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

Resumo Técnico do DiPPER: Uma abordagem Bayesiana para análise de prevalência diferencial

Declaração do Problema
Evidências recentes sugerem que analisar a presença/ausência de características taxonômicas oferece uma alternativa convincente à análise de abundância diferencial (DAA) em estudos do microbioma, pois classificadores de aprendizado de máquina podem manter o desempenho usando dados binários e muitos sinais de abundância são impulsionados principalmente por diferenças de prevalência. No entanto, as abordagens padrão para análise de prevalência diferencial (DPA), tipicamente baseadas em regressão logística frequentista, enfrentam limitações significativas. Estas incluem:

1. Casos Limite: Métodos padrão (por exemplo, teste de Wald, teste de razão de verossimilhança) frequentemente falham em produzir estimativas pontuais finitas, intervalos de confiança ou valores-p quando uma característica tem 0% ou 100% de prevalência em um grupo, uma ocorrência comum em conjuntos de dados do microbioma.
2. Testagem Múltipla: Detectar características diferencialmente prevalentes entre milhares de candidatos requer ajustes post-hoc (por exemplo, Benjamini-Hochberg) para controlar as taxas de descoberta falsa. Embora estes controlem os falsos positivos, eles frequentemente aumentam os falsos negativos e não se estendem de forma direta a estimativas pontuais ou intervalos de confiança.
3. Aproximações Assintóticas: A dependência de aproximações assintóticas para valores-p e intervalos pode perder precisão em casos limite típicos de dados do microbioma.

Metodologia: DiPPER
Os autores apresentam o DiPPER (Prevalência Diferencial via Estimativa Probabilística em R), uma estrutura de modelagem hierárquica Bayesiana projetada para abordar essas limitações.

• Estrutura do Modelo: O método modela a presença observada ($y_{ij}=1$) ou ausência ($y_{ij}=0$) da característica $j$ na amostra $i$ usando uma estrutura de regressão logística. A probabilidade de presença $p_{ij}$ é definida como:
  $$\log\left(\frac{p_{ij}}{1-p_{ij}}\right) = \alpha_j + \beta_j \cdot \text{grupo}_i + \beta^{\text{leitura}}_j \cdot \text{leitura}_i + \sum \beta^{(m)}_j \cdot x^{(m)}_i$$
  onde $\beta_j$ representa a prevalência diferencial (razão de chances logarítmica) entre os grupos de caso e controle, $\alpha_j$ é o intercepto específico da característica, e as covariáveis incluem a profundidade de sequenciamento (contagens de leitura transformadas por log) e confundidores opcionais.

• Priors Hierárquicos:

  • Prevalência Diferencial ($\beta_j$): Diferentemente dos métodos frequentistas que tratam as características independentemente, o DiPPER assume que todos os $\beta_j$ compartilham uma distribuição prior comum. Os autores selecionam uma distribuição Laplace assimétrica com pico em zero. Esta escolha é motivada pela observação de que a maioria das características não é diferencialmente prevalente e, dentro de um estudo, diferenças de prevalência não nulas frequentemente compartilham a mesma direção (desequilíbrio direcional).
  • Hiperparâmetros: A escala ($\tau_0$) e a assimetria ($\nu_0$) da prior Laplace assimétrica são governadas por hiperpriors. $\tau_0$ segue uma distribuição Half-Normal, e $\nu_0$ segue uma distribuição Laplace centrada em 0,50 (permitindo simetria, mas permitindo desvio para capturar viés direcional).
  • Outros Parâmetros: Interceptos específicos da característica ($\alpha_j$) e coeficientes de covariáveis utilizam priors Normais fracamente informativos. Um prior moderadamente informativo é utilizado para coeficientes de profundidade de sequenciamento.

• Inferência: A amostragem posterior é realizada usando o Amostrador No-U-Turn (NUTS) no Stan. O método produz distribuições posteriores para $\beta_j$, fornecendo estimativas pontuais e intervalos de credibilidade que são inerentemente ajustados para testagem múltipla através da contração hierárquica.

