38] Kato，I.、Vasquez，A.、Moyerbrailean，G.、Land，S.、Djuric，Z.、Sun，J.、Lin，H.-S.和Ram，J.L.（2017年）。人类口腔微生物组的营养相关性。美国大学J.Am.Coll。螺母。36 88-98。
[39] Knights，D.、Parfrey，L.W.、Zaneveld，J.、Lozupone，C.和Knight，R.（2011）。人类相关微生物特征：检查其预测价值。细胞宿主微生物10 292-296。
[40] Komaroff，A.L.（2017）。微生物群与肥胖和糖尿病风险。美国医学协会期刊317 355-356。
[41] Koslovsky，M.D.、Hoffman，K.L.、Daniel，C.R.和Vannucci，M.（2020年）。补充“用于同时识别协变量关联和预测表型结果的微生物组数据贝叶斯模型”https://doi.org/10.1214/20-AOAS1354SUPA网站, https://doi.org/10.1214/20-AOAS1354SUPPB
[42] Kovatcheva-Datchary，P.、Nilsson，A.、Akrami，R.、Lee，Y.S.、De Vadder，F.、Arora，T.、Hallen，A.、Martens，E.、Björck，I.等人（2015）。膳食纤维导致的葡萄糖代谢改善与普氏菌丰度增加有关。单元格元数据。22 971-982.
[43] La Rosa，P.S.、Brooks，J.P.、Deych，E.、Boone，E.L.、Edwards，D.J.、Wang，Q.、Sodergren，E.、Weinstock，G.和Shannon，W.D.（2012）。基于分类的人类微生物组数据的假设检验和功率计算。PLoS ONE 7艺术标识e52078。
[44] Leite，A.Z.，Rodrigues，N.d.C.，Gonzaga，M.I.，Paiolo，J.C.，de Souza，C.A.，Stefanutto，N.A.V.，Omori，W.P.，Pinheiro，d.G.，Brisotti，J.L.等人（2017）。检测2型糖尿病患者血浆白细胞介素-6水平升高以及粪便中铜绿普氏菌和拟杆菌的患病率。前面。免疫学。8艺术ID 1107。
[45] Li，H.（2015）。微生物组、宏基因组学和高维成分数据分析。每年。修订状态申请。2 73-94.
[46] Li，J.、Quinque，D.、Horz，H.-P.、Li，M.、Rzhetskaya，M.，Raff，J.A.、Hayes，M.G.和Stoneking，M.（2014）。阿拉斯加、德国和非洲不同气候区人类唾液微生物组的比较分析。BMC微生物。14第316条。
[47] Lin，W.，Shi，P.，Feng，R.和Li，H.（2014）。成分协变量回归中的变量选择。生物特征101 785-797·Zbl 1306.62164号 ·doi:10.1093/biomet/asu031
[48] Lin，D.，Peters，B.A.，Friedlander，C.，Freiman，H.J.，Goedert，J.J.，Sinha，R.，Miller，G.，Bernstein，M.A.，Hayes，R.B.等人（2018年）。成人膳食纤维摄入量与肠道微生物群的关系。英国营养学杂志。120 1014-1022.
[49] Marcobal，A.、Barboza，M.、Sonnenburg，E.D.、Pudlo，N.、Martens，E.C.、Desai，P.、Lebrilla，C.B.、Weimer，B.C.、Mills，D.A.等人（2011年）。婴儿肠道中的拟杆菌通过粘液利用途径消耗乳汁低聚糖。细胞宿主微生物10 507-514。
[50] Martin-Fernandez，J.A.、Barceló-Vidal，C.和Pawlowsky-Glahn，V.（2000）。组成数据集中的零替换。在数据分析、分类和相关方法155-160中。柏林施普林格·Zbl 1101.62352号
[51] Martín-Fernández，J.-A.，Hron，K.，Templ，M.，Filzmoser，P.和Palarea-Albaladejo，J.（2015）。组成数据集中计数零点的贝叶斯乘法处理。统计模型。15 134-158. ·Zbl 07258982号
[52] Martinez-Medina，M.、Denizot，J.、Dreux，N.、Robin，F.、Billard，E.、Bonnet，R.、Darfeuille-Michaud，A.和Barnich，N.（2014）。西方饮食导致CEABAC10小鼠体内大肠杆菌增多，导致机体失调，改变宿主屏障功能，有利于AIEC的定植。内脏63 116-124。
[53] Maruvada，P.、Leone，V.、Kaplan，L.M.和Chang，E.B.（2017年）。人类微生物组与肥胖：超越关联。细胞宿主微生物22 589-599。
[54] Mert，M.C.、Filzmoser，P.、Endel，G.和Wilbacher，I.（2018）。流行病学中的成分数据分析。统计方法医学研究27 1878-1891。
[55] Millen，A.E.、Midthune，D.、Thompson，F.E.、Kipnis，V.和Subar，A.F.（2005）。国家癌症研究所饮食史调查问卷：金字塔食物服务的验证。美国流行病学杂志。163 279-288.
