[논문 리뷰] Mixed Effect Dirichlet-Tree Multinomial for Longitudinal Microbiome Data and Weight Prediction

Yunfan Tang, Dan L. Nicolae|arXiv (Cornell University)|2017. 06. 20.

Gut microbiota and health참고 문헌 25인용 수 6

한 줄 요약

이 논문은 신생아의 종단적 마이크로바이옴 데이터를 분석하기 위해 혼합 효과 Dirichlet-tree 다항분포(DTM) 모델을 제안한다. 이 모델은 다중 척도적 경험 베이즈 수축을 통해 미생물 비율 추정을 향상시키고, 향후 체중 변화를 위한 랜덤 포레스트 기반 예측을 가능하게 한다. 마이크로바이옴에서 유추된 체중 지표는 단기 체중 변동을 유의미하게 예측하며, 이는 조기 생애 성장 궤적을 비침습적으로 예측할 수 있는 잠재적 도구로써의 가능성을 보여준다.

ABSTRACT

Quantifying the relation between gut microbiome and body weight can provide insights into personalized strategies for improving digestive health. In this paper, we present an algorithm that predicts weight fluctuations using gut microbiome in a healthy cohort of newborns from a previously published dataset. Microbial data has been known to present unique statistical challenges that defy most conventional models. We propose a mixed effect Dirichlet-tree multinomial (DTM) model to untangle these difficulties as well as incorporate covariate information and account for species relatedness. The DTM setup allows one to easily invoke empirical Bayes shrinkage on each node for enhanced inference of microbial proportions. Using these estimates, we subsequently apply random forest for weight prediction and obtain a microbiome-inferred weight metric. Our result demonstrates that microbiome-inferred weight is significantly associated with weight changes in the future and its non-trivial effect size makes it a viable candidate to forecast weight progression.

연구 동기 및 목표

• 종단적 마이크로바이옴 데이터의 구성성, 과분산성, 계층적 성격을 고려한 강력한 통계 모델을 개발하는 것.
• 미생물 분류군 간 계통수 관계를 통합하고 연령 및 현재 체중과 같은 공변량을 조정하는 것.
• DTM 프레임워크에 다중 척도 경험 베이즈 수축을 적용하여 미생물 비율 추정의 정확도를 향상시키는 것.
• 마이크로바이옴 유래 특징을 사용하여 향후 체중 변화를 예측하고, 그 예측 능력을 평가하는 것.
• 미생물 구성에서 유도된 종단적 체중 진행 상황을 반영하는 마이크로바이옴에서 유추된 체중 지표를 도입하는 것.

제안 방법

• 계통수 기반의 과분산성과 계층적 구조를 모델링하기 위해 Dirichlet-multinomial을 확장한 Dirichlet-tree 다항분포(DTM) 모델을 사용하며, 각 노드에서 미생물 수를 모델링한다.
• 가족 내 상관관계와 다중 시간점에 걸친 종단적 변동을 고려하기 위해 DTM 모델에 난수 효과를 통합한다.
• 유사한 분류군 간의 강도를 빌려 미생물 비율 추정을 향상시키기 위해 계통수의 각 노드에 경험 베이즈 수축을 적용한다.
• 수축 잔차를 랜덤 포레스트 모델의 입력 특징으로 사용하여 신생아의 향후 체중 변화(delta MWAZ)를 예측한다.
• 기존의 표준 공변량(현재 체중, 연령 등)을 초과하는 마이크로바이옴에서 유도된 체중 지표의 예측적 가치를 평가하기 위해 선형 모델을 활용한다.
• 초기 관찰 이후 5~30일 이내에 체중 데이터가 수집된 68명의 신생아 코hort을 사용하여 모델 성능을 검증한다.

실험 결과

연구 질문

• RQ1 혼합 효과 DTM 모델은 공변량 조정을 고려하면서도 종단적 마이크로바이옴 데이터의 구성성과 계층적 구조를 효과적으로 처리할 수 있는가?
• RQ2 DTM 모델에 경험 베이즈 수축을 적용하면 기존 방법에 비해 미생물 비율 추정 성능이 향상되는가?
• RQ3 DTM 수축 추정치에서 도출된 마이크로바이옴에서 유도된 체중이 건강한 신생아의 향후 체중 변화를 예측할 수 있는가?
• RQ4 마이크로바이옴에서 유도된 체중 지표는 표준 임상 공변량을 초월해 추가로 얼마나 많은 예측 능력을 기여하는가?
• RQ5 마이크로바이옴에서 유도된 체중의 예측 성능은 연령 및 성별로 정의된 하위군 간에서 일관된가?

주요 결과

• DTM 수축 추정치에서 도출된 마이크로바이옴에서 유도된 체중 지표는 선형 모델에서 향후 체중 변화를 유의미하게 예측하며, 계수 추정치는 0.016(p-value = 6.00×10⁻⁴)이다.
• 마이크로바이옴에서 유도된 체중을 예측 모델에 포함시켰을 때, R²는 0.082(포함하지 않을 경우)에서 0.239(포함할 경우)로 증가하여 조정되지 않은 R²에서 0.157의 향상이 있었다.
• 조정된 R²는 마이크로바이옴에서 유도된 체중을 포함시켰을 때 0.152 향상되어 상당한 예측 능력 향상을 보였다.
• 마이크로바이옴에서 유도된 체중의 예측 성능 향상은 400일 이상인 아동에서 가장 두드러졌으며, R²는 0.130에서 0.331로 증가했다.
• 성별 하위군 간에서도 일관된 예측 성능을 보였으며, 남아에서는 R²가 0.171, 여아에서는 0.132 향상되었다.
• 부분 잔차 그림은 현재 체중, 연령, 최근 체중 변화를 조정한 후에도 마이크로바이옴에서 유도된 체중과 향후 체중 증가 사이에 양의 유의미한 상관관계가 있음을 확인했다.