CAFT：ゼロカウントを考慮した微生物叢データのための組成対数線形モデル

科学分野:

• 微生物叢研究
• 統計モデリング
• バイオインフォマティクス

背景:

• 微生物叢データ解析は、宿主と微生物の相互作用を理解するために重要ですが、データの組成性、スパース性、および実験的バイアスによる課題に直面しています。
• 標準的な統計手法は、これらの固有の特徴に適切に対処できず、不正確な発見や偽発見率（FDR）制御の低下につながる可能性があります。
• 既存のアプローチでは、データの特性が見過ごされたり、擬似カウントが使用されたりする可能性があり、差次的豊富さ解析の信頼性が損なわれます。

研究 の 目的:

• ロバストな微生物叢データ差次的豊富さ解析のための新しいフレームワーク、組成加速故障時間（CAFT）モデルを導入すること。
• ゼロカウント、組成バイアス、および技術的バイアスを効果的に処理することにより、現在の方法の制限に対処すること。
• 複雑な生物学的サンプルにおける微生物の違いを特定するための、より正確で信頼性の高いツールを提供すること。

主な方法:

• 組成加速故障時間（CAFT）モデルは、ゼロリードカウントを検出限界以下の打ち切りデータとして扱います。
• このアプローチは、本質的に乗法的な技術的バイアスに抵抗し、擬似カウントの必要性を排除します。
• CAFTは、微生物叢データセットの組成バイアスを効果的に管理するために、スコアテスト手順を採用しています。

主要な成果:

• 広範なシミュレーションにより、CAFTは、技術的バイアスの存在下でも、タイプIエラーとFDR制御において既存の組成差次的豊富さ法を上回ることが示されました。
• CAFTは、LOCOM、LinDA、ANCOM-BC2、そのロバストバリアント、およびLDM-clrと比較して優れたパフォーマンスを示しました。
• 炎症性腸疾患（IBD）および上気道（URT）データへの適用は、差次的豊富数分類群を正常に特定し、IBD患者と対照群、および喫煙者と非喫煙者を区別しました。

結論:

• 組成加速故障時間（CAFT）モデルは、組成微生物叢データを分析するための強力でロバストかつ効率的なツールとして提示されます。
• CAFTは、優れたタイプIエラー制御を示し、FDR制御を維持し、統計的検定力の向上を伴います。
• これにより、CAFTは微生物叢研究にとって価値ある進歩となり、差次的豊富さ解析において精度と信頼性の向上を提供します。