模拟数据生成与验证
生成与真实数据相似的模拟基准数据集，以评估差异丰度检验方法的性能
利用信号植入方法将已知差异信号植入真实微生物组数据中，并与参数化模拟方法进行比较。通过主坐标分析、特征方差分布、稀疏性、机器学习分类等方式评估模拟数据与真实数据的相似性。
关于丁香通
公司信息
个人用户
企业机构
无忧采购 轻松科研
- 移动端
人类微生物组研究中差异丰度检验与混杂因素调整的现实基准
A realistic benchmark for differential abundance testing and confounder adjustment in human microbiome studies
实验完整度
高包含模拟数据生成与验证（信号植入、参数模拟对比）、19种差异丰度方法的性能评估、混杂因素模拟与调整、真实数据集（MetaCardis）的验证，涵盖多个独立的证据层级。
主要模型
人类肠道宏基因组数据集（Zeevi WGS、Schirmer WGS、Xie WGS） 人体相关微生物组数据集（HMP） 结直肠癌和克罗恩病病例对照数据集 心血管代谢疾病队列（MetaCardis）
重点核对
模拟信号植入：使用丰度缩放因子（1, 1.25, 1.5, 2, 5, 10, 20）和患病率偏移（0.0, 0.1, 0.2, 0.3） 基准测试样本量：12, 24, 50, 100, 200, 400, 800 混杂强度（偏差参数）范围：0-1，对应于phi系数 模拟重复次数：Zeevi数据集100次，其他数据集20次 效应大小评估：使用广义倍数变化和患病率差异
摘要
背景：在微生物组疾病关联研究中，检验哪些微生物在组间丰度存在差异是一项基本任务。然而，目前缺乏对差异丰度检验的合适或最优统计方法的共识，并且这些方法如何处理混杂因素仍未得到探索。先前依赖模拟数据集的差异丰度基准研究未定量评估其与真实数据的相似性，这削弱了其建议的可信度。结果：我们的模拟框架将校准信号植入真实的分类学谱中，包括模拟混杂因素的信号。利用多个全宏基因组和16S rRNA基因扩增子数据集，我们验证了我们的模拟数据比先前基准更接近疾病关联研究中的真实数据。通过大量参数化的模拟，我们对十九种差异丰度方法进行了基准测试，并进一步评估了最佳方法在混杂模拟中的表现。只有经典统计方法（线性模型、Wilcoxon检验、t检验）、limma和fastANCOM能够以相对较高的灵敏度正确控制假发现率。当进一步考虑混杂因素时，这些问题加剧，但我们发现调整后的差异丰度检验可以有效缓解这些问题。在一个大型心血管代谢疾病数据集中，我们展示了未能校正药物等协变量会导致真实世界应用中的虚假关联。结论：严格的错误控制对于微生物组关联研究至关重要。许多差异丰度方法的表现不佳以及未受控制的混杂因素的持续危险表明，这些因素导致了此类研究之间缺乏可重复性。我们已开源我们的模拟和基准测试软件，以促进微生物组研究统计方法学急需的整合。补充信息：在线版本包含补充材料，可在10.1186/s13059-024-03390-9获取。关键词：微生物组，基准测试，宏基因组学，差异丰度，混杂因素
实验结论
提炼研究问题、关键发现与证据，快速把握文章的核心贡献。
- 研究问题
- 哪种差异丰度检验方法在真实微生物组数据中能有效控制错误率并保持灵敏度，以及混杂因素调整能否改善性能？
- 核心机制
- 经典统计方法（线性模型、Wilcoxon检验、t检验）和limma、fastANCOM在真实数据模拟中具有较好的错误控制能力，而许多专门为微生物组或RNA-seq设计的方法存在假发现率过高或灵敏度不足的问题。混杂因素是导致微生物组关联研究不可重复性的重要原因。
- 主要证据
- 通过信号植入模拟生成与现实数据高度相似的基准数据集，对19种差异丰度方法进行性能评估，发现经典方法、limma和fastANCOM具有较低的错误发现率和较高的灵敏度。在混杂模拟及MetaCardis真实数据中，调整混杂因素（如药物摄入）可降低假阳性。
- 研究意义
- 本研究提供了更真实的模拟框架和基准测试结果，支持使用经典统计方法或fastANCOM进行差异丰度检验，并强调了在关联研究中调整混杂因素的重要性。开源软件（SIMBA和BAMBI）可促进微生物组统计方法学的整合和发展。
研究路径
按研究推进顺序梳理实验设计、验证步骤与关键观察。
差异丰度检验方法性能评估
评估十九种差异丰度检验方法在模拟数据上的假发现率控制、灵敏度和准确性
对多种差异丰度检验方法在生成的模拟数据集上进行基准测试，包括经典统计方法（Wilcoxon、t-test、LM）、RNA-seq分析方法（edgeR、DESeq2、limma）、微生物组专用方法（如ALDEx2、ANCOM、fastANCOM等）。使用BH校正后的P值计算观察到的FDR和召回率，并使用AUROC评估原始P值的判别能力。
混杂因素模拟与调整效果评估
模拟混杂因素（如药物摄入）对差异丰度检验的影响，并评估调整混杂因素是否能改善性能
通过在模拟数据中植入第二个信号（模拟混杂因素），并使用有偏重采样生成与混杂因素相关的子集，模拟疾病组和对照组中混杂因素比例不同。评估未调整和调整混杂因素的四类方法（limma、LM、fastANCOM、Wilcoxon）的性能。
真实数据验证与应用
在真实临床队列中验证混杂因素调整的效用，并揭示疾病相关微生物特征
使用MetaCardis队列数据，构建疾病-药物组合，比较未调整和调整混杂因素的线性模型，以识别药物混杂的关联并发现稳健的疾病相关特征。
研究方法
按研究目的归类文中使用的方法，便于定位所需技术。
产品清单
关键环节
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 模拟数据生成 | 信号植入的效应大小（丰度缩放因子和患病率偏移）需根据原文献方法选取；基线数据集需明确 阅读提示：Methods: Data selection and preprocessing; Implantation framework for the realistic simulation of microbiome data |
| 差异丰度检验 | 需明确各方法的推荐标准化方法、参数设置（如DESeq2的normalization factors、edgeR的RLE方法） 阅读提示：Methods: Included DA testing methods |
| 混杂因素调整 | 需明确混杂因素的设定（如二元变量、效应大小）、有偏重采样参数（偏差值）、模型调整方式（随机效应） 阅读提示：Methods: Generating confounded simulations through biased resampling; Confounder and robustness analysis in the MetaCardis data |
| 性能评估 | 需明确样本量、多重检验校正方法（BH）、FDR和召回率的计算方式 阅读提示：Methods: Benchmarking of DA testing methods at different sample sizes |