[論文レビュー] Bugs as Features (Part I): Concepts and Foundations for the Compositional Data Analysis of the Microbiome-Gut-Brain Axis

Thomaz F. S. Bastiaanssen, Thomas P. Quinn+1 more|arXiv (Cornell University)|Jul 25, 2022

Metabolomics and Mass Spectrometry Studies参考文献 93被引用数 12

ひとこと要約

本稿は、Shotgunメタゲノムデータにおける構成的バイアスを処理するための構成的データ解析フレームワークを提示し、マイクロバイオーム-腸-脳軸に焦点を当てた、中心対数比（CLR）変換を用いた手法を紹介する。精神分裂病のコhortを用いて手法を検証した結果、CLR変換により相対的割合を多変量検定（例：PERMANOVA）に適したスケールに変換でき、統計的解析が安定することを示した。主な発見として、精神分裂病と関連する顕著なマイクロバイオームの差異が確認された。

ABSTRACT

There has been a growing acknowledgement of the involvement of the gut microbiome - the collection of microbes that reside in our gut - in regulating our mood and behaviour. This phenomenon is referred to as the microbiome-gut-brain axis. While our techniques to measure the presence and abundance of these microbes have been steadily improving, the analysis of microbiome data is non-trivial. Here, we present a perspective on the concepts and foundations of data analysis and interpretation of microbiome experiments with a focus on the microbiome-gut-brain axis domain. We give an overview of foundational considerations prior to commencing analysis alongside the core microbiome analysis approaches of alpha diversity, beta diversity, differential feature abundance and functional inference. We emphasize the compositional data analysis (CoDA) paradigm. Further, this perspective features an extensive and heavily annotated microbiome analysis in R in the supplementary materials, as a resource for new and experienced bioinformaticians alike.

研究の動機と目的

• マイクロバイオーム研究における構成的データ解析の再現可能でオープンソースのフレームワークを構築すること。
• シーングィングデータにおける構成的バイアスの課題に応えるために、CLR変換を適用し、妥当な統計的推論を可能にすること。
• 精神分裂病研究からの実世界データを用いて、マイクロバイオーム解析の実用的実装を示すこと。
• 研究者がRおよび確立された統計的手法を用いて、マイクロバイオームデータを前処理・変換・解析できるツールキットを提供すること。
• CLR変換済みデータの解釈を明確にし、原始的なカウントや相対的割合との比較における利点を明らかにすること。

提案手法

• 属レベルの豊度データに中心対数比（CLR）変換を適用し、分散の安定化と構成的効果の除去を図る。
• ゼロ値には「const」法を用い、ゼロを次に小さい値の65％に置き換えることで、対数比構造を保持する。
• サンプル全体で出現頻度が10％未満の特徴量をフィルタリングし、ノイズを低減するとともに統計的パワーを向上させる。
• PERMANOVAを用いて、精神分裂病患者と健常対照群の間でマイクロバイオーム構成の有意差を検証する。
• 性別や喫煙状況などの共変量を分析に統合し、交絡要因を制御する。
• ggplot2、ggbeeswarm、patchworkを用いた可視化ツールを活用し、CLR変換済みデータおよび群間差を探索的・提示的に行う。

実験結果

リサーチクエスチョン

• RQ1 マイクロバイオームシーングィングデータにおける構成的バイアスは、どのようにして統計的解析に適した形で是正可能か？
• RQ2 CLR変換を用いた解析において、精神分裂病は腸内マイクロバイオーム構成にどのような影響を及えるか？
• RQ3 性別や喫煙状況といった共変量は、このコhortにおけるマイクロバイオームプロファイルにどのように影響を及えるか？
• RQ4 CLR変換は、多変量マイクロバイオーム解析の解釈可能性と妥当性をどの程度向上させるか？
• RQ5 マイクロバイオーム-腸-脳軸の文脈において、再現可能でオープンソースのRベースのパイプラインを構築できるか？

主な発見

• CLR変換により、マイクロバイオーム豊度データが多変量解析に適したスケールに変換され、相対的割合の意味のある比較が可能になった。
• 出現頻度が10％未満の特徴量をフィルタリングした後、最終的なデータセットは解析に適した少数の属を保持した。
• CLR変換済みデータを用いたPERMANOVAにより、精神分裂病患者と健常対照群の間でマイクロバイオーム構成の有意差が観察された。
• ゼロ値に「const」法を用いたイムピュテーションにより、データ構造が保持されるとともに、未定義の対数が生じるのを回避した。
• 解析により、群間でマイクロバイオームプロファイルの有意差が確認され、精神分裂病におけるマイクロバイオーム-腸-脳軸の仮説を支持する結果が得られた。
• 本フレームワークは再現可能で再利用可能であり、すべてのコードとデータがGitHub上のTjazi Rパッケージで公開されている。