成分图 Lasso 解析寄生虫感染对斑马鱼模型肠道微生物互作网络的影响
应用统计
2022-07-05 v1 统计方法学
摘要
理解微生物如何相互交互,是揭示微生物在宿主或环境中潜在作用以及将微生物识别为可潜在改变宿主或环境的因子的关键。例如,理解微生物互作如何与寄生虫感染相关联,有助于解析针对寄生虫感染的潜在药物或诊断检测。为阐明微生物互作,现有工具常依赖图模型推断微生物丰度的条件依赖以表征其互作。然而,当前方法未同时考虑微生物组数据中固有的离散性、成分性和异质性。因此,我们在现有工具基础上构建了一种称为“成分图 lasso”的新方法,将上述特征显式纳入图模型。我们在多种模拟场景及一项基准研究(Tara Oceans Project)中展示了成分图 lasso 相对于当前方法的优势。此外,我们呈现了来自斑马鱼寄生虫感染研究数据集的分析结果。我们的方法识别出感染与未感染个体间三个分类单元 Photobacterium、Gemmobacter 和 Paucibacter 互作度的变化,而这一变化被其他方法反向预测。对这些方法特异性分类单元互作变化的进一步调查揭示了其生物学合理性。特别地,我们推测了 Photobacterium 和 Gemmobacter 在斑马鱼肠道中的潜在致病菌作用,以及 Paucibacter 的潜在益生作用。总之,我们的分析表明成分图 lasso 提供了准确解析微生物群之间互作的强有力手段,从而可推动新颖的生物学发现。
引用
@article{arxiv.2207.00984,
title = {Compositional Graphical Lasso Resolves the Impact of Parasitic Infection on Gut Microbial Interaction Networks in a Zebrafish Model},
author = {Chuan Tian and Duo Jiang and Austin Hammer and Thomas Sharpton and Yuan Jiang},
journal= {arXiv preprint arXiv:2207.00984},
year = {2022}
}