基因组所王怡雯课题组开发新型批次效应去除方法

近日，《生物信息学简报（Briefings in Bioinformatics）》 在线发表了基因组所王怡雯课题组联合墨尔本大学的研究论文，题为“PLSDA-batch:a multivariate framework to correct for batch effects in microbiome data（PLSDA-batch：校正微生物组数据中批次效应的多变量框架）”。该研究开发了一种基于偏最小二乘判别分析（PLSDA）的多元非参数批次效应去除方法：PLSDA-batch，该方法可用于校正微生物组数据中由非实验因素导致的结果差异（批次效应）。

研究微生物组成和表型（包括人类疾病）之间的联系是微生物组研究的主要目标，例如，肠道微生物群落的破坏与多种疾病和亚健康状态有关，从炎症性肠病、糖尿病、到肥胖和营养不良。然而，由于微生物群落是高度动态的，因此微生物组数据极易受到批次效应的影响，批次效应通常掩盖了研究人员所感兴趣的生物学效应。现有的批次效应校正方法主要是为基因表达量数据开发的，没有考虑到微生物组数据的固有特征，包括零膨胀、过度离散和变量之间的相关性。即使存在一些针对微生物组数据的去除批次效应的方法，也都存在许多使用场景和条件上的限制。

因此，研究人员开发了一种以多元方式去除批次效应，同时保留实验组差异的方法，称之为PLSDA-batch（下载地址：https://github.com/EvaYiwenWang/PLSDAbatch）。在此基础上，还提出了两种延伸方法：（1）加权 PLSDA-batch（wPLSDA-batch）应对不平衡的实验设计，（2）稀疏PLSDA-batch（sPLSDA-batch）应对模型过拟合现象。同时在模拟数据集和实际数据集上验证了其与目前几种常用的方法removeBatchEffect、ComBat和SVA相比，具有很强的竞争力，特别是在去除设计不平衡的实验中的批次效应上。

图1 | PLSDA-batch的框架

为了验证方法的有效性，研究人员先在模拟数据集上测试了PLSDA-batch，并与常用的removeBatchEffect、ComBat和SVA这三种方法进行了比较；然后在三个实际数据集上，与removeBatchEffect、ComBat这两种方法进行了对比。

通过模拟平衡和不平衡的实验数据，使用pRDA、R(2)、准确性指数等评估手段，与非加权的PLSDA-batch相比，加权的版本对于不平衡的实验设计是必要的。虽然PLSDA-batch与其他批次效应校正方法相比，保留的实验方差比例相似或略小，但在实验设计不平衡的情况下，PLSDA-batch获得了更高的F1得分和AUC。当模拟数据中没有同时具有实验效应和批次效应的变量时，sPLSDA-batch和PLSDA-batch校正后的数据接近基准数据。然而，当模拟数据含有同时包括这两种效应的变量时，sPLSDA-batch的效果略差于PLSDA-batch。此外，研究人员的结果还表明，SVA有过拟合数据的倾向，而ComBat无法完全消除批次差异，removeBatchEffect无法保留足够的实验效应以准确识别变量。

图2 | 模拟数据中PLSDA-batch与其他方法的各项检测指标结果

研究分析了三个采用16s rRNA测序获得的微生物组数据集（OTU级别），分别为海绵组织（sponge，sponge A. aerophoba）数据、厌氧消化（AD，Anaerobic Digestion）数据、高脂肪高糖饮食（HFHS，High Fat High Sugar diet）数据。在分析之前，计数数据均通过了中心对数比转换。在sponge和AD数据中，PLSDA-batch和sPLSDA-batch的表现相似。这两个数据集都具有较强的批次效应，研究人员使用的所有测试指标都表明PLSDA-batch和sPLSDA-batch优于ComBat，后者没有充分地去除批次差异（sponge和AD数据中），且没有充分地保留实验组差异（AD数据中）。并且与本方法相比，使用removeBatchEffect校正的数据能保留的实验方差比例普遍较小。此外，该方法，对于批次效应较弱的HFHS数据，相较于PLSDA-batch，用sPLSDA-batch校正后的数据丢失了少量的实验方差，因为它为了避免过度拟合，估算实验组分时精度没有那么高，表明sPLSDA-batch并不适合弱批次效应。

图3 | 实际数据中PLSDA-batch与其他方法的各项检测指标结果

基因组所副研究员王怡雯为该论文的第一作者，墨尔本大学数学与统计学院Kim-Anh Lê Cao教授为通讯作者。

该研究得到了中国国家留学基金委，中国博士后科学基金，中国国家自然科学基金的资助。

原文链接：https://academic.oup.com/bib/article/24/2/bbac622/6991121