[论文解读] MedZIM: Mediation analysis for Zero-Inflated Mediators with applications to microbiome data

Zhigang Li, Janaka S. S. Liyanage+10 more|arXiv (Cornell University)|Jun 21, 2019

Gut microbiota and health参考文献 40被引用 4

一句话总结

本文提出 MedZIM，一种针对微生物组数据中零膨胀中介变量的新型中介分析方法，采用两部分潜在结果框架，分别建模结构型零值与虚假零值。该方法将中介效应分解为由零膨胀和非零丰度驱动的分量，在模拟和真实微生物组研究中均优于现有方法，显著提升了准确性。

ABSTRACT

The human microbiome can contribute to pathogeneses of many complex diseases by mediating disease-leading causal pathways. However, standard mediation analysis methods are not adequate to analyze the microbiome as a mediator due to the excessive number of zero-valued sequencing reads in the data. The two main challenges raised by the zero-inflated data structure are: (a) disentangling the mediation effect induced by the point mass at zero; and (b) identifying the observed zero-valued data points that are actually not zero (i.e., false zeros). We develop a novel mediation analysis method under the potential-outcomes framework to fill this gap. We show that the mediation effect of the microbiome can be decomposed into two components that are inherent to the two-part nature of zero-inflated distributions. With probabilistic models to account for observing zeros, we also address the challenge with false zeros. A comprehensive simulation study and the applications in two real microbiome studies demonstrate that our approach outperforms existing mediation analysis approaches.

研究动机与目标

• 解决标准中介分析在处理微生物组数据中过度零值时的局限性。
• 分离零膨胀分布中零点质量导致的中介效应。
• 识别并校正虚假零值——因测量或技术问题导致的零值，而非真正的生物缺失。
• 开发一种将零膨胀数据的概率建模整合到潜在结果框架中的方法，以实现因果中介分析。
• 提升微生物组研究中中介效应估计的准确性与稳健性。

提出的方法

• 提出一种两部分潜在结果框架，用于建模零膨胀中介变量中的中介效应。
• 将总中介效应分解为两部分：一部分由零的概率（结构型零值）驱动，另一部分由非零值的条件均值驱动。
• 使用混合模型区分结构型零值（真正缺失）与虚假零值（技术或采样伪影）。
• 引入概率模型以估计观测到零值的可能性，从而改善对非零分量的估计。
• 在潜在结果框架下应用反事实估计量，以识别因果中介效应。
• 采用基于似然的推断方法估计参数并检验中介效应，同时考虑零膨胀结构的影响。

实验结果

研究问题

• RQ1 当中介变量为零膨胀分布时，特别是零分量由生物学和工程技术因素共同驱动时，如何有意义地分解中介效应？
• RQ2 微生物组测序数据中的虚假零值在多大程度上会偏差标准中介分析方法的结果？
• RQ3 两部分建模方法是否能提升在微生物组研究中检测真实生物学中介效应的能力？
• RQ4 在零膨胀数据条件下，MedZIM 与现有中介方法相比，在控制第一类错误率和统计功效方面表现如何？
• RQ5 在真实微生物组数据集中，零膨胀与非零丰度对整体中介效应的贡献分别是什么？

主要发现

• MedZIM 成功地将中介效应分解为归因于零膨胀过程和非零丰度分布的分量。
• 在模拟研究中，该方法相比标准中介方法展现出更优的第一类错误控制和更高的统计功效。
• MedZIM 能有效识别并校正虚假零值，显著降低中介效应估计的偏差。
• 在两项真实微生物组研究中，MedZIM 检测到传统方法遗漏或低估的显著中介效应。
• 中介效应的分解结果表明，零值概率与非零值大小均对疾病相关通路有显著贡献。
• 在模拟设置中，该方法在不同零膨胀水平和样本量下均保持稳健性能。