[論文レビュー] Microbial Composition Estimation from Sparse Count Data

Yuanpei Cao, Anru R. Zhang+1 more|arXiv (Cornell University)|Jun 7, 2017

Gut microbiota and health参考文献 46被引用数 12

ひとこと要約

本論文は、マイクロバイオーム研究におけるスパースで高次元なカウントデータから微生物組成行列を再構築するために、ポisson-多項分布を用いた正則化付き最尤推定フレームワークを提案する。近似的に低ランクであるという仮定の下で、Kullback-Leibler 散逸とフロベニウスノルムの両方において近似的に最適な誤差バウンドを達成し、シミュレーションおよびヒトの腸内マイクロバイオーム応用において既存手法を上回る性能を示した。

ABSTRACT

Under-sampling and limited sequencing depth in microbiome studies often lead to sparse count data and biased estimates of microbiome richness and diversities. This paper proposes a general framework for composition matrix estimation from high-dimensional sparse count data, where a Poisson-multinomial model is used to model for read count data from metageomic sequencing. A regularized maximum likelihood estimation is proposed to estimate the underlying composition matrix under the approximately low-rank assumption. The near-matching theoretical upper and lower bounds of the estimation errors are established in both Kullback-Leibler divergence and Frobenius norm. Simulation studies demonstrate that the regularized maximum likelihood estimator outperforms the commonly used ones in previous literature. The method is further illustrated by an application to a human gut microbiome study.

研究の動機と目的

• サンプル数不足やシーケンシング深度の制限によるマイクロバイオームのリッチネスおよび多様性推定のバイアスの問題に対処する。
• 高次元スパースカウントデータから微生物組成行列を推定する一般化フレームワークを構築する。
• 低ランク仮定の下で組成行列推定の理論的誤差バウンドを確立する。
• 正則化と最尤推定の原則を統合することで、既存の推定手法を改善する。

提案手法

• シーケンシングのばらつきを捉えるために、マイクロバイオームリードカウントをポアソン-多項分布でモデル化する。
• 近似的に低ランクな制約の下で、正則化付き最尤推定を用いて潜在的な組成行列を推定する。
• 尤度最大化と低ランク正則化のバランスを取るために最適化手法を適用する。
• 推定手順のKullback-Leibler 散逸およびフロベニウスノルムにおける理論的誤差バウンドを導出する。
• 高次元でスパースなデータ環境における推定の安定化のために、低ランク構造を活用する。
• シミュレーションスタディおよびヒトの腸内マイクロバイオームデータセットへの実世界応用を通じて、手法の妥当性を検証する。

実験結果

リサーチクエスチョン

• RQ1 正則化付き最尤アプローチは、スパースなマイクロバイオームカウントデータにおける組成行列推定を改善できるか？
• RQ2 低ランクおよびスパースな条件下での組成行列推定の理論的誤差バウンドは何か？
• RQ3 本手法は、精度およびロバストネスの観点から、既存の推定器と比較してどのように異なるか？
• RQ4 本手法は、実世界のマイクロバイオームデータセットにおいて、真の微生物組成をどの程度正確に保持できるか？

主な発見

• 正則化付き最尤推定量は、Kullback-Leibler 散逸およびフロベニウスノルムの両方において、推定誤差の上界と下界がほぼ一致することを達成した。
• シミュレーションスタディでは、文献に登場する一般的に用いられる推定器よりも、本手法が推定精度において優れていることが示された。
• 本手法は、高スパース性および限られたシーケンシング深度下でも、微生物組成を効果的に回復できた。
• ヒトの腸内マイクロバイオームデータセットへの応用により、本手法の実世界での実用性およびロバストネスが実証された。