MIMIX：用于设计实验中微生物组数据的贝叶斯混合效应模型

生物信息学的最新进展使得高通量微生物组数据被广泛获取，需要新的统计工具来最大化从这些数据中获得的信息。例如，对来自设计实验的高维微生物组数据的分析仍然是微生物组研究中的一个开放领域。当代分析基于概括微生物组集体属性的度量指标，但这种简化阻碍了对环境刺激对单个微生物类群微观尺度效应的推断。其他方法将单个类群的比例或计数作为混合模型中的响应变量进行建模，但这些方法未能解释微生物群落之间的复杂相关模式。在本文中，我们提出了一种新颖的贝叶斯混合效应模型，该模型利用了微生物组内跨类群的相关性，我们将其称为 MIMIX（微生物组混合模型）。MIMIX 提供了对处理效应的全局检验、对单个类群处理效应的局部检验与估计、对来自异质来源对微生物组变异相对贡献的量化，以及微生物组中潜在生态子群落的识别。MIMIX 适用于大型微生物组实验，结合了贝叶斯因子分析以有效表示类群间的依赖关系，并使用贝叶斯变量选择方法以实现稀疏性。我们使用模拟实验以及一个 $2\times2$ 因子实验演示了该模型，后者研究了营养物补充和食草动物排除对 $\textit{Andropogon gerardii}$（一种多年生丛生禾草）叶际真菌微生物组的影响，作为全球营养网络研究计划的一部分。