用于相依检验的统一组合框架及其在微生物组关联研究中的应用

我们引入了一种新颖的元分析框架，用于在一般设定下组合相依检验，并利用它来综合从同一数据集计算得出的各种微生物组关联检验。我们的发展建立在聚合 $p$ 值的经典元分析方法以及更近期的组合置信分布的一般方法之上，但进行了推广以处理相依检验。所提出的框架确保了严格的统计保证，我们提供了全面的研究并将其与各种现有的相依组合方法进行了比较。值得注意的是，我们证明了广泛使用的相依检验 Cauchy 组合方法（本文中称为原始 Cauchy 组合）可以被视为我们框架内的一个特例。此外，所提出的框架提供了一种在违反原始 Cauchy 组合所基于的分布假设时解决问题的方法。我们的数值结果表明，忽略待组合分量之间的相依性可能会导致严重的显著性水平扭曲现象。与现有的 $p$ 值组合方法（包括原始 Cauchy 组合方法）相比，所提出的组合框架能够准确处理相依性并有效利用信息，以构建具有准确显著性水平和增强功效的检验。该发展被应用于微生物组关联研究，其中我们使用同一数据集聚合来自多个现有检验的信息。组合检验在广泛的备择空间中利用了每个单独检验的优势，从而能够更高效、更有意义地发现重要的微生物组关联。