[56] Morton，J.T.、Sanders，J.、Quinn，R.A.、McDonald，D.、Gonzalez，A.、Vázquez-Baeza，Y.、Navas-Molina，J.A.、Song，S.J.、Metcalf，J.L.等人（2017年）。平衡树揭示了微生物生态位的分化。mSystems 2 Art.ID e00162-16。
[57] Newton，M.A.、Noueiry，A.、Sarkar，D.和Ahlquist，P.（2004）。用半参数分层混合方法检测差异基因表达。生物统计学5 155-176·Zbl 1096.62124号 ·doi:10.1093/biostatistics/5.2.155
[58] Peters，B.A.、McCullough，M.L.、Purdue，M.P.、Freedman，N.D.、Um，C.Y.、Gapstur，S.M.、Hayes，R.B.和Ahn，J.（2018）。咖啡和茶摄入量与口腔微生物群的关系：一项大型横断面研究的结果。癌症流行。生物标记前。27 814-821.
[59] Pinto，J.R.、Egozcue，J.J.、Pawlowsky-Glahn，V.、Paredes，R.、Noguera-Julian，M.和Calle，M.L.（2017年）。平衡：微生物组学分析的新视角。bioRxiv 219386号。https://doi.org/10.1101/219386
[60] Piombino，P.、Genovese，A.、Esposito，S.、Moio，L.、Cutolo，P.、Chambery，A.、Severino，V.、Moneta，E.、Smith，D.P.等人（2014）。肥胖者的唾液抑制葡萄酒中芳香化合物的释放。公共图书馆ONE 9 Art.ID e85611。
[61] Polson，N.G.、Scott，J.G.和Windle，J.（2013）。使用Pólya-Gamma潜在变量的逻辑模型贝叶斯推断。J.艾默。统计师。协会108 1339-1349·Zbl 1283.62055号 ·doi:10.1080/01621459.2013.829001
[62] Richardson，S.、Bottolo，L.和Rosenthal，J.S.（2011年）。高维数据稀疏回归分析的贝叶斯模型。贝叶斯统计9 539-568。牛津大学出版社，牛津。
[63] Ridaura，V.K.，Faith，J.J.，Rey，F.E.，Cheng，J.，Duncan，A.E.，Kau，A.L.，Griffin，N.W.，Lombard，V.，Henrissat，B.等人（2013）。肥胖不一致的双胞胎肠道微生物群调节小鼠的新陈代谢。科学341 1241214。
[64] Savitsky，T.、Vannucci，M.和Sha，N.（2011年）。非参数高斯过程先验的变量选择：模型和计算策略。统计师。科学。26 130-149. ·Zbl 1222.65017号 ·doi:10.1214/11-TS354
[65] Schwarz，G.（1978年）。估算模型的维度。安。统计师。6 461-464. ·Zbl 0379.62005年 ·doi:10.1214/aos/1176344136
[66] Shetty，S.A.、Hugenholtz，F.、Lahti，L.、Smidt，H.和de Vos，W.M.（2017）。肠道微生物群落景观：对群落组合的洞察力和微生物调控策略的影响。FEMS微生物。修订版41 182-199。
[67] Shi，P.，Zhang，A.和Li，H.（2016）。微生物组分数据的回归分析。附录申请。统计数字10 1019-1040·Zbl 1398.62346号 ·doi:10.1214/16-AOAS928
[68] Silverman，J.D.、Washburne，A.D.、Mukherjee，S.和David，L.A.（2017年）。系统发育转换增强了对微生物群落组成数据的分析。eLife 6 Art.ID e21887。
[69] Sonnenburg，J.L.和Bäckhed，F.（2016）。饮食微生物相互作用是人类新陈代谢的调节器。自然535 56-64。
[70] Sonnenburg，E.D.、Zheng，H.、Joglekar，P.、Higginbottom，S.K.、Firbank，S.J.、Bolam，D.N.和Sonnenberg，J.L.（2010年）。肠类杆菌中多糖使用的特异性决定了饮食诱导的微生物群变化。手机141 1241-1252。
[71] Stingo，F.C.、Chen，Y.A.、Vannucci，M.、Barrier，M.和Mirkes，P.E.（2010年）。一种用于microRNA调控网络推断的贝叶斯图形建模方法。附录申请。统计数据4 2024-2048·Zbl 1220.62142号 ·doi:10.1214/10-AOAS360
[72] Subar，A.F.、Thompson，F.E.、Kipnis，V.、Midthune，D.、Hurwitz，P.、McNutt，S.、McIntosh，A.和Rosenfeld，S.（2001年）。Block、Willett和National Cancer Institute食物频率问卷的比较验证：美国餐桌上的饮食研究。美国流行病学杂志。154 1089-1099.
