[논문 리뷰] LinDA: linear models for differential abundance analysis of microbiome compositional data

Huijuan Zhou, Kejun He외 2명|arXiv (Cornell University)|2021. 04. 01.

Metabolomics and Mass Spectrometry Studies인용 수 7

한 줄 요약

LinDA는 중심화 로그비율(CLR) 변환과 편향 보정을 적용하여 마이크로바이옴 구성 데이터의 차등 배양 분석을 위한 선형 모델링 접근법을 제안한다. 이는 가짜 발견률(FDR)을 통제하며 점점 줄어드는 FDR 제어를 달성하고, 확장성과 관련된 데이터를 위한 혼합효과 모델로까지 확장되며, 시뮬레이션과 실제 데이터셋에서 기존 방법들보다 더 높은 정확도와 강건성을 보인다.

ABSTRACT

Differential abundance analysis is at the core of statistical analysis of microbiome data. The compositional nature of microbiome sequencing data makes false positive control challenging. Here, we show that the compositional effects can be addressed by a simple, yet highly flexible and scalable, approach. The proposed method, LinDA, only requires fitting linear regression models on the centered log-ratio transformed data, and correcting the bias due to compositional effects. We show that LinDA enjoys asymptotic FDR control and can be extended to mixed-effect models for correlated microbiome data. Using simulations and real examples, we demonstrate the effectiveness of LinDA.

연구 동기 및 목표

• 상대적 배양도가 진짜 차등 배양 신호를 왜곡시키는 마이크로바이옴 시퀀싱 데이터에서 구성 효과의 과제를 해결한다.
• 절대 배양도 측정이 없는 상황에서도 차등 배양 분석에서 가짜 발견률(FDR)을 통제할 수 있는 방법을 개발한다.
• 선형 모델에 기반한 스케일러블하고 유연하며 계산적으로 효율적인 솔루션을 제공하며, 편향 보정을 통한 CLR 변환된 데이터를 활용한다.
• 종속된 데이터(예: 종단적 또는 계층적 연구 설계)를 다룰 수 있도록 혼합효과 모델로 방법을 확장한다.
• 희박하거나 농축된 신호의 현실적인 가정 하에 후속 생물학적 검증을 위한 신뢰할 수 있는 차등 배양 분류군 식별을 가능하게 한다.

제안 방법

• 구성 효과를 완화하기 위해 원시 마이크로바이옴 배양 데이터를 중심화 로그비율(CLR) 변환한다.
• 관심 있는 변수와의 연관성을 평가하기 위해 CLR 변환된 데이터에 선형 회귀 모델을 적합한다.
• 검정 통계량의 渐近 분포에서 유도된 이론적 보정 항을 사용하여 CLR 변환으로 인한 편향을 보정한다.
• 보정된 검정 통계량에 대해 가짜 발견률(FDR) 제어 절차를 적용하여 귀무가설 하에서 점점 줄어드는 FDR 제어를 확보한다.
• 반복 측정 또는 가족 구조와 같은 관련 샘플을 포함하기 위해 무작위 효과를 통합하여 혼합효과 모델로 프레임워크를 확장한다.
• R 패키지 MicrobiomeStat에 `linda` 함수로 구현하여 단변량 및 다변량 분석을 지원하며, 융통성 있는 정규화 및 영수치 처리 옵션을 제공한다.

실험 결과

연구 질문

• RQ1 CLR 변환된 데이터에 대한 단순한 선형 모델링 접근법이 구성 마이크로바이옴 데이터의 차등 배양 분석에서 점점 줄어드는 FDR 제어를 달성할 수 있는가?
• RQ2 다양한 시뮬레이션 설정(다양한 배양 분포 및 구성 효과 포함)에서 LinDA는 edgeR, DESeq2, MaAsLin2, ANCOM-BC와 같은 기존 방법들과 비교해 어떻게 성능을 보이는가?
• RQ3 진짜 신호가 분류군 전체에 걸쳐 희박한지 또는 농축된 경우, LinDA는 통계적 검정력과 FDR 제어를 어느 정도 유지하는가?
• RQ4 LinDA에 무작위 효과를 포함시키면 종속된 마이크로바이옴 데이터(예: 종단적 또는 짝지정 설계)에서 성능이 어떻게 향상되는가?
• RQ5 다양한 크기와 복잡도의 데이터셋에서 LinDA의 계산 확장성은 다른 방법들과 비교해 어떻게 되는가?

주요 결과

• 모든 시뮬레이션 설정에서 LinDA는 점점 줄어드는 FDR 제어를 달성하였으며, 실질적 FDR 값이 항상 명목상 목표(예: 0.05)에 가까웠다. 강한 구성 효과 조건에서도 마찬가지였다.
• 로그정규분포 및 감마분포 배양도를 가진 시뮬레이션에서 LinDA는 FDR을 통제하면서도 높은 통계적 검정력(AUC > 0.90)을 유지하였으며, 정밀도와 강건성 측면에서 ANCOM-BC, MaAsLin2, edgeR를 뛰어넘었다.
• 실제 데이터셋에서의 성능은 뛰어났다: CDI(n=100), IBD(n=120), RA(n=100), SMOKE(n=150). 다양한 FDR 임계치(0.01–0.25)에서 생물학적으로 타당한 분류군을 고도로 재현 가능하게 식별하였다.
• 실행 시간 벤치마크 결과, LinDA는 ANCOM-BC 및 MaAsLin2보다 유의미하게 빠르며, 최대 1,000개의 분류군과 200개의 샘플이 포함된 데이터셋에서도 실행 시간이 10초 이내였다.
• LinDA에 무작위 효과를 포함시킴으로써 종속된 데이터 구조(클러스터링 또는 반복 측정 포함)에서 유의수준 제어가 향상되었으며, 다양한 시뮬레이션 설정에서 실질적 FDR이 0.05 이내로 유지되었다.
• 영수치 과잉 및 극단적 배양도 변화에 대해 강건성을 보였으며, 역 hyperbolic sine 및 허위수치 조정과 같은 다양한 영수치 처리 전략에서도 안정된 성능을 유지하였다.