[論文レビュー] A tree-based model for addressing sparsity and taxa covariance in microbiome compositional count data

Zhuoqun Wang, Jialiang Mao+1 more|arXiv (Cornell University)|Jun 29, 2021

Geochemistry and Geologic Mapping参考文献 21被引用数 4

ひとこと要約

本稿では、系統樹に基づく二項分解とポリア・ガンマ補助変数を用いて、対数比正規（LN）モデルの柔軟な共分散構造と、木構造に基づくディリクレ・ツリー（DT）モデルの計算効率性を統合した、新しいベイズ生成モデルであるロジスティックツリー正規（LTN）モデルを提案する。この手法により、スパarsityと低ランク仮定を用いたスケーラブルな高次元推論が可能となり、縦断的T1Dコhortデータセットにおける関連性検定と共分散推定において優れた性能を示した。

ABSTRACT

Microbiome compositional data are often high-dimensional, sparse, and exhibit pervasive cross-sample heterogeneity. Generative modeling is a popular approach to analyze such data, and effective generative models must accurately characterize these key features. While high-dimensionality and abundance of zeros have received much attention, existing models often lack flexibility in capturing complex cross-sample variability. This limitation can affect statistical efficiency and lead to misleading conclusions in tasks like differential abundance analysis, clustering, and network analysis. We introduce a generative model, the "logistic-tree normal" (LTN) model, which addresses this issue and effectively captures key characteristics of microbiome data, including abundance of zeros. LTN employs a tree-based decomposition to aggregate sparse taxa counts and uses a (multivariate) logistic-normal distribution at tree splits, allowing for flexible covariance adjustments among taxa as needed. The latent Gaussian structure of LTN enables the incorporation of multivariate analysis tools that enforce sparsity or low-rank covariance assumptions. As a versatile, fully generative model, LTN supports a wide range of applications and offers efficient Bayesian inference computational recipes through conjugate blocked Gibbs sampling with Pólya-Gamma augmentation. We demonstrate application of LTN in a compositional mixed-effects model for differential abundance analysis using numerical experiments and a reanalysis of the infant cohort in the DIABIMMUNE study. Our findings illustrate that LTN, by adequately accounting for cross-sample heterogeneity, appropriately generates the proportion of zeros without requiring an explicit zero-inflation component, confirming a recent viewpoint that "zero-inflation" in count-based sequencing data are often results of unaccounted cross-sample variation.

研究の動機と目的

• 高次元マイクロバイオーム組成データにおける複雑な共分散構造と計算スケーラビリティの両面で、既存モデルの限界を克服すること。
• 対数比正規（LN）モデルの豊富な共分散構造を保持しつつ、系統樹に基づく分解によって計算の実行可能性を達成する生成モデルの開発。
• スパarsityと低ランク仮定を用いて、マイクロバイオーム関連研究と共分散推定のための効果的で効率的なベイズ推論を可能にすること。
• 特に疾患リスクとの関連を検出できる点を含め、縦断的マイクロバイオームデータ解析におけるLTNモデルの実用性を示すこと。

提案手法

• LTNモデルは、系統樹の内部ノードにおける二項確率への多項分布尤度の分解を実行する。
• これらの二項確率のログオッズを多変量正規分布でモデル化することで、分類群間の柔軟な共分散構造を実現する。
• 階層ベイズモデルにおける共役性を活用し、効率的なギブスサンプリングを可能にするために、ポリア・ガンマ補助変数を導入する。
• ログオッズの共分散行列に対するスパarsityと低ランク仮定をモデルがサポートすることで、高次元推論が可能になる。
• 一般化混合効果モデルをLTNを用いて構築し、組成的ランダム効果をモデル化し、共変数との関連性を検証する。
• 逆共分散行列に対するグラフィカル・ラッソを含む事前情報の統合が可能で、分類群間のスパースな相互作用ネットワークを推定できる。

実験結果

リサーチクエスチョン

• RQ1 対数比正規モデルの柔軟な共分散構造と、系統樹ベースモデルの計算効率性を統合できるモデルは構築可能か？
• RQ2 スパarsityと低ランク構造を効果的に組み込むことで、組成データモデルのスケーラビリティと解釈可能性が向上するか？
• RQ3 LTNモデルは縦断的研究において、マイクロバイオーム組成と疾患リスクとの間に有意な関連性を検出できるか？
• RQ4 既存手法と比較して、LTNモデルは微生物分類群間の潜在的共分散構造をどの程度正確に推定できるか？

主な発見

• LTNモデルは、微生物分類群間の複雑な共分散構造を効果的に捉えており、従来のディリクレ・マルチノミアルモデルよりも柔軟性に優れている。
• ポリア・ガンマ補助変数の使用により、効率的なギブスサンプリングが可能となり、50種類を超える分類群でもベイズ推論がスケーラブルに実行できる。
• DIABIMMUNE T1Dコhort研究において、母乳、固形食、大豆製品などの食事要因とマイクロバイオーム組成との間に有意な関連性が検出された。
• PMAPsにより、大麦、裸麦、固形食の摂取が、既知の不均衡指標であるフィルミクテス/バクテロイデーテス比の変化に関連していることが示された。
• 大豆製品の摂取に対して、一連のノードで一貫した相対的豊度変化が観察され、OTU 4439360のような特定の分類群に蓄積的効果があることが示唆された。
• 本分析により、特にlongumおよびbifidum種が母乳授乳中に豊富に増加するという既知の生物学的パターンが確認された。