[論文レビュー] Species richness estimation with high diversity but spurious singletons

Amy D. Willis|arXiv (Cornell University)|Apr 9, 2016

Species Distribution and Climate Change参考文献 7被引用数 5

ひとこと要約

この論文は、Rパッケージ『breakaway』に実装された統計的手法を紹介し、高多様性の微生物群集における種多様度を推定する。本手法は、非シングルトン頻度カウントから未観測種および真のシングルトン種を予測することで、シングルトン数の信頼性が低い場合に従来の多様度推定が極めて不安定になること、および測定誤差がある状況でもより頑健な推定が可能になることを示している。ただし、標準誤差が大きく出る場合には過剰な自信を持たず、報告すべきであると著者は警告している。

ABSTRACT

The presence of uncommon taxa in high-throughput sequenced ecological samples pose challenges to the microbial ecologist, bioinformatician and statistician. It is rarely certain whether these taxa are truly present in the sample or the result of sequencing errors. Unfortunately, alpha-diversity quantification relies on accurate frequency counts, which can rarely be guaranteed. We present a species richness estimation tool which predicts both the number of unobserved taxa and the number of true singletons based on the non-singleton frequency counts. This method can be treated as either inferential (for formally estimating richness) or exploratory (for assessing robustness of the richness estimate to the singleton count). If the estimate, called breakaway_nof1, is comparable to other richness estimators, this provides evidence that the richness estimate is robust to the level of quality control (eg. chimera-checking) employed in pre-processing. The function breakaway_nof1 is freely available from CRAN via the R package breakaway.

研究の動機と目的

• シーケンシングエラーによってシングルトン数の信頼性が低い場合に、種多様度推定が不安定になる問題に対処すること。
• 非シングルトン頻度カウントのみを用いて、未観測種および真のシングルトン数を予測する手法を開発すること。
• シングルトン頻度の測定誤差に敏感な標準的多様度推定器に対する統計的に厳密な代替手法を提供すること。
• シングルトンの不確実性が多様度推定に与える重大な影響を強調し、標準誤差の透明な報告を提唱すること。

提案手法

• 本手法は、連続する頻度カウントの比を、$ \frac{f_{j+1}}{f_j} = \frac{\beta_0 + \beta_1 j + \dots + \beta_p j^p}{1 + \alpha_1 j + \dots + \alpha_q j^q} + \varepsilon_j $ の形の有理関数でモデル化する。ここで $ f_j $ は $ j $ 回観察された taxon の数を表す。
• 非線形最小二乗法を用いてモデルのパラメータを推定し、未観測頻度 $ \hat{f}_0 $ および真のシングルトン数 $ \hat{f}_1 $ を予測する。
• 全多様度は $ \hat{C} = \hat{f}_0 + \sum_{j \geq 1} f_j $ で推定され、標準誤差およびフィット診断が併記される。
• 本手法は、シングルトン数を観測された値に依存するのではなく、予測される潜在変数として扱うことで、誤った観測シングルトン数に依存するリスクを低減する。
• 本手法はRパッケージ『breakaway』に関数 `breakaway_nof1` として実装されており、CRANで無料で利用可能である。
• 本手法は、シングルトンの過小・過大化の程度を変化させたシミュレーションと、実際の土壌マイクロバイオームデータセットへの適用を通じて評価されている。

実験結果

リサーチクエスチョン

• RQ1 シングルトン数の不確実性は、高スループットシーケンシングデータにおける種多様度推定の信頼性にどのように影響するか？
• RQ2 非シングルトン頻度カウントのみを用いて、真のシングルトン数および未観測種を統計モデルで予測可能か？
• RQ3 現実的なレベルのシーケンシングエラーおよびシングルトンの過大化がある状況下で、本手法の性能は既存の多様度推定器と比べてどうなるか？
• RQ4 チメラチェックやクラスタリング閾値の前処理選択に対する本手法の頑健性はどの程度向上するか？
• RQ5 シングルトン数が不安定な場合、サンプリング変動が標準誤差に与える影響はどの程度か？

主な発見

• 本手法 `breakaway_nof1` は、微生物シーケンシングデータにおいてしばしば信頼性の低いシングルトン数の測定誤差を考慮に入れながら、種多様度を統計的に厳密に推定する手法を提供する。
• 高水準のシングルトン過大化（例：100%）下では、`breakaway_nof1` は真の多様度から下方に収束するが、他の推定器は上方に収束するため、誤差がある状況でもより安定していることが示された。
• 実行時間は `breakaway` と同等（0.08〜0.21秒）であり、`CatchAll` よりも顕著に高速であったが、`Chao1` はその単純さのおかげで依然として最も速かった。
• 5000個の真の種を想定したシミュレーションでは、シングルトンの過小・過大化下でも、`breakaway_nof1` は他の手法と比較して安定した収束と低い誤差を示した。
• 本手法は、シングルトンの不確実性の程度が変化しても頑健に機能し、多様度推定に内在する高いサンプリング変動を反映した標準誤差を提供する。
• 著者らは、本手法を用いても標準誤差が大きく出る場合には、それを報告しないと科学的でないとして警告しており、不確実性の定量的評価なしに多様度に関する明確な結論を導くべきではないと提言している。