Principais Contribuições

1. Estrutura Inovadora: O DiPPER é o primeiro método de análise de dados de alto rendimento a empregar detecção de características baseada em estimativa com uma prior do tipo Laplace em seu núcleo, afastando-se de correções separadas de testagem múltipla post-hoc.
2. Robustez a Limites: Ao usar estimativas Bayesianas regularizadas, o DiPPER fornece estimativas pontuais finitas e intervalos de incerteza mesmo em casos limite (prevalência de 0% ou 100%) onde métodos frequentistas falham.
3. Sensibilidade Direcional: A prior assimétrica acomoda a observação empírica de que efeitos de prevalência diferencial em estudos do microbioma são frequentemente unidirecionais dentro de um estudo, melhorando a sensibilidade.
4. Benchmarks: O método foi rigorosamente avaliado contra sete métodos alternativos (incluindo variantes de regressão logística frequentista, MaAsLin3-DP, LDM-DP, e ferramentas DAA MaAsLin2 e LinDA) usando 57 estudos do microbioma intestinal humano (80 conjuntos de dados).

Resultados
A avaliação em 480 conjuntos de dados nulos e 80 conjuntos de dados originais revelou:

• Controle da Taxa de Erro: O DiPPER manteve uma taxa de erro familiar (FWER) no nível nominal ($\alpha=0,10$) sob a hipótese nula global. Em contraste, o teste de Wald e o MaAsLin3-DP foram excessivamente conservadores (baixas taxas de erro, mas baixa sensibilidade), enquanto o Teste de Razão de Verossimilhança (LRT) padrão teve uma taxa de erro inflada.
• Sensibilidade e Replicabilidade: O DiPPER demonstrou alta sensibilidade, detectando um número substancial de achados significativos. Crucialmente, superou todos os métodos concorrentes em replicabilidade entre estudos. Ao avaliar 110 pares de estudos independentes investigando a mesma doença, o DiPPER produziu o maior número de achados replicados, minimizando resultados conflitantes.
• Tratamento de Limites: Em exemplos ilustrativos, o DiPPER identificou com sucesso características diferencialmente prevalentes em casos limite onde métodos frequentistas retornaram resultados não finitos (N/A).
• Comparação com DAA: O DiPPER superou métodos DAA de última geração (MaAsLin2, LinDA) em termos de replicabilidade e controle de taxa de erro, reforçando a utilidade de dados de presença/ausência sobre perfis completos de abundância para detectar associações com doenças.

Significado e Alegações
Os autores afirmam que o DiPPER oferece uma alternativa robusta e interpretável à DPA e DAA tradicionais. Seu significado principal reside em:

• Ajuste de Multiplicidade Inerente: Fornece estimativas de tamanho de efeito e intervalos de incerteza que são naturalmente ajustados para testagem múltipla sem exigir correções post-hoc arbitrárias que alargam intervalos e reduzem a precisão.
• Tratamento de Inflação de Zeros: Lida efetivamente com os casos limite comuns em dados do microbioma sem descartar características potencialmente relevantes.
• Insight Biológico: O desempenho superior de replicação sugere que as associações entre características taxonômicas e fenótipos do hospedeiro podem ser impulsionadas principalmente pela presença de características, e não pela sua abundância, e que dados binários podem oferecer uma relação sinal-ruído mais robusta.

O artigo conclui que, embora o método seja motivado por observações empíricas de estudos do microbioma, sua abordagem de modelagem hierárquica poderia potencialmente ser estendida para outros dados ômicos (transcriptômica, proteômica, etc.), embora tais aplicações requeiram investigação adicional. Os autores enfatizam que a força do método é seu fundamento empírico, e não um modelo mecânico de processos biológicos, tornando-o flexível para vários estudos de perfilamento de alto rendimento.