[論文レビュー] PGLasso: Microbial Community Detection through Phylogenetic Graphical Lasso

Chieh Lo, Radu Mărculescu|arXiv (Cornell University)|Jul 20, 2018

Genomics and Phylogenetic Studies参考文献 9被引用数 4

ひとこと要約

PGLassoは、高次元かつ組成的データの課題に対処するため、系統情報を取り入れた系統的グラフィカルラasso法を提案し、メタゲノムデータから微生物共発現ネットワークを推定する。ヒトマイクロバイオームデータセットにおいて、GLasso、SparCC、およびランダムなノイズモデルと比較して、調整ランダ指数（ARI）で100%以上の向上を達成し、生物学的に意味のある微生物コミュニティを検出する精度が優れていることを示している。

ABSTRACT

Due to the recent advances in high-throughput sequencing technologies, it becomes possible to directly analyze microbial communities in the human body and in the environment. Knowledge of how microbes interact with each other and form functional communities can provide a solid foundation to understand microbiome related diseases; this can serve as a key step towards precision medicine. In order to understand how microbes form communities, we propose a two step approach: First, we infer the microbial co-occurrence network by integrating a graph inference algorithm with phylogenetic information obtained directly from metagenomic data. Next, we utilize a network-based community detection algorithm to cluster microbes into functional groups where microbes in each group are highly correlated. We also curate a "gold standard" network based on the microbe-metabolic relationships which are extracted directly from the metagenomic data. Utilizing community detection on the resulting microbial metabolic pathway bipartite graph, the community membership for each microbe can be viewed as the true label when evaluating against other existing methods. Overall, our proposed framework Phylogenetic Graphical Lasso (PGLasso) outperforms existing methods with gains larger than 100% in terms of Adjusted Rand Index (ARI) which is commonly used to quantify the goodness of clusterings.

研究の動機と目的

• クラスタ数が未知である高次元かつ組成的メタゲノムデータにおいて、従来のクラスタリング手法の限界を克服すること。
• 系統的情報を統合することで、誤検出を低減し生物学的関連性を高める、微生物共発現ネットワーク推定の改善。
• マイクロバイオーム関連疾患と関連する機能的微生物コミュニティを検出するための堅牢なフレームワークの構築。
• メタゲノムデータから導出された微生物-代謝経路二部グラフを用いて、評価のゴールドスタンダードを確立すること。
• ネットワークベースのコミュニティ検出法の性能を、キュレートされた生物学的根拠に基づく参照クラスタリングと比較して評価すること。

提案手法

• Humann2パイプラインを用いてメタゲノムデータを前処理し、微生物の豊度と微生物-代謝経路の関係を抽出する。
• PATRICのゲノム配列を用いて各微生物の系統樹を構築し、PhyloPhlAnを活用して正確な進化的関係を推定する。
• 系統的距離を正則化の事前分布として組み込んだ、変更されたグラフィカルラassoアルゴリズム（PGLasso）を適用し、微生物共発現ネットワークを推定する。
• モジュラリティ最大化のためのLouvainアルゴリズムを用いて、推定された共発現ネットワーク内のコミュニティを検出する。
• クラスタリング評価のための基準として、微生物と代謝経路のゴールドスタンダード二部ネットワークを構築する。
• 調整ランダ指数（ARI）を用いてクラスタリング性能を評価し、推定されたクラスタリングと真のクラスタリングの一致度を確率的一致補正する。

実験結果

リサーチクエスチョン

• RQ1 グラフィカルラassoに系統的情報を統合することで、高次元かつ組成的メタゲノムデータにおける微生物共発現ネットワーク推定の正確性が向上するか？
• RQ2 GLasso や SparCC といった既存の手法と比較して、PGLasso は生物学的に意味のある微生物コミュニティをどの程度正確に検出できるか？
• RQ3 キュレートされた微生物-代謝経路二部ネットワークをゴールドスタンダードとして用いることで、コミュニティ検出アルゴリズムの評価がどの程度改善されるか？
• RQ4 系統的事前分布を組み込むことで、ランダムまたは正則化なしの手法と比較して、より安定的かつ生物学的に妥当なクラスタリング結果が得られるか？
• RQ5 PGLassoフレームワークは、さまざまなヒトの体部位に一般化可能であり、多様な環境において一貫した微生物コミュニティ構造を同定できるか？

主な発見

• PGLassoは、全テスト対象の体部位でベースライン手法と比較して調整ランダ指数（ARI）が100%以上向上し、前鼻腔（AntNar）データセットで最高のARI 0.303を達成した。
• GLasso、SparCC、およびランダムなノイズモデルと比較して顕著に優れており、全データセットでARIが常に0.1以上を維持し、高いクラスタリング精度を示した。
• 系統的事前分布の統合により解空間が制限され、より正確なネットワーク推定が可能になり、ゴールドスタンダードの代謝経路ネットワークと整合性が高まった。
• SparCC および GLasso は劣悪な性能を示し、ARI値が0.05未満またはそれ以下であったため、クラスタリング結果はほぼランダムと区別がつかなかった。
• Louvainコミュニティ検出アルゴリズムは、PGLassoで推定されたネットワーク内において、生物学的に整合性のある微生物群を効果的に同定できた。
• ゴールドスタンダードの代謝経路二部ネットワークは信頼できるベンチマークを提供し、PGLassoが他の手法と比較してより生物学的に妥当なコミュニティを同定していることを確認した。