[论文解读] PGLasso: Microbial Community Detection through Phylogenetic Graphical Lasso

Chieh Lo, Radu Mărculescu|arXiv (Cornell University)|Jul 20, 2018

Genomics and Phylogenetic Studies参考文献 9被引用 4

一句话总结

PGLasso 提出了一种系统发育图 graphical lasso 方法，通过整合系统发育信息，以应对高维性和组成性宏基因组数据的挑战，从而推断微生物共现网络。在人体微生物组数据集上，其在调整兰德指数（ARI）上相较 GLasso、SparCC 和随机零模型实现了超过 100% 的提升，显示出在检测具有生物意义的微生物群落方面具有更高的准确性。

ABSTRACT

Due to the recent advances in high-throughput sequencing technologies, it becomes possible to directly analyze microbial communities in the human body and in the environment. Knowledge of how microbes interact with each other and form functional communities can provide a solid foundation to understand microbiome related diseases; this can serve as a key step towards precision medicine. In order to understand how microbes form communities, we propose a two step approach: First, we infer the microbial co-occurrence network by integrating a graph inference algorithm with phylogenetic information obtained directly from metagenomic data. Next, we utilize a network-based community detection algorithm to cluster microbes into functional groups where microbes in each group are highly correlated. We also curate a "gold standard" network based on the microbe-metabolic relationships which are extracted directly from the metagenomic data. Utilizing community detection on the resulting microbial metabolic pathway bipartite graph, the community membership for each microbe can be viewed as the true label when evaluating against other existing methods. Overall, our proposed framework Phylogenetic Graphical Lasso (PGLasso) outperforms existing methods with gains larger than 100% in terms of Adjusted Rand Index (ARI) which is commonly used to quantify the goodness of clusterings.

研究动机与目标

• 为解决传统聚类方法在高维、组成性宏基因组数据中（且聚类数量未知）的局限性。
• 通过整合系统发育信息改进微生物共现网络推断，以减少假阳性结果并增强生物学相关性。
• 开发一个稳健的框架，用于检测与微生物组相关疾病相关的功能微生物群落。
• 基于宏基因组数据构建的微生物-代谢通路二部图网络，建立评估的金标准。
• 将基于网络的群落检测性能与经人工校准、具有生物学基础的参考聚类进行对比评估。

提出的方法

• 使用 Humann2 流程对宏基因组数据进行预处理，以提取微生物丰度及微生物-代谢通路关系。
• 利用 PATRIC 中的基因组序列为每种微生物构建系统发育树，并借助 PhyloPhlAn 精确推断进化关系。
• 应用一种改进的 graphical lasso 算法（PGLasso），将系统发育距离作为正则化先验，以推断微生物共现网络。
• 采用 Louvain 算法进行模块性最大化，以检测推断出的共现网络中的群落结构。
• 构建微生物与代谢通路的金标准二部网络，作为聚类评估的基准真实情况。
• 使用调整兰德指数（ARI）评估聚类性能，以校正推断聚类与真实聚类之间偶然一致性的偏差。

实验结果

研究问题

• RQ1 将系统发育信息整合到 graphical lasso 中，是否能提升在高维、组成性宏基因组数据中微生物共现网络推断的准确性？
• RQ2 PGLasso 相较于 GLasso 和 SparCC 等成熟方法，在检测具有生物学意义的微生物群落方面表现如何？
• RQ3 将经人工校准的微生物-代谢通路二部网络作为金标准，能在多大程度上提升群落检测算法的评估质量？
• RQ4 与随机或无正则化的基线方法相比，引入系统发育先验是否能带来更稳定且更具生物学合理性的聚类结果？
• RQ5 PGLasso 框架是否能泛化至不同人体部位，并在多样化的微环境中检测到一致的微生物群落结构？

主要发现

• PGLasso 在所有测试的人体部位中，相较基线方法在调整兰德指数（ARI）上实现了超过 100% 的提升，其中在前鼻腔（AntNar）数据集中达到最高的 ARI 值 0.303。
• 该方法显著优于 GLasso、SparCC 和随机零模型，所有数据集上的 ARI 值均稳定高于 0.1，表明聚类准确性较强。
• 引入系统发育先验有效缩小了解空间，从而提升了网络推断的准确性，并使结果更贴近金标准的代谢通路网络。
• SparCC 和 GLasso 表现欠佳，ARI 值接近或低于 0.05，表明其聚类结果与随机结果几乎无法区分。
• Louvain 群落检测算法在 PGLasso 推断的网络中成功识别出具有生物学一致性的微生物群组，表明其具有功能一致性。
• 金标准代谢通路二部网络提供了可靠的基准，证实 PGLasso 推断的群落比其他方法更具生物学合理性。