微生物组学中高维计数与成分数据分析.PDFVIP

中国科学 数学 年 第 卷 第 期 综 述 微生物组学中的高维计数和成分数据分析 献给钱敏教授 华诞 1 1 1,2,3 ∗ 吴昌晶 何顺 邓明华 1. 北京大学数学科学学院, 北京 100871; 2. 北京大学定量生物学中心, 北京 100871; 3. 北京大学统计科学中心, 北京 100871 E-mail: wcj@, heshun@, dengmh@ 收稿日期: 2017-07-03; 接受日期: 2017-09-29; 网络出版日期: 2017-11-16; * 通信作者 国家重大科学研究计划(批准号: 2015CB910303)、国家重点研发计划 (批准号: 2016YFA0502303) 和国家自然科学基金 (批准号: 资助项目 摘要 人体微生物组对人体健康和疾病起着重要作用 高通量测序技术的发展使得我们可以定量分析 微生物组中所有菌种的成分 本文回顾近来在微生物组学研究中的高维计数和成分数据分析方法 其 中包括 多项分布模型及其拓展、从大维稀疏计数矩阵估计成分数据、高维成分回归和基于 对数基底的成分数据统计推断方法 关键词 高维计数数据 成分数据 多项分布模型 稀疏性 可识别性 回归模型 主题分类 引言 [1] 人体中生活着大量微生物 其细胞总量据估计是我们人细胞的 倍 它们分布在人体的各个部 位 如皮肤、口腔和肠道等 其中尤以肠道中的微生物数量最多、种类最丰富 微生物往往以群落的形 式存在 它们之间通过协同作用来影响自身所在的环境 反过来环境也影响着微生物群落的组成和结 [2] [3] 构 近年来 涌现出了大量探索微生物与人体健康关系的研究 例如 肠道微生物与肥胖 、糖尿病 [4] [5] 和心血管疾病 等有着密切联系 而人们的饮食习惯和生活方式等也会影响肠道菌群的结构 如 何综合分析微生物组学数据及这些相关信息 从而为人类健康造福 是当前生物统计领域一个重要的 课题 飞速发展的高通量测序技术使得人们可以定量分析人体内微生物群落的组成信息 这给人们研究 微生物群落之间、微生物与宿主间的关联性提供了极大便利 当前广泛使用的测序技术有两种 一种 是 测序 另一种是全基因组鸟枪法测序 是 原核细胞核糖体的一段结构性区域 广泛存在于细菌等原核生物中 它既包含了高度保守的区域 有 利于扩增时引物的结合 又具有在不同菌种中高度分化的区域 从而可以通过该段序列鉴别微生物的 英文引用格式: Wu C J, He S, Deng M H. High-dimensional count and compositional data analysis in microbiome studies (in Chinese). Sci Sin Math, 2017, 47: 1735–1760, doi: 10.1360/N012017-00147 c ⃝ 2017 《中国科学》杂志社 吴昌晶等 微生物组学中的高维计数和成分数据分析 种类 在实验得到测序数据后 人们往往先根据序列相似度如 把不同序列聚类成不同的操作分 类单元 然后将得到的 与已有的 数据库对比 进而 得到不同菌种所对应的序列个数 读段数 此外 利用已知的序列信息可以构建一个系统发生树 测 序所得的 在不同层级累加后能够反映出不同分类等级的微生物含量 如不同的门、纲、目、科、 属、种的微生物的读段数 与 针对一段标记基因测序不同 全基因组鸟枪法测序是把样品全部基因组一起测序 从而得到宿主和微生物的全部基因信息 然