August 24, 2020 - Resumo
Os dados do microbioma consistem em contagens de unidades taxonômicas operacionais (OTU) caracterizadas por inflação zero, superdispersão e estrutura de agrupamento entre as amostras. Atualmente, os métodos de teste estatístico são comumente realizados para identificar OTUs que estão associados a um fenótipo. As limitações dos métodos de teste estatístico incluem que a validade dos valores p / valores q dependem sensivelmente da correção dos modelos e que a significância estatística não implica necessariamente em previsibilidade. A análise preditiva usando métodos como LASSO é uma abordagem alternativa para identificar OTUs associados e para medir a previsibilidade da variável de fenótipo com OTUs e outras variáveis covariáveis. Investigamos três estratégias de realização de análise preditiva: (1) LASSO: ajustar um modelo de regressão logística multinomial LASSO a todas as contagens de OTU com transformação específica; (2) triagem + GLM: triagem OTUs com valores q retornados pelo ajuste de um GLMM para cada OTU, em seguida, ajuste de um modelo de GLM usando um subconjunto de OTUs selecionados; (3) triagem + LASSO: ajustar um LASSO a um subconjunto de OTUs selecionados com GLMM. Conduzimos estudos empíricos usando três conjuntos de dados de simulação gerados usando modelos multinomiais de Dirichlet e dados do microbioma intestinal real relacionados à doença de Parkinson para investigar o desempenho das três estratégias de análise preditiva. Nossos estudos de simulação mostram que o desempenho preditivo do LASSO com a transformação de variável apropriada funciona notavelmente bem em dados inflacionados a zero. Nossos resultados da análise de dados reais mostram que a doença de Parkinson pode ser prevista com base em OTUs selecionados após a transformação binária, idade e sexo com alta precisão (Taxa de erro = 0,199, AUC = 0,872, AUPRC = 0,912). Esses resultados fornecem fortes evidências da relação entre a doença de Parkinson e o microbioma intestinal. (segue…) Original em inglês, tradução Google, revisão Hugo. Fonte: Journals Plos.
Nenhum comentário:
Postar um comentário