ANCOMBC
1.0.0
作者和維護者：黃林：[email protected]
ANCOMBC是一個包含微分差異（DA）的軟件包和微生物組數據的相關分析。具體而言，該軟件包包括分析具有偏置校正2（ANCOM-BC2）的微生物組的組成，分析具有偏置校正的微生物組的組成（ANCOM-BC）以及用於DA分析的微生物組（ANCOM ）的組成和稀疏估計的分析微生物組（SECOM）之間的相關性相關性分析的相關性。微生物組數據通常受兩個偏差來源：不等的採樣部分（樣本特定偏見）和差分測序效率（分類群特定的偏見）。 ANCOMBC軟件包中包含的方法旨在糾正這些偏差並構建統計上一致的估計器。
if ( ! requireNamespace( " BiocManager " , quietly = TRUE ))
install.packages( " BiocManager " )
BiocManager :: install( " ANCOMBC " )library( ANCOMBC )
? ancombc2
? ancombc
? ancom
? secom_linear
? secom_dist 1。我們現在支持互動測試！
ancom ， ancombc和ancombc2的新版本支持在分析中包含相互作用項。查看最新的小插曲以獲取詳細的指導。
2。靈敏度分析至關重要！
對於用戶：除非您的研究的主要重點是力量，否則我們強烈建議保持靈敏度分析打開（默認設置），因為它大大降低了誤報。
對於研究人員而言：我們已經註意到最近的一些論文批評了ANCOM-BC2無法充分控制誤報。但是，這些批評未能解釋我們的靈敏度分析特徵。在不利用其嵌入式特徵（例如靈敏度分析）的情況下比較ANCOM-BC2並不是公平的評估。我們在最新更新中強調了這一點。
1。問： ancombc和ancombc2中的formula和group參數之間有什麼區別？
答： formula和group參數在ancombc和ancombc2函數中的目的不同。這是他們差異的細分：
formula ：該參數用於指定實驗中可能影響微生物豐度的變量。必須在formula中包括所有相關變量，以確保正確調整和準確的結果。例如，如果您具有連續的變量，例如age作為您感興趣的主要變量，並且還有其他需要調整的分類變量，但與您的研究問題無直接相關，則可以將它們包含在formula中，而將group作為null離開。
group ： group參數是可選的，只有在要檢測結構零（存在/缺失測試）或執行多組比較（例如全局測試，成對方向測試，Dunnett的測試類型或趨勢測試）時才能指定。 。如果您感興趣的變量是一個超過三個級別的分類變量，並且您想進行多組比較，則應包括group參數。重要的是要注意， group與ancom中的main_var不同。在ancombc和ancombc2中， group用於多組比較和校正P值進行多個比較。
請記住ancom如果group不為null，請始終在adj_formula中包括main_var ，但始終在formula或fix_formula中包含group （分別在ancombc和ancombc2中）。這樣可以確保在分析中進行適當的調整和比較。
2。問：為什麼主要結果缺少一些分類單元？
答： ancombc或ancombc2的主要結果可能缺少某些分類單元的原因有很多。這是一個解釋：
流行率排除：低於指定閾值（ prv_cut ）的分類單元將被排除在分析之外。 prv_cut值決定了分析中考慮的分類單元所需的最小患病率。如果分類單元的患病率低於此閾值，則將不包括在主要結果中。
結構零：表現出結構零的分類單元，這意味著它們在所有樣品中的計數始終為零，只有在存在/不存在檢驗的情況下才被認為是重要的。 ANCOM-BC和ANCOM-BC2方法的設計並非旨在檢測結構零的分類單元的顯著差異。結果，這些分類單元分別匯總，不包括在ancombc或ancombc2的主要結果中。
為了訪問存在/缺勤測試的結果，您可以參考zero_ind輸出。這將提供有關顯示結構零的分類單元的信息。
