近日，清华大学统计学研究中心王天颖助理教授课题组在国际知名统计学期刊Journal of the American Statistical Association（简称“JASA”）发表题为“A Flexible Zero-Inflated Poisson-Gamma Model with Application to Microbiome Sequence Count Data”的研究论文，提出了一种新的方法用于微生物组数据分析。清华大学统计学研究中心2022级博士研究生江柔蓝为本文第一作者，中心王天颖助理教授和北京大学生物统计系占翔副教授为本文通讯作者。
人体中生活着大量微生物，这些微生物群落受到人体环境的影响，也同时影响着人类的生命健康。近年来，飞速发展的高通量测序技术，如16s rRNA测序和宏基因组测序（metagenomic shotgun sequencing），为微生物群落的定量分析提供了便利。这些测序方法产生的数据以计数表的形式呈现，表示样本中各个微生物分类群（taxa）的丰度。微生物组数据往往具有零膨胀（zero inflation）和过度分散（over-dispersion）的特点，且受到人体环境的动态变化以及不同的测序技术的影响，观察到的计数数据往往与真实的微生物分类群丰度存在差异。为了研究某一微生物分类群与特定协变量的关联，现有的方法通常使用负二项分布或零膨胀负二项分布对计数数据建模，但是这些方法忽略了协变量对微生物群落稳定性的可能影响，尤其在纵向数据（Longitudinal Data）的分析中，已有证据表明疾病等因素会使微生物群落组成变得更不稳定，出现生态失调（dysbiosis）现象。为此，本文提出了零膨胀泊松-伽马模型（Zero-Inflated Poisson-Gamma，ZIPG），其中用伽马分布表示微生物组丰度相对无法观测到的真实均值的波动，能够更灵活地处理数据过度分散的特点。在纵向数据的分析中，通过将过度分散参数与时间无关（time-independent）的协变量关联起来，可以分析年龄、饮食习惯等长期状态对微生物组稳定性的影响。
在ZIPG的框架下，本文进一步提出了相应的参数估计和假设检验方法。通过bootstrap方法可以检验微生物分类群的丰度和过度分散程度如何分别地受到协变量影响，并得到相应参数的置信区间。与其他方法相比，ZIPG能够更好地控制第一类错误率，并且检测出其他方法无法发现的微生物稳定性差异。最后，本文将ZIPG应用在两组真实数据中：在阴道微生物组数据中分析了怀孕、年龄等因素对微生物丰度和过度分散程度的影响；在肠道微生物数据中分析了饮酒等因素对微生物丰度和过度分散程度的影响。在两例数据中，ZIPG模型都能更好地拟合真实数据的分布，且找到了更多与感兴趣的协变量相关联的微生物分类群，为生物医学领域的进一步研究提供了线索。
文章链接：