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

DiPPER 技术摘要：一种用于差异流行度分析的贝叶斯方法

问题陈述
近期证据表明，在微生物组研究中，分析分类特征的有无为差异丰度分析（DAA）提供了一个极具吸引力的替代方案，因为机器学习分类器能够利用二元数据保持性能，且许多丰度信号主要由流行度差异驱动。然而，基于频率派逻辑回归的差异流行度分析（DPA）标准方法面临显著局限。这些局限包括：

1. 边界情况： 当某个特征在某一组中的流行度为 0% 或 100% 时（这在微生物组数据集中很常见），标准方法（如 Wald 检验、似然比检验）往往无法得出有限的点估计、置信区间或 p 值。
2. 多重检验： 在数千个候选者中检测差异流行度特征需要事后调整（如 Benjamini-Hochberg）以控制错误发现率。虽然这些方法能控制假阳性，但往往会增加假阴性，且无法直接扩展到点估计或置信区间。
3. 渐近近似： 对 p 值和区间的渐近近似依赖，在微生物组数据典型的边界情况下可能会丧失准确性。

方法论：DiPPER
作者介绍了 DiPPER（基于 R 语言的概率估计差异流行度分析），这是一个旨在解决上述局限的贝叶斯分层建模框架。

• 模型结构： 该方法使用逻辑回归框架对特征 $j$ 在样本 $i$ 中的观测存在（$y_{ij}=1$）或不存在（$y_{ij}=0$）进行建模。存在概率 $p_{ij}$ 定义为：
  $$\log\left(\frac{p_{ij}}{1-p_{ij}}\right) = \alpha_j + \beta_j \cdot \text{group}_i + \beta^{\text{reads}}_j \cdot \text{reads}_i + \sum \beta^{(m)}_j \cdot x^{(m)}_i$$
  其中 $\beta_j$ 代表病例组与对照组之间的差异流行度（对数优势比），$\alpha_j$ 是特征特异性截距，协变量包括测序深度（对数转换后的读数）和可选的混杂因素。

• 分层先验：

  • 差异流行度（$\beta_j$）： 与将特征独立处理的频率派方法不同，DiPPER 假设所有 $\beta_j$ 共享一个共同的先验分布。作者选择了一个在零处达到峰值的非对称拉普拉斯分布。这一选择基于以下观察：大多数特征并非差异流行，且在研究内部，非零的流行度差异往往具有相同的方向（方向性不平衡）。
  • 超参数： 非对称拉普拉斯先验的尺度（$\tau_0$）和偏度（$\nu_0$）由超先验控制。$\tau_0$ 服从半正态分布，$\nu_0$ 服从以 0.50 为中心的拉普拉斯分布（允许对称性，但允许偏离以捕捉方向性偏差）。
  • 其他参数： 特征特异性截距（$\alpha_j$）和协变量系数使用弱信息正态先验。测序深度系数使用中等信息先验。

• 推断： 后验采样使用 Stan 中的无回环采样器（NUTS）执行。该方法产生 $\beta_j$ 的后验分布，提供点估计和可信区间，这些估计和区间通过分层收缩内在调整了多重检验。

主要贡献

1. 新颖框架： DiPPER 是首个采用以拉普拉斯型先验为核心的基于估计的特征检测的高通量数据分析方法，摆脱了单独的事后多重检验校正。
2. 对边界的鲁棒性： 通过使用正则化贝叶斯估计，DiPPER 即使在频率派方法失效的边界情况（0% 或 100% 流行度）下，也能提供有限的点估计和不确定性区间。
3. 方向敏感性： 非对称先验适应了微生物组研究中差异流行度效应在研究内部往往具有单向性的经验观察，从而提高了灵敏度。
4. 基准测试： 该方法使用 57 项人类肠道微生物组研究（80 个数据集）与七种替代方法（包括频率派逻辑回归变体、MaAsLin3-DP、LDM-DP 以及 DAA 工具 MaAsLin2 和 LinDA）进行了严格的基准测试。

结果
对 480 个零数据集和 80 个原始数据集的评估显示：

• 错误率控制： 在全局零假设下，DiPPER 将族系错误率（FWER）维持在标称水平（$\alpha=0.10$）。相比之下，Wald 检验和 MaAsLin3-DP 过于保守（错误率低但灵敏度低），而标准似然比检验（LRT）的错误率则被夸大。
• 灵敏度和可重复性： DiPPER 表现出高灵敏度，检测到了大量显著发现。关键在于，它在跨研究可重复性方面优于所有竞争方法。在评估 110 对调查同一疾病的独立研究时，DiPPER 产生了最多的重复发现，同时最大限度地减少了冲突结果。
• 边界处理： 在说明性示例中，DiPPER 成功识别了频率派方法返回非有限结果（N/A）的边界情况中的差异流行度特征。
• 与 DAA 的比较： 在可重复性和错误率控制方面，DiPPER 优于最先进的 DAA 方法（MaAsLin2、LinDA），这进一步证实了对于检测疾病关联而言，有无数据比完整丰度谱更具实用性。

意义与主张
作者声称，DiPPER 提供了一种稳健、可解释的传统 DPA 和 DAA 替代方案。其主要意义在于：

• 内在多重性调整： 它提供效应大小估计和不确定性区间，这些估计和区间天然地针对多重检验进行了调整，无需依赖任意的事后校正（后者会加宽区间并降低精度）。
• 处理零膨胀： 它有效地处理了微生物组数据中常见的边界情况，而无需丢弃潜在相关的特征。
• 生物学洞察： 优越的重复性能表明，分类特征与宿主表型之间的关联可能主要由特征的有无而非其丰度驱动，且二元数据可以提供更稳健的信噪比。

该论文总结道，虽然该方法的动机源于微生物组研究的经验观察，但其分层建模方法有可能扩展到其他组学数据（转录组学、蛋白质组学等），尽管此类应用需要进一步调查。作者强调，该方法的优势在于其经验基础而非生物过程的机制模型，使其适用于各种高通量谱分析研究。