Dirichlet Distribution Parameter Estimation With Applications in Microbiome Analyses

Daniel T. Fuller

doi:10.1002/sim.70454

2026-02-01

PRE

DOI：10.1002/sim.70454

原文链接

原文求助

摘要

En 中文

微生物组分析是识别特定位置微生物群落组成和功能的过程，这对于理解人类和环境健康至关重要。然而，准确量化微生物组成仍然具有挑战性，这依赖于对原始分类丰度或相对丰度的统计建模。在微生物组分析中，相对丰度测量通常优于绝对丰度，因为绝对丰度值依赖于测序深度和测序方法。尽管如此，关于通过有意义的概率分布建模相对丰度，随后进行统计推断的文献仍然有限。在本研究中，我们提出使用狄利克雷分布直接建模分类单元的相对丰度，而不使用任何进一步的转换（例如，加性对数比率转换、等距对数比率转换）。在全面的模拟研究中，我们比较了狄利克雷分布两种矩量法估计器（MMEs）和最大似然估计器（MLE）的偏差和标准误差。这些估计器的比较涉及三种不同样本量和维度的情况：(i) 低维度和小样本量；(ii) 低维度和大样本量；(iii) 高维度且同时具有小样本量和大样本量。正如预期，MLE表现出整体最佳性能，因为它基于（最小）充分统计量，没有信息损失。随后，我们结合费希尔信息和我们的模拟结果，探讨了MLE的渐近性质。我们使用四个真实世界的微生物组数据集展示了狄利克雷建模方法的应用性，并展示了从狄利克雷MLE（DMLE）获得的估计平均相对丰度与通过常用方法（即贝叶斯狄利克雷-多项式估计器BDME，该方法使用绝对丰度）获得的结果之间的差异。对于所有四个数据集，DMLE结果与BDME结果相当，但在单次使用和大规模模拟中所需计算时间要少得多。

Keyword:

MODELS

HEALTH