DiPPER: A Bayesian approach to differential prevalence analysis with applications in microbiome studies

DiPPER の技術的概要：微生物叢研究における差動存在率分析のためのベイズ的アプローチ

問題提起
最近の証拠は、微生物叢研究において、分類学的特徴の存在/不在を分析することが、差動豊富度分析（DAA）に対する有力な代替手段となり得ることを示唆している。機械学習分類器は二値データを用いて性能を維持でき、多くの豊富度シグナルは主に存在率の違いによって駆動されるからである。しかし、差動存在率分析（DPA）の標準的なアプローチ、通常は頻度論的ロジスティック回帰に基づくものは、重大な限界に直面している。これらには以下が含まれる：

1. 境界ケース： 標準的な手法（例えば、ワルド検定、尤度比検定）は、ある特徴が一方の群で 0% または 100% の存在率を持つ場合、有限の点推定値、信頼区間、または p 値を導き出せないことが多く、これは微生物叢データセットで一般的に起こる現象である。
2. 多重比較： 数千の候補の中から差動存在の特徴を検出するには、偽陽性率を制御するための事後調整（例えば、ベンジャミン・ホッヘベルグ法）が必要である。これらは偽陽性を制御するが、偽陰性を増加させる傾向があり、点推定値や信頼区間への直接的な拡張も容易ではない。
3. 漸近近似： p 値や区間に対する漸近近似への依存は、微生物叢データに典型的な境界ケースにおいて精度を失う可能性がある。

手法：DiPPER
著者らは、これらの限界に対処するために設計された、ベイズ階層モデルリングフレームワークである DiPPER（R における確率的推定による差動存在率）を導入する。

• モデル構造： この手法は、サンプル $i$ における特徴 $j$ の観測された存在（$y_{ij}=1$）または不在（$y_{ij}=0$）を、ロジスティック回帰フレームワークを用いてモデル化する。存在確率 $p_{ij}$ は以下のように定義される：
  $$\log\left(\frac{p_{ij}}{1-p_{ij}}\right) = \alpha_j + \beta_j \cdot \text{group}_i + \beta^{\text{reads}}_j \cdot \text{reads}_i + \sum \beta^{(m)}_j \cdot x^{(m)}_i$$
  ここで、$\beta_j$ は対照群と症例群間の差動存在率（オッズ比の対数）を表し、$\alpha_j$ は特徴固有の切片であり、共変量にはシーケンシング深度（対数変換したリード数）と任意の交絡因子が含まれる。

• 階層的事前分布：

  • 差動存在率（$\beta_j$）： 特徴を独立に扱う頻度論的手法とは異なり、DiPPER はすべての $\beta_j$ が共通の事前分布を共有すると仮定する。著者らは、ゼロでピークを持つ非対称ラプラス分布を選択する。この選択は、ほとんどの特徴が差動存在せず、研究内では非ゼロの存在率の差がしばしば同じ方向（方向的な不均衡）を共有するという観察に基づいている。
  • ハイパーパラメータ： 非対称ラプラス事前分布のスケール（$\tau_0$）と歪み（$\nu_0$）は、ハイパー事前分布によって支配される。$\tau_0$ は半正規分布に従い、$\nu_0$ は 0.50 を中心とするラプラス分布に従う（対称性を許容しつつ、方向的なバイアスを捉えるための逸脱を可能にする）。
  • その他のパラメータ： 特徴固有の切片（$\alpha_j$）と共変量係数は、弱情報的正規事前分布を使用する。シーケンシング深度の係数には、中程度の情報事前分布が使用される。

• 推論： 事後サンプリングは、Stan 内の No-U-Turn Sampler（NUTS）を用いて行われる。この手法は $\beta_j$ の事後分布を生成し、階層的縮小を通じて多重比較に対して本質的に調整された点推定値と信頼区間を提供する。

主要な貢献

1. 新規フレームワーク： DiPPER は、ラプラス型事前分布を中核に据え、個別の事後多重比較補正から離脱した、推定ベースの特徴検出を採用した最初の高スループットデータ分析手法である。
2. 境界に対する頑健性： 正則化されたベイズ推定を使用することで、DiPPER は頻度論的手法が失敗する境界ケース（0% または 100% の存在率）においても、有限の点推定値と不確実性区間を提供する。
3. 方向的感受性： 非対称事前分布は、微生物叢研究における差動存在率効果が研究内で一方向であることが多いという実証的観察を考慮し、感受性を向上させる。
4. ベンチマーク： この手法は、57 のヒト腸内微生物叢研究（80 のデータセット）を用いて、7 つの代替手法（頻度論的ロジスティック回帰の変種、MaAsLin3-DP、LDM-DP、および DAA ツール MaAsLin2 と LinDA を含む）に対して厳密にベンチマークされた。

結果
480 の空データセットと 80 のオリジナルデータセットにわたる評価により、以下が明らかになった：

• 誤り率制御： DiPPER は、大域的な帰無仮説下で、名义レベル（$\alpha=0.10$）の家族全体誤り率（FWER）を維持した。対照的に、ワルド検定と MaAsLin3-DP は過度に保守的（誤り率は低いが感受性も低い）であり、標準的な尤度比検定（LRT）は誤り率が膨張していた。
• 感受性と再現性： DiPPER は高い感受性を示し、多数の有意な発見を検出した。重要なのは、研究間再現性においてすべての競合手法を上回ったことである。同一の疾患を調査する 110 組の独立した研究を評価した際、DiPPER は矛盾する結果を最小化しつつ、再現された発見の数を最も多く生み出した。
• 境界処理： 例示的な例において、DiPPER は頻度論的手法が有限でない結果（N/A）を返した境界ケースにおいて、差動存在の特徴を正常に同定した。
• DAA との比較： DiPPER は、再現性と誤り率制御の点で、最先端の DAA 手法（MaAsLin2、LinDA）を上回り、疾患関連の検出において完全な豊富度プロファイルよりも存在/不在データの実用性を裏付けた。

意義と主張
著者らは、DiPPER が従来の DPA および DAA に対する堅牢で解釈可能な代替手段を提供すると主張する。その主な意義は以下の点にある：

• 本質的な多重性調整： 任意の事後補正（区間を広げ精度を低下させる）を必要とせず、多重比較に対して本質的に調整された効果量推定値と不確実性区間を提供する。
• ゼロ過剰の処理： 微生物叢データに共通する境界ケースを、潜在的に関連する特徴を破棄することなく効果的に処理する。
• 生物学的洞察： 優れた再現性能は、分類学的特徴と宿主表現型の間の関連が、その豊富度ではなく、特徴の存在によって主に駆動されている可能性、および二値データがより堅牢な信号対雑音比を提供し得ることを示唆している。

本論文は、この手法が微生物叢研究からの実証的観察に動機付けられている一方で、その階層モデルリングアプローチは他のオミクスデータ（トランスクリプトミクス、プロテオミクスなど）に拡張可能である可能性があると結論付けているが、そのような応用にはさらなる調査が必要である。著者らは、この手法の強みは生物学的プロセスの機械的モデルではなく、実証的基盤にあることを強調しており、これにより多様な高スループットプロファイリング研究に対して柔軟であるとしている。