內容大綱：

• 微生物定序資料的複雜性，包括高位度及稀疏性，使研究及臨床應用上難以從此類型的資料中得到具有資訊及可重現的微生物特徵。
• 為了解決這個問題，我們引入一個新的方法：PreLect，利用微生物的流行率來促進在稀疏微生物群資料中的穩定特徵選取。  

演講中將介紹以下主題：

1. PreLect在特徵選取方面透過選擇擁有較高流行率的特徵，使其分類上的表現優於統計方法和機器學習的方法。
2. PreLect  能夠辨識不同群組中，具有可重現性的微生物特徵。
3. PreLect能夠辨識出疾病中扮演關鍵角色的微生物，並找出癌症進展中的重要代謝途徑。
4. PreLect的準確性和穩定性使其在分析複雜微生物資料中的微生物特徵的方面取得了重大的進展。