MaAsLin 3:基于广义多变量线性模型的微生物组关联分析新方法及其在炎症性肠病研究中的应用

《Nature Methods》:MaAsLin 3: refining and extending generalized multivariable linear models for meta-omic association discovery

【字体: 大 中 小 】 时间:2026年01月16日 来源:Nature Methods 32.1

编辑推荐:

  为解决微生物组数据高维稀疏性、组成性及零膨胀等特性导致的关联分析难题,哈佛大学团队开发了MaAsLin 3。该方法通过分离丰度与存在性关联,引入中位数校正处理组成性偏差,并支持混合效应模型与绝对丰度数据。在模拟数据中,其精确度较MaAsLin 2提升高达0.27,并在炎症性肠病多组学数据库(IBDMDB)中揭示77%的微生物关联源于存在性变化。该工具为复杂微生物组研究提供了更精准的生物学发现能力。

  
微生物群落分析的核心任务之一是识别与宿主健康或环境表型相关的微生物特征,然而这一过程常受数据特性的制约。微生物组数据通常具有高维度、稀疏性(存在大量零值)和组成性(各特征丰度相互依赖)等特点,使得传统统计方法难以直接应用。尽管已有ALDEx2、ANCOM-BC2和MaAsLin 2等工具试图解决这些问题,但它们大多仅关注丰度差异,忽略了微生物“存在与否”本身可能蕴含的重要生物学意义。例如,低丰度病原体可能引发疾病,特定菌群在疾病群体中检出频率更高,或稀有物种暗示群落移植或污染事件。因此,开发能够同时检测丰度与存在性关联的方法,对精准解读微生物组与表型关系至关重要。
在此背景下,哈佛大学研究团队于《Nature Methods》发表了MaAsLin 3(Microbiome multivariable associations with linear models)。该方法通过拆分丰度与存在性模型,引入中位数校正策略处理组成性偏差,并扩展了对混合效应模型、绝对丰度协议及新协变量类型的支持。其算法流程包括:对特征丰度进行总和标准化生成相对丰度;创建存在性(0/1)剖面并保留非零丰度子集;对非零丰度进行对数转换;分别用增强逻辑回归和线性回归拟合存在性与丰度数据;最终合并两类关联结果。
关键技术方法包括:
  1. 1.
    采用中位数系数比较法推断绝对丰度关联,无需依赖实验测量;
  2. 2.
    通过数据增强策略(Diaconis-Ylvisaker先验)避免逻辑回归中的线性可分问题;
  3. 3.
    支持 spike-in(如qPCR)或总生物量量化数据整合;
  4. 4.
    针对宏转录组数据引入特征特异性协变量(如控制基因DNA丰度以识别转录水平差异)。研究利用SparseDOSSA2生成合成数据,并分析婴儿肠道、小鼠饮食和IBD/PSC队列等真实数据集(样本量45-1,637),通过随机化检验和跨方法对比(ALDEx2、ANCOM-BC2、MaAsLin 2)验证性能。
MaAsLin 3优于其他差异丰度分析方法
在模拟数据中,当样本量大于50时,MaAsLin 3的F1分数中位数最高(图1c)。其精确度始终优于或与其他方法持平(平均≥0.82),且在样本量增加时仍保持稳定,而ALDEx2虽精确度高但召回率始终低于MaAsLin 3。对于存在性关联,即使未显式建模的方法也能部分识别,但MaAsLin 3通过分离模型显著提升特异性。在小样本场景中,因逻辑回归需求样本量较大,MaAsLin 3召回率略低,但其精确度(平均0.99)显著高于MaAsLin 2(0.89)和ANCOM-BC2(0.65)。
MaAsLin 3通过相对数据近似绝对关联
当群落中大部分特征绝对丰度变化时,仅依赖相对丰度的方法会产生系数偏差。MaAsLin 3的中位数校正策略在特征变化比例≤50%时可有效逼近绝对丰度关联(图3a)。在稀疏度较高的婴儿肠道数据(97%零值)中,相对与绝对丰度系数相关性较弱(Spearman相关=0.47),而在稀疏度较低的小鼠饮食(66%零值)和IBD/PSC(80%零值)数据中,MaAsLin 3与ANCOM-BC2的系数与实验测量值高度一致(斜率≈1,相关>0.95)。
线性模型扩展支持新实验设计
MaAsLin 3新增五项推断功能:混合效应模型规范、多水平协变量整体检验、有序预测因子水平间差异检验、系数对比检验及特征特异性协变量控制(表1)。在IBDMDB队列中,其对克罗恩病(Crohn’s disease, CD)患者食物频率数据的分析显示,有序与分组模型分别识别132和107个显著关联,其中59个重叠,证实不同假设可捕捉互补信号。
MaAsLin 3优化炎症性肠病生物标志物发现
应用MaAsLin 3分析IBDMDB队列发现,成人CD患者中Enterocloster物种(如E. bolteae)、Clostridia(如Flavonifractor plautii)和炎症相关菌(Hungatella hathewayi)富集,而溃疡性结肠炎(ulcerative colitis, UC)关联菌较少(图4a)。儿科患者特异性关联包括大肠杆菌(Escherichia coli)和益生菌(如Bifidobacterium breve)。值得注意的是,77%的显著关联为存在性变化,且89%为阴性关联,表明IBD主要导致微生物缺失而非丰度调整。例如,Dysosmobacter welbionis在CD/UC失调中存在性显著降低(βUC=?4.14, βCD=?3.46),但其丰度无显著变化,提示该菌可能通过存在与否而非数量影响宿主表型(图4c)。
结论与讨论
MaAsLin 3通过显式建模存在性关联、组成性校正及扩展协变量支持,提升了微生物组差异分析精度与生物学可解释性。其在IBD队列中揭示“微生物存在性变化主导疾病关联”的规律,为活菌制剂等干预策略提供理论依据。未来工作需进一步优化小样本场景下的召回率及深度测序限制带来的误判问题。该工具为复杂微生物组研究提供了更强大的关联发现框架。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号