microbiome-statistics-interpretation-skill은(는) 무엇을 하나요?
마이크로바이옴 하위 통계, 모델 선택 및 결과 해석을 위한 Codex Skill
개요
이 스킬은 마이크로바이옴 데이터 분석에서 하위 통계 분석, 적절한 통계 모델 선택, 그리고 결과 해석을 돕는 Codex 전용 스킬입니다. 마이크로바이옴 연구의 까다로운 통계적 문제를 해결하기 위해 설계되었습니다.
주요 기능
- 알파 다양성 분석: Shannon, Simpson, Chao1 등 다양한 알파 다양성 지수에 대한 통계적 유의성 검정 (t-검정, Wilcoxon 검정, Kruskal-Wallis 검정 등)
- 베타 다양성 분석: Bray-Curtis, UniFrac, Jaccard 거리 기반의 PERMANOVA, ANOSIM 검정 지원
- 차등 풍부 분석: DESeq2, edgeR, ANCOM-BC, metagenomeSeq 등 마이크로바이옴 특화 모델 선택 가이드
- 다중 비교 보정: Bonferroni, FDR(Benjamini-Hochberg), q-value 등 보정 방법 제안
- 결과 해석: 통계적 결과를 생물학적으로 의미 있는 해석으로 전환하는 템플릿 제공
지원 모델 및 방법
| 분석 유형 | 권장 방법 | 대안 방법 |
|---|---|---|
| 알파 다양성 | Kruskal-Wallis (3+ 그룹) | Wilcoxon (2 그룹), t-검정 (정규성 만족 시) |
| 베타 다양성 | PERMANOVA (adonis2) | ANOSIM, betadisper |
| 차등 풍부 | ANCOM-BC | DESeq2, edgeR, metagenomeSeq |
| 상관 분석 | Spearman (비모수) | Pearson (정규성 만족 시) |
사용 예시
1. 알파 다양성 비교
library(vegan)
library(phyloseq)
# phyloseq 객체에서 알파 다양성 계산
alpha_div <- estimate_richness(physeq, measures = c("Shannon", "Simpson", "Observed"))
# Kruskal-Wallis 검정 (그룹별 비교)
kruskal.test(alpha_div$Shannon ~ sample_data(physeq)$Group)
2. 베타 다양성 분석
# Bray-Curtis 거리 계산
bray_dist <- distance(physeq, method = "bray")
# PERMANOVA
adonis2(bray_dist ~ Group, data = as(sample_data(physeq), "data.frame"))
3. 차등 풍부 분석 (ANCOM-BC)
library(ANCOMBC)
out <- ancombc(phyloseq = physeq, formula = "Group",
p_adj_method = "fdr", alpha = 0.05)
주의사항
- 마이크로바이옴 데이터는 희박성(sparsity)과 과분산(overdispersion)이 일반적이므로, 이를 고려한 모델을 선택하세요.
- 항상 다중 비교 보정을 적용하세요.
- 결과의 재현성을 위해 시드(seed)를 설정하고 코드를 문서화하세요.
관련 리소스
라이선스
MIT License