[논문 리뷰] A tree-based model for addressing sparsity and taxa covariance in microbiome compositional count data

Zhuoqun Wang, Jialiang Mao외 1명|arXiv (Cornell University)|2021. 06. 29.

Geochemistry and Geologic Mapping참고 문헌 21인용 수 4

한 줄 요약

이 논문은 로지스틱 트리 정규(LTN) 모델을 제안한다. 이는 로그비율 정규(LN) 모델의 유연한 공분산 구조와 나무 기반 디리슈레트-트리(DT) 모델의 계산 효율성을 결합한 새로운 베이지안 생성 모델로, 나무 기반 이항 분해와 폴리아-가우스 보정을 통해 구현된다. 이 방법은 희소성과 저질서 가정을 통해 확장 가능한 고차원 추론을 가능하게 하며, 종단적 T1D 코hort 데이터셋에서 연관성 테스트와 공분산 추정에서 뛰어난 성능을 보였다.

ABSTRACT

Microbiome compositional data are often high-dimensional, sparse, and exhibit pervasive cross-sample heterogeneity. Generative modeling is a popular approach to analyze such data, and effective generative models must accurately characterize these key features. While high-dimensionality and abundance of zeros have received much attention, existing models often lack flexibility in capturing complex cross-sample variability. This limitation can affect statistical efficiency and lead to misleading conclusions in tasks like differential abundance analysis, clustering, and network analysis. We introduce a generative model, the "logistic-tree normal" (LTN) model, which addresses this issue and effectively captures key characteristics of microbiome data, including abundance of zeros. LTN employs a tree-based decomposition to aggregate sparse taxa counts and uses a (multivariate) logistic-normal distribution at tree splits, allowing for flexible covariance adjustments among taxa as needed. The latent Gaussian structure of LTN enables the incorporation of multivariate analysis tools that enforce sparsity or low-rank covariance assumptions. As a versatile, fully generative model, LTN supports a wide range of applications and offers efficient Bayesian inference computational recipes through conjugate blocked Gibbs sampling with Pólya-Gamma augmentation. We demonstrate application of LTN in a compositional mixed-effects model for differential abundance analysis using numerical experiments and a reanalysis of the infant cohort in the DIABIMMUNE study. Our findings illustrate that LTN, by adequately accounting for cross-sample heterogeneity, appropriately generates the proportion of zeros without requiring an explicit zero-inflation component, confirming a recent viewpoint that "zero-inflation" in count-based sequencing data are often results of unaccounted cross-sample variation.

연구 동기 및 목표

• 고차원 마이크로바이옴 조성 데이터에서 복잡한 공분산과 계산 확장성을 다루는 데 있어 기존 모델의 한계를 해결하기 위해.
• 로그비율 정규(LN) 모델의 풍부한 공분산 구조를 유지하면서도 나무 기반 분해를 통해 계산 가능성을 확보하는 생성 모델을 개발하기 위해.
• 희소성과 저질서 가정을 활용해 마이크로바이옴 연관성 연구와 공분산 추정을 위한 효과적인 베이지안 추론을 가능하게 하기 위해.
• 특히 질병 위험과의 연관성을 탐지하는 데서 LTN 모델의 유용성을 종단적 마이크로바이옴 데이터 분석에서 입증하기 위해.

제안 방법

• LTN 모델은 계통수 트리의 내부 노드에서 다항분포의 우도를 연속적인 이항 확률로 분해한다.
• 이 이항 확률의 로그오즈는 다변량 정규분포로 모델링되어, 분류군 간에 탄력적인 공분산 구조를 가능하게 한다.
• 계층 모델에서 공액성을 활용하기 위해 폴리아-가우스 보조 변수를 도입하여 효율적인 깁스 샘플링을 가능하게 한다.
• 로그오즈의 공분산 행렬에 대해 희소성과 저질서 가정을 지원함으로써 고차원 추론을 촉진한다.
• 일반 혼합효모 모델을 LTN을 사용해 구성하여 조성 랜덤 효과를 모델링하고 공변수와의 연관성을 테스트한다.
• 프레임워크는 공분산 역행렬에 그래픽 라소를 적용해 분류군 간 희소 상호작용 네트워크를 추론하는 등의 사전 정보 통합을 허용한다.

실험 결과

연구 질문

• RQ1 마이크로바이옴 데이터에 대해 로그비율 정규 모델의 탄력적인 공분산과 나무 기반 모델의 계산 효율성을 동시에 확보할 수 있는가?
• RQ2 희소성과 저질서 구조를 조성 데이터 모델에 효과적으로 통합하여 확장성과 해석 가능성은 향상시킬 수 있는가?
• RQ3 LTN 모델은 종단적 연구에서 마이크로바이옴 조성과 질병 위험 간의 의미 있는 연관성을 탐지할 수 있는가?
• RQ4 기존 방법과 비교해 LTN 모델은 미생물 분류군 간의 실제 공분산 구조를 얼마나 잘 추정하는가?

주요 결과

• LTN 모델은 복잡한 분류군 간 공분산 구조를 효과적으로 포착하여, 전통적인 디리슈레트-다항분포 모델보다 더 높은 탄력성을 보였다.
• 폴리아-가우스 보정을 활용함으로써 효율적인 깁스 샘플링이 가능해져, 50개 이상의 분류군이 있는 경우에도 베이지안 추론의 확장성이 보장되었다.
• DIABIMMUNE T1D 코hort 연구에서, 모델은 수유, 고형식, 두유 제품과 같은 식이 요인과 마이크로바이옴 조성 간의 유의미한 연관성을 탐지했다.
• PMAPs 분석을 통해, 호밀, 레이, 고형식의 도입이 기피균/저항균 비율 변화와 관련이 있음을 확인했으며, 이는 알려진 미생물 불균형 지표이다.
• 두유 제품에 대해 일관된 상대적 풍부도 변화를 보이는 노드의 사슬을 식별하여, 특히 OTU 4439360와 같은 특정 분류군에 누적 효과가 있음을 시사했다.
• 분석은 기존에 알려진 생물학적 패턴을 확인했으며, 특히 수유 중에 Bifidobacterium의 풍부도 증가, 특히 longum 및 bifidum 종의 경우가 그러했다.