BMDD:一种概率框架,用于准确地归算零膨胀微生物组测序数据
Huijuan Zhou1, Jun Chen2, Xianyang Zhang3
1School of Statistics and Data Science, Shanghai University of Finance and Economics, Shanghai, China.
PLoS computational biology
|October 24, 2025
概括
我们开发了一种名为BiModal Dirichlet Distribution (BMDD) 的新方法,以准确填补微生物组测序数据中的缺失值. 这种方法改善了稀疏,零膨胀数据的分析,以获得更好的微生物洞察力.
科学领域:
- 微生物组研究 微生物组研究
- 计算生物学 计算生物学
- 统计建模 统计建模
背景情况:
- 微生物组测序数据稀疏且复杂,以过多的零为特征.
- 这些零点对下游分析,特别是日志转换提出了重大挑战.
- 现有的归算方法往往由于对单模式丰度的假设而失败.
研究的目的:
- 引入一种新的概率模型框架,即BiModal Dirichlet Distribution (BMDD),用于准确地归算微生物组测序数据.
- 为了解决现有方法的局限性,通过捕捉种群的双模态丰度分布来解决问题.
- 改进零膨胀微生物组数据的分析.
主要方法:
- BMDD使用Dirichlet priors的混合来建模双模的丰富分布.
- 该框架采用变量推理和可扩展的预期最大化算法,以实现高效的归算.
- 该方法生成多个后面样本,以考虑归算不确定性.
主要成果:
- 与模拟和真实数据集中的现有方法相比,BMDD在重建真实丰度方面表现出卓越的表现.
- BMDD的归算精度导致了差异丰度分析的改进.
- 该方法通过在零归算中管理不确定性来提供强大的推理.
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和计算效率高的解决方案.
- 该方法增强了微生物生物标志物发现和宿主微生物群相互作用研究.
- 在处理稀缺的微生物组数据方面,BMDD代表了重大进步.
