Resumen

El creciente interés en comprender la dinámica de la microbiota ha motivado el desarrollo de diferentes estrategias para modelar datos de series temporales de microbiota. Sin embargo, todas ellas deben abordar el hecho de que los datos disponibles son de alta dimensionalidad, lo que plantea fuertes desafíos estadísticos y computacionales. Para abordar este desafío, proponemos un modelo autorregresivo de Dirichlet con parámetros variables en el tiempo, que puede adaptarse directamente para explicar el efecto de grupos de taxones, reduciendo así el número de parámetros estimados por máxima verosimilitud. Se ha implementado una estrategia que acelera esta estimación. La utilidad del modelo propuesto se ilustra mediante su aplicación a un estudio de caso.

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Dinámica de la microbiota; Datos de series temporales; Desafíos estadísticos; Desafíos computacionales; Modelo autorregresivo de Dirichlet; Parámetros variables en el tiempo
• Keywords:Microbiota dynamics; Time series data; Statistical challenges; Computational challenges; Dirichlet autoregressive model; Time-varying parameters