基于多元零膨胀 Logistic 正态模型的微生物组相对丰度数据条件回归
应用统计
2018-03-06 v2
摘要
人体微生物组在人类健康中发挥着关键作用，并与许多疾病相关联。尽管先进的测序技术能够以前所未有的细节表征微生物组的组成，但由于微生物组数据的复杂性质，理清人体微生物组与疾病风险因素之间复杂的相互作用仍然具有挑战性。过多的零值、高维度、层次系统发育树和成分数据结构等问题交织在一起，使得现有方法不足以恰当解决这些问题。我们提出了一种多元两部分零膨胀 Logistic 正态 (MZILN) 模型，用于分析疾病风险因素与单个微生物类群及整体微生物群落组成的关联。该方法通过模型的离散部分和 Logistic 正态部分，能够自然地处理过多的零值和成分数据结构。在参数估计方面，采用估计方程方法，使我们能够处理由层次系统发育树结构和成分数据结构引起的复杂类群间相关结构。该模型能够结合标准的正则化方法以应对高维度问题。模拟结果表明，我们的模型优于现有方法。我们还通过对真实微生物组数据的分析，将我们的方法与其他方法进行了比较。
引用
@article{arxiv.1709.07798,
title = {Conditional regression based on a multivariate zero-inflated logistic normal model for microbiome relative abundance data},
author = {Zhigang Li and Katherine Lee and Margaret R. Karagas and Juliette C. Madan and Anne G. Hoen and A. James O'Malley and Hongzhe Li},
journal= {arXiv preprint arXiv:1709.07798},
year = {2018}
}
备注
Corresponding contact: [email protected]