[论文解读] Generalized Linear Models with Linear Constraints for Microbiome Compositional Data

Jiarui Lu, Pixu Shi+1 more|arXiv (Cornell University)|Jan 10, 2018

Geochemistry and Geologic Mapping参考文献 20被引用 6

一句话总结

本文提出了一类带有线性约束的广义线性模型，用于处理微生态组成数据，以确保次组成一致性并提高估计精度。该方法引入了一种使用广义加速近似梯度算法的惩罚似然方法，并结合去偏程序，生成回归系数的渐近正态分布且有效的置信区间。模拟结果表明，在正确约束条件下，置信区间覆盖概率更高，方差更小。

ABSTRACT

Motivated by regression analysis for microbiome compositional data, this paper considers generalized linear regression analysis with compositional covariates, where a group of linear constraints on regression coefficients are imposed to account for the compositional nature of the data and to achieve subcompositional coherence. A penalized likelihood estimation procedure using a generalized accelerated proximal gradient method is developed to efficiently estimate the regression coefficients. A de-biased procedure is developed to obtain asymptotically unbiased and normally distributed estimates, which leads to valid confidence intervals of the regression coefficients. Simulations results show the correctness of the coverage probability of the confidence intervals and smaller variances of the estimates when the appropriate linear constraints are imposed. The methods are illustrated by a microbiome study in order to identify bacterial species that are associated with inflammatory bowel disease (IBD) and to predict IBD using fecal microbiome.

研究动机与目标

• 为解决微生态组成数据分析中因相对丰度的单位和约束导致的标准回归方法失效的问题，提出次组成一致性挑战。
• 开发一种广义线性模型框架，通过在回归系数上施加线性约束，以反映微生态数据的组成性质。
• 通过在带线性约束下对l1-惩罚估计进行去偏处理，纠正偏差，实现有效的统计推断。
• 提供一种高效的计算算法，用于在高维设置下优化带线性约束的惩罚负对数似然函数。
• 通过真实数据和模拟数据展示该方法的性能，结果表明当约束适切指定时，置信区间覆盖概率更高，方差更小。

提出的方法

• 提出一种在回归系数上施加线性约束的广义线性模型，以确保次组成一致性，其中约束来源于数据的组成结构。
• 采用l1-惩罚似然估计程序，以实现变量选择并处理高维微生态数据。
• 开发一种广义加速近似梯度方法，以高效求解约束优化问题，扩展标准方法以适应线性约束。
• 提出一种基于Javanmard和Montanari（2014）的去偏估计程序，经调整以适用于约束设置，生成渐近无偏且正态分布的估计。
• 推导去偏估计的渐近分布，以支持构建回归系数的有效置信区间。
• 采用高维协方差估计策略，控制去偏步骤中的精度矩阵，确保在稀疏性假设下的一致性。

实验结果

研究问题

• RQ1 带有回归系数线性约束的广义线性模型能否在微生态组成数据分析中实现次组成一致性？
• RQ2 施加适当的线性约束是否能提高高维微生态数据中回归系数估计的准确性和效率？
• RQ3 在带线性约束条件下，去偏程序能否生成渐近正态且校准有效的置信区间？
• RQ4 与无约束方法相比，该带约束的惩罚估计在置信区间覆盖概率和估计方差方面表现如何？
• RQ5 广义加速近似梯度方法在解决微生态研究中带约束广义线性模型问题时，其计算效率和可扩展性如何？

主要发现

• 去偏程序成功生成了回归系数的渐近正态且无偏估计，从而实现了有效的统计推断。
• 模拟结果显示，置信区间的覆盖概率在名义水平上保持正确，证实了推断程序的有效性。
• 在适切线性约束下，估计的方差小于无约束方法，表明效率得到提升。
• 广义加速近似梯度方法能高效求解约束优化问题，支持在高维设置下的可扩展计算。
• 该方法在真实微生态数据集中成功识别出与炎症性肠病（IBD）显著相关的细菌类群，展示了其实际应用价值。
• 模拟结果表明，当约束正确指定时，该方法能保持正确的第一类错误率，并在检测真实关联时达到高统计功效。