ProgPermute：以渐进置换动态表征微生物组发现稳健性的方法
统计方法学
2020-09-18 v2 应用统计
摘要
特征识别是微生物组研究中的关键任务，但因微生物数据高维且异质而变得复杂。被数据复杂性所掩盖，从噪声中分离信号的问题颇具挑战且棘手。例如，在进行差异丰度检验时，多重检验校正往往过于保守，因为一类错误（假阳性）的概率随大量假设而急剧增加。此外，感兴趣的分组效应可能被异质性掩盖。这些因素会错误地导致“微生物组组成无差异”的结论。我们将识别差异特征的问题转化并表征为从随机背景中分离信号的动态布局。我们提出渐进置换作为一种实现此过程并展现收敛模式的方法。具体而言，我们逐步置换微生物组样本的分组因子标签，并在每种情形下执行多次差异丰度检验。随后，我们将原始数据中前几位特征的信号强度与其在置换中的表现进行比较，若这些顶级特征为从数据中识别出的真阳性，则可观察到明显的下降趋势。我们已将其开发为用户友好的RShiny工具和R包，其中包含可传达微生物组与分组因子间整体关联、对所得微生物的稳健性排序并列出发现项、效应量及个体丰度的函数。
引用
@article{arxiv.2005.01169,
title = {ProgPermute: Progressive permutation for a dynamic representation of the robustness of microbiome discoveries},
author = {Liangliang Zhang and Yushu Shi and Kim-Anh Do and Christine B. Peterson and Robert R. Jenq},
journal= {arXiv preprint arXiv:2005.01169},
year = {2020}
}
备注
8 pages, 6 figures