今天和大家分享一篇年发表在Microbiome上的文章，影响因子10.。
题目：Alterationsinthegutmicrobiomeandmetabolismwithcoronaryarterydiseaseseverity与冠心病严重程度相关的肠道微生物群和新陈代谢的改变。
背景冠状动脉疾病（CAD）和肠道菌群的改变密切相关。而肠道菌主导的代谢物是很多心脏病事件的marker。但是，肠道菌和CAD分期的关系一直是个谜。
结果1.样本特征
作者将个参与者分成4组，对照，SCAD组，UA组，MI组。并统计了非常详细的临床信息。如饮食，生活方式等。和正常组相比，实验组在糖脂代谢方面紊乱，炎症反应增加。
作者用详细的统计分析撑起了这一小节，实验结果不多赘述。统计方法如下：1）如果四个组均是连续正态分布，用单因素方差分析比较组间差异。2）如果四个组不符合正态分布的数据，运用KWH检验3）如果两组均是连续正态分布，用T检验4）如果两组不是连续正态分布，用KWU检验5）对于类别变量用卡方检验6）这样的表现方式更直观：aP0.05forequalitybetweenSCADvs.control.bP0.05forequalitybetweenUAvs.control.cP0.05forequalitybetweenMIvs.control.dP0.05forequalitybetweenSCADvs.MI.eP0.05forequalitybetweenUAvs.MI.
2.冠状动脉病亚组之间的改变
作者用的是血清代谢物，分别做了极性（P组）和非极性（L组）两组。打出了代谢物后，把其相对表达量做相关性分析。（a）图是和表型，（b）图是和风险因子（riskfactorindicators）。（c）图是将组间变化较大的代谢物（KW检验）挑出来画一个箱线图。
3.多组学网络揭示肠道菌和CAD血清代谢物之间的关系作者探寻肠道菌和代谢物之间的关系，9个肠道菌和14个代谢模块相关。
a图表明和肠道菌变化相关性最大的hostfactors。bar的颜色代表metadata类别。b图表示co-abundancegroup的Z值。C是CGA组间的相关性（WGCNA网络）通过这张图作者更明确的将代谢组学，肠道微生物，和表型信息联系到一起。（其实就是相关性分析，红色代表正相关，蓝色代表负相关……）
4.机器学习添点料作者用随机森林，对各个组之间（ConVSCAD,ConVSSCAD,SCADVSUA，SCADVSACS,UAVSMI）进行分类辨别，具体得到的参数见图B
不得不说机器学习+AUC曲线是给文章加分的一项啊～后台回复：5e，获取原文链接。
生信分析定制服务
请扫描下方