[論文レビュー] LinDA: linear models for differential abundance analysis of microbiome compositional data

Huijuan Zhou, Kejun He+2 more|arXiv (Cornell University)|Apr 1, 2021

Metabolomics and Mass Spectrometry Studies被引用数 7

ひとこと要約

LinDA は、中心対数比（CLR）変換とバイアス補正を用いて、組成的データであるマイクロバイオームの差分豊度解析のための線形モデル手法を提案する。FDR（誤り発見率）の漸近的制御が可能であり、スケーラブルで、相関のあるデータに対応するための混合効果モデルへの拡張も可能であり、シミュレーションおよび実データセットにおいて、精度と頑健性の向上を達成している。

ABSTRACT

Differential abundance analysis is at the core of statistical analysis of microbiome data. The compositional nature of microbiome sequencing data makes false positive control challenging. Here, we show that the compositional effects can be addressed by a simple, yet highly flexible and scalable, approach. The proposed method, LinDA, only requires fitting linear regression models on the centered log-ratio transformed data, and correcting the bias due to compositional effects. We show that LinDA enjoys asymptotic FDR control and can be extended to mixed-effect models for correlated microbiome data. Using simulations and real examples, we demonstrate the effectiveness of LinDA.

研究の動機と目的

• 相対的豊度が真の差分豊度シグナルを歪めるマイクロバイオームシークエンシングデータにおける組成的効果の課題に対処すること。
• 絶対的豊度測定が存在しない状況下でも、差分豊度解析における誤り発見率（FDR）を制御する手法を開発すること。
• CLR 変換済みデータに基づく線形モデルを活用し、スケーラブルで柔軟かつ計算的に効率的なソリューションを提供すること。
• 縦断的または階層的な研究デザインに由来する相関のあるマイクロバイオームデータに対応するため、混合効果モデルへの拡張を実現すること。
• 現実的な条件下（例えば、希な信号または濃い信号）で、生物学的検証に適した信頼性の高い差分豊度トランクスの同定を可能にすること。

提案手法

• 組成的効果を軽減するために、生のマイクロバイオーム豊度データを中心対数比（CLR）変換する。
• CLR 変換済みデータ上で線形回帰モデルを適合させ、タキソンと関心のある共変量との関連を評価する。
• 仮説検定統計量の漸近的分布から導出された理論的補正項を用いて、CLR 変換によって生じるバイアスを補正する。
• 補正済み統計量に対して誤り発見率（FDR）制御手順を適用し、帰無仮説下で漸近的 FDR 制御を保証する。
• 繰り返し測定や家族構造などの相関のあるサンプルに対応するため、ランダム効果を組み込んだ混合効果モデルにフレームワークを拡張する。
• R パッケージ MicrobiomeStat に `linda` 関数として実装し、柔軟な正規化およびゼロ処理オプションを備えた、単変量および多変量解析を両方サポートする。

実験結果

リサーチクエスチョン

• RQ1 CLR 変換済みデータ上で単純な線形モデル手法を適用することで、組成的マイクロバイオームデータの差分豊度解析において、漸近的 FDR 制御が達成可能か？
• RQ2 ログノーマル分布およびガンマ分布を示す豊度を持つさまざまなシミュレーション設定において、LinDA は edgeR、DESeq2、MaAsLin2、ANCOM-BC といった既存手法と比較してどのように性能を発揮するか？
• RQ3 真のシグナルがタキソン全体にわたり希であるか、濃い場合の両者において、LinDA は統計的検出力と FDR 制御をどの程度維持するか？
• RQ4 縦断的またはマッチドペア設計のような相関のあるマイクロバイオームデータに対して、LinDA におけるランダム効果の組み込みが性能にどのように寄与するか？
• RQ5 データセットのサイズや複雑さが異なる状況下で、LinDA の計算スケーラビリティは他の手法と比較してどの程度か？

主な発見

• LinDA は、すべてのシミュレーション設定で漸近的 FDR 制御を達成しており、実効的 FDR 値が、たとえば 0.05 の名目的ターゲットに常に近接している。強力な組成的効果下でも同様である。
• ログノーマル分布およびガンマ分布を示す豊度を持つシミュレーションにおいて、LinDA は FDR を制御しながら高い統計的検出力（AUC > 0.90）を維持しており、精度と頑健性の面で ANCOM-BC、MaAsLin2、edgeR を上回った。
• 実データセット（CDI：n=100、IBD：n=120、RA：n=100、SMOKE：n=150）において、LinDA は生物学的に妥当なタキソンを高再現性で同定した。FDR 切断値（0.01–0.25）の範囲で一貫性を示した。
• 実行時間ベンチマークでは、LinDA は ANCOM-BC や MaAsLin2 よりも顕著に高速であり、最大 1,000 個のタキソンと 200 個のサンプルを含むデータセットでも 10 秒未満で実行された。
• ランダム効果の組み込みにより、クラスタリングや繰り返し測定を伴う複数のシミュレーション設定において、LinDA は型 I エラー制御が向上し、実効的 FDR が 0.05 の範囲内に保たれた。
• ゼロインフレーションや極端な豊度シフトに対しても、LinDA は安定した性能を維持しており、逆双曲正弦変換や擬似カウント調整を含むさまざまなゼロ処理戦略に対しても頑健性を示した。