参考不变逆协方差估计及其在微生物网络恢复中的应用
统计方法学
2022-07-05 v1 应用统计
摘要
微生物组数据中微生物分类单元之间的相互作用一直是科学界的重大研究兴趣。特别地,已提出若干方法如 SPIEC-EASI、gCoda 和 CD-trace 来建模微生物分类单元间的条件依赖关系,以消除伪相关的检测。然而,所有这些方法都建立在中心对数比(CLR)变换之上,这导致协方差矩阵退化,从而作为底层网络估计的逆协方差矩阵无定义。Jiang 等(2021)和 Tian 等(2022)提出了基于加性对数比(ALR)变换的偏差校正图 lasso 和成分图 lasso,其首先选择一个参考分类单元,然后计算所有其他分类单元丰度相对于该参考分类单元丰度的对数比。ALR 变换的一个担忧是所估计网络关于参考选择的不变性。本文中,我们首先基于 ALR 变换数据建立了感兴趣子网络的参考不变性性质。然后,我们通过修改成分图 lasso 目标函数中的惩罚项,仅对不变子网络施加惩罚,提出了一种参考不变版本的成分图 lasso。我们在多种模拟场景以及通过应用于一个海洋微生物组数据集中验证了所提方法的参考不变性性质。
引用
@article{arxiv.2207.00983,
title = {Reference-Invariant Inverse Covariance Estimation with Application to Microbial Network Recovery},
author = {Chuan Tian and Duo Jiang and Yuan Jiang},
journal= {arXiv preprint arXiv:2207.00983},
year = {2022}
}