《Environmetrics》：Mixtures of Neural Network Experts With Application to Phytoplankton Flow Cytometry Data
编辑推荐：
**专业摘要翻译**
流式细胞术(Flow Cytometry)是一种能够在单细胞分辨率下测量颗粒光学特性的重要技术。当应用于海洋环境时，流式细胞术使海洋学家能够研究不同类群的光合微生物——浮游植物(Phytoplankton)。研究浮游植物特性如何响应环境条
**专业摘要翻译**
流式细胞术(Flow Cytometry)是一种能够在单细胞分辨率下测量颗粒光学特性的重要技术。当应用于海洋环境时，流式细胞术使海洋学家能够研究不同类群的光合微生物——浮游植物(Phytoplankton)。研究浮游植物特性如何响应环境条件变化具有重大科学意义。研究人员开发了一种非线性混合专家模型(nonlinear mixture of experts model)，利用随机权重神经网络(random-weight neural networks)为每个亚群估计独立的回归函数。该模型能够灵活估计异质性样本中各区段内细胞特性及相对丰度对环境协变量的依赖关系，同时避免了反向传播(backpropagation)的计算负担。模拟实验表明，相较于线性混合专家模型，所提出的模型具有更优的预测性能。此外，将该模型应用于实际数据时，结果显示该模型：(1)具有相当的样本外预测性能；(2)能够对浮游植物行为提供更符合实际且更合理的估计。
**论文解读文章**
**研究背景与意义**
浮游植物作为海洋食物链底部的光合微生物，其光合作用总量超过全球陆生植物总和，是地球生物碳泵的关键组成部分。研究浮游植物的行为与分布对于理解碳输送及地球生物地球化学循环至关重要。近年来，浮游植物面临二氧化碳浓度升高、海洋酸化及年平均温度上升等多重环境压力，预测其丰度变化已成为重要研究方向。流式细胞术是测量海洋浮游植物属性的主流方法，能够对每个颗粒的尺寸及荧光特性进行测量，但传统的数据分群过程（即门控）高度依赖人工目视检查，耗时且主观。尽管自动门控算法正在发展，但多数算法源自生物医学应用，不适用于海洋数据。现有基于模型的统计方法，如有限混合模型、狄利克雷过程混合模型等，并未利用环境协变量，仅能对细胞群进行聚类，无法推断各亚群对环境变化的响应。Hyun等人（2023）提出的方法首次将混合专家模型应用于浮游植物流式细胞术数据，但假设聚类均值和概率是环境协变量的线性函数。然而，微生物特性如细胞尺寸存在生物学上下限，且浮游植物属性与丰度对环境变化的响应通常不是单调的，某些协变量之间还可能存在交互作用。因此，研究人员开发了一种基于随机权重神经网络的非线性混合专家模型，以灵活捕捉复杂的非线性回归关系，同时避免反向传播的沉重计算负担。
**研究设计与结论**
研究人员利用2017年夏季Armbrust实验室在Gradients 2巡航中采集的流式细胞术数据，该巡航从北太平洋亚极地到亚热带环流，跨越大范围异质环境区域。SeaFlow连续时间流式细胞仪采集了每个颗粒的细胞直径、叶绿素红色荧光和藻红蛋白橙色荧光三维测量值，经自然对数变换后共获得308个三维细胞图斑。同时收集了来自Simons CMAP数据库的37个环境协变量，通过主成分分析将协变量压缩至9个主成分以消除共线性问题。模型在实现中采用伪似然最大化估计，并利用颗粒生物量加权处理类别不平衡问题。随机权重神经网络通过预先随机抽取并固定隐藏层权重，有效规避了反向传播的计算需求。模拟研究采用结构化的交叉验证方案，结果表明非线性模型在以负对数伪似然评估的样本外预测性能上几乎全面优于线性混合专家模型，尤其在交互作用、二次函数和逻辑函数等非线性数据生成条件下优势显著。
**关键技术方法**
该研究采用的技术包括：利用分布生成固定隐藏层权重的随机权重神经网络实现非线性效应捕捉；对37维环境协变量进行主成分分析（PCA）降维取前9个主成分，保障各主成分累积解释方差不小于95%；采用基于生物量加权粒子的伪似然估计避免罕见类群的低估；实施最大偏差聚类均值约束防止聚类标签交换并鼓励模型平滑性；对所有回归系数施加最小绝对收缩和选择算子惩罚以避免过于复杂的模型；通过交叉验证选择最优正则化参数。为避免数据泄漏，PCA转换仅基于每个训练折内的数据。样本量为308个细胞图斑，在三维响应空间内每个维度以8个格点进行分箱，非空箱总数达14548个。
**研究核心结果**
**1. 模拟实验分析（ECOG评价）**：模拟研究采用三维数据混合高斯分布生成伪合成数据，分别设定线性、非线性（交互、二次、逻辑）3种均值函数和概率函数。研究结果显示，非线性模型在拟合交互均值函数时能准确捕捉高纬度地区信号振幅收缩现象，而线性模型的振幅估计无法随纬度升高而适当缩减。总体统计显示，非线性模型在几乎所有信号强度参数下的样本外负对数伪似然估计均低于线性模型，证明其对超越线性模型的数据拟合能力显著提升。
**2. 基于SeaFlow数据的应用分析**：对真实流式细胞术数据的拟合结果呈现出一致观测：线性模型的样本外负对数伪似然为3.486，而非线性模型为3.414，表明两者泛化性能相近。聚类结果显示，专业人员识别出四个主要浮游植物亚群：原绿球菌、聚球藻以及两个不同的微微型真核浮游植物群。尤其值得注意的是，非线性模型对原绿球菌尺寸和叶绿素的估计解释了昼夜节律性振荡特征，相较线性模型避免了研究中段直径急剧下降的过度估计，对各亚群在过渡带的响应幅度捕捉更加精确和符合生物学实际预期。进一步的主成分部分响应曲线分析显示，在纬度梯度上，非线性模型估计其直径呈渐近变化而非无限线性增长趋势，符合细胞生物学尺寸上限的特性。
**3. 交互效应分析**：通过对主成分PC1和PC2的条件响应分析发现，非线性模型有效识别出模型参数间存在的交互效应，特别是PC1和PC2对叶绿素荧光和相对丰度的条件响应呈现不同形态（线性、凸性、凹性在不同纬度条件下），而线性模型由于无法估计变化率的可变性，将这些效应平均化。非线性模型还揭示了聚球藻色素含量在过渡带内的响应变化率明显快于过渡带外等新特征。
**讨论与结论**
该研究开发的基于随机权重神经网络的混合专家模型，利用随机生成的固定隐层权重实现对协变量非线性响应的灵活建模，计算成本较低。模拟和实际应用结果显示，该模型可有效识别和解释浮游植物性状及丰度对环境因子的非线性响应模式，特别是物质性状的饱和效应（生物学上下限）和跨纬度过渡带的快速响应，这些是线性模型无法捕捉的本质生物学约束。模型采用主成分回归的设计通过偏响应曲线的可视化方式有效增强了模型的可解释性。该研究为海洋流式细胞术数据的非线性生态学推断提供了可操作性强的方法，但对偏态和厚尾分布的处理、功率流式细胞仪测量限制下的审查数据、高维响应下的协方差矩阵稀疏化、稀疏主成分分析的应用及预约层内外数据的融合仍有拓展空间。在更大范围的巡航数据上应用该方法，有望实现浮游植物生态属性时空分布的全球性图谱构建。
