Bayesian covariance regression for differential network analysis of zero-inflated microbiome data

1. Il Problema

L'analisi delle reti di covariazione microbica è fondamentale per comprendere la struttura e la funzione degli ecosistemi microbici. Tuttavia, la maggior parte dei metodi esistenti per la stima delle reti assume che la struttura di covarianza sia statica tra i campioni, ignorando il fatto che le reti di interazione microbica possono subire un "rewiring" (riconfigurazione) in risposta a fattori ambientali o condizioni dell'ospite.

Inoltre, i dati del microbioma presentano due sfide statistiche critiche:

1. Zero-inflazione: Un'alta frequenza di conteggi nulli dovuta alla scarsità di alcuni taxa.
2. Vincolo composizionale: I dati sono conteggi relativi (proporzioni) con dimensioni di libreria (sequenze totali) variabili e disuguali.

I metodi attuali, come le regressioni di covarianza applicate a dati trasformati (es. log-ratio), spesso falliscono nel modellare esplicitamente lo strato di campionamento composizionale, portando a stime inaccurate. Metodi precedenti basati sulla distribuzione Log-Normal-Multinomiale (LNM) soffrono di problemi di non coniugazione, rendendo l'inferenza computazionalmente proibitiva in dimensioni elevate e richiedendo restrizioni forti (es. perturbazioni di rango uno) che non catturano effetti eterogenei.

2. Metodologia: TRECOR

Gli autori propongono TRECOR (Tree-based REgression COvariance Regression), un framework di regressione di covarianza bayesiano progettato specificamente per dati di conteggio composizionali a zero-inflazione.

A. Modello Log-Tree-Normal (LTN)

Invece di modellare direttamente i conteggi a livello di taxa (foglie dell'albero filogenetico), il metodo opera a livello dei nodi interni di un albero filogenetico binario.

• Decomposizione Binomiale: Il modello scompone la distribuzione multinomiale dei conteggi in una serie di modelli di campionamento binomiale indipendenti ai nodi interni.
• Variabili Latenti: Per ogni nodo interno $j$, viene definita una variabile latente $\phi_{ij}$ (logit della proporzione di letture nel sotto-clade sinistro rispetto al totale del clade).
• Vantaggi: I conteggi a livello di nodo interno sono meno affetti da zero-inflazione rispetto ai taxa foglia e la struttura binomiale garantisce la coniugazione completa quando combinata con una distribuzione normale multivariata.

B. Modello di Regressione di Covarianza

La distribuzione delle variabili latenti $\phi_i$ è modellata come una Normale Multivariata $N_q(B_0 x_i, \Sigma(x_i))$, dove sia la media che la covarianza dipendono dalle covariate $x_i$.
La matrice di covarianza $\Sigma(x_i)$ è decomposta in:
$$\Sigma(x_i) = \Sigma + \sum_{r=1}^R B_r x_i x_i^\top B_r^\top$$

• $\Sigma$ (Componente di base): Una matrice di covarianza sparsa che rappresenta la rete di covariazione microbica stabile.
• Perturbazione a basso rango: La somma rappresenta una perturbazione dipendente dalle covariate di rango $R$ (dove $R \ll q$). I parametri $\{B_r\}$ catturano come le covariate modificano la struttura della rete.
• Identificabilità: Il modello è identificabile a meno di una rotazione ortogonale. Per quantificare l'effetto di una covariata, si utilizza la norma di Frobenius delle colonne di $B_r$, che è invariante alla rotazione.

C. Inferenza Bayesiana

Grazie alla coniugazione completa ottenuta tramite la rappresentazione LTN e l'uso di variabili latenti di Polya-Gamma per la likelihood binomiale, l'inferenza postuma viene eseguita tramite un campionatore di Gibbs efficiente.

• Priors: Vengono utilizzati prior Graphical LASSO per la sparsità di $\Sigma$ e prior Matrix Normal per i coefficienti di regressione.
• Selezione del Rango: Il rango $R$ della perturbazione viene selezionato utilizzando il criterio di informazione di Watanabe-Akaike (WAIC).

3. Contributi Chiave

1. Modellazione Esplicita della Composizionalità: A differenza dei metodi che trasformano i dati prima dell'analisi, TRECOR modella esplicitamente lo strato di campionamento composizionale, evitando perdite di informazione e distorsioni.
2. Scalabilità e Coniugazione: L'uso della decomposizione binomiale sui nodi interni permette un campionamento Gibbs puro, superando i limiti computazionali dei metodi Metropolis-within-Gibbs necessari per modelli LNM non coniugati (come MiCoRe), rendendo l'analisi scalabile a centinaia di taxa.
3. Decomposizione Sparsa + Basso Rango: Il framework separa la struttura di rete di base (stabile) dalle perturbazioni specifiche delle covariate, permettendo di identificare sia la rete di fondo che le differenze specifiche (differential networks).
4. Interpretabilità Filogenetica: L'analisi a livello di nodi interni offre una sintesi gerarchica naturale delle comunità microbiche, collegando direttamente i risultati statistici alla struttura filogenetica.

4. Risultati

Simulazioni

Gli esperimenti simulati hanno confrontato TRECOR con:

• Stima di covarianza sparsa su dati trasformati (gLASSO).
• Regressione di covarianza gaussiana su dati trasformati (CovReg).
• Un benchmark "oracle" (che conosce le variabili latenti vere).
  Risultati: TRECOR ha superato significativamente i metodi basati su trasformazioni (CovReg e gLASSO) nella recupero degli spigoli della rete e nella precisione di stima/predizione, avvicinandosi alle prestazioni dell'oracolo. Ciò dimostra l'importanza di modellare lo strato di campionamento composizionale.

Studio di Caso (Dati Yatsunenko et al., 2012)

Applicando TRECOR a dati del microbioma intestinale di 531 individui (Malawi, USA, Venezuela):

• Effetto delle Covariate: L'analisi ha rivelato che l'età ha l'effetto più grande sulla covariazione microbica, un pattern non rilevato dall'analisi basata solo sulla media (dove invece la nazione aveva un impatto maggiore).
• Reti Differenziali:
  • La rete differenziale associata all'età è arricchita per la famiglia Enterobacteriaceae, coerente con i noti cambiamenti nello sviluppo del microbiota neonatale.
  • Le reti differenziali associate al paese implicano taxa legati alla dieta, riflettendo le differenze tra le popolazioni USA e non-USA.
• Struttura della Rete di Base: La rete di correlazione di popolazione stimata mostra una struttura sparsa concentrata tra nodi filogeneticamente vicini, suggerendo che la covariazione di base è guidata da taxa strettamente correlati.

5. Significato e Implicazioni

Il lavoro di Xu e Ma introduce un avanzamento metodologico cruciale per l'ecologia microbica. TRECOR permette di:

• Identificare dinamiche di rete complesse che i metodi tradizionali basati sulla media non possono vedere.
• Gestire efficacemente la zero-inflazione e la natura composizionale dei dati senza ricorrere a trasformazioni arbitrarie.
• Fornire un quadro per l'identificazione di "cladi chiave" (keystone clades) attraverso l'analisi del grado dei nodi interni nelle reti di covariazione.

Il metodo offre uno strumento robusto per lo sviluppo di interventi di precisione basati sul microbioma, consentendo di comprendere come fattori come l'età, la dieta e la geografia rimodellino non solo l'abbondanza, ma anche le interazioni tra i microrganismi.