微生物网络构建原理: SparCC, MENA, LSA, CoNet

主要参考这个网站，是由CoNet的作者写的(点阅读原文直达)。

http://psbweb05.psb.ugent.be/conet/microbialnetworks/index.php

Microbial association network construction tutorial

宏基因组公众号之前对该网站进行了翻译整理，但是后来网站又增加了新的方法SPIEC-EASI。

另外他们还做了一个介绍网络方法的PPT，可以在网站上直接下载。

在网站的Resources中有所有方法的参考文献，可根据需要自行阅读。

下面对PPT的内容进行简单介绍。核心内容如下：

—Begin—

背景

微生物之间的共现(Co-occurrence)可能有以下几种原因，他们可能具有一定的生态关系，或者在生态位上有重叠。

物种的关系可能是此消彼长、或者共增共减。

实现网络的技术及存在的问题

目前有两种实现网络的技术，第一种是基于相似性。

不管是基于abundance还是incidence的数据，都可以计算成对物种之间的相似度矩阵，并随机化数据反复计算。

考察实际相似度与打乱后相似度的显著性差异。

最后保留具有意义的相似度并可视化。

其存在的问题包括：

1.双零问题(double zeros):

微生物数据存在很多的0值。但是我们不知道该物种是低于检测限还是真的不存在。

因此当存在很多0，就会得到很高的相似度。

如下表所示，增加了0值后相似度显著的升高了。

因此对于双零值，算法中要避免得到很高的相似度。

2. 群落组成的问题：

由于每个样本测序深度不同，因此即使物种个数相同，所占比例也不同。因此需要标准化，可以用每个样本物种的个数除以总样本物种的个数；或者重抽到相同深度。

另外pearson和 spearman考虑的是绝对值，因此标准化后会带来很大的偏差。而基于比例或者对数比例(log-ratio)的方法不受数据组成的影响，因为标准化后数据之间的比例不会变。具体如下图所示，标准化后pearson相关性改变了。

第二种实现网络的技术是基于回归。将物种划分为source和target，使用多元回归计算物种之间的关系。

也是要随机化数据重复计算。根据实际回归系数与随机得到的回归系数的关系进行判定。

其优点在于可以检测多个物种的关系；并可以预测不对称的关系(如偏利共生)。

缺点在于会出现假阳性、过拟合，且难以可视化。

实现网络的工具

SparCC

SparCC使用对数比例的方差来计算物种之间的相关性。

SparCC 对观测到的数据拟合狄利克雷分布，对物种的比例及相关性计算迭代计算多次。最后得到的相关性为分布的中位数。P值采用bootstrap方法计算。

SparCC是基于Python的软件，详见

https://bitbucket.org/yonatanf/sparcc/src/default/

MENA

Molecular ecological network analysis pipeline

其核心在于随机矩阵理论(Random matrix theory, RMT)。

计算给定阈值的pearson相关矩阵的特征值间距分布；

对于整个阈值范围都进行计算；

保留分布由高斯分布变为泊松分布的阈值；

保留阈值以上的所有相关性。

LSA

Local similarity analysis

计算时间序列之间的相似性。由于考虑了滞后效应，可以得到直接连接和不直接连接的边。这种方法在海洋和湖泊宏基因组中很受欢迎。基本计算原理和基于相似性的网络相同，只是将相似性按照时间进行了分割。

CoNet

基于组合效应(Ensemble-based)的网络

不同相关性计算方法(pearson，spearman,bray-curtis)可表达不同的关系，但是随着阈值的增加彼此的结果会趋同。

不同方法也会存在不同的错误，但是对于正确的结果却是一致的。

因此可将不同方法结合起来。

对于每条边和每种方法，分别计算permutation和bootstrap分布。两者相比较得到最终的P值。

最后总结一下，四种方法各有特色：

MENA强项在于阈值的算法，且不需要人为设定阈值。

Sparcc特色在于相关性的计算方法。

LSA引入了时间序列。

CoNet将多种相关性综合考量。

END