3。Q：在主要結果中，如果我有一個帶有類別A ， B和C group變量，則lfc_(Intercept) ， lfc_groupB和lfc_groupC表示什麼？
答：在主要結果中，術語lfc_groupB和lfc_groupC表示相對於參考組的日誌折疊更改（logFC），該參考組默認為組A這些logFC值分別表示B組和A組之間以及C組和A組之間的豐度差異。
另一方面， lfc_(Intercept)是指大平均值的日誌折疊更改，在這種情況下，這可能不是特別感興趣的參數。
值得一提的是，如果您想更改參考組，則可以使用R中的factor函數來重新排列group變量的級別。
4。問：我遇到了一條錯誤消息，說“'等級'必須是'galasonomyranks（）'的值。這是什麼意思，我該如何解決？
答：錯誤消息“'級別'必須是'galasonomyranks（）'的值，“當您的tax_table中的等級名稱未正確標記時，通常會發生。為了解決此問題，建議使用se是您的tse對象的taxonomyRanks(se)函數。
首先，確保您的tax_table中的等級名稱正確地命名為標準分類學等級之一，例如“王國”，“門”，“ class”，“ order”，“ order”，“ family”，“ family”， “屬”或“物種” ”。如果當前將等級名稱標記為其他標籤，例如“ TA1”，“ TA2”，“ TA3”，等等，您將需要相應地更新它們。
當從data.frame而不是matrix形成tax_table時，通常會發生此問題。因此，重要的是要確保在進行分析之前正確分配等級名稱。
一旦您更新了tax_table中的等級名稱，就可以使用ancombc2函數，並使用tax_level參數（例如“屬”）指定所需的分類級別。這將使您能夠在指定的分類學級別對微生物組數據進行統計分析。
5。Q：在ancombc2中使用rand_formula時，我遇到了問題。指定隨機效果的正確語法是什麼？
答：當使用ancombc2中的rand_formula指定隨機效果時，遵循lmerTest軟件包中使用的語法約定很重要。密切注意括號和垂直條的放置。
要正確指定隨機主題效應，該語法應以"(1|subjid)"的形式，其中subjid代表主題標識符的變量名稱。該語法可確保在分析中正確考慮隨機主題效應。
另一方面，將rand_formula用作"1|subjid"或"(subjid)"以指定隨機效果是不正確的。正確的語法應始終包含隨機效果周圍的括號和垂直條，以將其與固定效果分開。
通過使用正確的語法來指定隨機效果，您將能夠將這些效果準確地納入ancombc2分析。
6。問：在ANCOM-BC2中，主要結果與鄧內特測試類型的結果之間有什麼區別？
答：ANCOM-BC2中Dunnett測試類型的主要結果和結果提供了有關差異豐富的分類單元的信息，但是p值的校正存在差異。
在主要結果中，P值在整個分類單元中得到糾正，這意味著它們可以解釋不同分類單元之間的多次比較。在確定單個分類單元的重要性時，這種校正有助於控制誤報率。
另一方面，Dunnett的測試類型不僅可以糾正整個分類單元的P值，而且還可以糾正組之間的多次比較。具體而言，它將B組和C組中每個分類單元的豐度與參考組A進行了比較。鄧內特（Dunnett）測試類型中多次比較的校正結果更加保守，從而降低了假陽性結果的可能性。
因此，儘管主要結果和Dunnett的測試類型都提供了有關差異豐富分類單元的信息，但Dunnett的測試類型的結果為多次比較提供了額外的控制，使其更加保守和可靠。
7。問： ancombc或ancombc2功能可以在分析中處理交互項嗎？
答：是的， ancom ， ancombc和ancombc2的新版本支持在分析中包含相互作用項。
8。問：ANCOM-BC方法可以應用於其他數據類型，例如功能豐度，RNA-SEQ或單細胞RNA數據嗎？
答：ANCOM-BC方法可以應用於其他數據類型，只要它們被視為組成。但是，必須意識到該方法主要通過微生物組數據進行了基準測試和驗證。有關更多討論，您可以參考這篇文章。