[73] Tadesse，M.G.、Ibrahim，J.G.、Gentleman，R.、Chiaretti，S.、Ritz，J.和Foa，R.（2005）。用于基因芯片阵列分析的贝叶斯误差可变生存模型。生物统计学61 488-497·Zbl 1077.62116号 ·文件编号：10.1111/j.1541-0420.2005.00313.x
[74] Takeshita，T.、Matsuo，K.、Furuta，M.、Shibata，Y.、Fukami，K.和Shimazaki，Y.，Akifusa，S.、Han，D.-H.、Kim，H.-D.等人（2014）。韩国和日本成年人口腔固有微生物群的独特组成。科学。代表4第6990条。
[75] Mao，J.、Chen，Y.和Ma，L.（2017）。微生物组数据的贝叶斯图形成分回归。预印。可从arXiv:1712.04723获取·Zbl 1445.62281号
[76] Tang，Y.，Ma，L.和Nicolae，D.L.（2018）。微生物组数据的Dirichlet-tree多项式模型的系统发育扫描测试。附录申请。《法律总汇》第12卷第1-26页·Zbl 1393.62102号 ·doi:10.1214/17-AOAS1086
[77] Tibshirani，R.（1996）。通过套索回归收缩和选择。J.罗伊。统计师。Soc.序列号。乙58 267-288·Zbl 0850.62538号 ·doi:10.1111/j.2517-6161.1996.tb02080.x
[78] Turnbaugh，P.J.（2017）。微生物和饮食诱导肥胖：快速、廉价且失控。细胞宿主微生物21 278-281。
[79] Valdes，A.M.、Walter，J.、Segal，E.和Spector，T.D.（2018年）。肠道微生物群在营养和健康中的作用。BMJ 361艺术ID k2179。
[80] Vehtari，A.、Gelman，A.和Gabri，J.（2016）。loo：贝叶斯模型的高效leave-on-out交叉验证和WAIC。R包版本0.1.6·Zbl 1505.62409号 ·数字对象标识代码：10.1007/s11222-016-9709-3
[81] Vehtari，A.、Gelman，A.和Gabri，J.（2017）。使用leave-on-out交叉验证和WAIC进行实用贝叶斯模型评估。统计计算。27 1413-1432. ·Zbl 1505.62408号 ·数字标识代码：10.1007/s11222-016-9696-4
[82] Versace，F.、Kypriotakis，G.、Basen-Engquist，K.和Schembre，S.M.（2015）。大脑对愉悦和食物线索反应的异质性：人类追踪信号的证据。社会认知。影响。神经科学。11 604-611.
[83] Wadsworth，W.D.、Argiento，R.、Guindani，M.、Galloway-Pena，J.、Shelburne，S.A.和Vannucci，M.（2017）。用于分析微生物组数据中分类丰度的综合贝叶斯-狄利克雷多项式回归模型。BMC生物信息。18第94条。
[84] Wang，T.和Zhao，H.（2017a）。将膳食营养素与肠道微生物联系起来的Dirichlet-tree多项式回归模型。生物计量学73 792-801·Zbl 1522.62251号
[85] Wang，T.和Zhao，H.（2017b）。在多个分类水平上构建预测微生物特征。J.艾默。统计师。协会112 1022-1031。
[86] Washburne，A.D.、Silverman，J.D.、Leff，J.W.、Bennett，D.J.、Darcy，J.L.、Mukherjee，S.、Fierer，N.和David，L.A.（2017年）。成分数据的系统发生因子分解在微生物组数据集中产生谱系级关联。PeerJ 5艺术ID e2969。
[87] Willett，W.（1998）。总能量摄入对流行病学分析的影响。营养流行病学273-301。牛津大学出版社，牛津。
[88] Wu，G.D.、Chen，J.、Hoffmann，C.、Bittinger，K.、Chen，Y.-Y、Keilbaugh，S.A.、Bewtra，M.、Knights，D.、Walters，W.A.等人（2011年）。将长期饮食模式与肠道微生物肠型联系起来。科学334 105-108。
[89] Xia，Y.和Sun，J.（2017）。微生物组的假设检验和统计分析。基因疾病。4 138-148.
[90] Xu，Z.和Knight，R.（2015）。饮食对人体肠道微生物多样性的影响。英国营养学杂志。113 S1-S5。
[91] Yang，Y.，Cai，Q.，Zheng，W.，Steinwandel，M.，Blot，W.J.，Shu，X.-O.和Long，J.（2019年）。一项针对低收入和非裔美国人的大型研究中的口腔微生物组与肥胖。《口腔微生物学杂志》。11艺术ID 1650597。
[92] Zeigler，C.C.、Persson，G.R.、Wondimu，B.、Marcus，C.、Sobko，T.和Modéer，T.（2012）。口腔龈下生物膜中的微生物与青少年肥胖相关。肥胖20 157-164。
[93] Zhang，Schwartz，S.，Wagner，L.和Miller，W.（2000）。用于对齐DNA序列的贪婪算法。J.计算。生物7 203-214。
[94] Zhang，H.、DiBaise，J.K.、Zuccolo，A.、Kudrna，D.、Braidotti，M.、Yu，Y.、Parameswaran，P.、Crowell，M.D.、Wing，R.等人（2009年）。肥胖患者和胃旁路术后的人体肠道菌群。程序。国家。阿卡德。科学。美国106 2365-2370。
[95] 张，Y。
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。