Sparse Poisson Log Normal Model for Zero-Inflated Multivariate Count Data

في العالم الخفي لإنتاج الحليب، تعمل مجتمعات غير مرئية من البكتيريا بلا كلل لتحويل الحليب الخام إلى جبن. لقد حاول العلماء منذ زمن طويل رسم خرائط لهذه الأحياء الميكروبية، عبر عدّ كميات كل نوع موجود في العينات المأخوذة من هواء المزارع، والمياه، وأثداء الأبقار، والحليب نفسه. ومع ذلك، فإن هذه الإحصاءات تمثل لغزاً إحصائياً مستعصياً؛ ففي كثير من العينات، تغيب أنواع بأكملها، مما ينتج عنه بحر من الأصفار. أحياناً يكون النوع غائباً حقاً عن تلك البيئة، وفي أحيان أخرى، يكون موجوداً ولكن بنسبة ضئيلة جداً لدرجة أن طريقة أخذ العينات قد أخفقت ببساطة في رصده. إن التمييز بين الغياب الحقيقي وبين عدم الرصد الناتج عن الخطأ أمر صعب، لكنه حاسم لفهم كيف يشكل النظام الغذي، والموسم، وظروف المزرعة هذه الأنظمة البيئية الميكروبية. وعندما يحاول الباحثون ربط أعداد البكتيريا هذه بالعوامل البيئية، فإن الكم الهائل من الأصفار يمكن أن يشوه النتائج، مما يجعل من الصعب معرفة أي العوامل هي المؤثرة فعلياً وأيها مجرد ضجيج.

ولحل هذه المعضلة، طور فريق من الباحثين من فرنسا طريقة جديدة لتحليل هذه المجموعات من البيانات المعقدة. فقد ركزوا على نوع محدد من النماذج الرياضية المصممة للتعامل مع تعداد الكائنات الحية، والمعروف باسم "نموذج بواسون لوغ-نورمال" (Poisson Log-Normal). يعمل هذا النموذج القياسي بشكل جيد عندما تكون الأنواع موجودة بأعداد معقولة، لكنه يعاني عندما تفيض البيانات بالأصفار. أدرك الباحثون أنه للحصول على صورة واضحة، يتعين عليهم الفصل بين الأصفار الناتجة عن غياب النوع حقاً، والأصفار التي تحدث بمحض الصدفة أثناء عملية أخذ العينات. وقد بنوا نموذجهم على نموذج موجود بالفعل يسمى "نموذج بواسون لوغ-نورمال ذو التضخم الصفري" (Zero-Inflated Poisson Log-Normal)، والذي يعالج هذين النوعين من الأصفار بشكل مختلف، لكنهم وجدوا أن هذا النموذج لا يزال يصبح معقداً للغاية عند مواجهة عدد كبير من العوامل البيئية المحتملة.

كان التحدي الجوهري الذي واجهه الفريق هو تحدي الاختيار. ففي دراسة نموذجية للمزارع، قد يكون هناك عشرات المتغيرات التي يجب مراعاتها، مثل نسبة الحليب المنتج من المراعي، أو عدد بكتيريا حمض اللاكتيك، أو عدد الخلايا الجسدية في الحليب. وعند تحليل مئات الأنواع البكتيرية مقابل كل هذه المتغيرات، فإن العديد من الروابط التي يتم العثور عليها قد تكون مجرد مصادفات عشوائية. احتاج الباحثون إلى طريقة لغربلة الضجيج وتحديد العوامل التي تؤثر حقاً في البكتيريا، دون التخلص من الإشارات المهمة عن طريق الخطأ أو الاحتفاظ بالعوامل غير ذات الصلة. وقد لجأوا إلى تقنية تعمل مثل مرشح (فلتر) دقيق للغاية، يمكنها تقليص تأثير المتغيرات غير المهمة وصولاً إلى الصفر، مما يؤدي فعلياً إلى إزالتها من النموذج، مع ترك العوامل المهمة سليمة.

