[論文レビュー] The Phylogenetic LASSO and the Microbiome

Stephen Rush, Christine H. Lee+2 more|arXiv (Cornell University)|Jul 29, 2016

Gut microbiota and health参考文献 30被引用数 3

ひとこと要約

本稿では、微生物群集データ、特に16S rRNA遺伝子配列を対象として、系統樹構造を高次元変数選択に組み込む新しい正則化手法「系統的LASSO」を提案する。細菌分類群間の進化的関係を活用することで、変数選択の精度が向上し、オラクル性質を達成する。超高次元・小標本条件下でも、クロストリジウム・ディフィシル感染に関連する主要な微生物群集を同定する上で優れた性能を示す。

ABSTRACT

Scientific investigations that incorporate next generation sequencing involve analyses of high-dimensional data where the need to organize, collate and interpret the outcomes are pressingly important. Currently, data can be collected at the microbiome level leading to the possibility of personalized medicine whereby treatments can be tailored at this scale. In this paper, we lay down a statistical framework for this type of analysis with a view toward synthesis of products tailored to individual patients. Although the paper applies the technique to data for a particular infectious disease, the methodology is sufficiently rich to be expanded to other problems in medicine, especially those in which coincident `-omics' covariates and clinical responses are simultaneously captured.

研究の動機と目的

• 従来の手法が超高次元（pが非常に大きく）かつ小標本（nが小さい）条件下で失敗する高次元・小標本マイクロバイオームデータの課題に対処すること。
• 細菌分類群間の系統的関係を変数選択に組み込むことで、生物学的解釈可能性と統計的パワーを向上させること。
• 微生物コミュニティの階層的進化的構造を尊重するペナルティ回帰フレームワークの構築。
• 正則化条件の下で、モデル選択の一貫性と推定量の漸近正規性を含む理論的オラクル性質を確立すること。
• シミュレーションとC. difficile感染症に関する実世界データへの応用を通じて、本手法の有効性を示すこと。

提案手法

• 細菌分類群の系統樹構造に基づく系統的距離行列を用いて、LASSOペナルティを拡張する。
• ペナルティ項が分類群間の系統的距離に依存する尤度関数を最適化する手法を採用し、関連するグループの選択を促進する。
• 説得変数間の木構造的相関を考慮した、変更された座標降下法による最適化を実施する。
• 理論的分析により、本手法がオラクル性質（モデル選択の一貫性と推定量の漸近正規性）を達成することを示す。
• 交差検証を用いて正則化パラメータを調整し、便由来微生物群集移植研究の16S rRNA配列データに本手法を適用する。
• 理論的導出は、対数尤度関数とペナルティ関数のテイラー展開に依拠し、p_nとnの特定の増加条件の下で収束結果を導出する。

実験結果

リサーチクエスチョン

• RQ1 系統的構造を組み込んだペナルティ回帰手法は、高次元マイクロバイオームデータにおける変数選択の正確性を向上させることができるか？
• RQ2 実際の高次元標本条件下で、系統的LASSOはモデル選択の一貫性や漸近正規性といったオラクル性質を達成するか？
• RQ3 クロストリジウム・ディフィシル感染に関連する主要な微生物群集を同定する観点で、本手法は標準LASSOや他の系統知覚型手法と比較して優れているか？
• RQ4 系統的相関が、推定の効率性および選択の安定性に与える影響は何か？
• RQ5 どのような正則性条件下で、推定量が正規分布に分布収束するか？これにより、妥当な推論が可能になる。

主な発見

• 系統的LASSOはモデル選択の一貫性を達成し、標本サイズが増加するに従い、真のスパースモデルを正しく特定する確率が1に収束する。
• 本手法はオラクル性質を示す：推定量は漸近的に正規分布に従い、超高次元設定下でも関連する分類群の選択が一貫的である。
• 理論的分析により、n ≪ p_n^{T+2} という条件下で、選択の一貫性が維持されることを確認した。ここでTは木の深さに関連する定数である。
• シミュレーションでは、系統的LASSOが標準LASSOや他の系統知覚型手法に比べ、真正陽性率と誤発見率の両面で優れた性能を示す。
• 実データ解析において、本手法はC. difficile感染に関連する生物学的に意味のある分類群を的確に同定し、複数の検証戦略で一貫した結果を得た。
• 理論的導出により、推定量の漸近的分布が多変量正規分布に従うことが確認され、選択された分類群に対する妥当な信頼区間推定や仮説検定が可能であることが示された。