[论文解读] Modeling complex measurement error in microbiome experiments to estimate relative abundances and detection effects

David S. Clausen, Amy D. Willis|arXiv (Cornell University)|Apr 27, 2022

Metabolomics and Mass Spectrometry Studies被引用 7

一句话总结

本文提出了一种用于微生物组数据的半参数测量误差模型，可联合估计相对丰度并考虑复杂的误差来源，包括污染和分类群特异性检测偏差。该方法即使在相对丰度位于单纯形边界时也能实现稳定推断，在真实测序实验中提升了准确性并实现了有效的不确定性量化。

ABSTRACT

Accurate estimates of microbial species abundances are needed to advance our understanding of the role that microbiomes play in human and environmental health. However, artificially constructed microbiomes demonstrate that intuitive estimators of microbial relative abundances are biased. To address this, we propose a semiparametric method to estimate relative abundances, species detection effects, and/or cross-sample contamination in microbiome experiments. We show that certain experimental designs result in identifiable model parameters, and we present consistent estimators and asymptotically valid inference procedures. Notably, our procedure can estimate relative abundances on the boundary of the simplex. We demonstrate the utility of the method for comparing experimental protocols, removing cross-sample contamination, and estimating species' detectability.

研究动机与目标

• 解决高通量测序数据中系统性测量误差（如污染和差异检测）的问题，这些数据来自微生物组实验。
• 开发一种稳定的估计框架，允许相对丰度位于单纯形的边界上，这是许多现有方法的局限。
• 在参数可能位于可行区域边界的非标准参数空间中，实现有效的统计推断。
• 在无需已知样本真实组成的情况下，支持模型评估、实验方案比较和实验设计。
• 提供一种整体性方法，同时估计污染和检测效应，捕捉参数估计中的完整不确定性。

提出的方法

• 该模型使用不假设误差结构参数分布的半参数框架，联合估计相对丰度（p）和测量误差参数（β）。
• 它将观测到的测序输出建模为真实相对丰度的乘法畸变，通过在测量过程中引入额外组分来包含污染效应。
• 该方法使用重加权估计器，灵活适应均值-方差关系，而无需参数假设。
• 开发了一种约束优化算法，用于在单纯形约束下估计参数，包括某些分类群丰度为零的边界情况。
• 针对边界参数的非标准问题，推导了渐近有效的推断程序，采用稳健的自助法。
• 该方法适用于各种数据类型——计数、比例、覆盖度和浓度——而无需观测值为整数。

实验结果

研究问题

• RQ1 是否可以开发一个统一模型，同时校正微生物组测序数据中的污染和分类群特异性检测偏差？
• RQ2 当某些分类群的真实丰度为零（即位于单纯形边界）时，如何可靠地获得相对丰度估计？
• RQ3 测量误差对合成和真实微生物组数据集中相对丰度标准估计器的影响是什么？
• RQ4 在不知道样本真实组成的情况下，能否比较实验方案？
• RQ5 在复杂误差结构下，如何正确量化污染和检测效应的不确定性？

主要发现

• 所提出的方法生成的区间估计包含了相对丰度的边界值，在Karstens等人（2019）的真实数据中表现出高于名义水平的经验覆盖概率。
• 在温和的正则性条件下，通过模拟和真实数据分析验证，该模型能一致估计相对丰度和测量误差参数。
• 即使在真实样本组成未知的情况下，该方法仍能实现对不同实验方案检测效应的有效假设检验。
• 与基于变换的方法相比，该方法通过保留关于测量精度的信息并允许在完整单纯形上进行估计（包括零丰度），表现更优。
• 重加权估计器有效处理了灵活的均值-方差关系，而无需对误差分布进行参数建模。
• 该方法对不可识别性问题具有鲁棒性，模型拟合中的挑战可作为复杂设计中潜在不可识别性的早期指示。