B-MASTER: Scalable Bayesian Multivariate Regression for Master Predictor Discovery in Colorectal Cancer Microbiome-Metabolite Profiles
B-MASTER：用于结直肠癌微生物组-代谢物谱主预测因子发现的可扩展贝叶斯多元回归AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要属于贝叶斯高维回归与生物统计方法，未涉及所给微观、宏观或金融计量细分领域的主题，故不选择任何细分方向。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
B-MASTER：用于结直肠癌微生物组-代谢物谱主预测因子发现的可扩展贝叶斯多元回归
- 研究问题
- 摘要称，既有研究多考察单个菌属与代谢物之间的成对关联，缺乏识别能系统性调控整体代谢组的微生物菌属的方法，因此需要可扩展的统计工具在高维微生物组-代谢物数据中发现这类系统层面的“主预测因子”。
- 方法与思路
- 作者提出 B-MASTER，一个可扩展的贝叶斯多元回归框架，结合 L1 稀疏性与 L2 组收缩以识别关键的跨代谢物调控因子；采用 Gibbs 采样器实现近线性的计算扩展，摘要称可支持含数百万参数的模型。
- 材料陈述的贡献
- 摘要称该框架具有理论保证，包括后验收缩与选择一致性；对结直肠癌微生物组-代谢物数据的分析揭示了主导全局及癌症相关代谢物模式的关键微生物菌属，凸显系统层面的调控结构；并提供代码与演示脚本。
- 阅读关注点
- 应核对：L1 与 L2 惩罚的具体形式及组结构如何定义；Gibbs 采样近线性扩展的条件与实测规模；后验收缩与选择一致性所依赖的识别假设与正则条件；结直肠癌数据的来源、样本量与预处理；关键菌属结论的稳健性与多重比较控制。
- 阅读边界
- 仅依据摘要，无法判断理论保证的具体假设、数值表现与实证结论的可靠性；摘要未说明数据规模、效应量、对照设置与验证方式。该文为 arXiv 预印本（版本 4），不能据此声称已经同行评审或期刊接收。
原文摘要
Motivation: The gut microbiome shapes cancer therapy response through its influence on host metabolism. While prior studies examine pairwise associations between individual genera and metabolites, there is limited methodology for identifying microbial genera that systematically regulate the overall metabolome. Scalable statistical tools are needed to uncover such system-level 'master predictors' in high-dimensional microbiome-metabolome data. Results: We introduce B-MASTER, a scalable Bayesian multivariate regression framework combining L1 sparsity and L2 group shrinkage to identify essential cross-metabolite regulators. A Gibbs sampler enables near-linear computational scaling, supporting models with millions of parameters. The method is supported by theoretical guarantees, including posterior contraction and selection consistency. Analysis of colorectal cancer microbiome-metabolome data reveals key microbial genera that govern global and cancer-associated metabolite patterns, highlighting system-level regulatory structure. Availability: The B-MASTER code, including demonstration scripts, is available at https://github.com/priyamdas2/B-MASTER. An archived snapshot of the code corresponding to this manuscript is available on Zenodo with DOI: 10.5281/zenodo.20484958.