大规模微生物组数据的稳健统计推断

In recent years, the rapid development of sequencing technology for microbiome has produced massive new-type genomic data which provides new opportunities and challenges for statisticians. Microbiome sequencing involves a lot of intermediate steps and in each of them it is very likely to introduce some errors caused by technology itself. We focus mainly on the three topics: 1) Building statistical models for microbiome data with random errors and technical noises separated, and developing robust regression analysis method for the proposed model which will down-weight the outliers automatically and hence reduce their influence on the corresponding inference; 2) Constructing robust state-space model for analyzing dynamic microbiome data with robust parameter estimations based on weighted likelihood; 3) Theoretical study of composite likelihood and its application to microbiome data. Our work will provide more robust and reliable statistical methods and theoretical support for studying the association between microbiome and disease or environment.

近年来，关于微生物组的基因测序技术快速发展，从而产生了海量新型的基因组数据，为统计学者提供了新的挑战与机遇。微生物组测序技术涉及的中间环节很多，在每一环节都有可能混入技术误差。本项目致力于通过稳健统计学和复合似然函数的理论构建适用于微生物组数据的稳健统计推断方法。我们将着重展开如下三个方面的研究：1）对微生物组数据进行统计建模和稳健回归，在分离随机误差和技术误差的基础上，自动降低少数异常值或离群点的权重，减小其对于统计推断的影响；2）对动态微生物组数据构建状态空间模型，并通过加权似然函数的方法进行稳健参数估计；3）复合似然函数相关理论及其在微生物组数据分析中的应用。本项目的研究成果将为研究微生物组与疾病以及环境之间的关系提供更加稳健和可靠的统计方法和理论支持。

人体的微生物组参与了新陈代谢、营养摄入、能量产生等诸多生命活动。近年来，人们发现微生物组与许多疾病有关，饮食、疾病或环境因素对微生物组的改变可能会影响人类的健康。新一代测序技术使通过直接DNA测序研究微生物成为可能，由此得的微生物组数据往往具有高维、稀疏、成分数据等特点，也为统计建模和数据分析带来了新的挑战。本项目通过统计和机器学习的方法研究了肥胖相关代谢正常和异常人群，以及体重正常的健康人群之间的肠道菌群组成差异，并识别出了能够区分几组人群的肠道微生物标记物，研究成果在SCI期刊Scientific Reports发表；肠道菌群失调与儿童营养不良之间的关系，通过与健康儿童的肠道菌群比较，发现肠道杆菌在两类人群人中存在较大差异，并且有着较好的预测分类结果，该研究成果在SCI期刊Frontiers　in　Microbiology 发表；与重庆儿童医院合作研究了出生体重不一致双胞胎（BDT）的生长发育的特点，发现早产较轻体重的BDT儿童相对足月儿童，会有发育落后的现象，该研究为未来合作研究肠道菌群在儿童生长发育的影响奠定了一定的基础；针对高维的微生物组成分数据，我们还提出了一种新的基于t-distributed stochastic neighborhood embedding (t-SNE)的降维可视化和分类的新方法，通过分类，也能指导t-SNE中参数的选择，论文被SCI期刊Frontiers in Genetics接收并发表。在统计方法和理论创新方面，我们提出了一种基于随机微分方程的模型对于动态微生物数据进行建模，给出了模型参数的估计方法，并系统研究了模型以及估计量的理论性质。通过该方法，我们能够得到微生物之间的互作网络，比已有方法更具有生物学上的可解释性，同时，有数学理论的支撑。

内容获取失败，请点击重试