BMDD:为准确推算零膨胀微生物组测序数据的概率框架

科学领域:

• 微生物学 微生物学
• 生物信息学是一种生物信息学.
• 计算生物学 计算生物学

背景情况:

• 微生物组测序数据显示稀疏性和组成性质,其特点是过度的零.
• 这些零点对下游分析构成重大挑战,特别是涉及日志转换的分析.
• 现有的归算方法往往由于对单模式丰富分布的假设而失败.

研究的目的:

• 引入一种新的概率模型框架,即生物模态狄里克莱特分布 (BMDD),用于准确地归算微生物组测序数据.
• 解决现有方法的局限性,考虑微生物组数据中固有的双式丰度分布.
• 提高下游分析的准确性,包括差异丰度测试和微生物生物标志物发现.

主要方法:

• 开发了BMDD,这是一个概率模型,利用Dirichlet priors的混合来捕获双模丰富分布.
• 采用了变量推理和可扩展的预期最大化算法,以实现高效的归算.
• 通过对真实世界微生物组数据集的模拟和分析验证了该方法.

主要成果:

• 与现有的方法相比,BMDD在重建真正的分类群丰度方面表现出优异的表现.
• BMDD的归算准确性导致差异丰度分析的结果得到改善.
• BMDD提供多个后面样本,通过量化归算不确定性来实现可靠的推断.

结论:

• BMDD为分析高维度,零膨胀微生物组测序数据提供了一个原则性,计算效率高,准确的解决方案.
• 该方法广泛适用于微生物生物标志物发现和宿主微生物群相互作用研究.
• BMDD提高了微生物组数据分析的可靠性和可解释性.