[論文レビュー] Bayesian biclustering for microbial metagenomic sequencing data via multinomial matrix factorization

Fangting Zhou, Kejun He+3 more|arXiv (Cornell University)|May 17, 2020

Gut microbiota and health参考文献 20被引用数 4

ひとこと要約

本論文は、組成性、スパarsity、過分散を考慮したメタゲノムデータにおける微生物と宿主を同時にクラスタリングするため、系統的インディアン・バンク・プロセス（pIBP）を事前分布として用いたベイジアン多項分布行列分解モデルを提案する。本手法は、生物学的に有意義で重複する微生物コミュニティを同定でき、炎症性腸疾患（IBD）と関連する既知の細菌群（例：Bacteroidaceae や Enterobacteriaceae）を特定し、系統樹の統合により解釈可能性を向上させた。

ABSTRACT

High-throughput sequencing technology provides unprecedented opportunities to quantitatively explore human gut microbiome and its relation to diseases. Microbiome data are compositional, sparse, noisy, and heterogeneous, which pose serious challenges for statistical modeling. We propose an identifiable Bayesian multinomial matrix factorization model to infer overlapping clusters on both microbes and hosts. The proposed method represents the observed over-dispersed zero-inflated count matrix as Dirichlet-multinomial mixtures on which latent cluster structures are built hierarchically. Under the Bayesian framework, the number of clusters is automatically determined and available information from a taxonomic rank tree of microbes is naturally incorporated, which greatly improves the interpretability of our findings. We demonstrate the utility of the proposed approach by comparing to alternative methods in simulations. An application to a human gut microbiome dataset involving patients with inflammatory bowel disease reveals interesting clusters, which contain bacteria families Bacteroidaceae, Bifidobacteriaceae, Enterobacteriaceae, Fusobacteriaceae, Lachnospiraceae, Ruminococcaceae, Pasteurellaceae, and Porphyromonadaceae that are known to be related to the inflammatory bowel disease and its subtypes according to biological literature. Our findings can help generate potential hypotheses for future investigation of the heterogeneity of the human gut microbiome.

研究の動機と目的

• 統計的モデリングにおける組成性、スパarsity、異質性、ノイズの高いマイクロバイオームデータの課題に対処すること。
• 微生物と宿主のクラスタを同時に同定する共同クラスタリングフレームワークの開発。
• 分類的階層情報の統合により、推定クラスタの生物学的解釈可能性を向上させること。
• 階層ベイジアンモデル下で、クラスタ数の自動決定と完全な事後分布推論を可能にすること。
• 炎症性腸疾患（IBD）患者における疾患関連微生物コミュニティの検出を向上させること。

提案手法

• 過分散およびゼロ過剰を考慮するため、マイクロバイオームカウントデータをディリクレート-多項分布混合モデルとしてモデル化する。
• 系統的インディアン・バンク・プロセス（pIBP）事前分布を用い、分類的関係を潜在的クラスタ構造に組み込む。
• 階層ベイジアンフレームワークを採用し、重複する所属を許容する微生物および宿主クラスタを同時に推論する。
• 観測されたカウント行列を潜在的バイナリ指標 Z を用いて表現するため、スパース行列分解を適用する。
• 個体ごとのパラメータ s_ij および t_ij を組み込み、個体間での異質なクラスタ割り当てを可能にする。
• MCMCを用いて完全な事後分布推論を実施し、不確実性の定量化と確率的クラスタ特徴の特定を可能にする。

実験結果

リサーチクエスチョン

• RQ1 ベイジアン多項分布行列分解モデルは、メタゲノムシークエンシングデータの組成性およびゼロ過剰な性質を効果的に扱えるか？
• RQ2 系統樹情報の統合は、マイクロバイオームデータにおけるバイクラスタの生物学的解釈可能性をどのように向上させるか？
• RQ3 ゴールドスタンダードが存在しない状況下で、事前知識の有無がクラスタ発見の正確性および再現性に与える影響は何か？
• RQ4 事前にクラスタ数を指定せずに、モデルが最適な重複クラスタ数を自動的に同定できるか？
• RQ5 本手法は、代替手法と比較して、IBD関連微生物コミュニティの検出において優れた性能を示すか？

主な発見

• 本手法はIBDデータセットにおいて4つの明確なバイクラスタを同定した。そのうち1つのクラスタはIBD患者に有意に豊富に存在した。
• モデルはBacteroidaceae、Bifidobacteriaceae、Enterobacteriaceae、Fusobacteriaceae、Lachnospiraceae、Ruminococcaceae、Pasteurellaceae、Porphyromonadaceaeといった既知のIBD関連細菌群を同定した。
• 系統樹情報の統合により、クラスタの解釈可能性が顕著に向上した。これは、系統樹構造下での推定行列の対数尤度が -91.48 対 -119.95 と、より高い値を示したことで裏付けられた。
• 系統樹事前分布なしでは、IBD関連クラスタを同定できず、クラスタ内の分類的整合性も著しく低かった。
• 提案手法の潜在的割り当て行列 Z の事後平均が、代替の事前分布や決定的閾値と比較して、真の豊度パターンを最もよく捉えていた。
• シミュレーションおよび実データ解析において、本手法は優れた性能を示した。特に、事前知識を活用した場合、生物学的に意味のあるクラスタを効果的に回復した。