B-MASTER：用于结直肠癌微生物组-代谢物谱中主预测因子发现的可扩展贝叶斯多元回归
统计方法学
2025-09-16 v3
摘要
肠道微生物组通过其对代谢组的影响显著影响对癌症治疗（包括免疫治疗）的反应。尽管一些研究探讨了特定微生物属对单个代谢物的影响，但此前很少有工作在属水平上识别塑造整体代谢物谱的关键微生物组成分。为了填补这一空白，我们引入了 B-MASTER（Bayesian Multivariate regression Analysis for Selecting Targeted Essential Regressors），这是一个完全贝叶斯框架，采用 L1 惩罚以促进稀疏性，采用 L2 惩罚以收缩非主要协变量的系数，从而分离出关键回归因子。该方法配合一个可扩展的 Gibbs 采样算法，其计算量随参数数量线性增长，且对固定维度模型的样本量影响不大。值得注意的是，B-MASTER 能够在实际可行的时间范围内对多达四百万个参数的模型进行完整的后验推断。其理论保证包括后验收缩、选择一致性和在轻微误设定下的鲁棒性。利用该方法，我们识别了塑造代谢物谱的关键微生物属，分析了它们对最丰富代谢物的影响，并研究了结直肠癌（CRC）患者中差异丰富的代谢物。这些结果为癌症相关的微生物组-代谢物关系提供了基础性见解，这是现有文献中尚未被充分探索的联系。
引用
@article{arxiv.2412.05998,
title = {B-MASTER: Scalable Bayesian Multivariate Regression for Master Predictor Discovery in Colorectal Cancer Microbiome-Metabolite Profiles},
author = {Priyam Das and Tanujit Dey and Christine Peterson and Sounak Chakraborty},
journal= {arXiv preprint arXiv:2412.05998},
year = {2025}
}