A Bayesian Functional Concurrent Zero-Inflated Dirichlet-Multinomial Regression Model with Application to Infant Microbiome

Título: Um Modelo de Regressão Dirichlet-Multinomial Zero-Inflada Funcional Concorrente Bayesiano com Aplicação ao Microbioma Infantil

1. Problema e Motivação

O microbioma infantil sofre mudanças rápidas e dramáticas na composição ao longo do tempo, estando associado a riscos de longo prazo para a saúde, como imunidade, alergias e asma. Modelar as associações entre exposições (covariáveis) e a composição microbiana ao longo do tempo é crucial, mas enfrenta desafios analíticos significativos:

• Natureza dos Dados: Os dados de microbioma são composicionais (as contagens somam um total fixo), de alta dimensão (centenas de táxons), superdispersos e frequentemente "zero-inflados" (muitas contagens zero, seja por ausência estrutural ou falha na detecção).
• Limitações dos Modelos Atuais:
  • Modelos de regressão padrão (como GLMs negativos binomiais) frequentemente analisam cada táxon separadamente, ignorando a estrutura composicional e a superdispersão conjunta.
  • Modelos Dirichlet-Multinomial (DM) lidam com a composicionalidade e superdispersão, mas não com zero-inflação excessiva ou medidas repetidas.
  • Modelos de dados longitudinais existentes muitas vezes assumem efeitos constantes ao longo do tempo, falhando em capturar efeitos funcionais ou variantes no tempo (time-varying effects).
  • A falta de modelos que integrem simultaneamente: estrutura composicional, zero-inflação, medidas repetidas e efeitos variantes no tempo pode levar a falsos positivos e perda de informação dinâmica.

2. Metodologia Proposta

Os autores propõem o modelo FunC-ZIDM (Functional Concurrent Zero-Inflated Dirichlet-Multinomial Regression). Este é um modelo de regressão bayesiano hierárquico projetado para lidar com contagens multivariadas composicionais ao longo do tempo.

• Estrutura do Modelo:

  • Distribuição: Assume que as contagens observadas seguem uma distribuição Multinomial, onde as probabilidades relativas ($\psi$) seguem uma distribuição Dirichlet-Multinomial zero-inflada.
  • Zero-Inflação: Utiliza variáveis aleatórias Gamma zero-infladas para reparametrizar a distribuição Dirichlet. Introduz um indicador de "risco" ($\eta_{ij}$) para distinguir entre zeros estruturais (ausência real do microbe) e zeros de risco (presente mas não detectado).
  • Efeitos Funcionais Concorrentes: Os parâmetros de concentração da distribuição Dirichlet são modelados através de uma regressão log-linear onde os coeficientes são funções suaves do tempo.
    • $\log[\gamma_{ij}(t)] = \beta_{j0}(t) + \sum \beta_{jp}(t)x_{ip}(t) + r_{ij}$
    • Os coeficientes $\beta_{jp}(t)$ são expandidos usando B-splines cúbicos, permitindo que o efeito de uma covariável varie suavemente ao longo do tempo.
  • Medidas Repetidas: Inclui termos de intercepto aleatório específicos para cada indivíduo e táxon ($r_{ij}$) para acomodar a correlação intra-individual e a variação entre indivíduos.
  • Regularização Bayesiana: Para lidar com a alta dimensionalidade e evitar sobreajuste, utiliza-se um prior de Horseshoe regularizado (Regularized Horseshoe) sobre os coeficientes das B-splines. Isso induz shrinkage (encolhimento) nos coeficientes inativos (efeitos nulos) enquanto mantém a flexibilidade para efeitos ativos.
  • Inferência: A amostragem posterior é realizada através de um algoritmo Metropolis-Hastings dentro de Gibbs.

• Métricas de Saída:

  • O modelo estima a Diferença Multiplicativa na Abundância Relativa ($\Delta_v RA$) para cada táxon.
  • Calcula a Diversidade $\alpha$ (usando a métrica de Hill) e sua diferença multiplicativa, permitindo uma visão holística da diversidade microbiana em resposta às covariáveis.

3. Contribuições Principais

• Inovação Metodológica: É o primeiro modelo a integrar simultaneamente estrutura composicional, zero-inflação, medidas repetidas e efeitos funcionais variantes no tempo em um único framework de regressão Dirichlet-Multinomial.
• Escalabilidade: O modelo é escalável para espaços composicionais de alta dimensão (até 1000 táxons) graças à regularização via Horseshoe.
• Ferramentas de Software: Os autores desenvolveram e disponibilizaram um pacote R (FunCZIDM) e um aplicativo Shiny para implementar o método, realizar simulações e gerar visualizações dinâmicas dos resultados.
• Flexibilidade de Interpretação: Permite inferência não apenas sobre abundâncias individuais, mas também sobre a diversidade global ($\alpha$-diversidade) e como os efeitos das covariáveis mudam ao longo do tempo.

4. Resultados

• Aplicação ao Microbioma de Prematuros:

  • O modelo foi aplicado a dados de 58 recém-nascidos prematuros (922 amostras, 16 táxons).
  • Resultados Chave:
    • Idade Gestacional: Maior idade gestacional está associada a maior abundância de Clostridia e menor abundância de Gammaproteobacteria em comparação com prematuros extremos. A diversidade $\alpha$ é maior em bebês mais próximos do termo.
    • Leite Materno: Uma maior porcentagem de leite materno na dieta está positivamente associada à diversidade $\alpha$. O modelo identificou efeitos variantes no tempo: por exemplo, a associação entre leite materno e Clostridia aumentou até o 30º dia e depois estabilizou, enquanto para Bacilli houve uma diminuição inicial seguida de estabilização.
  • Comparação: Diferiu de análises anteriores (que usavam modelos mistos separados) ao capturar efeitos não constantes e ao respeitar a estrutura composicional, evitando associações espúrias.

• Estudo de Simulação:

  • Desempenho: O FunC-ZIDM superou modelos concorrentes (DM padrão, ZIDM sem efeitos aleatórios, e modelos funcionais sem zero-inflação) em cenários com alta zero-inflação.
  • Cobertura de Intervalos: O modelo manteve taxas de cobertura de intervalos credíveis próximos ao nominal (95%) mesmo com alta zero-inflação, enquanto outros modelos subestimaram a incerteza (cobertura de 60-87%).
  • Escalabilidade: O tempo de execução aumentou linearmente com o número de táxons, mas o modelo manteve o desempenho de estimativa (ARMSE e distância de Aitchison) estável mesmo com 1000 táxons.

5. Significado e Conclusão

O estudo demonstra que ignorar a natureza dinâmica (variantes no tempo) e a estrutura composicional dos dados de microbioma pode levar a conclusões errôneas sobre fatores de risco e intervenções. O modelo FunC-ZIDM fornece uma ferramenta robusta para:

1. Precisão Clínica: Identificar janelas temporais específicas onde intervenções dietéticas (como aumento de leite materno) têm maior impacto na composição microbiana e diversidade.
2. Reprodutibilidade: A capacidade de capturar efeitos funcionais suaves pode ajudar a resolver a falta de reprodutibilidade observada em estudos de microbioma que assumem efeitos constantes.
3. Avanço Analítico: Estabelece um novo padrão para análise de dados longitudinais de microbioma, permitindo a exploração de relações complexas entre exposições e comunidades microbianas em desenvolvimento.

Em suma, o trabalho preenche uma lacuna crítica na estatística de microbioma, oferecendo um método que é ao mesmo tempo estatisticamente rigoroso (lidando com zero-inflação e composicionalidade) e biologicamente interpretável (capturando a dinâmica temporal).