[论文解读] Phylogenetic Dirichlet-multinomial model for microbiome data

Yunfan Tang, Li Ma+1 more|arXiv (Cornell University)|Oct 27, 2016

Bayesian Methods and Mixture Models参考文献 30被引用 3

一句话总结

该论文提出了系统发育狄利克雷-多项式（Phylogenetic Dirichlet-Multinomial, PhyloDM）模型，通过整合分类群之间的系统发育关系，提升微生物组组成分析的性能。通过在系统发育树的内部节点上建模局部狄利克雷-多项式分布，并利用扫描统计量检测谱系特异性差异，PhyloDM 在模型拟合度和统计检验效能方面显著优于传统 DM 模型，该结果已在 American Gut 数据集上得到验证。

ABSTRACT

In this paper we introduce the phylogenetic Dirichlet-multinomial (PhyloDM) model for investigating cross-group differences in microbiome compositions. Traditional Dirichlet-Multinomial (DM) models ignore species relatedness, leading to loss in efficiency and to results that are difficult to interpret. PhyloDM solves these issues by replacing the global model with a cascade of independent local DMs on the internal nodes of the phylogenetic tree. Each of the local DMs captures the count distributions of a certain number of operational taxonomic units (OTU) at a given resolution. Since distributional differences tend to occur in clusters along evolutionary lineages, we design a scan statistic over the phylogenetic tree to allow nodes to borrow signal strength from their parents and children. We also derive a formula to bound the tail probability of the scan statistic, and verify its accuracy through simulations. The PhyloDM model is applied to the American Gut dataset to identify taxa associated with diet habits. Empirical studies performed on this dataset show that PhyloDM achieves a significantly better fit, and has higher testing power than DM.

研究动机与目标

• 解决传统狄利克雷-多项式（DM）模型在微生物组研究中的局限性，即忽略分类群之间的进化关系。
• 通过基于系统发育信息建模微生物组成差异，提升统计效率和可解释性。
• 开发一种方法，通过在系统发育树中借用相关节点的统计强度，提升对谱系特异性组成变化的检测效能。
• 为用于检测显著分类群簇的扫描统计量提供有界尾概率的严格统计框架。

提出的方法

• 用系统发育树内部节点上的独立局部 DM 模型级联替代全局狄利克雷-多项式模型。
• 根据其进化分辨率，将操作分类单元（OTUs）分配至节点，每个节点代表一组相关分类群。
• 使用扫描统计量，聚合父节点与子节点的信号，以检测系统发育树中具有差异丰度的分类群簇。
• 推导扫描统计量尾概率的理论界，以控制多重检验中的第一类错误。
• 将模型应用于 American Gut 数据集，识别与饮食能力相关的分类群。
• 通过大量模拟实验和与标准 DM 模型的实证比较，验证方法的准确性和性能。

实验结果

研究问题

• RQ1 将系统发育关系整合到微生物组组成建模中，是否能相比标准狄利克雷-多项式模型，提升统计效能和模型拟合度？
• RQ2 与宿主因素（如饮食能力）相关的微生物组成差异，是否倾向于在进化谱系上聚集？
• RQ3 如何在系统发育树中有效借用相关分类群的信号强度，以增强对差异丰度分类群的检测能力？
• RQ4 用于检测微生物组数据中谱系特异性变化的扫描统计量的尾概率，其适当的统计界应为何值？

主要发现

• PhyloDM 在拟合 American Gut 数据集方面显著优于标准狄利克雷-多项式模型。
• 与传统 DM 模型相比，该模型在检测与饮食能力相关的分类群方面表现出更高的检验效能。
• 通过模拟研究验证了扫描统计量尾概率的推导界具有准确性。
• 实证结果表明，与饮食能力相关的组成差异更可能沿特定进化谱系聚集。
• 在系统发育节点上使用局部 DM 模型，使得微生物群组差异的检测更具可解释性且符合进化逻辑。
• 扫描统计量通过利用父节点与子节点之间的层次关系，有效捕捉了谱系水平的信号。