[論文レビュー] Mixed Effect Dirichlet-Tree Multinomial for Longitudinal Microbiome Data and Weight Prediction

Yunfan Tang, Dan L. Nicolae|arXiv (Cornell University)|Jun 20, 2017

Gut microbiota and health参考文献 25被引用数 6

ひとこと要約

本稿では、新生児の縦断的マイクロバイオームデータを分析するため、混合効果ディリクレ木多項分布（DTM）モデルを提案する。このモデルは、微生物割合推定の精度を向上させるために経験的ベイズの縮小法を用い、将来の体重変化をランダムフォレストベースで予測可能である。マイクロバイオームから推定された体重指標は、短期的な体重変動を有意に予測することができ、早期の成長トレースを非侵襲的に予測するツールとしての可能性を示している。

ABSTRACT

Quantifying the relation between gut microbiome and body weight can provide insights into personalized strategies for improving digestive health. In this paper, we present an algorithm that predicts weight fluctuations using gut microbiome in a healthy cohort of newborns from a previously published dataset. Microbial data has been known to present unique statistical challenges that defy most conventional models. We propose a mixed effect Dirichlet-tree multinomial (DTM) model to untangle these difficulties as well as incorporate covariate information and account for species relatedness. The DTM setup allows one to easily invoke empirical Bayes shrinkage on each node for enhanced inference of microbial proportions. Using these estimates, we subsequently apply random forest for weight prediction and obtain a microbiome-inferred weight metric. Our result demonstrates that microbiome-inferred weight is significantly associated with weight changes in the future and its non-trivial effect size makes it a viable candidate to forecast weight progression.

研究の動機と目的

• 縦断的マイクロバイオームデータの構成的・過分散的・階層的性質を適切に扱う統計的モデルの構築を目的とする。
• 微生物分類群間の系統的関係を組み込み、年齢や現在の体重などの共変量を調整する。
• DTMフレームワーク上で多スケールの経験的ベイズの縮小法を用いて、微生物割合の推定精度を向上させる。
• マイクロバイオーム由来の特徴量を用いて将来の体重変化を予測し、その予測能を評価する。
• 微生物の組成から得られる縦断的体重進行を捉えるマイクロバイオーム由来の体重指標を導入する。

提案手法

• 系統的木構造を考慮したディリクレ木多項分布（DTM）モデルを用い、各ノードにおける微生物カウントを過分散と階層的構造を有する形でモデル化する。
• 家族内相関および複数の時間点における縦断的変動を考慮するため、DTMモデルにランダム効果を組み込む。
• 系統的関係にある微生物群にわたる強度の借用を可能にするために、系統的木の各ノードに対して経験的ベイズの縮小法を適用し、微生物割合の推定を改善する。
• 縮小法による残差を入力特徴量として用い、新生児の将来の体重変化（delta MWAZ）を予測するランダムフォレストモデルを構築する。
• 標準的な共変量（現在の体重や年齢など）に加えて、マイクロバイオーム由来の体重指標の予測的価値を評価するため、線形モデルを用いる。
• 68名の新生児を含むコhortを用いて、モデルの性能を検証した。体重データは初期観察後5〜30日以内に収集された。

実験結果

リサーチクエスチョン

• RQ1 混合効果DTMモデルは、構成的および階層的構造を有する縦断的マイクロバイオームデータを、共変量の調整を加えて効果的に扱えるか？
• RQ2 DTMモデルに経験的ベイズの縮小法を適用することで、従来の手法と比較して微生物割合の推定精度が向上するか？
• RQ3 DTMの縮小推定値から得られるマイクロバイオーム由来の体重は、健康な新生児の将来の体重変化を予測できるか？
• RQ4 マイクロバイオーム由来の体重指標は、標準的な臨床的共変量に加えて、どの程度の追加の予測的価値を提供するか？
• RQ5 マイクロバイオーム由来の体重の予測性能は、年齢および性別で定義されるサブグループにおいて一貫しているか？

主な発見

• DTMの縮小推定値から得られるマイクロバイオーム由来の体重指標は、線形モデルにおいて、回帰係数推定値が0.016（p値 = 6.00×10⁻⁴）であり、将来の体重変化を有意に予測する。
• マイクロバイオーム由来の体重を予測モデルに組み込むことで、決定係数R²は、組み込まずにいた場合の0.082から、組み込んだ場合の0.239に上昇し、未調整のR²で0.157の改善が得られた。
• 調整済みR²も、マイクロバイオーム由来の体重を含めたことで0.152の上昇を示し、顕著な追加の予測的価値を示している。
• マイクロバイオーム由来の体重による予測的利得は、400日を超える児において最大であり、R²は0.130から0.331に上昇した。
• 性別によるサブグループでも、予測性能は一貫しており、マイクロバイオーム由来の体重を含めた際のR²改善は、男性で0.171、女性で0.132であった。
• 部分残差プロットにより、現在の体重、年齢、最近の体重変化を調整した後でも、マイクロバイオーム由来の体重と将来の体重増加の間には正のかつ統計的に有意な関連が確認された。