《Gut Microbes》：LGTM: Gaussian process modulated neural topic modeling for longitudinal microbiome
编辑推荐：
纵向微生物组数据对于理解微生物群落动态及其与宿主和环境的关联至关重要。然而，此类数据因高维性、组成性、不规则采样以及对外部协变量的时间依赖而难以分析。现有方法通常只能应对其中部分挑战，限制了可解释生物学洞察的获取。研究人员提出LGTM，一种概率建模范式，将灵活
纵向微生物组数据对于理解微生物群落动态及其与宿主和环境的关联至关重要。然而，此类数据因高维性、组成性、不规则采样以及对外部协变量的时间依赖而难以分析。现有方法通常只能应对其中部分挑战，限制了可解释生物学洞察的获取。研究人员提出LGTM，一种概率建模范式，将灵活的非线性纵向建模与可解释的主题式微生物组表示相结合。LGTM同时识别微生物共丰度模式（“主题”），并建模其比例如何随时间及宿主与环境协变量变化。基于多个纵向人类肠道微生物组数据集，研究人员表明LGTM可识别具有跨运行可复现主要模式的多样微生物主题，同时在插补(imputation)与预测(forecasting)任务中具备竞争力。该框架的关键优势在于可解释性：LGTM产出具有可解释分类学组成的微生物主题，并直接量化协变量与微生物动态之间的关联。
研究背景方面，纵向肠道微生物组研究可观察群落构建、演替与稳定性，但数据具有高维、相对丰度受单纯形约束的组成性、稀疏不规则采样、受饮食疾病药物等影响的复杂时间模式等特征。线性混合效应模型(LMM)按分类单元独立建模，难以捕捉非线性与时间依赖；广义Lotka–Volterra(gLV)具机制性但只适用于少数分类单元；高斯过程(GP)可建模时间序列但不能刻画分类单元间相互作用；循环神经网络(RNN)、Transformer等深度学习模型在插补上表现强，但常需时间离散化、不量化不确定性或缺乏生物学可解释性；变分自编码器(VAE)可学低维表示，但多数神经方法未显式处理组成性。静态主题模型可发现共丰度亚群，却不处理时间相关与协变量影响。因此，研究人员开展LGTM研究，用端到端可微框架把神经主题模型与加性高斯过程协变量模块融合。
研究人员开展的研究为：LGTM（Longitudinal Gaussian process modulated neural Topic modeling for Microbiome）以相对丰度矩阵Y∈R+N×D为输入，样本级由编码器得到主题比例Θ∈R+N×L，解码器以主题?分类单元矩阵B∈R+L×D重建Y≈ΘB；协变量模块用基于基函数近似的加性GP组件（时间用平方指数(SE)核、主体ID用类别核、其他类别协变量与时间用交互核）生成受协变量调制的主题比例，并对各组件做softmax后平均以保持单纯形约束。训练损失含交叉熵重建项、编码器与GP主题比例间的KL项、GP参数KL正则项，全量端到端优化；超参上用重构损失对主题数L做轮廓似然“肘点”启发，用基于方差的Sobol′指数做协变量重要性分析。
样本队列来源包括：Dhaka（孟加拉国222名幼儿宏基因组，MetaPhlAn2）、DIABIMMUNE（芬兰、爱沙尼亚、俄罗斯卡累利阿幼儿16S rRNA扩增子）、HMP2（人类微生物组计划二期，炎症性肠病(IBD)相关宏基因组）。
研究结果如下。3.1 Datasets：上述三队列分别覆盖早期发育、国家/分娩方式、IBD异质性，缺失率由各队列采样设计决定。3.2 LGTM provides accurate imputation and forecasting of longitudinal microbial profiles：在Dhaka与DIABIMMUNE上做样本级插补与主体级未来预测，以交叉熵/负对数似然评价；LGTM优于BRITS、SAITS等时序插补模型，较DGBFGP仅预测精度略降，但用可解释线性主题解码器替代黑箱多层感知机(MLP)解码器。3.3 LGTM discovers diverse and stable microbial topics：以NMF、LDA、VAE?LDA对照，LGTM在多种L下主题多样性（最小两两Jensen–Shannon散度、Bray–Curtis相异度）更高，交叉验证似然与其他方法相近；用非负双奇异值分解(NNDSVD)初始化解码器后，跨随机种子主题矩阵距离更小，可复现性增强。3.4 LGTM identifies interpretable microbial co-abundance patterns：Dhaka中年龄解释主题比例变异最大，母乳喂养主要影响以Bifidobacterium为主的话题1，固体食物引入期Bifidobacterium longum subsp. iuvenis上升、Bifidobacterium longum subsp. infantis下降、Prevotella copri上升；DIABIMMUNE中国家出生地解释多主题变异，芬兰/爱沙尼亚Bacteroides更丰，剖宫产儿童早期Bacteroides缺乏，俄罗斯幼儿早期Bifidobacterium更多且母乳喂养提升其水平；HMP2中时间变异占比小、主体间变异最大，反映IBD队列异质性强。
讨论与结论部分原文指出：LGTM把无监督主题发现与有监督协变量驱动动态统一，既保持竞争性的插补/预测性能，又产出分类学可解释主题与协变量关联；NNDSVD式一致初始化是深度生成主题模型可复现的关键；主题数L应依生物学问题与解释粒度选定而非仅看held?out似然；Sobol′式方差分析可解释各协变量对主题空间贡献。研究人员由此得出结论：LGTM为纵向肠道微生物组提供了一种兼顾非线性时间建模、组成性、不规则采样与可解释低维表示的分析框架，可支持生态轨迹的生物学解读、协变量效应量化及缺失/未来时间点推断，对早期发育、地域/分娩方式影响、IBD异质性等场景均有应用价值。
