Robust Log-Contrast Regression for High-Dimensional Compositional Microbiome Data with Outliers

تخيل أنك محقق يحاول حل لغز داخل جسم الإنسان، وتحديداً البحث في المدن الصغيرة غير المرئية من البكتيريا التي تعيش في أمعائنا. هذه البكتيريا لا تعيش بمفردها؛ بل تشكل مجتمعاً يكون فيه إجمالي عدد السكان ثابتاً. إذا نمت نوعية معينة من البكتيريا، يجب أن تتقلص نوعية أخرى للحفاظ على التوازن. يطلق العلماء على هذا "البيانات التركيبية". الأمر يشبه البيتزا: إذا أضفت المزيد من الببروني، عليك أن تنقص بعض الجبن لتبقي حجم البيتزا كما هو. لا يمكنك مجرد عد شرائح الببروني بمعزل عن غيرها؛ بل يجب أن تفهم علاقتها بالبيتزا بأكملها.

الآن، تخيل أنك تريد معرفة كيف تؤثر هذه المجتمعات البكتيرية على صحة الإنسان، مثل مستوى الالتهاب. تحاول رسم خط مستقيم يربط بين البكتيريا وعلامة صحية ما. ولكن هنا تكمن المشكلة، فالبيانات في العالم الحقيقي فوضوية. أحياناً، قد تتعرض عينة للتلوث، أو يحدث خلل في آلة، أو يظهر لدى المريض رد فعل غريب لا يتناسب مع النمط السائد. هذه هي "القيم المتطرفة" (outliers)—وهي نقاط البيانات الصارخة والمزعجة التي تفسد الخط المستقيم الخاص بك. إذا استخدمت مسطرة عادية لقياس الخط، فإن هذه القيم المتطرفة يمكن أن تحني الصورة بأكملها، مما يؤدي بك إلى استنتاج خاطئ. التحدي الذي يواجه العلماء هو بناء أداة رياضية يمكنها تجاهل القيم المتطرفة الصارخة بينما تستمع بعناية إلى الإشارات الهادئة والمهمة القادمة من البكتيريا.

هذا هو بالضبط المشكل الذي عالجه "تشوكي هوا"، و"يونهاي شياو"، و"شين شين" في ورقتهم البحثية الجديدة. إنهم يقترحون طريقة جديدة وأكثر صلابة لتحليل هذه المجتمعات البكتيرية، والتي يسمونها H-RegAd. فكر في طريقتهم هذه كأنها "مسطرة ذكية تلغي الضجيج".

في عالم الإحصاء، كانت الطريقة القديمة لرسم هذه الخطوط غالباً ما تستخدم طريقة "المربعات الصغرى". تخيل أنك تحاول موازنة أرجوحة (سيسو) حيث يجلس طفل ثقيل (قيمة متطرفة) في أحد طرفيها. ستتأرجح الأرجوحة بجنون، وتتحرك نقطة التوازن بعيداً عن مكانها الصحيح. يجادل المؤلفون بأن هذه الطريقة القديمة، بالنسبة لبيانات الميكروبيوم المليئة بهؤلاء "الأطفال الثقلاء"، هي طريقة حساسة للغاية. بدلاً من ذلك، قدموا أداة تعتمد على ما يسمى بـ "خسارة هوبر" (Huber loss). يمكنك التفكير في "خسارة هوبر" كأنها أرجوحة "ناعمة". إذا كان الطفل يجلس بشكل طبيعي، تتفاعل الأرجوحة بشكل طبيعي. ولكن إذا كان هناك طفل يصرخ ويقفز (قيمة متطرفة)، فإن الأرجوحة تمتلك نظام امتصاص صدمات يمنعها من الميل بشكل مفرط. إنها تتجاهل الضجيج الشديد لكنها لا تزال تنتبه للبيانات الطبيعية.

