[论文解读] Microbial Composition Estimation from Sparse Count Data

Yuanpei Cao, Anru R. Zhang+1 more|arXiv (Cornell University)|Jun 7, 2017

Gut microbiota and health参考文献 46被引用 12

一句话总结

本文提出了一种基于泊松-多项式模型的正则化最大似然估计框架，用于从微生物组研究中的稀疏高维计数数据中重建微生物组成矩阵。在近似低秩假设下，该方法在Kullback-Leibler散度和Frobenius范数下均实现了近乎最优的误差界，在模拟实验和人体肠道微生物组应用中优于现有方法。

ABSTRACT

Under-sampling and limited sequencing depth in microbiome studies often lead to sparse count data and biased estimates of microbiome richness and diversities. This paper proposes a general framework for composition matrix estimation from high-dimensional sparse count data, where a Poisson-multinomial model is used to model for read count data from metageomic sequencing. A regularized maximum likelihood estimation is proposed to estimate the underlying composition matrix under the approximately low-rank assumption. The near-matching theoretical upper and lower bounds of the estimation errors are established in both Kullback-Leibler divergence and Frobenius norm. Simulation studies demonstrate that the regularized maximum likelihood estimator outperforms the commonly used ones in previous literature. The method is further illustrated by an application to a human gut microbiome study.

研究动机与目标

• 解决由于采样不足和测序深度有限导致的微生物组丰富度和多样性估计偏差问题。
• 为从高维稀疏计数数据中估计微生物组成矩阵提供一个通用框架。
• 在低秩假设下，建立微生物组成矩阵估计的理论误差界。
• 通过引入正则化和最大似然原理，改进现有估计方法。

提出的方法

• 使用泊松-多项式分布对微生物组测序读数进行建模，以捕捉测序变异。
• 在近似低秩约束下，应用正则化最大似然估计推断潜在的组成矩阵。
• 利用优化技术平衡似然最大化与低秩正则化。
• 推导估计过程在Kullback-Leibler散度和Frobenius范数下的理论误差界。
• 利用低秩结构在高维稀疏数据条件下稳定估计。
• 通过模拟研究和在人体肠道微生物组数据集上的实际应用验证该方法。

实验结果

研究问题

• RQ1 正则化最大似然方法是否能改善稀疏微生物组计数数据中的组成矩阵估计？
• RQ2 在低秩和稀疏条件下，组成矩阵估计的理论误差界是什么？
• RQ3 与现有估计器相比，该方法在准确性和鲁棒性方面表现如何？
• RQ4 该方法在真实世界微生物组数据集中在多大程度上保持了真实的微生物组成？

主要发现

• 正则化最大似然估计器在Kullback-Leibler散度和Frobenius范数下的估计误差，其上界和下界近乎匹配。
• 模拟研究显示，所提出的方法在估计准确性方面优于文献中常用的估计器。
• 该方法在高稀疏性和有限测序深度下仍能有效恢复微生物组成。
• 在人体肠道微生物组数据集上的应用表明，该方法在真实世界场景中具有实际应用价值和鲁棒性。