机译:图3:正确预测丰度(a) - random dataSet和(b)-cami dataset:与用于模拟的真正丰度相比,不同工具预测的丰富。 Slimm比其他工具更准确地预测丰富。克朗高估了丰富的丰富。 Gottcha和Motus在预测丰富时没有表现良好。小提琴图(c)-random数据集和(d)-cami dataset:Slimm具有真正丰富的最低分歧。
机译:使用14年数据集预测富营养化饮用水水库中的蓝细菌丰度,微囊藻毒素和土臭素
机译:图S4:实际和预测丰度之间的差异的小提琴图:不同的SLIMM变体