Jeffreys先验下零膨胀模型的贝叶斯因子

包括16S rRNA在内的微生物组学数据揭示了人体微生物组与各种疾病状态之间有趣的动态关联。微生物群的剧烈变化可能与饮食、激素周期、疾病和医疗干预等因素有关。随着特定细菌类群与疾病关联的鉴定，最新进展表明代谢、遗传和环境因素可以建模这些微生物效应。然而，当前用于整合微生物组数据的分析方法尚未完全发展以应对纵向宏基因组数据的主要挑战，例如高维度、样本内依赖性和观测计数的零膨胀。因此，我们提出了基于负二项、泊松、零膨胀负二项和零膨胀泊松模型的贝叶斯因子模型选择方法，采用无信息Jeffreys先验。我们发现，在模拟研究和真实数据分析中，我们的贝叶斯因子均显著优于传统的赤池信息准则和Vuong检验。我们推出了一个新的R包BFZINBZIP，用于进行模拟研究和真实数据分析，以促进基于贝叶斯因子的贝叶斯模型选择。