[論文レビュー] eDNAPlus: A unifying modelling framework for DNA-based biodiversity monitoring

Alex Diana, Eleni Matechou+6 more|arXiv (Cornell University)|Nov 22, 2022

Environmental DNA in Biodiversity Studies被引用数 5

ひとこと要約

eDNAPlusは、メタバーコーディングワークフローにおけるすべての主要な誤差およびノイズ要因を一度に考慮する統合的階層ベイズモデルを導入し、種内バイオマス変化の頑健な推定と環境共変数との関連を可能にするとともに、種間およびサイト間の相関をモデル化する。フレームワークは、適応的MCMCと再パrameterizationにより推論効率を向上させ、マライーズトラップデータにおいて優れた性能を示し、標高および道路からの距離の影響を明らかにするとともに、高い保全価値を有する地域を同定した。

ABSTRACT

DNA-based biodiversity surveys involve collecting physical samples from survey sites and assaying the contents in the laboratory to detect species via their diagnostic DNA sequences. DNA-based surveys are increasingly being adopted for biodiversity monitoring. The most commonly employed method is metabarcoding, which combines PCR with high-throughput DNA sequencing to amplify and then read `DNA barcode' sequences. This process generates count data indicating the number of times each DNA barcode was read. However, DNA-based data are noisy and error-prone, with several sources of variation. In this paper, we present a unifying modelling framework for DNA-based data allowing for all key sources of variation and error in the data-generating process. The model can estimate within-species biomass changes across sites and link those changes to environmental covariates, while accounting for species and sites correlation. Inference is performed using MCMC, where we employ Gibbs or Metropolis-Hastings updates with Laplace approximations. We also implement a re-parameterisation scheme, appropriate for crossed-effects models, leading to improved mixing, and an adaptive approach for updating latent variables, reducing computation time. We discuss study design and present theoretical and simulation results to guide decisions on replication at different stages and on the use of quality control methods. We demonstrate the new framework on a dataset of Malaise-trap samples. We quantify the effects of elevation and distance-to-road on each species, infer species correlations, and produce maps identifying areas of high biodiversity, which can be used to rank areas by conservation value. We estimate the level of noise between sites and within sample replicates, and the probabilities of error at the PCR stage, which are close to zero for most species considered, validating the employed laboratory processing.

研究の動機と目的

• DNAベースの生物多様性モニタリングワークフローにおけるすべての主要なばらつき、誤差、ノイズ要因を統合的に扱う統計的フレームワークの不足に対処すること。
• 種間およびサイト間の相関を考慮した上で、複数のサイトにおける種内バイオマス変化を推定すること。
• 標高や道路からの距離といった環境共変数とバイオマス変化の間の統計的に厳密な関連を確立すること。
• 適応的MCMC、ギブス／メトロポリス＝ハスティングス更新、および交差効果モデルの再パラメータリゼーションを用いて、推論の計算効率を向上させること。
• 理論的およびシミュレーションベースの知見を提供することで、調査設計を最適化し、調査段階全体における最適な複製数と品質管理戦略を導くこと。

提案手法

• フレームワークは、複数サイトにおける種固有バイオマス、検出誤差、環境共変数を同時にモデル化する階層的交差効果モデルを採用する。
• ギブスおよびメトロポリス＝ハスティングス更新を用いたMCMC推論を実施し、潜在変数推定にはラプラス近似を組み合わせる。
• 交差ランダム効果のためのMCMCチェーンの混合性を向上させるために、再パラメータリゼーション手法を適用する。
• 潜在変数のための適応的更新戦略により、正確性を損なわずに計算時間を短縮する。
• バイナリの存在／非存在に変換するのを避けるために、メタバーコーディングからの生のカウントデータをそのまま扱うように設計されている。
• マルチプライマー設計へも拡張可能であり、変分ベイズまたは低ランク行列近似を用いることでメタゲノムデータに対しても適応可能である。

実験結果

リサーチクエスチョン

• RQ1 eDNAメタバーコーディングワークフローにおけるすべての主要な誤差およびノイズ要因を、一つの統計的フレームワーク内で同時にモデル化する方法は何か？
• RQ2 標高や道路からの距離といった環境共変数が、調査サイト全体における種のバイオマスに及ぼす影響の程度はどの程度か？
• RQ3 種間およびサイト間の相関を考慮した上で、種内バイオマス変化を信頼性高く推定するにはどうすればよいか？
• RQ4 PCR段階の品質管理が、推論の正確性およびモデルの頑健性に与える影響は何か？
• RQ5 統計的パワーを最大化しバイアスを最小限に抑えるために、複製数と品質管理戦略を最適化するにはどうすればよいか？

主な発見

• モデルは、複数の種において、道路からの距離の増加に伴うバイオマスの有意な負の影響と、標高の上昇に伴うバイオマスの有意な正の影響を明確に特定した。
• フレームワークは、高い生物多様性と高い種バイオマスを示す地域を同定し、保全価値の観点からサイトをランク付けするのに利用可能である。
• ほとんどの種においてPCR誤差確率がほぼゼロであったため、本研究で用いられたラボプロトコルの妥当性が裏付けられた。
• サイト間およびサンプルの複製内でのノイズレベルが低く抑えられていたことから、データ収集およびシークエンシングパイプラインの高い一貫性が示された。
• 適応的MCMCアプローチにより、標準MCMCと比較して計算時間が顕著に短縮され、大規模データセットへのスケーラビリティが向上した。
• 再パラメータリゼーションにより、特に複雑な交差効果構造において、混合性と収束性が向上した。