一种用于识别多组 microbiome 数据中存在协变量的差异丰度分类单元的贝叶斯非参数方法
统计方法学
2023-12-29 v3
摘要
过去二十年的科学研究确立了 microbiome 在疾病与健康中的核心作用。差异丰度分析旨在识别与由疾病亚型、地理区域或环境条件等因素定义的样本组相关的微生物分类单元。其结果反过来帮助临床从业者和研究人员更有效地诊断疾病并开发治疗方案。然而，microbiome 数据分析由于高维、稀疏性、组成性和共线性而独具挑战。在存在协变量的情况下，对用于差异分析的统一统计方法存在迫切需求。我们开发了一种零膨胀贝叶斯非参数（ZIBNP）方法，以应对这些多方面的挑战。所提出的技术灵活适应独特的数据特征，将高比例零值纳入删失框架，并利用半参数中国餐馆过程的降维特性来缓解高维和共线性。此外，ZIBNP 方法将 microbiome 采样深度与推断精度相关联，同时容纳 microbiome 数据的组成性质。通过模拟研究以及对 CAnine Microbiome during Parasitism（CAMP）和 Global Gut microbiome 数据集的分析，我们证明了 ZIBNP 相较于已有协变量存在下差异丰度分析方法的准确性。
引用
@article{arxiv.2206.10108,
title = {A Bayesian Nonparametric Approach for Identifying Differentially Abundant Taxa in Multigroup Microbiome Data with Covariates},
author = {Archie Sachdeva and Somnath Datta and Subharup Guha},
journal= {arXiv preprint arXiv:2206.10108},
year = {2023}
}