9。問：“不是正定矩陣”在擬合ancombc2混合效應模型時意味著什麼？我該如何調試這個問題？
答：錯誤消息“不是正定矩陣”表示混合效應模型中使用的相關矩陣不是正定確定的。正定矩陣是正方形矩陣，所有特徵值均為正。當數據或模型規範存在問題時，通常會發生此錯誤。
為了調試此問題，我建議使用R中的lmerTest軟件包將混合效應模型擬合到原始數據。使用與ancombc2功能中使用的固定效果和隨機效應規格。通過直接擬合模型，您可能會收到更多有助於診斷問題的信息錯誤消息。
這是您可以遵循的步驟來調試問題：
install.packages("lmerTest")和library(lmerTest)中的lmerTest軟件包。ancombc2中使用的效果。lmerTest包裝中的lmer()函數擬合混合效應模型。通過遵循以下步驟，您可以更好地了解導致“不是正定矩陣”錯誤的問題，並採取適當的措施來解決它。
如果您繼續遇到困難或需要進一步的幫助，那麼在特定研究領域的統計學家或專家尋求建議可能會有所幫助。
10。Q：如果較高的LFC值對應於較大的豐度，為什麼我的一些OTU/ASV計數顯示出相反的方向？
答：重要的是要注意，在ANCOM-BC或ANCOM-BC2上下文中的對數折變（LFC）值不會直接反映相對豐度（例如比例）或觀察到的豐度（例如OTU或ASV計數） 。 LFC值表示組之間偏差校正的豐度的差異。
在ANCOM-BC或ANCOM-BC2中，較高的LFC值表明組之間偏差校正的豐度差異更大。但是，這並不一定意味著LFC較高的組具有較高的相對豐度或更大的觀察到特定OTU或ASV的計數。
11。問：您能給我一個更複雜的執行ANCOM-BC2趨勢測試的例子嗎？
答：例如，當將趨勢測試與R中的5個有序類別（ A, B, C, D, E ）的group變量一起使用時，我們實際上估計了4個對比度（ BA, CA, DA, EA ） 。測試A < B < C < D < E的趨勢等效於測試0 < B - A < C - A < D - A < E - A 。因此，我們可以指定對比矩陣如下：
# B-A C-A D-A E-A
1 0 0 0
- 1 1 0 0
0 - 1 1 0
0 0 - 1 1在r中，應該是
matrix (c( 1 , 0 , 0 , 0 ,
- 1 , 1 , 0 , 0 ,
0 , - 1 , 1 , 0 ,
0 , 0 , - 1 , 1 ),
nrow = 4 ,
byrow = TRUE )有關更深入的討論，您可以參考此帖子。
12。Q：天哪，我仍然對結構零感到非常困惑。這些是什麼？ struc_zero和neg_lb參數有什麼作用？
答：如果這些組完全或幾乎完全不存在，則認為分類單元在某些（> = 1）組中具有結構零。例如，如果有三個組G1，G2和G3，並且分類單元A的計數為G1中的0，而G2和G3中的non-Zero在G1中被認為包含G1中的結構零。在這種情況下，宣布分類單元A在G1和G2，G1和G3之間具有差異性，因此相對於組變量，全球差異很大。沒有使用ANCOM-BC或ANCOM-BC2進一步分析此類分類單元，但結果總結在zero_ind中。您可以將檢測結構零視為執行存在/不存在測試。
結構零的檢測基於單獨的紙ANCOM-II。具體而言，設置neg_lb = TRUE表示ANCOM-II第3.2節中所述的兩個標準均用於檢測結構零。另外，設置neg_lb = FALSE僅在ANCOM-II第3.2節中使用等式1來聲明結構零，從而使其成為一種更加保守的方法。由於OTU/ASV表通常非常稀疏，因此建議選擇neg_lb = FALSE以防止錯誤發現。但是，如果您有一個更密集的表，例如具有足夠大樣本量的家庭級表，則使用neg_lb = TRUE可能是一個更好的主意。重要的是要注意，如果將struc_zero設置為FALSE則neg_lb沒有功能。因此，有三種可能的組合： struc_zero = FALSE （無論是neg_lb ）， struc_zero = TRUE, neg_lb = FALSE或struc_zero = TRUE, neg_lb = TRUE 。
