[論文レビュー] Testing for differential abundance in compositional counts data, with application to microbiome studies

Barak Brill, Amnon Amir+1 more|arXiv (Cornell University)|Apr 18, 2019

Geochemistry and Geologic Mapping参考文献 33被引用数 12

ひとこと要約

本稿では、ゼロ値が多いカウントと構成的バイアスを考慮した、組成的マイクロバイオームデータにおける差分豊度検出のための非パラメトリック手法であるDACOMPを提案する。リファレンストキソノムを仮定して非差分豊度とみなすことで、高いゼロ率下でも妥当な推論を可能にし、Crohn病、ヒューマンマイクロバイオームプロジェクト、スパイクイン実験を含むシミュレーションおよび実データにおいて、既存手法よりも誤検出を著しく低減している。

ABSTRACT

Identifying which taxa in our microbiota are associated with traits of interest is important for advancing science and health. However, the identification is challenging because the measured vector of taxa counts (by amplicon sequencing) is compositional, so a change in the abundance of one taxon in the microbiota induces a change in the number of sequenced counts across all taxa. The data is typically sparse, with zero counts present either due to biological variance or limited sequencing depth (technical zeros). For low abundance taxa, the chance for technical zeros is non-negligible. We show that existing methods designed to identify differential abundance for compositional data may have an inflated number of false positives due to improper handling of the zero counts. We introduce a novel non-parametric approach which provides valid inference even when the fraction of zero counts is substantial. Our approach uses a set of reference taxa that are non-differentially abundant, which can be estimated from the data or from outside information. We show the usefulness of our approach via simulations, as well as on three different data sets: a Crohn's disease study, the Human Microbiome Project, and an experiment with 'spiked-in' bacteria.

研究の動機と目的

• 組成的マイクロバイオームデータにおけるゼロカウントの不適切な取り扱いが原因で生じる誤検出率の上昇という課題に対処すること。
• 特に低豊度トキソノムに対して、ゼロカウントの割合が高い状況下でも、妥当な統計的推論を維持できる手法を開発すること。
• パラメトリック分布の仮定を必要とせず、リファレンストキソノムを用いて構成的バイアスを補正する、強固な非パラメトリックアプローチを提供すること。
• 既知の差分豊度パターンを有する実世界のマイクロバイオームデータセット（スパイクイン実験を含む）における手法の性能を評価すること。
• 実用的なマイクロバイオーム研究への応用を可能にする、公開可能なRパッケージ（dacomp）を提供すること。

提案手法

• リファレンストキソノムを仮定し、データから推定するか、外部から提供される。
• 各テスト対象トキソノムの相対豊度とリファレンストキソノムとの比較に、非パラメトリック検定（例：ウィルコクソンの順位和検定、スピアマン相関）を適用する。
• 検定統計量は、各トキソノムとリファレンストキソノムの対数比と、関心のあるグループまたは連続的特徴との順位相関に基づく。
• リファレンストキソノムを用いて構成的ベースラインを定義することで、構成性に起因する誤った相関を低減する。
• ゼロカウントは、構造的ゼロまたは技術的ゼロとして扱い、データの歪みを引き起こす補完や変換を必要としない。
• 多重検定補正には、誤発見率q=0.1でBenjamini-Hochberg手順を適用する。

実験結果

リサーチクエスチョン

• RQ1 ゼロ値が多く、構成的バイアスがあるマイクロバイオームデータにおいて、非パラメトリック手法が差分豊度を効果的に検出できるか。
• RQ2 リファレンストキソノムを用いることで、構成性を無視する手法と比較して、差分豊度検定の妥当性が向上するか。
• RQ3 ALDEx2、TSS、CSS、CLR変換といった既存手法と比較して、DACOMPは誤検出の制御においてどのように性能を発揮するか。
• RQ4 真の差分豊度が既知のスパイクイン実験において、DACOMPは既知の差分豊度を持つトキソノムを信頼性高く同定できるか。
• RQ5 Crohn病研究やヒューマンマイクロバイオームプロジェクトといった実世界のデータセットにおいて、タイプIエラーを制御しながら統計的パワーを維持できるか。

主な発見

• ALDEx2、TSS、CSS、CLR変換といった既存手法と比較して、特にゼロカウントが多い状況下で、DACOMPは誤検出率を顕著に低減した。
• スパイクイン実験では、DACOMPは正確に2つの差分豊度を持つトキソノム（Rhizobium radiobacter および Alicyclobacillus acidiphilus）を同定し、高い正確性を示したのに対し、他の手法は誤検出が顕著に増加していた。
• ゼロカウントの割合が最大90％に達する状況下でも、DACOMPは妥当なタイプIエラー制御を維持しており、パラメトリック手法や変換ベースの手法を上回った。
• Crohn病データセットでは、ALDEx2や他の手法と比較して、DACOMPは生物学的に意味のあるトキソノムをより高い特異度で同定した。
• ヒューマンマイクロバイオームプロジェクトのデータセット解析では、DACOMPは宿主の表現型と関連する既知の微生物群を、他の手法よりも一貫して的確に同定した。
• Rパッケージ「dacomp」は正常に実装され、公開された。これにより、マイクロバイオーム研究における手法の再現性と利用可能性が向上した。