Estimating Gaussian graphical models of multi-study data with Multi-Study Factor Analysis

技术摘要：应用于妊娠期糖尿病代谢组学的多研究因子型高斯图形模型

问题陈述
妊娠期糖尿病（GDM）是一种与不良母体及新生儿结局相关的代谢性疾病。虽然代谢组学分析已成功将特定代谢物与 GDM 状态联系起来，但越来越多的证据表明，GED 并非由孤立的代谢物功能障碍所表征，而是通过形成独特模式或特征的一组协调变化的代谢物集合来体现。现有的统计方法面临一个局限性：标准因子分析（FA）可以识别代表协调特征的潜在变量（因子），但不能对它们之间的条件依赖关系（网络结构）进行建模。相反，网络模型（如高斯图形模型，GGMs）可以有效表示条件依赖关系，但通常无法在多个研究或组别中解构出共享信号与特定条件信号。目前的差异网络分析方法通常分别为每个条件估计网络，或直接估计差异，未能显式地分离共享贡献与研究特有的贡献。这一差距使得需要一种能够基于多条件下的潜在变量表示来识别共享和差异网络模式的集成方法。

方法论：MSFA-X
作者引入了 MSFA-X（扩展多研究因子分析），这是一个结合了多研究因子分析（MSFA）与网络建模以构建基于潜在变量的 GGMs 的新颖框架。

• 模型公式化： MSFA-X 通过将观测数据 $x_{is}$（对于研究 $s$ 中的受试者 $i$）建模为共享因子（$f_{is}$）、研究特有因子（$l_{is}$）以及分解噪声成分之和，扩展了标准 MSFA。在标准 MSFA 中，残差协方差 $\Psi_s$ 是单个对角矩阵，而 MSFA-X 将残差噪声划分为共享成分（$\Gamma$）和研究特有成分（$H_s$）。研究 $s$ 的协方差矩阵分解为：
  $$\Sigma_s = \Phi\Phi^\top + \Lambda_s\Lambda_s^\top + \Gamma + H_s$$
  其中 $\Phi$ 代表共享载荷，$\Lambda_s$ 代表研究特有载荷，$\Gamma$ 和 $H_s$ 是满秩对角矩阵。

• 精度矩阵估计： 这种分解确保了共享协方差成分（$\Phi\Phi^\top + \Gamma$）和研究特有协方差成分（$\Lambda_s\Lambda_s^\top + H_s$）是可逆的。这允许直接估计用于定义基于偏相关性的 GGM 边缘的共享和研究特有精度矩阵（$\Theta = \Sigma^{-1}$）。这种方法避免了在使用图形 Lasso（glasso）处理奇异矩阵时通常需要的调优参数。

• 估计与可识别性： 模型参数使用期望条件极大化（ECM）算法进行估计。作者解决了以下几个可识别性问题：

  1. 旋转不确定性： 通过对载荷矩阵施加分块下三角约束来解决。
  2. 标签切换： 通过相同的约束进行处理。
  3. 成分分离： 通过对组合载荷矩阵施加秩约束来确保。
  4. 噪声分解： $\Gamma$ 和 $H_s$ 的分离在统计上是不可识别的（仅其总和是可识别的）。作者提出了一种实际策略，即在非识别区域的中心估计 $\Gamma$（$\hat{\gamma}_p = 0.5 \times \min_s \hat{\psi}_{ps}$），并认为虽然单个噪声估计不是一致的，但所得的精度矩阵在实践中仍然具有意义。

• 显著性检验： 边缘显著性通过经验零假设方法进行评估。在不存在条件关联的假设下生成零数据，并根据零边缘权重的分布计算经验 p 值。

关键结果

• 模拟研究： 在十种设置（涵盖不同的样本量、研究数量、因子数量和噪声水平）下的广泛模拟表明，MSFA-X 在恢复共享和研究特有网络结构方面显著优于标准的图形 Lasso 基准。该方法实现了极高的修正 RV 系数（通常 >0.99），反映了估计矩阵与真实邻接矩阵之间的吻合度，而基于 glasso 的方法在处理研究特有网络时，其系数明显较低。
• HAPO 研究应用： 应用于来自高血糖及不良妊娠结局（HAPO）研究的代谢组学数据（3,463 名参与者：576 名患有 GDM，2,887 名未患有 GDM），MSFA-X 识别出：
  • 共享网络： 两个截然不同的子网络：一个将氨基酸（AAs）与长链酰基肉碱联系起来，另一个将短链和中链酰基肉碱联系起来。
  • 条件特异性差异： 在没有 GDM 的女性中，谷氨酰胺/谷氨酸作为连接氨基酸与短链及中链酰基肉碱的核心枢纽。在患有 GDM 的女性中，这一枢纽功能丧失；谷氨酰胺/谷氨酸与其余网络变得不再相连。相反，芳香族氨基酸（组氨酸、苯丙氨酸、酪氨酸）在 GDM 特有的网络中成为了强力的枢纽。
  • 生物学验证： MSFA-X 衍生的潜在因子与新生儿肥胖度（皮肤褶皱总和）相关。具体而言，GDM 特有因子（在芳香族氨基酸上的载荷）和共享因子在调整协变量后，与 GDM 母亲的新生儿肥胖度显著相关。这种关联在非 GDM 女性中并未观察到，这表明 MSFA-X 捕捉到的代谢失调可能为 GDM 母亲的后代带来了特定的风险。

意义与主张
本文声称，MSFA-X 通过显式地解构共享和研究特有的信号，为分析多条件数据提供了一个独特的、具有解释性的视角，而这种能力是现有的差异网络分析方法所缺乏的。作者断言，该方法成功恢复了由潜在变量诱导的图形结构，并且优于朴素的基准方法。

对 GDM 的应用揭示了 GDM 的代谢环境涉及一种系统性紊乱，其中关键的网络节点（如谷氨酰胺/谷氨酸）发生脱节，同时新的枢纽（芳香族氨基酸）出现。作者得出结论，这些潜在因子捕捉到了代谢组学谱图中具有生物学意义的变化，这些变化与新生儿肥胖度相关，为理解母体 GDM 如何影响新生儿结局提供了一种潜在机制。该方法被呈现为一种通用的工具，适用于任何表现出潜在变量结构的多元正态数据，不仅限于代谢组学。实现 MSFA-X 的 R 软件包已向研究界开放。