دمج الفريق تقنية الترشيح هذه مع نموذج التضخم الصفري لابتكار نهج جديد أطلقوا عليه اسم "نموذج بواسون لوغ-نورمال المتناثر ذو التضخم الصفري" (Sparse Zero-Inflated Poisson Log-Normal). في طريقتهم، لا يقوم الحاسوب بمجرد التخمين حول المتغيرات المهمة، بل يختبرها بشكل منهجي، ويقوم بتضييق المرشح تدريجياً حتى لا يتبقى سوى العلاقات الأكثر أهمية. تتضمن هذه العملية خوارزمية متطورة تعمل على تحسين تقديراتها بشكل تكراري، منتقلة من رؤية واسعة لكل الاحتمالات إلى صورة حادة ومركزة للمحركات الحقيقية للوفرة الميكروبية. اختبر الباحثون طريقتهم الجديدة أولاً على بيانات محاكاة، حيث كانوا يعرفون الإجابات الدقيقة مسبقاً، للتأكد من قدرتها على تحديد المتغيرات الصحيحة وتجاهل المتغيرات الخاطئة. وأظهرت هذه الاختبارات أن طريقتهم كانت أفضل في إيجاد الروابط الحقيقية وتجنب الإنذارات الكاذبة مقارنة بالأساليب السابقة، خاصة عندما تكون البيانات مليئة بالأصفار.

ثم طبقوا طريقتهم على بيانات واقعية من دراسة لإنتاج الحليب في منطقة أوفرني بفرنسا. جاءت البيانات من 14 مزرعة، جُمعت خلال فصلي الصيف والشتاء، وشملت سبعة أنظمة بيئية مختلفة مثل الهواء، والماء، والفرشة، وأثداء الأبقار. ركز الباحثون تحديداً على البكتيريا الموجودة على الأثداء، حيث درسوا 49 جنساً مختلفاً من البكتيريا في سيناريو واحد، و84 جنساً في سيناريو آخر. أرادوا معرفة أي العوامل، مثل نظام بقرة الغذائي أو أعداد الخلايا الجسدية في الحليب، تؤثر على وجود بكتيريا معينة على الأثداء. وعندما أجروا التحليل، قدم نموذجهم الجديد صورة أكثر وضوحاً من الطرق القياسية؛ فقد نجح في تحديد مجموعة أصغر وأكثر موثوقية من المتغيرات التي تهم فعلياً، مجرداً إياها من حشد العوامل غير ذات الصلة التي احتفظت بها النماذج الأخرى.

كشفت النتائج أن مراعاة الأنواع المختلفة من الأصفار كان أمراً جوهرياً. فالنماذج التي لا تميز بين الغياب الحقيقي وعدم الرصد تميل إلى إنتاج تقديرات إما مزدحمة بالضجيج أو شحيحة جداً، مما يؤدي لفقدان الروابط الحقيقية. لقد حققت الطريقة الجديدة توازناً، حيث حافظت على بساطة النموذج بما يكفي لفهمه، وفي الوقت نفسه جعلته مفصلاً بما يكفي ليكون دقيقاً. وفي البيانات الواقعية، وجد الباحثون أن نهجهم حدد مجموعات بكتيرية معينة مرتبطة ارتباطاً وثيقاً بالظروف البيئية، مما قدم خريطة أكثر موثوقية للمشهد الميكروبي في المزارع لإنتاج الألبان. ورغم أن الطريقة لم تنتج دائماً أدنى مستوى ممكن من الخطأ في التنبؤ بكل رقم منفرد في مجموعة البيانات، إلا أنها تفوقت في الهدف الأساسي للدراسة: وهو إيجاد العلاقات الحقيقية بين البيئة والميكروبات.

يُظهر هذا العمل أنه عند التعامل مع البيانات البيولوجية المعقدة المليئة بالقيم المفقودة، فإن الطريقة التي نتعامل بها مع الأصفار لا تقل أهمية عن البيانات نفسها. ومن خلال تحسين الأدوات المستخدمة لاختيار المتغيرات الصحيحة، قدم الباحثون وسيلة أكثر موثوقية لفهم كيف تؤثر ممارسات إدارة المزارع على العالم المجهري الذي يقود إنتاج الحليب. إن نهجهم لا يكتفي بعدّ البكتيريا فحسب، بل يساعد العلماء على فهم العوامل التي تشكل المجتمع الميكروبي حقاً، مما يوفر مساراً أوضح للدراسات المستقبلية في مجالي البيئة والزراعة. وتعد طريقتهم تحسيناً عملياً لأي شخص يحاول استيعاب بيانات التعداد حيث يكون الغياب بنفس أهمية الوجود.