[论文解读] The Block Bootstrap Method for Longitudinal Microbiome Data

Pratheepa Jeganathan, Benjamin J. Callahan+3 more|arXiv (Cornell University)|Sep 6, 2018

Gut microbiota and health参考文献 38被引用 7

一句话总结

本文提出了一种移动块自展法（MBB）以实现对纵向微生物组数据的有效非参数推断，通过重采样重叠的重复观测块来考虑受试者内部的时间依赖性。与独立样本（PIS）或按受试者合并（MBS）方法相比，MBB在实际FDR阈值下实现了更高的真正阳性率和更低的假阳性率，表明在多个真实人体微生物组数据集中，差异丰度分析的准确性得到提升。

ABSTRACT

Microbial ecology serves as a foundation for a wide range of scientific and biomedical studies. Rapidly-evolving high-throughput sequencing technology enables the comprehensive search for microbial biomarkers using longitudinal experiments. Such experiments consist of repeated biological observations from each subject over time and are essential in accounting for the high between-subject and within-subject variability. Unfortunately, many of the statistical tests based on parametric models rely on correctly specifying temporal dependence structure which is unavailable in most microbiome data. In this paper, we propose an extension of the nonparametric bootstrap method that enables inference on these types longitudinal data. The proposed moving block bootstrap (MBB) method accounts for within-subject dependency by using overlapping blocks of repeated observations within each subject to draw valid inferences based on approximately pivotal statistics. Our simulation studies show an increase in power compared to merge-by-subject (MBS) strategies. We also show that compared to tests that presume independent samples (PIS), our proposed method reduces false microbial biomarker discovery rates. In this paper, we illustrated the MBB method using three different pregnancy data and an oral microbiome data. We provide an open-source R package https://github.com/PratheepaJ/bootLong to make our method accessible and the study in this paper reproducible.

研究动机与目标

• 为解决纵向微生物组数据中差异丰度检验缺乏稳健统计方法的问题，这些方法需考虑受试者内部的时间依赖性。
• 克服参数模型的局限性，这些模型需要已知的时间依赖结构，而这类结构在微生物组研究中通常未知。
• 开发一种非参数替代方法，以替代PIS和MBS方法，在保持统计效能的同时保留受试者内部的相关性。
• 提供一种灵活且计算可行的方法，适用于高维、稀疏且异方差的微生物组数据，具有不均等测序深度和批次效应。
• 通过在开源R包bootLong中实现该方法，确保方法的可重复性和可及性。

提出的方法

• 该方法采用移动块自展法（MBB），对每个受试者内部的重叠观测块进行重采样，以保留受试者内部的时间依赖性。
• 通过子采样选择块大小，以在自展分布的偏差与方差之间取得最优平衡。
• 通过重采样估计关键检验统计量（如对数倍数变化）的抽样分布，从而计算差异丰度的p值。
• 使用Benjamini-Hochberg程序计算校正后的p值，以控制多重检验中的错误发现率（FDR）。
• 应用预过滤去除低丰度ASV（例如，5–25%的阈值），以减少技术噪声并提高推断的稳定性。
• 该方法已通过开源R包bootLong实现，支持并行计算，适用于大规模数据集的可扩展分析。

实验结果

研究问题

• RQ1 非参数自展方法是否能在不假设特定参数相关结构的前提下，有效建模纵向微生物组数据中的受试者内部时间依赖性？
• RQ2 在实际FDR阈值下，MBB方法与PIS和MBS方法相比，在真正阳性率和假阳性率方面表现如何？
• RQ3 MBB方法是否在保持统计效能的同时，降低了稀疏、高维微生物组数据中差异丰度分析的假阳性率？
• RQ4 MBB方法能否检测到简单合并或独立性假设所遗漏的生物相关菌株水平差异，例如口腔或阴道微生物组中的差异？
• RQ5 在真实世界微生物组数据集中，该方法对技术变异（如批次效应和不均等测序深度）的鲁棒性如何？

主要发现

• 在实际FDR截断值下，MBB方法的真正阳性率高于PIS和MBS方法，假阳性率更低，表明其统计性能更优。
• 在Stanford-A和UAB妊娠数据集中，MBB识别出的差异丰度分类群多于MBS，包括具有生物学上合理时间动态的菌株。
• 在口腔微生物组数据集中，MBB检测到43个显著的ASV，而MBS仅检测到12个，其中39个为低丰度菌株，未被合并方法捕获。
• 该方法成功检测到口腔微生物组中的菌株水平差异，如Veillonella和Streptococcus菌株，其时间波动具有生物学合理性，且非技术性伪影所致。
• 基于子采样的块大小选择提升了推断准确性，预过滤（5–25%）通过去除低丰度ASV的噪声增强了方法的稳健性。
• 开源R包bootLong支持可重复分析并支持并行计算，使该方法适用于大规模纵向微生物组研究。