ولجعل هذا يعمل مع "قاعدة البيتزا" (حيث يجب أن تجمع البكتيريا دائماً لتشكل كلاً واحداً)، أضافوا أيضاً "جزاء لاسو" (Lasso penalty). إذا تخيلت البكتيريا كقائمة طويلة من المشتبه بهم، فإن "جزاء لاسو" يشبه المحقق الذي يقول: "لسنا بحاجة للتحقيق مع الجميع؛ دعونا نركز فقط على القلة الأكثر احتمالاً لكونهم الجناة". يساعد هذا النموذج في اختيار أنواع البكتيريا المحددة التي تهم حقاً، متجاهلاً البقية.

لم يكتفِ المؤلفون بتخيل هذا فحسب، بل بنوا محركاً رياضياً لتحقيقه. لقد ابتكروا خوارزمية خاصة تسمى sGS-ADMM. إذا كانت المسألة الرياضية عبارة عن عقدة ضخمة ومتشابكة من الخيوط، فإن هذه الخوارزمية هي طريقة ذكية لفك تشابكها قطعة قطعة، مما يضمن أن كل خطوة تقترب من الحل دون أن تتعثر. لقد أثبتوا رياضياً أن طريقة فك العقد هذه تعمل وستصل في النهاية إلى الإجابة الصحيحة.

ولكي يتأكدوا مما إذا كانت مسطرتهم الجديدة تعمل بالفعل، أجروا نوعين من الاختبارات. أولاً، أنشأوا بيانات وهمية على جهاز الكمبيوتر. بنوا مجتمعاً بكتيرياً مثالياً ثم أضافوا إليه "ضجيجاً" بشكل متعمد—وهي قيم متطرفة وهمية أكبر بـ 6 مرات من الأخطاء العادية. وراقبوا ليروا ما إذا كانت طريقتهم الجديدة، H-RegAd، قادرة على إيجاد النمط الحقيقي بينما ترتبك الطرق القديمة. كانت النتائج واضحة: ظلت H-RegAd على المسار الصحيح. لقد وجدت البكتيريا الصحيحة وتجاهلت الضجيج بشكل أفضل بكثير من الطرق السابقة الأفضل، والتي يسمونها RobRegCC. وحتى عندما أضافوا "نقاط الرافعة" (leverage points) الخادعة (وهي قيم متطرفة تشوه أيضاً الحسابات البكتيرية نفسها)، حافظت H-RegAd على ثباتها.

بعد ذلك، نقلوا طريقتهم إلى العالم الحقيقي. قاموا بتحليل بيانات من 151 مريضاً مصاباً بفيروس نقص المناعة البشرية (HIV)، بحثاً عن كيفية ارتباط بكتيريا الأمعاء بعلامة مناعية معينة تسمى sCD14. وعندما قارنوا نتائجهم بالطرق القديمة، كانت H-RegAd هي الأفضل في التنبؤ بمستويات العلامة المناعية. لقد وجدت مجموعة أكبر من البكتيريا (16 جنساً) تبدو مهمة، بما في ذلك بعض الأنواع التي أغفلتها الطرق الأخرى تماماً، مثل Bacteroides و Prevotella. كما حددت 30 عينة كـ "قيم متطرفة" تحتاج إلى اهتمام إضافي، في حين أن الطرق القديمة لم تلاحظ سوى القليل جداً.

يحرص المؤلفون على القول إنه على الرغم من أن طريقتهم تظهر وعداً كبيراً في هذه المحاكاة وفي هذه المجموعة من البيانات تحديداً، إلا أنها أداة لتحسين التحليل وليست علاجاً سحرياً. ويقترحون أنه باستخدام هذا النهج القوي "الذي يلغي الضجيج"، يمكن للعلماء الحصول على صورة أوضح وأكثر موثوقية لكيفية تأثير بكتيريا أمعائنا على صحتنا، حتى عندما تكون البيانات فوضوية ومليئة بالمفاجآت. إن عملهم يقدم طريقة أكثر متانة للاستماع إلى همسات الميكروبيوم، حتى عندما تكون الغرفة صاخبة.