[论文解读] Bugs as Features (Part I): Concepts and Foundations for the Compositional Data Analysis of the Microbiome-Gut-Brain Axis

Thomaz F. S. Bastiaanssen, Thomas P. Quinn+1 more|arXiv (Cornell University)|Jul 25, 2022

Metabolomics and Mass Spectrometry Studies参考文献 93被引用 12

一句话总结

本文提出了一种用于微生物组研究的组合数据分析框架，聚焦于使用中心对数比（CLR）转换处理宏基因组测序数据中的组成性偏差，以研究微生物组-肠-脑轴。该方法在精神分裂症队列中得到验证，结果表明CLR转换能将相对丰度转化为适合多元检验（如PERMANOVA）的尺度，实现稳健的统计分析，关键发现显示精神分裂症与显著的微生物组差异相关。

ABSTRACT

There has been a growing acknowledgement of the involvement of the gut microbiome - the collection of microbes that reside in our gut - in regulating our mood and behaviour. This phenomenon is referred to as the microbiome-gut-brain axis. While our techniques to measure the presence and abundance of these microbes have been steadily improving, the analysis of microbiome data is non-trivial. Here, we present a perspective on the concepts and foundations of data analysis and interpretation of microbiome experiments with a focus on the microbiome-gut-brain axis domain. We give an overview of foundational considerations prior to commencing analysis alongside the core microbiome analysis approaches of alpha diversity, beta diversity, differential feature abundance and functional inference. We emphasize the compositional data analysis (CoDA) paradigm. Further, this perspective features an extensive and heavily annotated microbiome analysis in R in the supplementary materials, as a resource for new and experienced bioinformaticians alike.

研究动机与目标

• 建立一个可重复、开源的微生物组研究组合数据分析框架。
• 通过应用CLR转换纠正测序数据中的组成性偏差，以实现有效的统计推断。
• 通过真实世界的精神分裂症研究数据，演示微生物组分析的实际实现。
• 为研究人员提供一个工具包，用于使用R语言和既定统计方法对微生物组数据进行预处理、转换和分析。
• 阐明CLR转换数据的解释方法及其相较于原始计数或相对丰度的优势。

提出的方法

• 对属水平的丰度数据应用中心对数比（CLR）转换，以稳定方差并消除组成性效应。
• 使用'const'方法填补零值，将零替换为下一个最低值的65%，以保持对数比结构。
• 过滤在样本中出现频率低于10%的特征，以减少噪声并提高统计效能。
• 使用PERMANOVA检验精神分裂症患者与健康对照组之间微生物组组成是否存在显著差异。
• 将性别和吸烟状态等协变量整合到分析中，以控制混杂因素。
• 使用可视化工具（ggplot2、ggbeeswarm、patchwork）探索并展示CLR转换后的数据及组间差异。

实验结果

研究问题

• RQ1 如何在微生物组测序数据中有效校正组成性偏差以进行统计分析？
• RQ2 在使用CLR转换分析时，精神分裂症对肠道微生物组组成有何影响？
• RQ3 性别和吸烟状态等协变量在该队列中如何影响微生物组谱？
• RQ4 CLR转换在多大程度上提升了多元微生物组分析的可解释性和有效性？
• RQ5 能否在微生物组-肠-脑轴背景下建立一个可重复、开源的基于R的分析流水线？

主要发现

• CLR转换成功地将微生物组丰度数据转换为适合多元分析的尺度，使相对丰度的有意义比较成为可能。
• 在过滤出现频率<10%的特征后，最终数据集保留了数量减少但具有生物学相关性的属集用于分析。
• 通过在CLR转换后的数据上使用PERMANOVA，观察到精神分裂症患者与健康对照组之间存在显著的微生物组组成差异。
• 使用'const'方法填补零值，既保持了数据结构，又避免了对数运算的未定义问题。
• 分析表明，两组之间的微生物组谱存在显著差异，支持了精神分裂症中存在微生物组-肠-脑轴的假设。
• 该框架具有可重复性和可重用性，所有代码和数据均可通过GitHub上的Tjazi R包获取。